لماذا تُقرأ هذه الصفحة بشكل مختلف
يُبنى معظم هذا الدليل حول عدم اليقين، والخطر، والفجوات الصادقة فيما يمكن التحقق منه. هذه الصفحة مختلفة: فهي تجمع نتائج علمية مدفوعة بالذكاء الاصطناعي مؤرَّخة، وقابلة للتحقق، وفي حالة واحدة تحمل بالفعل جائزة نوبل — لكن برنامج البحث نفسه الذي أنتج تلك الطريقة الفائزة بنوبل أنتج أيضًا ورقة بحثية في Nature خضعت لتصحيح رسمي، وأداة تشخيص نجحت في المختبر وتعثرت في عيادة حقيقية. الإمساك بالحقيقتين معًا — إنجاز حقيقي ومبالغة حقيقية، من المختبر نفسه، وأحيانًا في العام نفسه — هو بيت القصيد من هذه الصفحة، لا تناقض ينبغي حله.
كل ما يلي يتعلق بتعلّم آلي ضيق ومحدد المهمة مُطبَّق على مشكلة علمية أو طبية، لا بالذكاء العام الاصطناعي. أما أن نظامًا عامًا مستقبليًا سيُسرِّع العلم كله دفعة واحدة فهو سيناريو، تتناوله صفحة فوائد الذكاء الاصطناعي وتكاليف فرصة التأخير؛ أما هذه الصفحة فتقتصر على ما صدر بالفعل، أو نُشر، أو خضع لمراجعة الأقران.
بنى بروتينية محلولة: AlphaFold ونوبل 2024
الحالة الأوضح هي التنبؤ ببنية البروتينات. ففي أكتوبر 2024 منحت الأكاديمية الملكية السويدية للعلوم جائزة نوبل في الكيمياء مناصفةً بين ديميس هاسابيس وجون جمبر من Google DeepMind، “عن التنبؤ ببنية البروتينات”، وديفيد بيكر من جامعة واشنطن، عن التصميم الحاسوبي للبروتينات (NobelPrize.org، 9 أكتوبر 2024) — أرفع تكريم في هذا المجال، بعد أربع سنوات من نتائج AlphaFold2 الأصلية عام 2020، ومؤكَّد من تخصص أمضى تلك السنوات يستخدم الأداة فعليًا: بحسب ما ذُكر، أكثر من مليوني باحث في 190 دولة، تنبأوا ببنى تقريبًا كل البروتينات المعروفة البالغ عددها 200 مليون، بدقة تقترب من الطرق التجريبية في أصعب الأهداف (Nature News، 9 أكتوبر 2024).
من البنية إلى الدواء: Isomorphic Labs، لا تزال في خط الإنتاج
انبثقت عن عمل DeepMind في طي البروتينات شركة Isomorphic Labs، التي بُنيت لنقل التنبؤ بالبنية إلى اكتشاف الأدوية. وفي يناير 2024 وقّعت اتفاقيات مع Eli Lilly وNovartis بقيمة إجمالية تقارب 3 مليارات دولار من المدفوعات المحتملة عند بلوغ معالم محددة، تستهدف جزيئات صغيرة “يصعب استهدافها دوائيًا” (TechCrunch، 7 يناير 2024). وبحلول أوائل 2026، وصفت تقارير ثانوية التعاون بأنه أنتج عدة مرشحين في المرحلة قبل السريرية — لا يزالون على بُعد سنوات من تجربة سريرية، ناهيك عن دواء معتمد. ولم يدخل أي دواء من هذه الشراكة تجارب على البشر حتى وقت كتابة هذه السطور.
سرّع AlphaFold خطوة واحدة ضمن خط إنتاج طويل؛ ولم يثبت أنه يُسرِّع مخرجات ذلك الخط، مقاسة بعلاجات معتمدة لا بمدفوعات عند بلوغ معالم. وتُميِّز صفحة فوائد الذكاء الاصطناعي وتكاليف فرصة التأخير بين فائدة مقيسة وأخرى متوقَّعة — وهذه، بلا شك، من النوع المتوقَّع.
اكتشاف المواد — وتصحيح يثبت أن النظام يعمل
الحالة الأكثر إفادة هنا هي علوم المواد، تحديدًا لأنها لم تبقَ قصة نجاح نظيفة. ففي نوفمبر 2023 نشرت DeepMind نظام GNoME في Nature: نظام تنبأ بـ2.2 مليون بنية بلورية مرشحة، منها نحو 381,000 بنية متوقَّع أنها مستقرة — أي أكثر بنحو 45 ضعفًا من مركّبات مستقرة لكن غير مُحقَّقة مقارنةً بكامل السجل التاريخي السابق مجتمعًا (Merchant وآخرون، Nature، 29 نوفمبر 2023). ووصفت ورقة مرافقة مختبرًا روبوتيًا مستقلًا، “A-Lab”، استخدم هذه التنبؤات لتخليق عشرات المواد الجديدة دون تدخل بشري، خلال سبعة عشر يومًا.
وفي 2024، وجد ثلاثة كيميائيين من خارج المشروع — روبرت بالغريف (UCL)، وليزلي شوب (برينستون)، وسوزان لاترنر (جامعة فلوريدا الحكومية) — أن نحو ثلثي مركّبات A-Lab “الجديدة” كانت في الواقع بنى معروفة سلفًا، أُخطئ في تحديدها لأن تحليل حيود الأشعة السينية الخاص بها استخدم مطابقة أنماط بمستوى مبتدئ بدلًا من تنقيح Rietveld الدقيق الذي يطبّقه عالم بلورات مُدرَّب؛ وكان كثير منها موجودًا بالفعل في قاعدة بيانات البنى البلورية غير العضوية. وفي 19 يناير 2026، نشرت Nature تصحيحًا رسميًا من المؤلفين يقرّ بأن ادعاءات الجِدّة كانت “عرضة لسوء تفسير” — جديدة بالنسبة لكتالوج المنصة نفسها، لا بالضرورة جديدة بالنسبة للعلم.
وهذه ليست قصة عن فشل الذكاء الاصطناعي. فتنبؤات GNoME بالبنية لم تكن الجزء الذي تبيّن أنه خاطئ؛ بل كانت المبالغة في كيفية تعريف كلمة “جديد” لاحقًا في المسار — وقد اكتُشفت وصُحِّحت رسميًا عبر مراجعة الأقران المعتادة، بعد عامين. وهذا هو النظام يعمل كما ينبغي: فنشر بحث في Nature دليل قوي، لكنه ليس محصّنًا من التصحيح، وحالة أي ادعاء الفعلية هي ما يصمد أمام التدقيق، لا ما قاله البيان الصحفي في أسبوع إطلاقه.
الرياضيات: AlphaProof في الأولمبياد، خارج الوقت الرسمي
في يوليو 2024 أعلنت DeepMind أن AlphaProof وAlphaGeometry 2 حلّا أربعة من ستة مسائل في أولمبياد الرياضيات الدولي لذلك العام، بنتيجة 28 من 42 — مستوى الميدالية الفضية، وهي المرة الأولى التي يبلغ فيها نظام ذكاء اصطناعي هذا المستوى (DeepMind، 25 يوليو 2024). وكشفت DeepMind نفسها أن إحدى المسائل حُلَّت خلال دقائق بينما استغرقت أخريات حتى ثلاثة أيام من الحوسبة، وهو أمر جدير بالملاحظة لأن المتنافسين البشر يحلّون المسائل الست نفسها عبر جلستين مدة كل منهما 4.5 ساعة. ولم يُقدَّم هذا كمشاركة فعلية في الأولمبياد ولم يُحكَّم بصفته كذلك، ولم يخضع لمراجعة أقران مستقلة كنتيجة تنافسية؛ إنه معيار مرجعي تديره الشركة نفسها، مُوصَّف بأمانة، لا ادعاء بأن الذكاء الاصطناعي ينافس رياضيي الأولمبياد ضمن القيود التي يواجهونها فعليًا.
التنبؤ بالطقس: حالة حسمتها مراجعة الأقران بالفعل
يُعدّ التنبؤ بالطقس تباينًا مفيدًا لأن الحقيقة الأرضية تصل يوميًا ولا يمكن التلاعب بها بأثر رجعي. ونظام GraphCast من DeepMind، المنشور في Science في نوفمبر 2023، تفوّق على نموذج HRES التشغيلي للوكالة الأوروبية للطقس في الغالبية العظمى من آلاف التوليفات المُقيَّمة بين المتغيرات والآماد الزمنية، وينتج تنبؤًا عالميًا لعشرة أيام في أقل من دقيقة على شريحة TPU واحدة (DeepMind، 14 نوفمبر 2023). وتُقيَّم التنبؤات مقابل الطقس الفعلي كل يوم، ما يجعل هذا من أصعب المجالات للمبالغة فيها، وبعد سنوات لا تزال النتيجة صامدة.
الطب على المستوى التنظيمي: تراخيص إدارة الغذاء والدواء تتضاعف
انتقل الذكاء الاصطناعي السريري من كونه ابتكارًا جديدًا إلى عمل تنظيمي روتيني. ففي أبريل 2018، أصبح IDx-DR (المعروف الآن باسم LumineticsCore) أول نظام تشخيص بذكاء اصطناعي مستقل تمامًا تُرخِّصه إدارة الغذاء والدواء الأمريكية في الطب، مُعتمَدًا لكشف اعتلال الشبكية السكري دون تفسير من طبيب، استنادًا إلى تجربة على 900 مشارك أظهرت حساسية 87.2% ونوعية 90.7% مقارنةً بتقييم الخبراء (npj Digital Medicine، 2018). وأصبحت هذه التراخيص روتينية الآن: ارتفعت تراخيص إدارة الغذاء والدواء لأجهزة تعمل بالذكاء الاصطناعي من نحو 758 بنهاية 2024 إلى 1,039 بحلول ديسمبر 2025، بوتيرة صعدت من نحو 21 إلى نحو 30 شهريًا، بقيادة GE HealthCare وSiemens Healthineers وPhilips وCanon (The Imaging Wire، 11 مارس 2026). والترخيص حقيقة واقعية وقابلة للتحقق — وليس نفس الادعاء بأن “هذه الأداة تعمل جيدًا في مستشفاك”، وهو ما يتناوله القسم التالي.
فجوة المختبر إلى العيادة: ماذا يحدث عندما يلتقي النموذج بمريض حقيقي
أوضح حالة موثَّقة لهذه الفجوة بين الدقة المُتحقَّق منها والواقع المنشور هي نظام Google Health لاعتلال الشبكية السكري، الذي تجاوز 90% حساسية ونوعية في التجارب. وعند نشره في 11 عيادة في تايلاند بين نوفمبر 2018 وأغسطس 2019، رفض النظام نحو 21% من نحو 1,940 صورة قدّمتها الممرضات باعتبارها “غير قابلة للتقييم” — معظمها بسبب ظروف إضاءة كان قارئ بشري ليقبلها دون تردد — ما عطّل سير العمل وأطال زيارات مرضى غالبًا ما سافروا ساعات للخضوع للفحص. وخضعت هذه النتيجة لمراجعة الأقران في مؤتمر CHI 2020، أحد أبرز محافل التفاعل بين الإنسان والحاسوب، وتناولتها MIT Technology Review في حينه (MIT Technology Review، 27 أبريل 2020). وتصف مراجعات لاحقة للذكاء الاصطناعي في الأشعة هذا بأنه نمط متكرر: الأداء في الواقع يعتمد على المعدات وسير العمل المحليين، لا على رقم دقة النموذج وحده.
وتُظهر أداة أخرى للسكتة الدماغية مرخَّصة من إدارة الغذاء والدواء، Viz.ai، الانقسام بطريقة مختلفة: فمراجعة منهجية وتحليل تلوي systematic review and meta-analysis جمعت نحو اثنتي عشرة دراسة وأكثر من 15,000 مريض، سرّعت سير العمل في المستشفى دون تحسّن ذي دلالة إحصائية في النتائج السريرية التي وُجدت هذه المسارات أصلًا لتحسينها. فالأسرع ليس بالضرورة الأفضل.
ماذا يقول هذا النمط عن بقية الموقع
أُنتجت كل حالة أعلاه من نفس المجموعة الصغيرة من مختبرات الطليعة التي يناقشها هذا الدليل في مواضع أخرى — وأبرزها Google DeepMind — التي تتناول صفحة كيف تختلف مختبرات الذكاء الاصطناعي الرائدة ثقافتها البحثية، وتُفرد صفحة تركّز السلطة: لماذا تهم حفنة من المختبرات موضوعًا مستقلًا لتركّز القدرة العلمية في حفنة من المنظمات. وهذا التركّز له وجهان: فهو سبب قدرة برنامج واحد على تحصيل جائزة نوبل، وأداء بمستوى ميدالية فضية في أولمبياد، وورقة مصحَّحة في Nature خلال عامين فقط، وسبب مرور تأطير هذه الادعاءات أولًا عبر دعاية المختبر نفسه، ولاحقًا فقط عبر مراجعة أقران لا تخضع لمساءلته.
ولا شيء من هذا حجة لرفض النتائج. فجائزة نوبل ليست ضجيجًا؛ وتنبؤ لعشرة أيام يُنتَج في أقل من دقيقة ليس ضجيجًا. لكن عبارة “الذكاء الاصطناعي يُسرِّع العلم” صحيحة بالطريقة نفسها التي تصح بها معظم الادعاءات الدائمة حول هذه التقنية: بشكل متفاوت، مع أوضح النجاحات في مشكلات ذات حقيقة أرضية نظيفة وقابلة للتحقق — بروتين مطوي، طقس الغد، استقرار بلورة مقيس — وفجوة مستمرة أينما يمر الميل الأخير عبر عيادة فوضوية أو بيان صحفي غير مُدقَّق. والانضباط الذي اكتشف خطأ GNoME، بعد عامين، هو الانضباط الذي تطلب هذه الصفحة من القراء تطبيقه في كل مكان آخر على هذا الموقع.