الذكاء الاصطناعي في البحث العلمي: مكاسب الإنتاجية مقابل مخاطر الجودة

الذكاء الاصطناعي كمساعد باحث

يمثل الذكاء الاصطناعي ثورة حقيقية للعديد من المجالات العلمية، حيث يسمح بمعالجة البيانات ونمذجة المواد والمواقف الواقعية بطريقة لم تكن حتى أقوى أجهزة الكمبيوتر العملاقة قادرة على تحقيقها قبل بضع سنوات فقط.

تشمل الأمثلة الحديثة أشكالاً متنوعة من الذكاء الاصطناعي المستخدمة في:

• إيجاد مواد جديدة لمفاعلات الاندماج النووي.
• استعادة وضوح صورة التلسكوب الفضائي.
• تحسين عمليات الطباعة ثلاثية الأبعاد للمعادن.
• اكتشاف مواد جديدة للخلايا الشمسية، والمحفزات الكهربائية للهيدروجين، والمواد فائقة الصلابة، والبوليمرات، والإلكتروليتات الصلبة.

تعتمد هذه التطبيقات عادةً على نماذج الذكاء الاصطناعي المتخصصة للغاية، والتي يتم تدريبها بدقة لفحص فئة معينة من البلورات أو معالجة مجموعة فريدة من الصور.

لكن عندما نتحدث عن الذكاء الاصطناعي، يتبادر إلى ذهن عامة الناس عادةً نماذج اللغة الكبيرة العامة. وتُستخدم هذه النماذج حاليًا في الغالب لكتابة النصوص وتحسينها، بالإضافة إلى إجراء استعلامات متقدمة وواضحة مقارنةً بمحركات البحث التقليدية.

من الناحية النظرية، ينبغي أن ينطبق هذا ليس فقط على مقالات الطلاب والشعر الرديء وعروض الباوربوينت، ولكن أيضًا على البحوث العلمية والأوراق المنشورة.

لكن هذا قد يكون سلاحًا ذا حدين، كما هو موضح في تحليل حديث نُشر في المجلة العلمية المرموقة "ساينس".¹بعنوان "الإنتاج العلمي في عصر نماذج اللغة الكبيرة".

في هذا التحليل، لاحظ باحثون من جامعة كاليفورنيا وجامعة كورنيل إنتاج العلماء الذين يستخدمون نماذج التعلم الآلي مقارنةً بأعمالهم السابقة. واكتشفوا أنه على الرغم من أن استخدام هذه النماذج قد يُحسّن جودة الأوراق العلمية، إلا أنه يُؤدي أيضاً إلى زيادة حجم الأبحاث ذات الجودة المنخفضة، مما يُفاقم المشكلات القائمة في الأوساط الأكاديمية.

الكشف عن استخدام الذكاء الاصطناعي في أوراق البحث العلمي

يتمثل التحدي الأول في تحديد مدى انتشار استخدام LLM في الكتابة العلمية ومن يستخدمه.

ليس من المستغرب أن هذه ليست بيانات يعترف بها الباحثون تلقائيًا، لأن الأدوات لا تزال جديدة ويمكن أن تكون عرضة للخطأ، خاصة فيما يتعلق بالبيانات التقنية أو المواضيع المتخصصة.

قام الباحثون بتجميع أكثر من مليوني ورقة بحثية من قواعد البيانات العلمية الكبيرة مثل arXiv و bioRxiv وشبكة أبحاث العلوم الاجتماعية (SSRN)، والتي يعود تاريخها إلى الفترة من يناير 2018 إلى يونيو 2024.

ثم قاموا بمقارنة الأوراق المنشورة قبل عام 2023 - والتي يُفترض أنها كُتبت بواسطة البشر - مع النصوص التي تم إنشاؤها بواسطة الذكاء الاصطناعي.

باستخدام هذه البيانات، طوروا نموذجًا لرصد استخدام الذكاء الاصطناعي. وباستخدام هذه الأداة، حددوا بدقة معقولة العلماء الذين يستخدمون أدوات إدارة التعلم الآلي ومتى بدأوا استخدامها. ثم تتبعوا حجم منشورات هؤلاء العلماء قبل وبعد اعتماد هذه الأدوات، وما إذا كانت تلك الأبحاث قد قُبلت لاحقًا في المجلات العلمية.

تأثير الذكاء الاصطناعي على البحث العلمي

مرر للتمرير →

زيادة الإنتاجية

الاستنتاج الأول هو أن استخدام برامج الماجستير في القانون يعزز إنتاجية العلماء، على الأقل عند قياسها بعدد المنشورات.

على موقع arXiv، نشر العلماء الذين تم تصنيفهم على أنهم يستخدمون برامج الذكاء الاصطناعي ما يقرب من ثلث عدد الأبحاث التي نشرها أولئك الذين لم يظهر أنهم يستخدمون الذكاء الاصطناعي. أما على موقعي bioRxiv وSSRN، فقد تجاوزت الزيادة 50%.

بالنظر إلى أن ثقافة "النشر أو الفناء" تملي المسارات المهنية لمعظم العلماء، فإن هذه الزيادة في الحجم لها تأثير خطير على المسارات المهنية.

ومن الملاحظات الأخرى أن هذا التأثير كان أقوى بالنسبة للعلماء الذين يُفترض أنهم ليسوا متحدثين أصليين للغة الإنجليزية.

على سبيل المثال، نشر الباحثون المنتسبون إلى المؤسسات الآسيوية ما بين 43.0% و89.3% من الأوراق البحثية بعد أن أشار جهاز الكشف إلى أنهم بدأوا في استخدام نماذج LLM.

وهذا أمر منطقي؛ فالعديد من العلماء بارعون تقنياً وقادرون على قراءة اللغة الإنجليزية (وهو شرط في الأوساط الأكاديمية الحديثة) لكنهم قد يجدون صعوبة في صياغة جمل واضحة وأنيقة بلغة ثانية.

إن الاستخدام الواسع النطاق لبرامج الماجستير في اللغة يمكن أن يساهم في تحقيق تكافؤ الفرص لغير الناطقين باللغة، مما يساعد الأبحاث عالية الجودة على اكتساب اعتراف دولي بغض النظر عن إتقان المؤلف للغة.

اكتشاف أفضل للمعرفة العلمية

يمكن أيضًا استخدام برامج الماجستير في القانون للعثور على أوراق بحثية ذات صلة بموضوع معين، وذلك باستخدام تقنيات الذكاء الاصطناعي المتخصصة مثل يستنبط, ريسيرش رابيت أو سايت.

يتألف جزء كبير من البحث العلمي من العثور على أوراق بحثية أخرى وقراءتها لاستخلاص المعلومات أو تحديد البروتوكولات التجريبية التي يمكن إعادة استخدامها في سياقات جديدة.

تُفضّل أنظمة الذكاء الاصطناعي عمومًا الأبحاث الحديثة وتُولي أهمية أقل لعدد الاستشهادات مقارنةً بمحركات البحث التقليدية. ولذلك، فهي تُوفّر بديلاً للعلماء الباحثين عن أفكار جديدة أو تجارب لم تحظَ بالنقاش الكافي.

"يتواصل الأشخاص الذين يستخدمون برامج الماجستير في القانون مع معارف أكثر تنوعًا، مما قد يؤدي إلى ظهور أفكار أكثر إبداعًا."

كيغو كوسوميغي، طالب دكتوراه في جامعة كورنيل

يمكن اختبار هذه الفرضية في المستقبل من خلال التحقق مما إذا كانت الأوراق المكتوبة بمساعدة الذكاء الاصطناعي تحتوي على مراجع أكثر تنوعًا أو أنها أكثر ابتكارًا وتعددًا في التخصصات.

الذكاء الاصطناعي كقضية جديدة في العلوم والأوساط الأكاديمية

في السنوات الأخيرة، شهد البحث العلمي - وخاصة في العلوم الاجتماعية - أزمة في إمكانية التكرار.

لأن نتائج العديد من الأبحاث لا يمكن إعادة إنتاجها من قبل باحثين آخرين، فقد تكون الدراسات التي تبدو جادة في ظاهرها معيبة أو حتى احتيالية. وقد وُصف هذا بأنه "أزمة وجودية للعلم".

لطالما مثّلت الكتابة المعقدة، بما فيها الجمل الطويلة والمفردات المتطورة، معياراً للبحوث عالية الجودة. ورغم أنها ليست مضمونة النتائج، إلا أنها ساعدت في تمييز البحوث المكتوبة باحترافية عن التحليلات الرديئة.

في المقابل، فإن الأوراق البحثية المكتوبة بمساعدة الذكاء الاصطناعي أقل عرضة للقبول من قبل المجلات حاليًا.

بشكل عام، يُهدد هذا الأمر بفصل معيار "الأبحاث المنشورة" عن الموهبة الحقيقية للباحث. وقد يجد المحررون والمراجعون صعوبة في تحديد الأبحاث الأكثر قيمة، لا سيما مع ازدياد كفاءة الذكاء الاصطناعي وقدرته على محاكاة البشر.

أخيرًا، يمكن توليد كميات هائلة من الأبحاث الزائفة - التي تبدو معقولة ظاهريًا - عبر الذكاء الاصطناعي. ولا يقتصر هذا الخطر على وسائل التواصل الاجتماعي فحسب، بل يمثل مشكلة كبيرة للبحث العلمي، حيث كان وقت المراجعين سلعة نادرة حتى قبل ظهور برامج الماجستير في القانون.

ماذا يعني الذكاء الاصطناعي لمستقبل البحث العلمي؟

بما أن الذكاء الاصطناعي أداة، يجب على الباحثين تعلم استخدامه بفعالية. يكاد يكون من المستحيل حظر برامج الذكاء الاصطناعي من مختبرات الأبحاث، وسيزداد اكتشافها صعوبة.

سيكون التكيف والاستخدام الفعال للذكاء الاصطناعي في الكتابة العلمية هو الموضوع المحوري في المستقبل.

"السؤال الآن ليس: 'هل استخدمت الذكاء الاصطناعي؟' بل السؤال هو: 'كيف استخدمت الذكاء الاصطناعي بالضبط، وهل كان مفيدًا؟'"

قد تستفيد ممارسات التوظيف في مجال العلوم من العودة إلى المقاييس النوعية، مثل المقابلات المتعمقة والاختبارات الفنية، بدلاً من الاعتماد فقط على حجم المنشورات.

وبالمثل، يجب على المراجعين والمجلات العلمية التكيف. ومن المحتمل أن تكون هناك حاجة إلى أنظمة تتحقق من أصالة الأبحاث المقدمة قبل تحليلها، وذلك لمنع الإنتاج الضخم للأبحاث المزيفة.

في نهاية المطاف، سيصبح الفهم العميق للعناصر التقنية للورقة البحثية، بدلاً من الأناقة اللغوية، هو العنصر الأهم في الحكم على الجودة.

الاستثمار في ابتكارات الذكاء الاصطناعي

NVIDIA

تطورت شركة إنفيديا من شركة بطاقات رسومات تستهدف اللاعبين إلى أكبر شركة في العالم، وذلك بفضل دورها المحوري في توفير أجهزة AI لقطاع التكنولوجيا بأكمله.

بصفتها شركة رائدة في مجال الأجهزة المخصصة للذكاء الاصطناعي، كانت Nvidia أول من ساعد الباحثين على الاستفادة من هذه الأدوات. وقد فتحت "CUDA"، وهي واجهة برمجة عامة الأغراض لوحدات معالجة الرسومات من Nvidia، الباب أمام استخدامات تتجاوز الألعاب، ممهدةً الطريق لتطبيقات الذكاء الاصطناعي الحالية.

"أدرك الباحثون أنه من خلال شراء بطاقة الألعاب هذه المسماة GeForce، وإضافتها إلى جهاز الكمبيوتر الخاص بك، فإنك تمتلك في الأساس جهاز كمبيوتر عملاق شخصي.

"الديناميكيات الجزيئية، والمعالجة الزلزالية، وإعادة بناء التصوير المقطعي المحوسب، ومعالجة الصور - مجموعة كاملة من الأشياء المختلفة."

جينسن هوانج في مقابلة مع سيكويا

من المرجح أن تظل أجهزة Nvidia، سواء بشكل مباشر أو مدمجة في سحابات Microsoft وGoogle وMeta وOpenAI، هي الأجهزة المفضلة للباحثين.

من المتوقع أن يكون رأس مال الذكاء الاصطناعي من المتوقع أن يصل إلى 200 مليار دولار في عام 2025يُضاف إلى ذلك الإنفاق التراكمي المتزايد باستمرار من قِبل أكبر شركات التكنولوجيا. كما أن المكونات الإلكترونية الأخرى، مثل ذاكرة الوصول العشوائي عالية الأداء، تعاني الآن من نقص مع زيادة إنتاج رقائق إنفيديا.

على الرغم من أن البحث العلمي قد لا يمثل الجزء الأكبر من الحوسبة في مجال الذكاء الاصطناعي مقارنة باستخدامات المستهلكين أو استخدامات الشركات، إلا أنه يمكن أن يصبح المحرك الأكثر تأثيراً على المدى الطويل، مما يبشر بسبائك وأدوية ومنهجيات علمية جديدة.

(يمكنك rاقرأ المزيد عن تاريخ شركة إنفيديا وأعمالها الحالية وآفاقها المستقبلية في تقريرنا الاستثماري المخصص للشركة..)

الدراسة المرجعية

^{1. كييغو كوسوميجي، شينيو يانغ، بول جينسبارج، ماتيس دي فان، توبي ستيوارت، وييان يين. الإنتاج العلمي في عصر نماذج اللغة الكبيرة. مجلة ساينس. 18 ديسمبر 2025. المجلد 390، العدد 6779، الصفحات 1240-1243. DOI: 10.1126/science.adw3000}