أعلنت Google Research عن إطار Science One في 30 يوليو 2026، ويتكون جوهره من آلية تُسمى "سلسلة الأدلة" (Chain-of-Evidence, CoE)، والتي تتطلب من الذكاء الاصطناعي ربط كل استنتاج يُقدم في البحث العلمي بمصدره ورمزه وسجلات تجربته.

كاتب المقال، المصدر: 0x9999in1، ME News



ملخص

• أعلنت Google Research عن إطار Science One في 30 يوليو 2026، ويتكون جوهره من آلية تُسمى "سلسلة الأدلة" (Chain-of-Evidence, CoE)، والتي تتطلب من الذكاء الاصطناعي ربط كل استنتاج يُقدم في البحث العلمي بمصدره ورمزه وسجلات تجربته.
• تعاني أنظمة البحث بالذكاء الاصطناعي الحالية من مشاكل قديمة: اختراع مراجع، ودرجات لا يمكن تحقيقها، ووصف للمنهجية لا يتوافق مع الكود. تصل نسبة المراجع الوهمية في الأنظمة الأساسية إلى 21%، بينما تنخفض نسبة قابلية إعادة إنتاج الدرجات إلى 42% فقط.
• إن إنجازات Science One هي: صفر وهم في الاستشهادات، جميع درجات التحقق صحيحة، وأعلى نسبة توافق بين المنهجية والكود. وفقًا للإفصاح، جميع الاستشهادات الـ337 التي تم إنشاؤها حقيقية، وجميع التجارب القابلة للتكرار الـ12 متطابقة، و14 من أصل 15 ورقة بحثية متوافقة مع الكود.
• التصميم الأساسي هو "الاستشهاد أثناء الإنشاء"، وليس "الكتابة أولاً ثم إضافة المراجع لاحقاً". المراجع لا تأتي من ذاكرة النموذج، بل من استرجاع حقيقي عبر واجهة برمجة تطبيقات Semantic Scholar.
• الحكم الأهم: لم تُضحي Science One "الصدق" على حساب "الكفاءة". فقد حصلت على ذهبيتين وفضيتين في MLE-Bench، وحققت أفضل أداء حتى ذلك الحين في Parameter-Golf.
• المغزى الحقيقي لهذا الأمر ليس في كون ذكاء اصطناعي آخر يكتب أوراقًا بحثية، بل في أنه لأول مرة جعل "القابلية للتحقق" أساسًا هيكليًا، وليس إضافة لاحقة.

اسأل سؤالاً مؤلماً أولاً: هل تصدق أوراقاً كتبها الذكاء الاصطناعي؟

على مدار العامين الماضيين، تقدمت أنظمة البحث في الذكاء الاصطناعي بشكل مذهل.

يمكنه قراءة الأوراق البحثية. ويمكنه طرح فرضيات. ويمكنه إجراء تجارب. ويمكنه كتابة ورقة بحثية كاملة ومنظمة وذات لهجة احترافية من البداية إلى النهاية. تنظرون إليها نظرة سريعة ولا تجدون أي عيب.

لكن المشكلة مخبأة داخل هذا "النظرة السريعة".

النظرة السريعة لا مشكلة فيها، لكن ماذا عن التحقيق العميق؟

تقوم أبحاث جوجل بالحفر العميق في هذا الأمر. لقد أخرجت خمسة أنظمة بحثية ذاتية رئيسية، وقامت بتطوير 75 ورقة بحثية في خمس مهام تحسين أنظمة، ثم طرحت أسئلة دقيقة: هل هذه المقالة المرجعية التي تذكرها موجودة فعلاً؟ هل النتيجة التي تُبلغ عنها تتطابق عند إعادة تشغيل الكود؟ هل الكود يُنفذ فعلاً الخوارزمية التي تدّعي استخدامها؟

النتيجة ليست جيدة.

كل نظام أساسي يرتكب على الأقل خطأً منهجيًا واحدًا. أعلى معدل للهلوسات في الاستشهادات يصل إلى 21% — أي أن واحدة من كل خمس استشهادات قد تشير إلى ورقة بحثية غير موجودة أصلًا. معدل النجاح في التحقق من النقاط منخفض جدًا، حيث يصل إلى 42% فقط. اتساق الأساليب والكود يتذبذب بين 20% و80%.

افحص هذا الـ 42%. أكثر من نصف الأوراق البحثية، لا يمكن إعادة إنتاج النتائج المعلنة عند إعادة تشغيل الكود.

This is not a small bug. This is a collapse of trust.

بسبب طبيعة البحث العلمي، فإن المنطق الأساسي هو "القابلية للتكرار" و"القابلية للتتبع". إن قيمة ورقة بحثية لا تكمن في مدى سلاسة قراءتها، بل في قدرة الآخرين على تتبع مراجعها ورمزها وبياناتها خطوة بخطوة للتحقق من أنها لم تكذب. لقد رفعت الذكاء الاصطناعي من "الجودة السطحية" للأوراق البحثية، لكنها سحبت الدعامة الأساسية الأعمق.

كلما كان السطح أكثر إشراقًا، كانت المشكلات أكثر خفاءً. هذا هو المكان الأكثر خطورة.

إجابة جوجل: ليس بالثقة، بل بالسلسلة

فكرة Science One، ببساطة، بسيطة جدًا.

بما أنك لا تستطيع الوثوق في أن الذكاء الاصطناعي سيكون صادقًا تلقائيًا، فلا تتوقع منه أن يكون كذلك. اربطه بالسلاسل.

هذا السلسلة هي "سلسلة الأدلة" (Chain-of-Evidence).

قدمت جوجل مقارنة دقيقة جدًا لها: في مجال قواعد البيانات، هناك مفهوم يُسمى ACID، الذي لا يهتم بكيفية بناء قاعدة البيانات، بل يحدد الخصائص التي يجب أن تحققها أي معاملة لتكون "موثوقة". ونفس الشيء ينطبق على سلسلة الأدلة. فهو لا يحدد كيفية بناء وكيل علمي، بل يحدد فقط: كل شيء تنتجه، إذا أردت أن يُثق به، يجب أن يحقق ماذا.

مبدأ واحد، نصفان.

النصف الأول يُسمى السلامة: يجب أن يرتبط كل بيان في الأوراق البحثية — سواء كان اقتباسًا، أو رقمًا، أو وصفًا للمنهجية، أو استنتاجًا — بسلسلة أدلة موثقة.

النصف الثاني يُسمى الدقة: السلسلة يجب أن تكون قادرة حقًا على دعم الجملة التي تُعرض عليها.

ببساطة: كل كلمة تقولها يجب أن يكون لها مصدر، وهذا المصدر يجب أن يثبت فعلاً ما تقوله.

كيف يتم تنفيذه؟ المفتاح هو التوقيت.

كيف يعمل النظام الحالي؟ أولاً، تكتب البحث بشكل مطول، ثم تعود لاحقاً لإضافات المراجع والأدلة. هذا يشبه تأليف قصة أولاً، ثم البحث عن أدلة لدعمها. أما الأجزاء التي لا يمكن تبريرها، فتُخترع. وهكذا تنشأ المراجع الوهمية.

Science One على العكس. في اللحظة التي تُولَّد فيها هذه الجملة، فإنها تبني سلسلة الأدلة في نفس الوقت. الإعلانات والأدلة تنمو مترابطة، وليست مخاططة لاحقًا.

تغيير هذا الترتيب هو روح الأمر كله.

انظر بشكل منفصل: ثلاثة مودولات، كل منها يدير جزءًا من الكذبة

يتكون هيكل Science One من ثلاثة أجزاء، وكل جزء يُحدّ بدقة إمكانية التزوير.

القطعة الأولى، محقق المشكلات، مسؤول عن التزوير في الاستشهادات.

لا يعتمد على "ذاكرة" النموذج لاستشهادات المراجع. الذاكرة النموذجية هي بيئة خصبة للهلوسة — فهي قد "تتذكر" ورقة بحثية غير موجودة فعليًا. يربط Science One مباشرةً بـ Semantic Scholar API لبناء خريطة استشهادات حقيقية، حيث يقرأ ما يصل إلى 100 ورقة بحثية كاملة بصيغة PDF لكل موضوع، ثم ينتج تقريرًا بحثيًا منظمًا. كل استشهاد في الورقة النهائية ينبع من هذا البحث الحقيقي عبر API، مما يقطع تمامًا الاعتماد على ذاكرة النموذج.

الاقتباس لا يُستنتج من "الرغبة"، بل يُستخرج من "البحث". هذا القاطع يقطع جذور الاقتباسات الوهمية.

القطعة الثانية، محرك الاكتشاف، المسؤول عن اكتشاف تزوير سجلات التجارب.

إنها تستخدم استراتيجية "استكشاف—استغلال" متوازية لتجربة حلول على عدة فروع في وقت واحد. في كل جولة، يقوم أحد المُحلِّلين بتنفيذ الحل، بينما يقوم مُقيِّم متخصص بمنح الدرجة. تُحسَّن الفروع ذات الأداء الجيد بشكل متكرر، بينما يتم تضمين جميع نتائج التقييم الأصلية في سجل صارم وقراءته فقط.

قراءة فقط. هذان الكلمتان مهمتان جدًا. بمجرد تسجيل الدرجة الأصلية، لا يمكن تعديلها. هل ترغب لاحقًا في ذكر درجة أفضل في أطروحتك؟ آسف، لكن السجل هنا، ولا يمكن تغييره.

القطعة الثالثة، كاتب أطروحة ومدقق إقرارات، يشرف على عدم توافق الأساليب مع الكود.

قبل عرض البحث بشكل نهائي، فإنه يُهيكل كل بيان واقعي، ويربط كل جملة بعلامة دليل مدمجة مرتبطة بمنتج محدد داخل بيئة العمل. ثم يقوم مدقق متخصص بمطابقة كل بيان مع المصدر الذي يدّعي أنه مستمد منه.

ماذا إذا لم يتطابق؟ هناك تفصيل دقيق جدًا هنا. إنه لا يحذف ببساطة وبشكل خشن، بل يُعيد "سحب" الكلام — فيُعبّر عنه بحذر، ليُعيد إسقاطه ضمن النطاق الذي تدعمه الأدلة. إلى أين تصل الأدلة، هناك ينتهي الكلام.

لا تُبالغ، ولا تُهدر قدر الإمكان. هذا الشعور بالتعادل، أعلى من النهج الواحد للجميع.

السجل الأكاديمي: ثمن الصدق، هل أصبحت أحمق؟

هنا، يجب أن يظهر تساؤل حاد.

هل إذا قيدت الذكاء الاصطناعي بسلسلة من القيود، وجعلته يبحث باستمرار عن أدلة لكل جملة، فهل سيصبح خائفًا من الاستكشاف الجريء؟ هل من أجل "الصدق"، نضحي بـ"الكفاءة"؟

هذا القلق معقول جدًا. إنه التناقض الكلاسيكي بين "السلامة" و"القدرة".

إجابة Science One هي: لا.

ابدأ بقسم الصدق. ضمن نفس مجموعة بروتوكولات التدقيق — التي تسميها Google تدقيق CoE، وهو مدقق آلي يشبه التحقيق الجنائي يقوم بمراجعة كل اقتباس مقابل قواعد بيانات أكاديمية مباشرة — تتفوق Science One في جميع فحوصات السلامة الأربعة. فهي لا تنتج أي وهم في الاقتباسات، حيث تشير كل اقتباس إلى ورقة بحثية حقيقية وقابلة للبحث؛ وتحقق من الدرجات بدقة تامة؛ وتُظهر أعلى معدل توافق بين الأساليب والكود. وفقًا للبيانات المُعلنة، فإن جميع الـ 337 اقتباسًا التي أنتجتها حقيقية، وجميع نتائج التجارب القابلة للتكرار الـ 12 متوافقة تمامًا، و14 من أصل 15 ورقة بحثية متوافقة مع الكود الفعلي.

قارن بأسماء مثل "محرّكات عصبية رمزية مختلطة" في الخط الأساسي — تبدو باهظة، لكن عند فحص الكود، تجد أنها مجرد قواعد إرشادية حتمية بسيطة. الأسماء موجهة للناس، أما الكود فهو الحقيقة.

انظر مرة أخرى إلى قسم المهارات.

على مهام ADRS الخمسة، حقق Science One مستوى مساوٍ أو تفوقًا على خبراء البشر، وحصل على أفضل النتائج في مهمتين (Cloudcast و EPLB) بين جميع الأنظمة.

بعد تجاوز هذا المجال، شارك في مهام خارجية أكثر صعوبة. في MLE-Bench، شارك في خمس مسابقات كاجل صعبة تغطي التصوير الطبي، التعرف الدقيق، والوعي ثلاثي الأبعاد، وحقق ميداليتين ذهبيتين وميداليتين فضيتين—وفي مسابقة كشف الأهداف ثلاثية الأبعاد، فشلت جميع الأنظمة الأخرى تمامًا، بينما حصل على درجة تُعد من أعلى المستويات. وفي مسابقة Parameter-Golf، التي تفرض قيودًا صارمة على الأجهزة وحجم الملفات لتدريب نماذج LLM في الوقت الحقيقي، لم تستطع الأنظمة الأخرى تقديم أي إرسال صالح، بينما حافظت على جميع القيود وحققت أفضل نتيجة حتى 27 أبريل 2026—وذلك من خلال اكتشاف تقنيات خوارزمية جديدة حقيقية، وليس من خلال ضبط المعلمات العشوائي.

إذًا الإجابة واضحة: الصدق، دون جعلها أعمى.

هذا بالضبط ما أقدّره أكثر. إذا كان Science One يحقق النظافة من خلال التردد والتحفظ، فلن يكون له أي قيمة — لأن أحدًا لن يستخدم أداة بحثية بطيئة وصادقة. لكنه أثبت أن القابلية للتحقق والأداء العالي يمكن تحقيقهما معًا. وهذا ما يحوّل فكرة "اعتبار الصدق قيدًا صارمًا" من مبادرة أخلاقية إلى خيار عملي من الناحية الهندسية.

حكمي: إنه مهم، لكن لا تسرع في تأليهه

After saying so many good things, it's time to pour two buckets of cold water.

الوعاء الأول: كتبت Google بوضوح في النهاية أن Science One هو نموذج بحثي تجريبي، وليس أداة يمكن استخدامها مباشرة في الإنتاج.

هذا ليس تواضعًا، بل حدود. المهام الخمس التي ينفذها تقع في مجالات مثل تحسين النظام، أي المجالات "التي لديها مقاييس واضحة ويمكن التقييم الآلي". بعبارة أخرى، يمكن للآلة تحديد الجيد من السيئ موضوعيًا. لكن ماذا عن الأبحاث الرائدة الحقيقية؟ قيمة العديد من الفرضيات، ومعنى العديد من الاستنتاجات، لا يمكن لأي مقاييس أن تُقيّمها على المدى القصير. سلسلة الأدلة يمكنها منع "التزوير في الاستشهادات"، لكنها لا يمكنها منع "اختيار مشكلة متوسطة". إنها تهتم بالصدق، لكنها لا تهتم بالذوق.

الدفعة الثانية: سلسلة الأدلة نفسها لها تكلفة. قراءة 100 ملف PDF لكل موضوع، وبناء الأدلة من كل جملة، وربط الوسوم، ثم التحقق مرة أخرى — هذه العملية ليست رخيصة. فهي تستهلك قوة الحوسبة والوقت بينما تسعى وراء الحقيقة. عندما يتم توسيعها على نطاق واسع، لا توجد إجابة بعد حول كيفية حساب هذه التكلفة.

لكن بعد صب هاتين الوعيتين من الماء، لا أزال أرى أن هذا أمر مُهمَل.

لماذا؟

لأنه غيّر طريقة السؤال.

على مدار السنتين الماضيتين، كان الجميع يسأل: هل يمكن للذكاء الاصطناعي إجراء أبحاث علمية؟ وما مدى قوته؟ وكان الجميع يتنافسون على قدرتهم على حل المسائل ودرجاتهم في التصنيفات. لكن السؤال الذي طرحه Science One مختلف تمامًا: هل يمكن الثقة في الأبحاث التي يُنتجها الذكاء الاصطناعي؟

هذان السؤالان ليسا في نفس المسار.

مع تزايد عدد الأنظمة القادرة على تقديم حلول جميلة، لم يعد حل المشكلات معيارًا مميزًا. في تلك المرحلة، سيصبح ما يفرق بينها حقًا هو قابلية الثقة في إنتاجها. لقد رفع جوجل مفهوم "القابلية للتحقق" إلى مستوى "مواطن من الدرجة الأولى"، وقال إنه يجب أن يكون قيدًا هندسيًا أساسيًا، وليس إجراءً تصحيحيًا لاحقًا — وأعتقد أن هذا التقييم صحيح، وجاء في وقته المثالي.

لأن الثقة، شيء يُبنى ببطء، لكنه ينهار بسرعة. إذا استهلك البحث في الذكاء الاصطناعي الثقة الكاملة للمجتمع الأكاديمي منذ المراحل المبكرة من خلال أوراق بحثية تبدو مشرقة لكنها مليئة بالثغرات، فسيكون ثمن استعادة هذه الثقة لاحقًا غير محتمل. ما تقوم به Science One هو إصلاح حديد التسليح في الأساس قبل أن ينهار الثقة.

الخاتمة

العودة إلى السؤال الأول: هل تصدق أن AI كتب الورقة البحثية؟

قبل Science One، الإجابة الصادقة هي — ليس بالكثير من الثقة. كلما كان مكتوبًا بشكل أفضل، كان يجب عليك أن تكون أكثر حذرًا.

Science One لم تجعل الذكاء الاصطناعي أكثر ذكاءً. بل فعلت شيئًا آخر أكثر بساطة وأصعب: جعلت الذكاء الاصطناعي يُسجّل أدلة قابلة للتحقق لكل كلمة ينطق بها.

هناك بالفعل ما يكفي من الذكاء الاصطناعي الذكي.

الذكاء الاصطناعي الذي يتحمل مسؤولية نفسه刚刚开始。

هذه خطوة صغيرة، وهي نموذج أولي، ولا يزال هناك الكثير من المشكلات غير المحلولة. لكن الاتجاه صحيح. أحيانًا، لا تكمن الحقيقة الحقيقية لشيء في سرعته الحالية، بل في المكان الذي حدد فيه المقياس.

Science One نقلت المقياس من "الكتابة كأنها" إلى "القدرة على التحقق منها".

هذا التحريك يستحق الأمر.

References

1. مدونة أبحاث جوجل. "إطار Science One: إطار بحث ذاتي قابل للتحقق عبر سلسلة الأدلة"، 30 يوليو 2026.
2. بحث الذكاء الاصطناعي في Google Cloud. arXiv:2605.26340 ورقة بحثية "إطار Science One / سلسلة الأدلة"
3. AlphaSignal. 《إطار Google Science One يحل أزمة الاقتباسات الوهمية في أبحاث الذكاء الاصطناعي》، يوليو 2026.
4. Top Network. "Science One Framework: A Verifiable Autonomous Scientific Research System Based on Evidence Chains," July 31, 2026.
5. ساكانا AI. arXiv:2504.08066 «The AI Scientist v2» (المقارنة مع الخط الأساسي).
6. OpenAI. مشروع GitHub "Parameter-Golf" المرجعي.
7. arXiv:2410.07095 ورقة مرجع MLE-Bench.
8. مرجع arXiv:2510.06189 «التصميم التلقائي لأنظمة البحث (ADRS)».