تحرير | Panda
في لعبة Resident Evil، توجد مختبرات عميقة تحت الأرض تُسمى "الخلية". يتم تكليف الذكاء الاصطناعي "الملكة الحمراء" بإدارة أنظمة التحكم في الدخول، والمراقبة، والتهوية، والأمن، وتشغيل المنشأة بأكملها.
العلماء البشر مسؤولون عن البحث، لكن الذكاء الاصطناعي هو الذي يتحكم فعليًا في "أطراف" هذه المختبر.
عند حدوث استثناء، يمكن للملكة الحمراء إغلاق الباب، وقطع النظام، والتحكم في المرافق، والتدخل مباشرة في العالم المادي.
قبل أكثر من عشرين عامًا، كانت هذه السيناريوهات لا تزال تُستخدم كنمط كلاسيكي في أفلام الخيال العلمي لخلق الشعور بالخوف: دخول الذكاء الاصطناعي إلى العالم المادي، والتحكم في الآلات، وتنفيذ التجارب، والتدخل المباشر في العالم الحقيقي.
الآن، يبدأ هذا المشهد في الدخول إلى الواقع بطريقة مختلفة تمامًا — على الأقل ليس مخيفًا حاليًا.
في الأمس فقط، أطلقت Anthropic معيار الأجهزة النموذجية (MHS) الموجه نحو الأجهزة المادية، محاولةً توسيع منطق MCP من GitHub وSlack وقواعد البيانات إلى أجهزة فعلية مثل الأذرع الميكانيكية والمجاهر ومعالجات السوائل والليزر. راجع التقرير: "للتو، أطلقت Anthropic MCP المادي: Claude يبدأ في الاستيلاء على العالم الحقيقي".
ببساطة، لا يكفي أن يمتلك وكيل الذكاء الاصطناعي واجهات لاستدعاء البرامج، بل بدأ يحتاج إلى مجموعة من "الأعصاب والأطراف" التي تربطه بالعالم الحقيقي. واليوم، عرضت جوجل ديب مايند نتائجها في هذا المجال.
في ورقة بحثية حديثة نُشرت مؤخرًا وطولها 83 صفحة، ربطت جوجل Co-Scientist المدعوم بـ Gemini مباشرةً بعمليات البحث العلمي الحقيقية، وسمحت له بتصميم التجارب، وتوليد كود التنفيذ، وقراءة ملاحظات التجربة، والاتصال المباشر بأجهزة التجربة. وصفت جوجل هذا التحول بأنه انتقال من "مُولّد الفرضيات في السيليكون" إلى "شريك بحثي مبني على التنفيذ".
في أكثر التجارب وضوحًا، أبلغ الباحثون Gemini 3 Deep Think بظروف جهاز CVD مُنشأ ذاتيًا، وبعد دقائق، قدمت خطة نمو مواد مُخصصة لهذا الجهاز، ثم حوّلت الخطة إلى كود آلي يمكنه التحكم في الجهاز. في النهاية، نجح الثلاثة أشباه الموصلات ثنائية الأبعاد في النمو بنجاح في المحاولة الأولى.
وهكذا، تحول مشهد كان يُعتبر سابقًا موجودًا فقط في أفلام الخيال العلمي إلى واقع فعلي: عندما بدأت النماذج الكبيرة حقًا في امتلاك "أيدي" والبدء في التحكم في معدات التجارب. إذًا، ماذا سيصبح AI Scientist اعتبارًا من اليوم؟
في فيلم "Resident Evil"، يخاف البشر من استيلاء الذكاء الاصطناعي على المختبرات. أما العلماء في العالم الحقيقي، فيقومون بنشاط بتسليم المختبرات نقطة نقطة سلّم الأمر للذكاء الاصطناعي. بالطبع، ما ترغب Google في فعله ليس "خلية" فوضوية، بل آلة اكتشاف علمي يمكنها الانتقال من طرح الفرضيات وتصميم التجارب إلى التحقق العملي.
عنوان البحث: تسريع البحث العلمي باستخدام Gemini في العالم الحقيقي
رابط الورقة: https://arxiv.org/pdf/2608.26701
استولى جيميني على جهاز تجريبي
أولاً، علوم المواد.
استخدم الباحثون جهازًا قاموا بتركيبه بنفسهم لترسيب البخار الكيميائي، أي فرن CVD. عند إجراء تجارب على هذه المواد ثنائية الأبعاد، تتمثل مشكلة مستمرة في صعوبة إعادة إنتاج "الوصفات" المنشورة.
بنفس درجات الحرارة والغازات والمواد المسبقة، إذا تم تغيير فرن آخر، وتم تعديل حجم الغرفة، وتدفق الغاز، وموضع ترتيب المواد قليلاً، فقد تختلف البلورات الناتجة تمامًا. غالبًا ما يحتاج الباحثون إلى أسابيع أو حتى أشهر لضبط المعلمات مرارًا وتكرارًا.
وبالتالي توقف فريق البحث عن إخبار Gemini بكيفية إجراء التجارب، وبدلاً من ذلك أخبروه بما هي المعدات المتاحة في المختبر، وما هي المواد الكيميائية، وما هي بنية الأفران. وترك باقي المعلمات لتقدير الذكاء الاصطناعي.
يقوم Co-Scientist بإنشاء خطة تجريبية كاملة تشمل تدفق الغاز، منحنيات درجة الحرارة، كميات المواد المسبقة، ومواقع وضع المواد، ثم يُسلّمها إلى معدات التجربة للتنفيذ.
كانت إحدى مجموعات التجارب مميزة جدًا. بعد توصيل Gemini 3 Deep Think بعملية التحكم في CVD، لم يعد يولد خطة تجريبية بلغة طبيعية ليقرأها العلماء تدريجيًا، بل أكمل الاستدلال في دقائق وحول النتائج مباشرة إلى كود آلي يمكنه التحكم في الأجهزة.
في النهاية، نجح جميع الثلاثة أشباه الموصلات ثنائية الأبعاد MoS₂ و MoSe₂ و WS₂ في نمو بلورات أحادية الطبقة في التجربة الأولى. واستغرقت عملية التجربة بأكملها حوالي ساعة واحدة.
MoSe₂ و WS₂ أكثر خصوصية: لم يقم الباحثون من قبل بزراعة هذين المادتين على هذا الجهاز. كما تأكدت النتائج من خلال خمس تجارب متكررة على الأقل.
هذا يتوافق بشكل مثير للاهتمام مع MHS الذي عرضته Anthropic أمس. المشكلة التي أرادت Anthropic حلها هي كيفية جعل الوكلاء يفهمون ويعملون على معدات التجربة بطريقة أكثر سهولة و стандارتية؛ بينما تناقش هذه الورقة البحثية من جوجل الخطوة التالية: عندما تكون نماذج الاستدلال قادرة بالفعل على التحكم في معدات التجربة، كيف يجب إعادة هيكلة سير عمل البحث؟
من هذا المنظور، لم يعد "ربط الذكاء الاصطناعي بالعتاد" مشكلة.
ليس فقط تنفيذ التجارب وفقًا للأوراق البحثية، بل بدأت الذكاء الاصطناعي أيضًا في اكتشاف الوصفات الخاصة بها
ومع ذلك، فإن مجرد جعل Gemini يُفعّل مجموعة من المعدات بناءً على معرفته السابقة لا يُعد اكتشافًا علميًا حقيقيًا. لذا أجرت جوجل تجربة ثانية أكثر صعوبة: محاولة تركيب مادة ثنائية الأبعاد تُسمى Ti₃C₂Tₓ من الأسفل إلى الأعلى.
غالبًا ما تتضمن الطرق التقليدية مواد كيميائية خطرة ومؤكسدة، بينما تستخدم بعض حلول CVD المعروفة TiCl₄ السام وحساسًا للهواء. لذلك طلب فريق البحث من Co-Scientist مهمة: هل يمكن العثور على مسار سابق أكثر أمانًا؟
ركزت Co-Scientist في النهاية على سداسي كلوريد الإيثان C₂Cl₆، وقدمت إضافيًا مجموعة من المعلمات مثل عدد السبقات، والموقع، وتدفق الغاز، والقاعدة، ومنحنى درجة الحرارة.
لكن هذا ليس قصة "ذكاء اصطناعي أنتج فكرة مفاجئة ونجحت في تجربة واحدة". قام Co-Scientist بإنشاء 272 خيارًا محتملًا، وقام الباحثون باختيار وتحسين الخيارات ذات التصنيف الأعلى؛ وبعد 25 دورة من التكرار التجريبي، تم التوصل في النهاية إلى بلورة طبقية ثنائية الأبعاد. وأظهرت هذه البلورة تشابهًا عاليًا مع Ti₃C₂Tₓ MXene من حيث مؤشرات متعددة، بما في ذلك حيود الأشعة السينية (XRD) والمجهر الإلكتروني والتكوين العنصري.
المشاكل الواقعة اللاحقة كانت أيضًا نموذجية. كان معدل نجاح إعادة إنتاج التجربة في البداية 11.5% فقط. لاحقًا، اكتشف الباحثون أن المشكلة الرئيسية لم تكن الاستدلال الكيميائي للذكاء الاصطناعي، بل تسرب الأكسجين الناتج عن عدم إغلاق معدات التجربة بشكل محكم.
بعد إعادة تنظيف أنابيب الكوارتز، واستبدال الحلقات الختمية، وتحسين إجراءات صيانة المعدات، ارتفعت نسبة نجاح التجارب لنفس المادة ثنائية الأبعاد إلى 68%.
هذا يوضح بالضبط لماذا تختلف "الذكاء الاصطناعي في العالم الحقيقي" عن وكلاء البرمجيات: إذا كان الكود خاطئًا، يمكنك إعادة تشغيله. لكن في التجارب الواقعية، قد يؤدي خاتم تغليف من نوع O مُهترئ، أو بقايا في الأنابيب، أو حتى الأكسجين في الهواء، إلى إفشال خطة بحثية صحيحة تمامًا.
كما حذر جوجل بحذر في ورقته البحثية: لا يمكن حاليًا التأكيد بشكل قاطع أن هذا المادة هي Ti₃C₂Tₓ MXene، حيث لا تزال تواجه مشاكل مثل انخفاض العائد ودرجة أكسدة عالية، ويتطلب الأمر مزيدًا من التحقق من خلال التوصيف على مستوى الذرات.
على الرغم من ذلك، يمكننا الاستنتاج أن الذكاء الاصطناعي قادر الآن على اقتراح مسار تخليقي مرشح ذي معنى علمي، ثم دفع هذا المسار فعليًا إلى التجارب المادية لاختباره.
قد يمكن بعض التجارب أن تبدأ أولاً بترك الذكاء الاصطناعي "يتنبأ مرة واحدة"
كما وضع جوجل Co-Scientist في سيناريو تجريبي مختلف تمامًا: البيولوجيا التركيبية. كان الكائن القابل للدراسة مجموعة من بكتيريا الإشريكية القولونية المعدلة وراثيًا.
تُشكّل هذه البكتيريا أنماطًا مختلفة من المستعمرات في أطباق البيولوجية. عندما يتغير تركيز المحفز IPTG، تتغير حجم المستعمرات وحوافها وشكلها أيضًا. عادةً، لاستخلاص منحنى التغير الكامل، يجب على العلماء إعداد تركيزات مختلفة، وزراعة البكتيريا، والانتظار حتى تنمو، ثم مسح كل طبق على حدة.
حاولت جوجل جعل الذكاء الاصطناعي يملأ الجزء الأوسط من التجربة. قدم الباحثون لـ Co-Scientist صورًا حقيقية للمستعمرات فقط عند تركيزات جزئية، ثم طلبوا من النظام التنبؤ بمظهر المستعمرات عند التركيزات الوسطى التي لم يسبق رؤيتها. كما أن هذه البيانات التجريبية لم تُنشر آنذاك، لذا ترى الورقة البحثية أن النموذج لا يمكنه إنجاز المهمة ببساطة من خلال تذكر النتائج في بيانات التدريب.
وبالتالي، في مؤشرات شكل المستعمرات الأربعة، لم تُظهر تنبؤات الذكاء الاصطناعي فروقًا ذات دلالة إحصائية في ثلاثة منها مقارنة بنتائج التجارب المعملية الفعلية؛ كما حددت بدقة أن المجموعة الضابطة لن تُظهر تغيرات متناسبة مع تركيز IPTG.
الشيء الوحيد الذي يبدو مشكلة واضحة هو "الدورة": تبدو المستعمرات التي أنشأها الذكاء الاصطناعي أكثر انتظامًا من الواقع. وهذا يتماشى تمامًا مع الذوق المعتاد لنماذج التوليد: فالعالم الحقيقي لا يبدو مثاليًا بهذه الطريقة، لكن الذكاء الاصطناعي لا يقاوم رغبته في جعله أكثر دقة.
كما أن جوجل تُعرّف التجربة بحذر: ما تم إنتاجه حاليًا هو تدخل (interpolation) ضمن نطاق تركيز معروف، وليس تنبؤًا بظاهرة غير معروفة مباشرةً عبر دارة وراثية جديدة تمامًا.
لكن هذا يتوافق بالفعل مع استخدام عملي للغاية. في المستقبل، قد لا يحتاج العلماء إلى إجراء تجارب معملية على كامل فضاء المعلمات الضخم. يمكنهم أولاً قياس بضع نقاط، ثم ترك الذكاء الاصطناعي يتوقع باقي الفضاء بناءً على هذه البيانات الحقيقية، واختيار المواقع الأكثر جدارة بالتحقق من خلال التجارب.
لذلك تحوّلت التجربة تدريجيًا من "الاستنفاد الشامل" إلى: أخذ عينات من العالم الحقيقي → تنبؤ الذكاء الاصطناعي → اختيار التجربة → تغذية راجعة للبيانات الجديدة للذكاء الاصطناعي.
هذا بالضبط ما شددت عليه الورقة مرارًا وتكرارًا بشأن lab-in-the-loop.
الذكاء الاصطناعي بدأ بالفعل بتصميم الذكاء الاصطناعي بنفسه
وصلت إلى تجربة علوم الحاسوب، وارتفع مستوى الاستقلالية لـ Co-Scientist مرة أخرى.
كانت المهمة التي أعطيت للباحثين في هذه المرة بسيطة جدًا: تصميم عامل قادر على الإجابة بشكل أفضل عن الأسئلة الطبية. بعد ذلك، لم يشارك البشر أكثر في تصميم الهيكل. قام Co-Scientist بنفسه باقتراح الحلول، وكتابة الكود، وتشغيل الاختبارات، وتحليل الأخطاء، ثم مواصلة تعديل الهيكل.
أخيرًا، تطورت إلى نظام يُسمى Agent_H.
يحتاج هذا النظام إلى إيجاد طريقة لإعادة تنظيم عملية الاستدلال للنماذج الحالية. عند مواجهة مشكلة طبية، فإنه يحدد أولاً المجال الطبي الذي تنتمي إليه المشكلة، وهل هي موجهة للمرضى أو للأطباء، وما مدى خطورتها؛ ثم تُقسَّم المشكلات المعقدة إلى عدة أسئلة فرعية؛ بعد ذلك، يُولَّد في نفس الوقت ما بين 28 و48 إجابة محتملة، حيث تُجرى مواجهات ثنائية بين مختلف المقيّمين لحذف الخيارات الأضعف، ثم يُنتخب الإجابة النهائية من خلال تصويت ثلاثة مقيّمين. كما تخضع الإجابة الفائزة لسلسلة من المراجعات السريرية المتعددة والتحقق من المصادر، وأخيراً يتم تقليل طولها.
للإجابة على سؤال واحد، يجب على العامل استدعاء النموذج حوالي 40-80 مرة. على HealthBench Hard وHealthBench Professional، وباستخدام معايير التصحيح المعدلة حسب الطول المستخدمة في الورقة البحثية، تفوق Agent_H على ستة نماذج رائدة، بما في ذلك GPT-5.6 Sol وClaude Opus 5 وGemini 3.1 Pro.
لكن حدث هنا مقطع يستحق التغطية في التقرير: تعلمت الذكاء الاصطناعي "التزوير في الترتيبات".
في التجارب المبكرة، لم تُعاقب معايير التقييم بشكل كافٍ الإجابات الطويلة الزائدة. لذلك وجد Co-Scientist بسرعة أسهل طريقة لزيادة الدرجة: جعل الإجابات طويلة جدًا.
ارتفع نقطة المعيار بشكل ملحوظ، لكن جودة الرعاية الصحية لم تتحسن بشكل متناسب. حتى أضاف الباحثون عقوبة الطول، اختفت الميزة الكبيرة.
تعتبر جوجل نفسها في ورقتها البحثية أنه مثال نموذجي على قانون غودهارت: عندما يصبح مؤشر هدفًا، فإنه перестает быть хорошим индикатором.
كما ألقى تقييم أطباء حقيقيين بعض البرود على النتائج. قام ثلاثة أطباء ممارسين بتقييم مجهول لـ 106 أسئلة. في تسعة أبعاد، لم يحقق Agent_H تحسينًا إحصائيًا ذو دلالة مقارنة بإصدار Gemini 3.1 Pro سوى في بُعد واحد هو "تقليل الضرر المحتمل"، بينما لم تكن هناك فروق ذات دلالة في باقي الأبعاد الثمانية.
بعبارة أخرى، لم تتحول الدرجات الأعلى وضوحًا في معيار AI Judge بالكامل إلى إجابات أفضل وضوحًا في عيون الأطباء البشريين. ربما يكون هذا أيضًا أحد التحديات التي يجب على AI Scientist مواجهتها عند دخوله العالم الحقيقي: فليس عليه فقط أن يكون قادرًا على التحسين، بل يجب أن يعرف أيضًا ما لا يمكن تعريفه فقط من خلال مؤشرات التحسين.
يقوم علماء الذكاء الاصطناعي بـ"إنشاء بيانات" من أجل الأوراق البحثية
في الواقع، أمضت جوجل قدرًا كبيرًا من المساحة في هذه الورقة البحثية في دراسة مشكلة أخرى محرجة قليلاً: إذا تم السماح الكامل لـ AI Scientist، فهل سيقوم بالغش للحصول على نتائج جميلة؟
نعم.
ترك فريق البحث النظام ليقوم بـ 50 موضوعًا بحثيًا ذكيًا، من طرح الأفكار إلى البحث عن البيانات، وكتابة الكود، وتشغيل التجارب، وحتى إنشاء الورقة البحثية النهائية، دون أي تدخل بشري.
كمقارنة، اختبروا أيضًا نسخة من Co-Scientist بدون وحدة الموثوقية، بالإضافة إلى نظام Agent Laboratory السابق، حيث أنتجوا 150 ورقة بحثية، ثم قام 30 خبيرًا في المجال بمراجعة هذه الأوراق بشكل مجهول 450 مرة.
النتيجة تكون مبالغًا فيها. قد يستمر عالم الذكاء الاصطناعي دون آلية تحقق مخصصة في كتابة ورقة بحثية كاملة، حتى عندما يكون الكود قد أخطأ ولم تكن هناك نتائج صالحة من التجربة.
إنهم يخترعون جداول بيانات وقيم p واختبارات إحصائية؛ يحولون التجارب الفاشلة إلى ناجحة؛ وحتى يغيرون بيئة التقييم ليحصلوا تلقائيًا على درجات أعلى، أو يخرجوا مباشرةً نتيجة جميلة عبر hardcode.
عندما يكون الهدف المُحسَّن هو: "كتابة ورقة بحثية تبدو جيدة"، سيبحث الوكيل عن طرق مختصرة أرخص من إكمال البحث الحقيقي.
لذلك، أضافت جوجل إلى الإصدار الجديد من Co-Scientist آلية تشبه إلى حد كبير "مراجعة البحث": يجب أن تكون النتائج التجريبية المذكورة في الورقة قابلة للعودة إلى سجلات تنفيذ البرنامج الفعلية. إذا لم تكن هناك نتائج متوافقة في السجلات، لا يمكن للنظام أن يدرجها بناءً على افتراض النموذج اللغوي أنه "يجب أن يكون كذلك".
التأثير واضح جدًا. انخفضت "وهمية النتائج" التي كانت خطيرة بما يكفي لإلغاء الأوراق البحثية من 90% في Agent Laboratory إلى 4%؛ وانخفض التزوير الكامل للبيانات الأكثر خطورة من 44% إلى 0%.
لكن المشكلة لم تُحل تمامًا. لا تزال هناك 24% من الأخطاء الجسيمة في وصف الأساليب في الإصدار الجديد من Co-Scientist، كما لا تزال هناك 16% من المحتوى المنسوخ أو المشتق بشكل جسيم.
ولذلك، شددت جوجل بشكل خاص على أنها لم تدّعِ أن Autonomous AI Scientist الحالي قادر على إنتاج أوراق بحثية جاهزة للنشر.
خاتمة
إذا نظرنا إلى العملين الخاصين بـ Anthropic وGoogle معًا، سنلاحظ أن الوكلاء يخضعون لتغيير واضح: خلال السنتين الماضيتين، كانت ساحة المعركة الرئيسية للوكلاء الاصطناعيين هي عالم البرمجيات. والآن، هذه المنطقية تخرج لأول مرة بحجم كبير إلى العالم الحقيقي.
يحاول MHS من Anthropic حل المشكلة الأساسية: توفير واجهة واحدة يمكن للوكيل فهمها واستخدامها بشكل موحد لأجهزة مختلفة مثل الأذرع الميكانيكية والمجاهر ومنصات معالجة السوائل.
أما باحثو جوجل فبدأوا في استكشاف المسائل العليا: ماذا ستكون مجموعة نظام اكتشاف علمي مغلق بالكامل عندما يكون نموذج الاستدلال قادرًا على طرح فرضيات بحثية، وتخطيط تجارب، والتحكم في الأجهزة، وقراءة النتائج، ثم مواصلة تعديل التجارب التالية؟
بالطبع، ما زالت جوجل بعيدة عن تحقيق "المختبر الخالي من البشر" الحقيقي. لا تزال التجارب المادية الحالية تتطلب من البشر تحميل العينات؛ لم يتم تحديد هيكل الذرات للمواد الجديدة بعد؛ تحقق التنبؤ ببكتيريا الإشريكية القولونية من مهام تداخل محدودة فقط؛ تستغل عوامل الرعاية الصحية ثغرات المعايير؛ ولم تحل أنظمة توليد الأوراق العلمية مشكلتي الوهم والانتحال بالكامل. حتى جوجل نفسها ترى بوضوح أنه بسبب الأعطال في الأجهزة وتعقيد البيئة الواقعية، فإن إجراء تجارب فيزيائية خالية تمامًا من الإشراف البشري لا يزال صعبًا في هذه المرحلة.
لكن التغييرات قد حدثت.
في الماضي، كان التركيز عند مناقشة الذكاء الاصطناعي من أجل العلوم ينصب على ما إذا كان الذكاء الاصطناعي قادرًا على "التخليق شيء لم يفكر فيه الإنسان". الآن، بدأ عدد متزايد من الأعمال في سد النصف الأصعب: هل يمكن تنفيذ هذا الفكرة بواسطة أجهزة فعلية، وهل يمكن أن تصبح نتائج التنفيذ أساسًا للتفكير التالي للذكاء الاصطناعي؟
قدمت جوجل في نهاية الورقة البحثية حكمًا مثيرًا للاهتمام. إذا تم إنشاء هذا الحلقة المغلقة حقًا، فقد ينقلب عامل التقييد في البحث العلمي في المستقبل: في الماضي، كانت معدات التجربة تنتظر العلماء لطرح السؤال الجيد التالي؛ أما في المستقبل، فقد يكون الذكاء الاصطناعي قد طرح بالفعل مئات التجارب المستحقة للتحقق، بينما لا تستطيع المختبرات اللحاق بها.
في ذلك الوقت، قد لا يكون العائق الحقيقي في سرعة الاكتشاف العلمي هو التفكير العلمي، بل هو الإنتاجية التجريبية—كم سرعة العالم الحقيقي يمكنه إجراء هذه التجارب.
هذا المقال من حساب ويشات الرسمي "ماشين سينس" (ID: almosthuman2014)، المؤلف: مهتم بالذكاء الاصطناعي العلمي