معضلة البحث المفتوح: كيف تفوقت ستة أنظمة وكيلة على النماذج المناخية المنشورة في ست ساعات؟

حين يُطلب من الوكلاء البرمجيين خوض غمار البحث العلمي المفتوح، تصطدم التقييمات التقليدية بجدار مسدود؛ إذ تُقاس قدرات النماذج عادة إما بإجابة نموذجية مسبقة، أو بسلم درجات مصطنع، أو بحكم آلي من نموذج لغوي آخر، ولا يمكن لأي من هذه الوسائل أن يحدد صلاحية نموذج علمي جديد حين تغيب الإجابة الجاهزة. هذا التحدي دفع الباحثة ينلينغ تشانغ وزملاءها إلى تقديم معيار علمي مغاير باسم «SciExam for ENSO»، المنشور عبر منصة أركايف، لاختبار قدرة الوكلاء على بناء نماذج مناخية عشوائية منخفضة الرتبة لظاهرة النينيو والتذبذب الجنوبي اعتمادًا على ملاحظات واقعية حية.

صُمم المعيار بصرامة إجرائية واضحة تفرض على الوكيل البرمجي سقفًا زمنيًا حاسمًا لا يتجاوز ست ساعات. خلال هذه النافذة، يتولى الوكيل معالجة الملاحظات المناخية، ثم يكتب أدوات التشخيص الرياضية الخاصة به ويجري تجميدها بالكامل، ليعمل بعد ذلك على تطوير نموذجه الفيزيائي متكئًا على مخرجات تلك التشخيصات المجمدة وحدها كمرجع وحيد للتغذية الراجعة. وفي المرحلة الختامية، تتولى جهات تصحيح مخفية فحص النموذج المطور دون علمه، لقياس قدرته على إعادة إنتاج الإحصاءات المناخية الدقيقة، واستعادة المتغيرات غير المرصودة، والتنبؤ بسنوات مستقبلية محجوبة، مع تطبيق آليات القياس الصارمة نفسها على نموذج علمي منشور ومحكم في الأدبيات الأكاديمية.

كشفت النتائج عن تفوق ستة أنظمة وكيلة، من أصل اثني عشر نظامًا خضعت للاختبار، على النموذج العلمي المنشور. وجاء هذا التفوق متمحورًا حول دقة إعادة بناء المتغيرات المفقودة وجودة التنبؤ بالسنوات المحجوبة، ما أثبت كفاءة الأنظمة البرمجية في التعامل مع ديناميكيات الظواهر الفيزيائية المعقدة. ولم يتوقف الأمر عند حدود الأرقام، بل أظهر تحليل الصيغ المبسطة للنماذج الأقوى توافقها مع مدرستين فكريتين متنافستين في تفسير عدم التماثل بين حالتي الدفء والبرودة في ظاهرة النينيو، وهو سجال علمي مفتوح في فيزياء الغلاف الجوي لم يأت نص الاختبار على ذكره مطلقًا.

أكدت التجارب الضابطة على النظام الأكثر تفوقًا أن ارتفاع النقاط لم يكن نتيجة استرجاع أو استظهار سجلات الرصد التاريخية المؤرخة، بل إن نوعية المعلومات المدخلة هي التي صاغت مسار بناء النموذج وهيكليته الرياضية. يبرهن هذا الاختبار على أن الوكلاء الأذكياء يمتلكون بالفعل الجاهزية لصياغة فرضيات ونماذج تنافس الإنتاج البشري في مسائل ما زالت محل نقاش وبحث بين علماء الطبيعة، متجاوزين أسر المحاكاة الشكلية إلى بناء محركات تفسيرية متماسكة.

يفرض هذا التحول إعادة ضبط شاملة لأولويات الفرق التقنية ومراكز الأبحاث ومختبرات الذكاء الاصطناعي في الخليج ومصر والمشرق العربي. إن الاعتماد الإقليمي السائد على تقييم الوكلاء عبر الأسئلة النظرية أو تفويض النماذج اللغوية للحكم على بعضها ينهار تمامًا أمام مهام المحاكاة المعقدة، مثل نمذجة الشبكات الكهربائية، أو التنبؤ بالأحوال الجوية والسيول، أو إدارة المكامن النفطية والمائية. ما يتغير عمليًا أمام المسؤول التقني في المنطقة هو ضرورة بناء منصات تقييم مغلقة تعتمد بيئات اختبار صارمة ومحددة بزمن حوسبة محدد، يُلزم فيها الوكيل ببرمجة فلاتر التحقق الإحصائي وتجميدها قبل التدريب. وتتحول المهارة الهندسية المطلوبة من كتابة الأوامر النصية اللغوية إلى تصميم مصححات اختبار مخفية تقيس سلامة المتغيرات الفيزيائية وجودة التنبؤ بالأثر، تفاديًا لخداع الحفظ الآلي الذي تكشفه الوقائع التجريبية الحقيقية.

حين يتفوق الوكيل على أوراق الأقران في ست ساعات دون إجابة مسبقة، تتغير قواعد تقييم الذكاء الاصطناعي من تكرار المعرفة إلى اختبار الاستدلال العلمي الخالص. انظر إلى بيئة عملك: إن كانت اختباراتك للأنظمة البرمجية ما زالت تقيس فصاحة الأجوبة بدل قدرتها على هندسة حلول لمسائل مجهولة، فأنت تختبر الذاكرة لا القدرة البحثية.