Anthropic تقيّم إمكانات الذكاء الاصطناعي في العلوم: حتى الضعف حاليا وحتى 15 ضعفا مستقبلا

لا يقتصر عمل الباحث عادة على مهمة واحدة، بل يتكون من سلسلة تضم عشرات المهام المختلفة: العثور على المراجع، وفهم الشفرة التي كتبها آخرون، وكتابة شفرته الخاصة، وإعداد البيانات، والتحقق من الحسابات، ووصف النتيجة، ثم العودة بعد ذلك فقط إلى التجربة نفسها. يسرع الذكاء الاصطناعي الأجزاء الرقمية من هذه السلسلة بكفاءة، لكنه لا يستطيع إزالة جميع القيود الأخرى تلقائيا.

حللت Anthropic أكثر من 207 آلاف جلسة لمستخدمي Claude وClaude Code مرتبطة بالعمل العلمي. وتبدو خلاصة الشركة أقوى من العبارة المعتادة القائلة إن «العلماء أصبحوا يستخدمون روبوتات الدردشة بوتيرة أكبر»: فبفضل القدرات الحالية للذكاء الاصطناعي، قد يتضاعف حجم النتائج تقريبا من الناحية النظرية في بعض المجالات. وإذا أمكن يوما ما أتمتة الدورة المناسبة بأكملها، فقد تصل الزيادة إلى 15 ضعفا.

من المهم هنا عدم الخلط بين الرقمين. فتسارع العمل إلى قرابة الضعف هو تقدير لأثر الأدوات المتاحة اليوم في المراحل التي يستطيع النموذج المساعدة فيها بالفعل. أما النمو بمقدار 15 ضعفا فهو سيناريو مستقبلي للأتمتة الكاملة، وليس نتيجة تحصل عليها مجموعة بحثية بمجرد تثبيت Claude Code.

من أين يأتي التسارع

لنتخيل فريقا صغيرا يختبر فرضية جديدة. في السابق، كان الباحث يقضي يومين في البحث عن المكتبات المناسبة، ويوما إضافيا في تجميع برنامج نصي لمعالجة البيانات، وعدة ساعات في إصلاح الأخطاء. يستطيع الذكاء الاصطناعي تقليص هذا الجزء من العمل: اقتراح نقطة انطلاق، وشرح شفرة غير مألوفة، وكتابة مسودة للبرنامج النصي، والمساعدة في تصحيح الأخطاء.

لكن إذا كان لا بد بعد ذلك من تصنيع عينة ووضعها في منشأة ومراقبتها لمدة أسبوع، فلن يصبح المشروع بأكمله أسرع بعشرة أضعاف. لقد تسارع العمل على الحاسوب، لكن المرحلة المادية ظلت كما كانت. وهذه صورة مألوفة في الهندسة: تحسين جزء واحد لا يعني تسريع النظام بأكمله.

لذلك، لا تعتمد القيمة العملية لـClaude والأدوات المشابهة على جودة الإجابات وحدها. بل تتحدد أيضا بنسبة العملية التي يمكن إسنادها إلى النموذج، والوقت اللازم للتحقق من عمله، وموقع عنق الزجاجة الحقيقي. وقد يكون الأثر أوضح في البحوث الحاسوبية منه في التخصصات المختبرية، حيث تعتمد النتيجة على المعدات والمواد والحضور البشري.

لماذا لا يجوز اعتبار 15 ضعفا وعدا

تستند الدراسة إلى تحليل جلسات المستخدمين، لا إلى مراقبة فرق متطابقة لسنوات وهي تعمل مع الذكاء الاصطناعي ومن دونه. وتوضح هذه البيانات جيدا المهام التي يفوضها الأشخاص إلى النموذج، لكنها لا تثبت بمفردها أن الإنتاجية العلمية الإجمالية ارتفعت بالمقدار المعلن.

هناك قيود أخرى أيضا. فكمية الشفرة المنشأة أو البيانات المعالجة أو النصوص المعدة لا تساوي بعد عدد الاكتشافات عالية الجودة. وقد يؤدي خطأ من النموذج إلى تسريع إنتاج نتيجة خاطئة. وكلما ازدادت أهمية الاستنتاج، ارتفعت تكلفة التحقق المستقل، وضمان قابلية إعادة الإنتاج، والتقييم المتخصص. وأخيرا، يشمل التحليل مستخدمي منتجات Anthropic، ولذلك لا يمكن تعميم سلوكهم تلقائيا على جميع العلماء.

من الأجدى النظر إلى تقدير 15 ضعفا باعتباره الحد الأعلى لسيناريو محتمل: ما قد يحدث إذا تعلم الذكاء الاصطناعي تنفيذ جميع المهام الرقمية تقريبا بموثوقية، وأعيد تصميم العمليات المحيطة به. وبين نموذج كهذا ومختبر اليوم تظل هناك تحديات التكامل مع الأدوات، وضبط الجودة، والوصول إلى البيانات، والأمان، والمسؤولية عن الاستنتاجات.

ما الذي ينبغي للمطورين وفرق المنتجات فعله

الخلاصة العملية الرئيسية هي عدم البدء بوعد «أتمتة البحث بالكامل». ينبغي أولا تقسيم العملية إلى مراحل وقياس كل منها: البحث عن المصادر، وكتابة الشفرة، وتحليل البيانات، والتحقق، والتجربة، وإعداد المنشور. وبعد ذلك يمكن اختيار الجزء الذي يتضمن قدرا كبيرا من العمل الرقمي المتكرر والذي يمكن التحقق من نتيجته بسرعة.

بالنسبة إلى المنتج، من المفيد قياس الزمن اللازم للوصول إلى نتيجة متحقق منها، ونسبة التصحيحات البشرية، ومعدل الأخطاء المكتشفة، بدلا من عدّ الطلبات المرسلة إلى النموذج. فإذا كتب الذكاء الاصطناعي الشفرة بسرعة مضاعفة، لكن الباحث أنفق القدر نفسه من الوقت في التحقق منها، فقد لا يكون هناك أي مكسب حقيقي.

لا تثبت دراسة Anthropic أن العلم سيتسارع 15 ضعفا غدا. لكنها توضح أمرا أكثر فائدة: تتحدد إمكانات الذكاء الاصطناعي وفق بنية سير العمل. وستحقق الفرق التي تعثر على عنق زجاجة قابل للقياس وتدمج فيه أتمتة قابلة للتحقق فائدة منذ الآن. أما البقية فلن تحصل إلا على رقم جذاب من دون أي تحسن في النتائج.