ارتبطت أدوات الذكاء الاصطناعي التوليدي تاريخيا بنماذج اللغات الكبيرة التي تميزت بالقدرة الفائقة على صياغة النصوص والدردشة التفاعلية. ولكنها عانت من عقدة معرفية كبرى تمثلت في الهلوسة المعرفية وغياب المرجعية الدقيقة.
ومع تطور الاحتياجات المهنية في قطاعات البحث الأكاديمي والصحافة الاستقصائية، حدثت قفزة نوعية حوّلت هذه الأدوات من مجرد "محاور رقمي" إلى "باحث علمي موثوق" يعتمد على بنية تحتية تقنية صارمة تضمن دقة استقاء المعلومات ونسبتها إلى مصادرها الأصلية؛ إذ تحوّل الذكاء الاصطناعي من مجرد تقنية مساعدة إلى أداة أساسية في بيئات البحث العلمي والأكاديمي.
واليوم يستخدم الباحثون أدوات الذكاء الاصطناعي في تلخيص الأوراق العلمية وتحليل البيانات واكتشاف الأنماط وترجمة الدراسات وحتى اقتراح أفكار بحثية جديدة. لكن مع هذا التوسع ظهرت مشكلة جوهرية، وهي: هل يمكن الوثوق فعلا بالذكاء الاصطناعي كمصدر للمعرفة العلمية؟
والإجابة عن هذا السؤال ليست بسيطة. فالذكاء الاصطناعي قادر على تسريع البحث العلمي بشكل غير مسبوق لكنه في الوقت نفسه قد ينتج معلومات خاطئة أو مراجع وهمية تبدو مقنعة للغاية. ولذلك فإن التحدي الحقيقي لا يكمن في استخدام الذكاء الاصطناعي، بل في معرفة كيف نستخدمه بطريقة علمية موثوقة.
قبل ظهور أدوات الذكاء الاصطناعي التوليدي، كان الباحث يقضي ساعات طويلة في البحث اليدوي داخل قواعد البيانات الأكاديمية وقراءة الدراسات وفرز النتائج. أما اليوم، فيمكن لأداة مثل أوبن إيه آي أو أنظمة البحث الذكية من غوغل إيه آي تلخيص عشرات الدراسات خلال دقائق.
كما ظهرت منصات متخصصة تعتمد على الذكاء الاصطناعي مثل: سيمانتك سكولار وكونيكتد بيبرز وإليسيت. وهذه الأدوات لا تكتفي بإظهار نتائج البحث، بل تحاول فهم العلاقات بين الدراسات واستخراج النتائج الأساسية وتحديد الأوراق الأكثر تأثيرا في المجال.
لكن رغم هذه القدرات، فإن الذكاء الاصطناعي لا يفهم المعرفة كما يفهمها الإنسان، بل يعتمد على التنبؤ الإحصائي بالكلمات والأنماط.
أحد أخطر التحديات في استخدام الذكاء الاصطناعي أكاديميا هو ما يعرف بـ "هلوسة الذكاء الاصطناعي"، أي: إنتاج معلومات تبدو صحيحة لكنها في الواقع غير دقيقة أو مختلقة.
ففي دراسة منشورة في مجلة نيتشر البريطانية، أوضحت أن النماذج اللغوية الكبيرة قد تقدم أوهاما بالفهم العلمي، حيث تبدو الإجابات منطقية ومترابطة رغم افتقارها للدقة العلمية الحقيقية.
كما كشفت دراسة أخرى في ذات المجلة أن النماذج اللغوية قد تولّد معلومات كاذبة بثقة عالية، خصوصا عندما لا تمتلك بيانات كافية حول السؤال المطروح.
وتظهر هذه المشكلة بوضوح في اختلاق مراجع أكاديمية غير موجودة وتقديم إحصاءات غير حقيقية ونسب اقتباسات لأشخاص لم يقولوها ودمج معلومات صحيحة مع أخرى خاطئة بطريقة يصعب اكتشافها. وهذا ما يجعل التحقق العلمي ضرورة لا خيارا.
لفهم كيفية جعل الذكاء الاصطناعي أكثر موثوقية، يجب أولا فهم طريقة عمله. فالنماذج اللغوية لا تبحث دائما عن الحقيقة، بل تتنبأ بالكلمة الأكثر احتمالا اعتمادا على البيانات التي تدربت عليها. ولذلك فهي قد تبدو واثقة حتى عندما تكون الإجابة خاطئة.
باحثون في مراجعة علمية بعنوان "نحو نماذج لغات كبيرة جديرة بالثقة" أشاروا إلى أن مشكلة التحيز والهلوسة تعد من أكبر العقبات أمام الاعتماد الكامل على الذكاء الاصطناعي في المجالات الحساسة مثل الطب والقانون والبحث العلمي.
كما أوضحت دراسة أخرى أن تدريب النماذج على بيانات مُولَّدة بالذكاء الاصطناعي نفسه قد يؤدي إلى انهيار معرفي وتدهور جودة النتائج مع الوقت.
فكلما كانت الأسئلة الموجهة للذكاء الاصطناعي أكثر دقة، كانت النتائج أفضل وأكثر احترافية. فعلى سبيل المثال، بدلا من "اشرح الأمن السيبراني"، يتوجب عليك أن تكتب: "قدّم تحليلا أكاديميا حول تأثير الذكاء الاصطناعي على أنظمة كشف الاختراقات السيبرانية مع أمثلة من دراسات منشورة بعد عام 2023". وبهذه الطريقة تساعد النموذج على إنتاج إجابات أكثر تنظيما وارتباطا بالسياق العلمي.
إذا كنت طالبا في مرحلة الماجستير، فإنه يمكنك استخدام الذكاء الاصطناعي لتلخيص 20 ورقة علمية حول موضوع معين، ثم مراجعة الأوراق الأصلية بنفسك لاستخراج النتائج النهائية. أما إذا كنت باحثا في مجال طبي، فيمكنك أن تستخدم أدوات الذكاء الاصطناعي لتحليل بيانات ضخمة واكتشاف أنماط محتملة. لكن لا تعتمد على النتائج قبل اختبارها سريريا ومقارنتها بالدراسات المنشورة.
ورغم التطور السريع، لا يزال الذكاء الاصطناعي بعيدا عن استبدال الباحث البشري بالكامل. فالبحث العلمي لا يعتمد فقط على جمع المعلومات، بل يحتاج إلى التفكير النقدي والتحليل وفهم السياق والقدرة على التشكيك في النتائج.
وقد حذرت أبحاث حديثة من أن الإفراط في الاعتماد على الذكاء الاصطناعي قد يخلق وهم الفهم، حيث يظن الباحث أنه يمتلك معرفة عميقة بينما هو يعتمد فعليا على ملخصات آلية قد تكون ناقصة أو مضللة.
ولذلك، يمكن القول إن الذكاء الاصطناعي ليس عدوا للبحث العلمي، بل يمكن أن يكون من أقوى أدواته إذا استخدم بشكل صحيح؛ فالموثوقية لا تأتي من التقنية نفسها، بل من طريقة استخدامها.
فكلما اعتمد الباحث على التحقق من المصادر والتفكير النقدي والمقارنة بين الدراسات واستخدام قواعد البيانات الأكاديمية، أصبح الذكاء الاصطناعي أداة فعالة لتسريع الاكتشاف العلمي وتحسين جودة البحث بدلا من أن يكون مصدرا للمعلومات المضللة.
