د. سفران بن سفر المقاطي

لم يعد الذكاء الاصطناعي مجرد أداة مساعدة تُسرّع عملية حسابية أو تُلخّص ورقة بحثية، بل بات يعيد ترتيب مراحل البحث العلمي ذاتها، من توليد الفرضيات وتصميم التجارب إلى التنبؤ بالبنى الجزيئية واقتراح مواد لم تُصنَّع بعد. وقد جاءت جائزة نوبل في الكيمياء لعام 2024م، التي تقاسمها ديميس هاسابيس وجون جامبر عن نظام «ألفا فولد» مع ديفيد بيكر عن تصميم البروتينات حاسوبيًا، لتُكرّس هذا التحول في الوعي العلمي العالمي؛ فحلّ معضلة طيّ البروتين، التي استعصت على العلماء نحو نصف قرن، لم يكن إنجازًا حسابيًا معزولًا، بل إشارة إلى أن خوارزميات التعلّم العميق قادرة على فتح أبواب معرفية ظلّت حكرًا على التجربة المخبرية البطيئة.

وتكشف الأرقام حجم هذا التحول؛ إذ تضم قاعدة بيانات «ألفا فولد» تنبؤات لأكثر من مئتي مليون بنية بروتينية، استخدمها أكثر من ثلاثة ملايين باحث فيما يزيد على 190 دولة، بحسب ما أعلنته «غوغل ديب مايند» أواخر عام 2025م. فما كان يستغرق سنوات من التصوير البلّوري أو التحليل بالرنين المغناطيسي صار متاحًا في دقائق، وانتقل السؤال من «كيف يبدو هذا البروتين؟» إلى «ماذا يفعل، ومع من يتفاعل، وكيف يمكن تعديله؟». ثم وسّع «ألفا فولد 3» عام 2024م نطاق التنبؤ ليشمل المعقّدات الجزيئية والأحماض النووية والجزيئات الصغيرة، مقتربًا من مشهد التفاعل الحيّ داخل الخلية. وبالتوازي، انتقل التصميم من التنبؤ إلى التوليد، فصارت النماذج تبتكر بروتينات بوظائف مطلوبة سلفًا، أو مواد بلّورية بخصائص مغناطيسية أو إلكترونية نادرة، بعد أن كان فضاء البحث الكيميائي أوسع من أن يُستكشف بالتجربة وحدها.

وفي علم المواد، اقترح نظام «غنوم» (GNoME) من «غوغل ديب مايند» نحو 2.2 مليون بنية بلّورية محتملة، قُدّر أن قرابة 380 ألفًا منها مستقرة، وهو عدد يفوق بأضعاف ما كان معروفًا من قبل. غير أن هذا الرقم لم يمرّ دون تمحيص؛ فقد خلص عالما المواد أنتوني تشيتهام ورام سيشادري، في مراجعة نقدية نشرتها دورية «كيمستري أوف ماتيريالز» عام 2024، إلى وجود «أدلة شحيحة على مركّبات تستوفي ثلاثية الجِدّة والمصداقية والفائدة». ومن هنا تكتسب «المختبرات ذاتية القيادة» أهميتها، إذ تجمع بين النماذج التوليدية والقيود الكيميائية الصارمة والروبوتات عالية الإنتاجية، فلا يكتفي النموذج باقتراح وصفة، بل يُغلق الحلقة مع القياس التجريبي ويعيد تغذية النتائج إليه. ولا يعني ذلك اختفاء الباحث، لكنه يعني أن عنق الزجاجة لم يعد في توليد الفكرة، بل في التحقق منها في العالم الفيزيائي.

وتؤكد أحدث البيانات هذه المفارقة. ففي دراسة أصدرتها «غوغل» و«غوغل ديب مايند» ومشروع «فيوتشر تك» في معهد ماساتشوستس للتقنية في سبتمبر 2026م، أفاد العلماء المشاركون فيها بأنهم يوفّرون نحو سبع ساعات أسبوعيًا في المتوسط، يعيدون استثمار معظمها في البحث نفسه. لكن الدراسة رصدت ما سمّته «ضريبة التحقق»، إذ ينفق 89 في المائة ممن وفّروا وقتًا أكثر من عُشر هذا الوقت في تدقيق مخرجات الذكاء الاصطناعي، فيما أفاد 41 في المائة من المشاركين بتراكم متزايد لفرضيات لم تُختبر بعد. فالمهام الحسابية ومراجعة الأدبيات وكتابة الشيفرات تتسارع بوضوح، بينما تبقى التجارب المخبرية والسريرية أبطأ بطبيعتها. وتلخّص ميكايلا هينكس، من شركة «إديسون» للذكاء الاصطناعي العلمي، المعضلة بقولها لمجلة «جين» العلمية: «معظم أدوات الذكاء الاصطناعي تُسرّع العمل الأولي الأرخص والأسهل، لا المراحل اللاحقة المكلفة والخاضعة للتنظيم». والنتيجة وفرة في الفرضيات يقابلها شحّ في القدرة على اختبارها، وكأن منطق المختبر التقليدي قد انقلب جزئيًا؛ فالحوسبة صارت مصدرًا رئيسيًا للأفكار، والمختبر منصة تحقق لاحقة.

وهنا يبرز الجيل الأحدث: «الوكلاء العلميون»، وهي أنظمة لا تكتفي بالإجابة عن سؤال، بل تخطط لسلسلة من المهام، وتراجع الأدبيات، وتقترح آليات مرضية، وتصمم التجارب ثم تفسّر نتائجها. وفي مايو 2026 نشرت «نيتشر» دراستين في هذا الاتجاه، إحداهما عن نظام «كو-ساينتست» (Co-Scientist) من «غوغل ديب مايند» الذي اقترح مرشّحات دوائية لابيضاض الدم النقوي الحاد بدت واعدة في تجارب على خطوط خلوية، وأهدافًا علاجية جديدة لتليّف الكبد، والأخرى عن نظام «روبن» من مؤسسة «فيوتشر هاوس» الذي أسهم في تحديد مرشّح دوائي جديد للضمور البقعي الجاف المرتبط بالتقدم في العمر. ويصف غاري بيلتز، الباحث في كلية الطب بجامعة ستانفورد، تعاونه مع النظام الأول بقوله: «يبدو كأنه زميل قرأ كل ما هو متاح في العلوم الطبية الحيوية، ويملك من قدرات الاستدلال ما يمكّنه من العثور على الروابط التي تفوتنا حاليًا». ومع ذلك، شدّد الفريقان على بقاء العالِم «داخل الحلقة» وعلى حاجة النتائج إلى اختبارات ما قبل سريرية وسريرية؛ فهذه الأنظمة، على براعتها في توسيع فضاء البحث، تظل عرضة للهلوسة، ولإعادة إنتاج تحيزات البيانات، ولادّعاء الجِدّة حيث لا توجد سوى إعادة تركيب ذكية لما هو معروف. ويحسم هاسابيس المسألة في مقابلة مع موقع جائزة نوبل بقوله إن هذه الأنظمة، في المستقبل المنظور، «لا تستطيع أن تحدد السؤال الصحيح الذي ينبغي طرحه، ولا الفرضية الصحيحة، ولا التخمين الصحيح»، مؤكدًا أن ذلك كله يجب أن يأتي من العالِم البشري.

ويعيد هذا التحول تعريف دور العالِم. فإذا تولّت الآلة جزءًا متزايدًا من «حلّ الألغاز» داخل الأطر القائمة، وهو ما سمّاه فيلسوف العلم توماس كون «العلم العادي»، فإن القيمة البشرية تنتقل نحو اختيار الأسئلة الجديرة بالطرح، وصوغ المعايير التي تميّز الإشارة من الضجيج، والحكم على ما يستحق المغامرة التجريبية المكلفة. وكان عالم الرياضيات تيرنس تاو، الحائز ميدالية فيلدز، قد توقّع عام 2023 أن يصبح «ذكاء اصطناعي بمستوى عام 2026م، إذا استُخدم على النحو الصحيح، شريكًا موثوقًا في تأليف البحوث الرياضية»، وها نحن في العام الذي حدّده، وعبارة «على النحو الصحيح» تحمل ثقل النبوءة كلّه. فالباحث الذي كان يقضي شهورًا في جمع المراجع قد يجد نفسه مطالبًا بأن يكون مهندس أسئلة ومدقّقًا صارمًا لمخرجات لا يفهم دائمًا مسار استدلالها الداخلي. ومن ثمّ تبرز الحاجة إلى إعادة بناء التدريب العلمي، لا بإضافة مقرر عن «استخدام النماذج»، بل بتنمية ملكة التحقق، وفهم حدود التعميم خارج نطاق بيانات التدريب، وقراءة عدم اليقين بدلًا من الانخداع بالثقة الظاهرية للنص المولَّد.

ولا يخلو المشهد من أخطار بنيوية، في مقدمتها نزاهة السجل العلمي؛ فسهولة إنتاج المسودات قد تُغرق الدوريات بأوراق ضعيفة التحقق، فترتفع الكمية دون أن يتقدم الحدّ المعرفي بالقدر نفسه. وقد قدّرت دراسة قادها باحثون في جامعة توبنغن الألمانية، ونشرتها دورية «ساينس أدفانسز» عام 2025، أن 13.5 في المائة على الأقل من ملخصات الأبحاث الطبية الحيوية المنشورة عام 2024 عولجت بنماذج لغوية كبيرة، فيما كشفت دراسة في دورية «وقائع الأكاديمية الوطنية للعلوم» الأمريكية أن منتجات «مصانع الأوراق البحثية» تتضاعف بوتيرة تزيد على ضعف وتيرة الإجراءات التصحيحية كسحب الأوراق، وهو ما جعل أحد مؤلفيها، لويس أمارال من جامعة نورثوسترن، يشبّه مكافحتها بـ«تفريغ حوض استحمام يفيض بملعقة». ويتصل بذلك تحدّي القابلية للتفسير؛ فالنموذج الذي يتنبأ بنتيجة دون مسار سببي واضح يُصعّب المراجعة ويُضعف الثقة حين تفشل التجربة، بل قد يمنح مستخدميه إحساسًا زائفًا بالفهم، وهو ما نبّهت إليه ليزا ميسيري من جامعة ييل ومولي كروكيت من جامعة برينستون في ورقة نشرتها «نيتشر» عام 2024م، محذّرتين من «أوهام الفهم، التي نعتقد فيها أننا نفهم عن العالم أكثر مما نفهمه فعلًا».

ويُضاف إلى ذلك تركّز قوة الحوسبة؛ فبحسب بيانات جمعها باحثون في جامعة أكسفورد ونشرتها «نيويورك تايمز» عام 2025م، لا تستضيف مراكز بيانات كبرى للذكاء الاصطناعي سوى 32 دولة، وتشغّل الشركات الأمريكية والصينية أكثر من 90 في المائة من المراكز التي تعتمد عليها المؤسسات الأخرى. ويمتد التركّز إلى النماذج العلمية ذاتها، إذ تستأثر أكبر عشر دول وأقاليم مطوِّرة بنحو 84 في المائة من النماذج المتخصصة التي رصدتها دراسة «غوغل»، ما يهدد بتعميق الفجوة بين من يملكون «البنية التحتية للاكتشاف» ومن يستهلكون مخرجاتها. وتبرز كذلك مسألة الاستخدام المزدوج في علوم الحياة؛ فالقدرة على تصميم بروتينات علاجية تتطلب حوكمة تمنع إساءة الاستخدام دون أن تخنق البحث المشروع، وهو ما دفع بيكر وعالم الوراثة جورج تشيرش من جامعة هارفارد إلى الدعوة، في مقال بدورية «ساينس» عام 2024م، إلى فحص الحمض النووي المُصنَّع وتسجيله، بما يشكّل «حاجزًا عمليًا أمام صنع جزيئات حيوية ضارة، سواء عن غير قصد أو عن عمد». وتظل معلّقة أسئلة الملكية الفكرية وشفافية البيانات: من يملك النموذج وبيانات تدريبه، ومن يحق له البناء على تنبؤ مفتوح؟ وهي أسئلة ستحدد ما إذا كان هذا العصر عصر مشاع علمي أم عصر احتكار معرفي.

وفي المقابل، تبدو الفرص حقيقية وواسعة. فتسريع الاكتشاف المبكر في الدواء والمواد قد يختصر سنوات من الغربلة العمياء، شريطة أن تظل التجارب السريرية والاختبارات الصناعية حَكَمًا لا يمكن تجاوزه، كما أن دمج النماذج المتخصصة، من الطقس إلى الجينوم وفيزياء المواد، مع النماذج اللغوية العامة يفتح مسارات بينية كانت تتطلب فرقًا ضخمة. وتُثبت تجربة «ألفا فولد»، التي تجاوز مستخدموها في البلدان منخفضة الدخل ومتوسطته المليون، أن الفائدة المجتمعية تتضاعف حين لا تُحتجز المعرفة خلف جدران الحوسبة الخاصة. غير أن الإتاحة وحدها لا تكفي؛ فمن دون بنية تحتية للتحقق تشمل مختبرات مشتركة، ومعايير لإعادة إنتاج النتائج، وقواعد بيانات توثّق الفشل كما توثّق النجاح، ستتحول السرعة إلى ضجيج.

وبالتالي فما شكل المستقبل القريب إذن؟ الأرجح أنه ليس مختبرًا بلا بشر، ولا عودة إلى البحث اليدوي البطيء، بل مشهد هجين تتكامل فيه نماذج تولّد فضاءات من الفرضيات أوسع مما يستطيع فريق استكشافه، ووكلاء ينسّقون بين الأدبيات والمحاكاة والأجهزة، وعلماء يختارون أين يضعون رهانهم التجريبي النادر، ومؤسسات تموّل التحقق بقدر ما تموّل التوليد. وسترتفع تبعًا لذلك معايير الإسهام الأصيل، لأن كثيرًا من الأعمال الروتينية التي كانت تُمنح عليها الدرجات العلمية ستصبح قابلة للأتمتة، في حين قد تتسع شهية الأسئلة، فكل إجابة حسابية موثوقة تفتح ثلاثة أسئلة لم تكن مرئية من قبل. والفضول البشري، بهذا المعنى، مورد يتغذى على الأدوات الجديدة، لا مورد مهدد بالنفاد.

ويبقى الشرط الحاسم مؤسسيًا وأخلاقيًا، لا تقنيًا فحسب. فنحن بحاجة إلى الاستثمار في مختبرات التحقق الآلي والبشري معًا، وإلى إصلاح منظومة تقييم البحوث بحيث لا يُكافأ الحجم على حساب العمق، وإلى معايير عالمية للشفافية وقابلية التتبع وأمن النماذج ذات الاستخدام المزدوج، وإلى تدريب يعلّم الجيل القادم أن يشكّ في المخرجات اللامعة قبل أن يبني عليها، فضلًا عن سياسات تقلّص فجوة الوصول إلى الحوسبة والبيانات عالية الجودة، حتى لا يصبح «العصر الذهبي للاكتشاف» امتيازًا لجغرافيا ضيقة.

وخلاصة القول إن الذكاء الاصطناعي لن يُلغي البحث العلمي، لكنه سيُلغي صورته المألوفة. ولن يُقاس المستقبل بعدد المعاملات في النموذج وحده، بل بقدرتنا على تحويل التنبؤ إلى معرفة مُتحقَّق منها، والمعرفة إلى منفعة عادلة، والسرعة إلى حكمة. وفي هذا الميزان تبقى المسؤولية بشرية: أن نطرح الأسئلة التي تستحق الإجابة، وأن نرفض الإجابات التي لا تصمد أمام التجربة، وأن نُبقي العلم مشروعًا جماعيًا مفتوحًا، لا سباقًا مغلقًا يحسمه من يملك الآلة الأكبر.