ذكاء اصطناعي أصبح عالِمًا.. يضع الفرضيات ويجري التجارب ويكتشف نتائج جديدة بنفسه

ماذا لو لم يعد دور الذكاء الاصطناعي مقتصرًا على الإجابة عن أسئلة العلماء أو تحليل البيانات، بل أصبح قادرًا على اقتراح فرضية علمية، تصميم تجربة لاختبارها، تنفيذ التجربة في مختبر حقيقي، تحليل النتائج ثم استخدام ما تعلمه لتحديد التجربة التالية؟

هذا السيناريو الذي يبدو أقرب إلى الخيال العلمي أصبح موضوعًا لتجربة بحثية حقيقية.

فقد طور فريق دولي من الباحثين نظامًا يحمل اسم EvoScientist، يجمع بين الذكاء الاصطناعي والمختبرات الروبوتية لتنفيذ أجزاء متعددة من دورة البحث العلمي بصورة آلية.

واستخدم الباحثون النظام في دراسة تنظيم الجينات في الخميرة، حيث أنتج الذكاء الاصطناعي 1,933 فرضية علمية قبل اختيار مجموعة منها وإجراء تجارب حقيقية عليها.

والنتيجة لم تكن مجرد إعادة اكتشاف معلومات يعرفها العلماء بالفعل، بل توصل النظام أيضًا إلى علاقات بيولوجية لم تكن موثقة من قبل.

فهل نحن أمام بداية عصر «العالِم الآلي»؟

ما هو EvoScientist؟

EvoScientist هو نظام بحث علمي يعتمد على الذكاء الاصطناعي، طوره باحثون من عدة مؤسسات، من بينها جامعة تشالمرز للتكنولوجيا في السويد وجامعة تشجيانغ في الصين.

والفكرة الأساسية للنظام مختلفة عن استخدام ChatGPT أو أي نموذج لغوي لطرح سؤال علمي والحصول على إجابة.

فـEvoScientist متصل بمنظومة تستطيع الانتقال من التفكير النظري إلى التجربة الفعلية.

أي أنه لا يكتفي بقراءة الدراسات واقتراح تفسير، وإنما يمكنه العمل ضمن دورة تشمل:

1. جمع المعرفة الموجودة.

2. اقتراح فرضيات.

3. اختيار الفرضيات المناسبة للاختبار.

4. تحديد التجارب المطلوبة.

5. إرسال التعليمات إلى مختبر روبوتي.

6. تنفيذ التجربة.

7. تحليل النتائج.

8. تعديل الفرضيات.

9. اختيار التجربة التالية.

ثم تتكرر العملية.

وهذه الحلقة المتكررة هي ما يجعل النظام مثيرًا للاهتمام بالنسبة لمستقبل البحث العلمي.

ماذا طلب العلماء من الذكاء الاصطناعي؟

اختبر الباحثون النظام في مجال تنظيم الجينات.

فالخلايا لا تستخدم جميع الجينات الموجودة داخل الحمض النووي طوال الوقت.

وبدلًا من ذلك، توجد آليات معقدة تتحكم في تشغيل بعض الجينات وإيقاف أخرى.

ومن العناصر المهمة في هذه العملية بروتينات تسمى:

عوامل النسخ – Transcription Factors

ترتبط هذه البروتينات بمناطق معينة من الحمض النووي وتساعد في التحكم في نشاط الجينات.

لكن تحديد العلاقة الدقيقة بين كل عامل نسخ والجينات التي يؤثر عليها يمكن أن يحتاج إلى عدد ضخم من التجارب.

وهنا جاء دور EvoScientist.

الذكاء الاصطناعي اقترح 1,933 فرضية

بدأ النظام بتحليل المعرفة العلمية المتاحة عن تنظيم الجينات.

ومن خلال هذه المعلومات قام بتوليد:

1,933 فرضية علمية

حول العلاقات المحتملة بين عوامل النسخ والجينات.

لكن تنفيذ ما يقرب من ألفي تجربة ليس الخيار الأكثر كفاءة.

لذلك احتاج النظام إلى تحديد الفرضيات التي تستحق الاختبار أولًا.

وفي النهاية اختار الباحثون والنظام مجموعة أصغر مكونة من:

36 فرضية

لإخضاعها للاختبار التجريبي.

وهنا انتقلت العملية من الكمبيوتر إلى المختبر الحقيقي.

مختبر روبوتي ينفذ التجارب

إحدى أهم نقاط التجربة أن EvoScientist لم يعتمد فقط على بيانات قديمة.

بل تم ربط النظام بمنصة مختبرية آلية قادرة على تنفيذ التجارب البيولوجية.

استخدمت التجارب خلايا الخميرة Saccharomyces cerevisiae، وهي من أشهر الكائنات المستخدمة في الأبحاث البيولوجية.

وكانت المنظومة قادرة على تنفيذ خطوات تجريبية وقياس النتائج وإعادة البيانات إلى النظام.

وبالتالي أصبحت هناك حلقة:

فرضية → تجربة → بيانات → تحليل → فرضية جديدة.

وهي تشبه، بصورة مبسطة، الدورة التي يستخدمها الباحث البشري في المختبر.

الذكاء الاصطناعي لم يتوقف بعد التجربة الأولى

هذه النقطة تحديدًا هي ما يميز النظام.

في الطريقة التقليدية قد يقترح الذكاء الاصطناعي مجموعة من التجارب، ثم ينتهي دوره.

أما EvoScientist فكان قادرًا على استخدام نتائج الجولة السابقة لتحديد ما يجب فعله بعد ذلك.

فإذا أظهرت تجربة أن فرضية معينة غير صحيحة، يمكن للنظام استبعادها أو تعديل تصوراته.

وإذا ظهرت نتيجة مثيرة للاهتمام، يمكنه اقتراح تجارب أخرى لفهمها بصورة أفضل.

أي أن النظام لا ينفذ قائمة ثابتة من التعليمات فقط.

بل يستخدم البيانات الجديدة لتوجيه خطواته التالية.

هل اكتشف الذكاء الاصطناعي شيئًا جديدًا فعلًا؟

بحسب الباحثين، نعم.

تمكن النظام من الوصول إلى عدد من العلاقات المتعلقة بتنظيم الجينات.

بعض هذه العلاقات كان معروفًا بالفعل في الأدبيات العلمية، وهو ما وفر وسيلة للتحقق من قدرة النظام على الوصول إلى نتائج صحيحة.

لكن الباحثين أفادوا أيضًا بأن EvoScientist حدد علاقات تنظيمية لم تكن موثقة من قبل.

ثم أمكن التحقق من بعض هذه النتائج تجريبيًا.

وهذا فارق مهم.

فإذا كان الذكاء الاصطناعي يعيد فقط اكتشاف معلومات منشورة بالفعل، فسيظل في الأساس أداة قوية للبحث في المعرفة البشرية.

أما الوصول إلى فرضيات جديدة ثم اختبارها تجريبيًا، فيقرب التقنية خطوة أخرى من المشاركة الفعلية في عملية الاكتشاف العلمي.

هل أصبح الذكاء الاصطناعي عالمًا مستقلًا بالفعل؟

ليس بالمعنى الكامل للكلمة.

فرغم أن وصف «AI Scientist» أو «العالِم بالذكاء الاصطناعي» جذاب، فإن النظام لا يعمل بصورة مستقلة عن البشر في كل شيء.

الباحثون هم الذين:

• طوروا النظام.

• حددوا المجال العلمي.

• وفروا المعدات.

• صمموا البنية العامة للتجارب.

• حددوا القيود التي يعمل داخلها.

• قيموا النتائج النهائية.

كما أن التجربة جرت في نطاق علمي محدد للغاية.

لذلك من الأدق وصف EvoScientist بأنه نظام بحث علمي آلي قادر على تنفيذ أجزاء متقدمة من دورة الاكتشاف، وليس عالمًا بشريًا رقميًا يستطيع اختيار أي مشكلة في الكون والبدء في حلها بمفرده.

لماذا يعتبر هذا التطور مهمًا؟

السبب الأكبر هو أن البحث العلمي يحتوي على مساحة هائلة من الاحتمالات.

لنفترض مثلًا وجود آلاف الجينات ومئات البروتينات التي قد تتفاعل معها.

اختبار جميع التركيبات الممكنة يدويًا قد يتطلب عددًا هائلًا من التجارب والوقت والمال.

الذكاء الاصطناعي يمكنه تحليل النتائج السابقة وتحديد التجارب التي قد توفر أكبر قدر من المعلومات.

وبدلًا من تجربة كل شيء، يمكن للنظام محاولة الإجابة عن سؤال:

ما التجربة التالية التي ستعلمنا أكبر قدر ممكن؟

إذا نجحت هذه الاستراتيجية، فقد تساعد العلماء على الوصول إلى النتائج باستخدام عدد أقل من التجارب.

من ChatGPT إلى مختبر حقيقي

نماذج الذكاء الاصطناعي التوليدي الحالية تستطيع بالفعل قراءة الأوراق العلمية وتلخيصها واقتراح أفكار.

لكن هناك مشكلة أساسية:

الكلام ليس تجربة علمية.

قد يقترح نموذج لغوي فرضية تبدو منطقية لكنها خاطئة تمامًا.

والطريقة التي يميز بها العلم بين الفكرة الصحيحة والخاطئة هي التجربة.

وهذا ما يجعل دمج الذكاء الاصطناعي مع المختبرات الروبوتية تطورًا مهمًا.

فالذكاء الاصطناعي يستطيع التفكير في الاحتمالات، بينما يقوم المختبر باختبارها في العالم الحقيقي.

ثم تعود النتيجة إلى النظام.

ما هو المختبر الذاتي القيادة؟

يستخدم الباحثون أحيانًا مصطلح:

Self-Driving Laboratory

أو «المختبر ذاتي القيادة».

وهو مختبر يجمع عادة بين:

• الذكاء الاصطناعي.

• الروبوتات.

• أجهزة القياس.

• برامج تحليل البيانات.

• أنظمة التحكم الآلي.

يقترح النظام تجربة، ثم تقوم الروبوتات بتنفيذها، وبعد ذلك يتم تحليل البيانات واختيار التجربة التالية.

ويشبه الأمر من ناحية المبدأ السيارة ذاتية القيادة، لكن بدلًا من اتخاذ قرارات حول الطريق، يتخذ النظام قرارات حول التجارب العلمية.

أين يمكن استخدام هذه التقنية مستقبلًا؟

إذا استمرت هذه الأنظمة في التطور، فقد تدخل العديد من المجالات.

اكتشاف الأدوية

يمكن للذكاء الاصطناعي اقتراح جزيئات جديدة، ثم اختبارها آليًا وتحليل النتائج واقتراح تعديلات عليها.

أبحاث السرطان

قد تساعد الأنظمة الآلية في اختبار عدد كبير من التركيبات الدوائية أو دراسة كيفية استجابة الخلايا للتغيرات المختلفة.

علم الجينات

يمكن اختبار العلاقات بين آلاف الجينات والبروتينات بصورة أكثر كفاءة.

المواد الجديدة

يمكن للمختبرات الآلية تجربة تركيبات مختلفة للوصول إلى بطاريات أو مواد أو محفزات كيميائية بخصائص أفضل.

التكنولوجيا الحيوية

يمكن تحسين الكائنات الدقيقة المستخدمة لإنتاج أدوية أو مواد كيميائية أو وقود حيوي.

هل سيستبدل الذكاء الاصطناعي العلماء؟

النتائج الحالية لا تعني اختفاء الباحث البشري.

فالعملية العلمية لا تقتصر على تنفيذ التجارب.

العلماء يحددون المشكلات المهمة، ويضعون الأسئلة، ويفسرون النتائج داخل سياق أوسع، ويقررون ما إذا كانت التجربة ذات معنى، ويتعاملون مع الجوانب الأخلاقية والاجتماعية.

لكن الوظائف التي يقوم بها العلماء قد تتغير.

فبدلًا من قضاء وقت كبير في تنفيذ آلاف التجارب المتكررة، قد يتولى المختبر الآلي جزءًا منها، بينما يركز الباحث على تصميم الأسئلة وتفسير النتائج.

بمعنى آخر، قد يصبح الذكاء الاصطناعي شريكًا بحثيًا أكثر منه بديلًا كاملًا للعلماء.

لكن هناك مخاطر أيضًا

إعطاء أنظمة الذكاء الاصطناعي قدرة أكبر على تصميم التجارب العلمية وتنفيذها يفتح أسئلة مهمة.

من بينها:

الأخطاء

إذا اقترح النظام فرضية خاطئة أو أساء تفسير البيانات، قد يبني تجارب لاحقة على أساس غير صحيح.

قابلية التفسير

يجب أن يستطيع العلماء فهم سبب اختيار النظام لتجربة معينة، وليس مجرد قبول قراره لأنه صادر عن خوارزمية.

السلامة

كلما أصبحت المختبرات أكثر استقلالًا، ازدادت أهمية وضع قيود واضحة على أنواع التجارب التي يمكن للنظام تنفيذها.

الأبحاث البيولوجية الحساسة

الأنظمة التي تستطيع تصميم تجارب بيولوجية تحتاج إلى ضوابط قوية لمنع الاستخدام غير الآمن أو غير المسؤول.

ولهذا سيظل الإشراف البشري عنصرًا مهمًا، خصوصًا في المجالات الحساسة.

هل يمكن أن يعمل المختبر 24 ساعة؟

نظريًا، هذه إحدى المزايا الكبيرة للمختبرات الروبوتية.

فالروبوت لا يحتاج إلى النوم، ويمكنه تنفيذ تجارب متكررة وفق برنامج محدد.

وإذا أصبح الذكاء الاصطناعي قادرًا أيضًا على تحليل النتائج واختيار التجربة التالية، فقد تستمر بعض مراحل البحث لفترات طويلة دون انتظار تدخل بشري بعد كل تجربة.

وهذا قد يسرع دورة الاكتشاف بشكل كبير.

لكن المختبر لا يصبح مستقلًا تمامًا؛ فالأجهزة تحتاج إلى صيانة ومواد وتجهيز ومراقبة، كما يجب على الباحثين مراجعة النتائج والتأكد من جودتها.

هل هذه أول محاولة لصناعة «عالم بالذكاء الاصطناعي»؟

لا.

ظهرت خلال السنوات الأخيرة مشروعات متعددة تحاول استخدام الذكاء الاصطناعي لأتمتة أجزاء من البحث العلمي.

بعض الأنظمة تركز على قراءة الأبحاث واقتراح الفرضيات، وبعضها على كتابة الأكواد وتحليل البيانات، بينما تتجه المختبرات ذاتية القيادة إلى ربط الخوارزميات مباشرة بالأجهزة والروبوتات.

لذلك فإن EvoScientist يمثل جزءًا من اتجاه أكبر:

نقل الذكاء الاصطناعي من مرحلة تحليل المعرفة العلمية إلى المشاركة في إنتاج معرفة جديدة واختبارها.

ماذا سيحدث إذا استمرت التقنية في التطور؟

تخيل مختبرًا في المستقبل يحتوي على عشرات الروبوتات.

في الصباح يحدد الباحث سؤالًا علميًا.

يقرأ الذكاء الاصطناعي آلاف الدراسات المرتبطة به، ثم يقترح عشرات الفرضيات.

يختار أكثرها فائدة، ويرسل التعليمات إلى الروبوتات.

تُجرى التجارب، ثم تعود البيانات.

يحلل النظام النتائج ويقترح جولة ثانية.

ثم ثالثة.

وعندما يعود الباحث في اليوم التالي، يجد أن المختبر اختبر بالفعل عددًا كبيرًا من الاحتمالات وقدم له النتائج الأكثر إثارة للاهتمام.

هذا السيناريو ليس واقعًا كاملًا حتى الآن، لكنه يوضح الاتجاه الذي تسير نحوه تقنيات الذكاء الاصطناعي والمختبرات الروبوتية.

أسئلة شائعة

ما هو EvoScientist؟

EvoScientist نظام يجمع الذكاء الاصطناعي مع التجارب المختبرية الآلية للمساعدة في توليد الفرضيات العلمية واختبارها وتحليل النتائج.

كم فرضية اقترحها الذكاء الاصطناعي؟

ولد النظام 1,933 فرضية خلال الدراسة المتعلقة بتنظيم الجينات في الخميرة.

كم فرضية تم اختبارها؟

تم اختيار 36 فرضية ضمن عملية الاختبار التجريبي التي وصفها الباحثون.

هل اكتشف الذكاء الاصطناعي معلومات جديدة؟

بحسب الدراسة، استطاع النظام تحديد علاقات بيولوجية، بما في ذلك علاقات لم تكن موثقة سابقًا، وتم اختبار النتائج تجريبيًا.

هل يعمل EvoScientist بدون بشر؟

ليس بصورة مستقلة تمامًا. يعمل النظام داخل بيئة وتجارب وحدود وضعها الباحثون، ويظل الإشراف البشري جزءًا أساسيًا من العملية.

هل يمكن للذكاء الاصطناعي أن يحل محل العلماء؟

الدراسة لا تثبت ذلك. التقنية تستهدف أتمتة وتسريع أجزاء من البحث العلمي، بينما يظل العلماء مسؤولين عن جوانب أساسية مثل اختيار المشكلات وتفسير النتائج والإشراف والسلامة.

أين نُشرت الدراسة؟

نُشرت الدراسة في مجلة Nature Biotechnology العلمية.

الخلاصة

يمثل EvoScientist خطوة مثيرة في تطور استخدام الذكاء الاصطناعي في العلوم.

فبدلًا من الاقتصار على قراءة الأبحاث أو تحليل البيانات، أصبح من الممكن ربط الذكاء الاصطناعي بمختبر روبوتي يستطيع تنفيذ تجارب حقيقية وإعادة النتائج إلى النظام.

وفي الدراسة، ولّد النظام 1,933 فرضية حول تنظيم الجينات، واختبر الباحثون مجموعة مختارة منها، مع الوصول إلى علاقات بيولوجية جديدة.

لكننا لم نصل بعد إلى «عالِم آلي» مستقل يستطيع إجراء أي بحث دون تدخل بشري.

الأدق أننا نشهد بداية ظهور نوع جديد من المختبرات، يعمل فيه الإنسان والذكاء الاصطناعي والروبوت جنبًا إلى جنب.

وقد يكون السؤال في المستقبل ليس: هل سيستخدم العلماء الذكاء الاصطناعي؟

بل: كم من عملية الاكتشاف العلمي سيقوم بها الذكاء الاصطناعي قبل أن يرى الباحث النتائج؟

المصادر

• Nature Biotechnology – الدراسة العلمية حول EvoScientist

• Chalmers University of Technology – AI scientist autonomously generates and validates new biological discoveries

• Zhejiang University – معلومات المشروع البحثي