شهد عام 2024 تحولًا نوعيًا في المشهد العلمي، إذ برز الذكاء الاصطناعي كقوة دافعة في مختلف مجالات البحث، وقد وصل الأمر إلى وصف العام بأنه (عام الذكاء الاصطناعي في العلوم)، ولم يقتصر هذا التوصيف على مجرد التسمية، بل تجسد في منح جوائز نوبل المرموقة في مجالي الفيزياء والكيمياء لباحثين ساهموا بنحو كبير في تطوير تقنيات الذكاء الاصطناعي وتطبيقها في هذين المجالين.

ويُعدّ هذا الحدث اعترافًا رسميًا من أعلى المؤسسات العلمية بأهمية الذكاء الاصطناعي ودوره المتنامي في دفع عجلة الاكتشافات العلمية.

ومع ذلك، فإن هذا التطور المذهل يثير في الوقت نفسه تساؤلات ومخاوف جدية حول مستقبل البحث العلمي وتكافؤ الفرص، ومن بين هذه المخاوف تفاوت الوصول إلى أدوات الذكاء الاصطناعي، إذ يثير القلق بشأن إمكانية حصر الوصول إلى أدوات الذكاء الاصطناعي المتطورة والمكلفة في عدد محدود من المؤسسات البحثية الكبرى والممولة جيدًا، وقد يؤدي ذلك إلى تفاوت كبير في القدرة على إجراء الأبحاث المتطورة بين المؤسسات المختلفة، مما قد يعوق تقدم البحث العلمي على نطاق أوسع ويؤدي إلى احتكار المعرفة والتكنولوجيا.

جوائز نوبل تُكرّم إنجازات الذكاء الاصطناعي: لقد مُنحت جوائز نوبل في الفيزياء والكيمياء لعام 2024 عن إنجازات مختلفة تمامًا، مما يبرز التنوع الكبير لتطبيقات الذكاء الاصطناعي في العلوم، ففي مجال الفيزياء، ذهبت الجائزة إلى كل من جون هوبفيلد وجيفري هينتون، تقديرًا لإسهاماتهما الثورية في تطوير مجال التعلم الآلي عبر الشبكات العصبية الاصطناعية، التي تشكل العمود الفقري للذكاء الاصطناعي وتطبيقاته التي نشهدها حاليًا.

وفي مجال الكيمياء، ذهبت الجائزة إلى فريق جوجل ديب مايند عن إنجازه العلمي المتمثل في تطوير نموذج (AlphaFold) القادر على التنبؤ ببنية البروتينات وكيفية طيها، وهو تحد علمي استعصى على الحل لمدة قدرها نصف قرن.

ومن المهم الإشارة هنا إلى أن جائزة نوبل في الكيمياء لم تُمنح تقديرًا لتطوير جديد في مجال الذكاء الاصطناعي نفسه، بل تقديرًا للاكتشاف العلمي المهم الذي حُقق باستخدامه، بمعنى آخر، كان الهدف الرئيسي هو حل مشكلة التنبؤ ببنية البروتينات، وبغض النظر عن الطريقة المستخدمة لتحقيق هذا الحل، فإن الفريق الذي يحققه كان سيستحق جائزة نوبل.

ومع ذلك، فإن هذه التطورات تشير بوضوح إلى تحول جوهري في دور الذكاء الاصطناعي في العلوم، فبعد أن كان الذكاء الاصطناعي في السابق مجرد موضوع للدراسة والبحث، بات اليوم يُشكّل آلية أساسية للبحث والاكتشافات العلمية، ويساهم في حل المشكلات العلمية المعقدة وفتح آفاق جديدة للمعرفة البشرية.

الوصول إلى الأداء البشري وتجاوزه:

لم يبدأ التحول الجذري لدور الذكاء الاصطناعي في البحث الأكاديمي مع ظهور روبوت (ChatGPT) والضجة الإعلامية التي رافقته، بل تعود جذوره إلى ما قبل ذلك بكثير، تحديدًا عندما بدأت هذه الأنظمة تحقق أول مرة أداءً يضاهي القدرات البشرية في مهام حاسمة للبحث العلمي، وقد شكلت هذه اللحظات الفارقة نقطة انطلاق حقيقية نحو إدماج الذكاء الاصطناعي في صميم العملية البحثية.

فقد سجل نظام (ResNet) التابع لشركة مايكروسوفت في عام 2015، إنجازًا بارزًا بتجاوزه الأداء البشري في اختبار (ImageNet)، وهو معيار يُقيّم قدرة أنظمة الذكاء الاصطناعي على تصنيف الصور وتنفيذ مهام أخرى متعلقة بمعالجة الرسومات، وفتح هذا الإنجاز الباب أمام استخدام الذكاء الاصطناعي في تحليل الصور على نطاق واسع.

وفي عام 2019، حقق نظام (RoBERTa) التابع لشركة ميتا وهو تطوير لنظام (BERT) التابع لشركة جوجل تفوقًا مماثلًا بتجاوزه القدرات البشرية في اختبار (GLUE)، إذ أظهر إتقانًا في مهام مثل تصنيف النصوص وتلخيصها.

ولم تكن هذه الإنجازات، التي تحققت في مختبرات بحثية خاصة كبيرة، مجرد انتصارات تقنية، بل كانت بمنزلة أدوات قوية وضعت بين يدي الباحثين، مما مكنهم من توظيف الذكاء الاصطناعي في طيف واسع من المهام البحثية المتنوعة، مثل: استخدام صور الأقمار الصناعية لتحليل مستويات الفقر في مناطق مختلفة من العالم، واستخدام الصور الطبية للكشف المبكر عن السرطان بدقة وكفاءة عالية.

كما ساهمت هذه الإنجازات في أتمتة المهام التي كان البشر يقومون بها، مما أدى إلى خفض التكاليف وتوسيع نطاق البحث، بالإضافة إلى زيادةِ موضوعية النتائج.

دور الذكاء الاصطناعي في فهم البيانات: لم يَعد دور الذكاء الاصطناعي في المجالات العلمية مقتصرًا على جمع البيانات ومعالجتها فحسب، بل تطور ليصبح أداة قوية لفهم هذه البيانات واستخلاص رؤى جديدة ومعمقة، ففي العلوم الطبيعية مثل الكيمياء والفيزياء، يستخدم الذكاء الاصطناعي على نطاق واسع في عمليات التنبؤ بسلوك الأنظمة المعقدة، مثل أنماط الطقس المعقدة وهياكل البروتينات، مما يساهم في فهمنا لهذه الظواهر الطبيعية بنحو كبير.

ومع ذلك يختلف هذا الوضع في العلوم الاجتماعية والطب، إذ يكتسب فهم العلاقات السببية بين الظواهر أهمية قصوى، ويتجاوز مجرد القدرة على التنبؤ بها، فعلى سبيل المثال، عند تقييم تأثير سياسة اجتماعية أو اقتصادية ما، لا يكفي مجرد ملاحظة التغيرات التي.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه