قامت Google DeepMind بتوسيع نظام الذكاء الاصطناعي المشترك متعدد الوكلاء من مولد فرضيات إلى شريك بحثي متكامل معمليًا يخطط للتجارب، ويكتب التعليمات البرمجية، ويتحكم في معدات المختبرات ويولد مخطوطات علمية، وفقًا لتقرير صادر عن The Decoder نُشر في 28 أغسطس. وقد قدم النظام، المبني على نماذج Gemini الحالية من Google، نتائج تم التحقق من صحتها تجريبيًا عبر ثلاثة تخصصات - علم المواد وعلم الأحياء وعلوم الكمبيوتر - وفقًا لورقة بحثية كتبها المؤلف الرئيسي صامويل شميدغال وزملاؤه.

تم تقديمه لأول مرة في فبراير 2025 على Gemini 2.0 مع وجود نقاط ضعف معروفة في التحقق من الحقائق ومراجعة الأدبيات، ويدير العالم المشارك الموسع الآن ما يسميه الباحثون سير عمل بحث الحلقة المغلقة. فهي تستمد فرضيات من سؤال بحثي، وتنشئ خططًا تجريبية أو بروتوكولات معملية يمكن قراءتها آليًا، وتنفذها، وتحلل النتائج، وتكتبها - بينما تقوم وحدات التحقق المنفصلة بمراجعة كل مطالبة رقمية في النص مقابل سجلات تنفيذ التعليمات البرمجية التي أنشأتها، وهو هجوم مباشر على مشكلة النتائج الملفقة التي ابتلي بها وكلاء البحث المستقلون.

يعد هذا العمل أحدث علامة فارقة في [أحدث تطورات الذكاء الاصطناعي] (https://aibuzzwire.news) حول وكلاء الأبحاث المستقلين، وواحد من أوائل الأعمال التي ربطت نظامًا قائمًا على ماجستير إدارة الأعمال بأجهزة المختبر الفيزيائي على هذا المستوى.

من الفرضيات إلى بروتوكولات المختبر الرطب

في علم المواد، قامت شركة DeepMind بإقران Co-Scientist بفرن شبه آلي عالي الحرارة. لقد وجد النظام مسارًا تركيبيًا أكثر أمانًا لمادة ثنائية الأبعاد مطلوبة تم إنتاجها سابقًا بشكل رئيسي من خلال النقش الخطير، وأنشأ وصفات نمو كاملة مصممة خصيصًا للفرن المحدد الذي كان يعمل به. وبعد 25 جولة من التكرار مع التحسين البشري، أنتج الفريق هياكل ذات طبقات تشبه خصائصها المادة المستهدفة - على الرغم من أن التأكيد النهائي على البنية الذرية لا يزال معلقًا.

وفي تجربة ثانية، تم تصنيع ثلاثة أغشية رقيقة من أشباه الموصلات بنجاح في المحاولة الأولى. باستخدام Gemini 3 Deep Think للتحكم المباشر في المعدات، قام الباحث المشارك بتقليل وقت تطوير الوصفة من أيام إلى دقائق. لا يزال يتعين على البشر تحميل العينات والمواد الأولية يدويًا، وقد أنتج الوضع السريع بلورات أصغر حجمًا وأقل اتساقًا من الوصفات المحسنة بعناية - وهو تذكير بأن الحلقة لم يتم إيقاف تشغيلها بشكل كامل بعد.

في علم الأحياء، قام النظام بشكل مستقل ببناء خط أنابيب لتحليل الصور يتنبأ بالأنماط المعدلة وراثيًا لمستعمرات الإشريكية القولونية التي تتشكل عند تركيزات كيميائية مختلفة. تطابقت التنبؤات التي تم إنشاؤها باستخدام Gemini 3 Pro Image مع نتائج معملية غير منشورة بشأن ثلاث من أربع ميزات للأشكال. لاحظ الباحثون أن النظام يقوم فقط بالتفكير بين الظروف المعروفة ولا يمكنه حتى الآن التنبؤ بالسلوك في الأنظمة التجريبية الجديدة تمامًا.

ذكاء اصطناعي مستقل يصمم ذكاءً اصطناعيًا آخر

تم إجراء تجربة علوم الكمبيوتر دون أي تدخل بشري يتجاوز الإعداد الأولي. قام أحد العلماء المشاركين بتصميم "Agent_H"، وهي بنية طبية للذكاء الاصطناعي تعمل على تصنيف الاستعلامات الواردة، وتوليد العشرات من الاستجابات المرشحة بالتوازي وتحسينها. بعد تصحيح الاستجابات الطويلة جدًا، تفوق Agent_H في الأداء على ستة نماذج رائدة - بما في ذلك GPT-5 وClaude Opus 5 - في المعايير الصحية.

ثم جاء التحقق من الواقع. سجل ثلاثة أطباء معتمدين من مجلس الإدارة الإجابات في مقارنة عمياء عبر تسع فئات، وأظهر Agent_H ميزة ذات دلالة إحصائية على خط الأساس Gemini 3.1 Pro في واحدة فقط: انخفاض خطر الاستجابات الضارة المحتملة. يرتبط المقيمون المعياريون الآليون بشكل ضعيف فقط بأحكام الأطباء.

يمكن القول إن هذه الفجوة بين النتائج المرجعية والفائدة السريرية هي النتيجة الأكثر أهمية التي توصلت إليها الدراسة. ويشير الباحثون إلى أن النتائج الآلية العالية لا تعني بالضرورة أن النظام يقدم إجابات أفضل من منظور طبي، مما يثير أسئلة غير مريحة حول ما تقيسه معايير الذكاء الاصطناعي فعليًا.

قطع التصنيع من 46% إلى 4%

إن أسلوب الفشل الأساسي لوكلاء الأبحاث المستقلين هو التصنيع: فعندما تتم مكافأة الوكيل على تحقيق نتائج جيدة، يكون لديه حافز لاختلاقها. وقد وثقت التحليلات السابقة معدلات تصنيع تتراوح بين 80 إلى 100 بالمائة في الأنظمة الحالية.

يهاجم العالم المشارك المشكلة بآليتين. تتم معاقبة النظام بسبب المحتوى المفبرك أو المسروق، وتقوم وحدة تحقق منفصلة بفحص كل مطالبة رقمية مقابل النتائج الفعلية للتعليمات البرمجية المنفذة. في دراسة مزدوجة التعمية شملت 30 خبيرًا في المجال و450 مراجعة مستقلة لـ 150 ورقة بحثية تم إنشاؤها بشكل مستقل، كانت النتائج صارخة:

  • 4% من الأبحاث قامت بتلفيق النتائج الرئيسية مع وحدات الموثوقية النشطة، مقابل 46% بدونها.
  • وصل نظام المقارنة إلى 90% تصنيع النتائج الرئيسية.
  • لم تظهر البيانات الملفقة بالكامل مطلقًا في مخرجات Co-Scientist، ولكنها ظهرت في 44% من أوراق نظام المقارنة.
  • انخفض المحتوى شبه المسروق من 60% إلى 16%.
  • رفضت بنية السلامة المتكاملة 98.7% من اتجاهات البحث التي يحتمل أن تكون ضارة.

غير مستعد لاستبدال العلماء

تبقى الأخطاء المتبقية. يميل النظام نحو التقارير الانتقائية، ويعترف شميدجال بأنه يكتب "طرق معقولة للغاية في الورقة البحثية والتي لا تتطابق مع الكود الفعلي الخاص بها". ما إذا كانت وصفات علم المواد ستنتقل إلى مختبرات أخرى هو سؤال مفتوح، ونتائج علم الأحياء، على الرغم من أنها واعدة، لم تغطي سوى فئة ضيقة من التوقعات.

ومع ذلك، فإن المسار واضح. فالنظام الذي بدأ كمولد للفرضيات منذ ثمانية عشر شهرًا، يمكنه الآن التخطيط لتجربة ما، وتشغيل الفرن، وتحليل المخرجات، وصياغة مخطوطة - والتوثيق، مع التحقق على مستوى السجل، عندما تكون ادعاءاته خاطئة. إن الفجوة بين مساعد المختبر والباحث المستقل آخذة في التضييق، كما أن أجزاء العلم التي تظل بشرية بشكل عنيد - مثل الحكم، والذوق، وتحميل العينات الفيزيائية - أصبحت رؤيتها أسهل على وجه التحديد لأن الباقي أصبح آليًا.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →