تجربة على 102 دراسة علمية تحدد سقف الذكاء الاصطناعي: اكتشاف واسع وعجز عن التوليف النقدي

تبدأ مراجعة الأدبيات العلمية عادة بالسؤال الصعب: كيف يمكن حصر كل دراسة متصلة بموضوع البحث وفرز الغث من السمين دون إغفال ورقة مفصلية؟ تقدم ورقة بحثية جديدة قادها الباحث عبد الله الكلباني مع أربعة باحثين، ونشرت عبر منصة أرخايف، إجابة تجريبية حاسمة تفحص قدرة النماذج اللغوية الكبيرة على إدارة هذه العملية عبر أربع مراحل متتالية. اتخذ الباحثون من مراجعة علمية منشورة لنمط طقس «العمود الإسباني» ومجموعتها المرجعية المكونة من 102 ورقة علمية معيارا للاختبار، لمقارنة أداء ست أدوات قائمة على الذكاء الاصطناعي في البحث والتفسير والتوليف واقتراح مسارات البحث المستقبلي.

كشفت مرحلة البحث والاستكشاف الأولية عن فجوة حادة بين الوصول العام والوصول المقيد بقواعد البيانات الأكاديمية؛ إذ لم تعثر خمس أدوات مجتمعة سوى على 57 دراسة من أصل 102، بينما توقفت أفضل أداة منفردة عند 42 ورقة فقط. تبدل هذا المشهد جذريا بمجرد ربط الأدوات باشتراكات المكتبات المؤسسية، حيث قفزت حصيلة أداة «كودكس» من 42 إلى 82 ورقة علمية، وارتفعت نتائج «كلود كود» من 15 ورقة إلى 79 ورقة. تبرز هذه القفزة أن العائق الأساسي أمام استخدام النماذج في حصر الأدبيات العلمية لا يكمن فقط في كفاءة التوجيه أو الاستدلال، بل في الجدران المدفوعة وقواعد البيانات المغلقة التي تحجب الأبحاث المحكمة عن محركات الاسترجاع المفتوحة.

عند تزويد الأدوات بكامل المجموعة المرجعية بصيغة ملفات بي دي إف للتحقق من قدرتها على الفهم والتصنيف، نجحت ثلاث أدوات في تحديد الدراسات الثماني عشرة التي تناولت الظاهرة بشكل جوهري ومفصل. غير أن المأزق ظهر جليا في تصنيف الأوراق الأربع والثمانين المتبقية، والتي لم تتضمن سوى إشارات عابرة؛ إذ صنفت النماذج ما بين 40 في المئة و79 في المئة من تلك الإشارات العابرة على أنها مساهمات جوهرية. هذا الخلط يضع فرقا بحثية كاملة أمام خطر بناء خلاصاتها على اقتباسات هامشية لا تشكل وزنا علميا حقيقيا في صلب المسألة التخصصية.

لم تتوقف عثرات التجربة عند حدود التصنيف، بل امتدت إلى مرحلة التوليف العلمي التي خضعت لتقييم أعمى أجراه خبيران متخصصان في هذا الحقل العلمي. أظهرت النتائج أن الملخصات التي أنتجتها الأدوات الثلاث، وإن كانت دقيقة في مجملها العام، افتقرت إلى الرؤى التحليلية المعمقة واحتوت على ادعاءات غير مسنودة بأدلة وأخطاء في نسب الاقتباسات، فضلا عن المبالغة في تصوير إجماع علمي لا وجود له في الأدبيات الفعلية. وحين طلبت التجربة اقتراح مسارات بحثية مستقبلية، قدمت النماذج مقترحات عامة وفضفاضة تتجاوز حدود أدبيات الظاهرة المدروسة، مع اقتراب أداتين منها من أسئلة رصدتها المراجعة المعيارية الأصلية.

تكتسب هذه الخلاصات أهمية استثنائية لمجتمعات البحث العلمي ومختبرات التطوير في الخليج ومصر والشام، حيث يتزايد الاعتماد على أدوات الذكاء الاصطناعي لاختصار زمن إعداد الأوراق البيضاء ودراسات الجدوى والمراجعات الأكاديمية. إن النتيجة العملية تلزم الجامعات والمراكز البحثية بعدم الاعتماد على الحسابات المجانية أو البحث المفتوح للنماذج، لأنها تسقط أكثر من نصف الإنتاج العلمي المنشور، وتجعل الاستثمار في ربط النماذج بقواعد البيانات المؤسسية شرطا لا غنى عنه لأي عمل رصين. كما تفرض نتائج فحص الإشارات العابرة، وميل النماذج إلى اختلاق إجماع علمي زائف، حظر تفويض التوليف النهائي للأدوات الذكية دون تدقيق بشري صارم من باحث متخصص يفرز الاستشهادات ويتحقق من سلامة البراهين.

خرجت الدراسة بثماني توصيات إرشادية للباحثين، لتخلص إلى أن النماذج اللغوية الكبيرة قادرة على تسريع الاكتشاف وتسهيل القراءة الأولية للأدبيات العلمية حين تتصل بالمستودعات المناسبة، لكنها تعجز تماما عن الحلول محل الحكم النقدي للخبير البشري. إذا كنت تقود فريقا بحثيا أو تعمل على إعداد مراجعة منهجية، فلتكن هذه التجربة دليلك العملي: استخدم النماذج لمسح الأفق واسترجاع النصوص، لكن احتفظ بسلطة الفرز والتقييم والتوليف النهائي داخل عقلك البشري وحدك.