روكب اليوم
ارتبطت أدوات الذكاء الاصطناعي التوليدي (Generative AI) تاريخيا بنماذج اللغات الكبيرة “إل إل إم” (LLMs) 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.
الذكاء الاصطناعي غيّر طريقة الوصول إلى المعرفة
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 (OpenAI) أو أنظمة البحث الذكية من غوغل إيه آي (Google AI) تلخيص عشرات الدراسات خلال دقائق.
كما ظهرت منصات متخصصة تعتمد على الذكاء الاصطناعي مثل: سيمانتك سكولار (Semantic Scholar) وكونيكتد بيبرز (Connected Papers)، وإليسيت (Elicit).
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.
المشكلة الكبرى.. “هلوسة” الذكاء الاصطناعي
أحد أخطر التحديات في استخدام الذكاء الاصطناعي أكاديميا هو ما يعرف بـ “هلوسة الذكاء الاصطناعي” (AI Hallucination)، 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.
لماذا يخطئ الذكاء الاصطناعي؟
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.
فباحثون في مراجعة علمية بعنوان “نحو نماذج لغات كبيرة جديرة بالثقة” (Towards trustworthy LLMs)، 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.
كيف تجعل الذكاء الاصطناعي موثوقا في البحث العلمي؟
1- استخدمه كمساعد لا كمرجع نهائي
القاعدة الذهبية هي أن الذكاء الاصطناعي أداة مساعدة وليس مصدرا أكاديميا مستقلا، إذ يمكن استخدامه في تلخيص الدراسات، وتبسيط المفاهيم، واقتراح أفكار بحثية، وتنظيم المراجع، ومقارنة الأبحاث.
لكن في ذات الوقت، لا يجب الاعتماد عليه مباشرة في توثيق الحقائق، أو كتابة النتائج النهائية دون مراجعة، أو إنشاء المراجع العلمية تلقائيا دون تحقق.
2- اعتمد على قواعد بيانات أكاديمية حقيقية
ولضمان الموثوقية، يجب التحقق من أي معلومة عبر منصات أكاديمية أصلية مثل: غوغل سكولار (Google Scholar)، أو بوبميد (PubMed)، أو سكوبس (Scopus)، أو آي إي إي إي إكسبلور (IEEE Xplore). فعندما يذكر الذكاء الاصطناعي دراسة معينة، ينبغي البحث عنها داخل هذه المنصات للتأكد من وجودها فعلا.
3- اطلب الروابط والمراجع الأصلية
بدلا من سؤال الذكاء الاصطناعي: ما تأثير الذكاء الاصطناعي على التعليم؟ يفضل أن يكون السؤال: اذكر دراسات منشورة بين عامي 2022 و2025 حول تأثير الذكاء الاصطناعي على التعليم العالي مع روابط دي أو آي (DOI)، أو معرّف الكائن الرقمي (Digital Object Identifier) وهي عبارة عن سلسلة فريدة ودائمة من الأرقام والحروف تُمنح للمحتوى المنشور عبر الإنترنت، مثل المقالات الأكاديمية والكتب والأوراق البحثية، لتكون بمثابة رقم هوية أو بصمة رقمية ثابتة لها.
فهذا النوع من الأسئلة يقلل احتمالية الإجابات العامة أو المختلقة. إذ يمكن التحقق من “معرّف الكائن الرقمي” عبر موقع DOI.org أو Crossref.
4- استخدم “هندسة الأوامر” بذكاء
فكلما كان السؤال دقيقا ومحددا، كانت النتائج أفضل. على 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.
5- قارن النتائج بمصادر متعددة
الباحث المحترف لا يعتمد على مصدر واحد، حتى لو كانت الإجابة مقنعة، حيث يجب عليه مقارنة المعلومات مع أبحاث منشورة، ومراجعة أكثر من منصة، وقراءة الملخصات الأصلية للدراسات. وهذه الخطوة مهمة؛ لأن الذكاء الاصطناعي قد يخلط بين معلومات صحيحة وأخرى مضللة.
6- استخدم أدوات إدارة المراجع
من الأدوات المهمة التي تساعد في توثيق الأبحاث، برامج زوتيرو (Zotero) ومنديلي (Mendeley) اللذين يُعتبران من أشهر وأقوى أدوات إدارة المراجع الأكاديمية المستخدمة من قبل الباحثين والطلاب والجامعيين لتنظيم المصادر وتوثيق المراجع وتوليد قوائم المصادر والمراجع تلقائيا أثناء كتابة الأبحاث والرسائل العلمية. كما تساعدان على حفظ الدراسات وإنشاء الاقتباسات وتنظيم المراجع بطريقة أكاديمية دقيقة.
أمثلة عملية على الاستخدام الصحيح
إذا كنت طالبا في مرحلة الماجستير – مثلا – 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.
وإذا كنت صحفيا متخصصا في مجال ما، فيمكنك أن تستخدم الذكاء الاصطناعي لجمع المعلومات الأولية بسرعة، ثم تتحقق من كل معلومة عبر المصادر الرسمية والشركات والدراسات الأكاديمية.
هل سيصبح الذكاء الاصطناعي باحثا كاملا؟
رغم 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.
صياغة المستقبل البحثي
يؤكد الخبراء على أن تحول الذكاء الاصطناعي إلى باحث علمي موثوق لا يلغي دور العنصر البشري، بل يعيد تعريفه؛ إذ انتقل دور الباحث والصحفي من جامع للمعلومات الذي كان يستهلك 70% من وقته في القراءة والبحث عن المصادر، إلى دور “المحرر والمقيم النقدي”، وهذا أمر يساهم بشكل كبير في تسريع عملية الإنتاج.
لكن في ذات الوقت، فإن الموثوقية الحقيقية تكمن في النموذج الهجين، وهو أن الآلة توفر السرعة، والمسح الشامل لقواعد البيانات، والربط الهيكلي بين الأفكار مع الاستشهاد الدقيق، بينما يتولى العقل البشري فحص السياقات السياسية والاجتماعية والأخلاقية، والتحقق النهائي من سلامة المصادر، وضمان أن المنتج المعرفي النهائي يحمل البصمة الإنسانية والمسؤولية الأخلاقية والقانونية تجاه المجتمع العلمي والجمهور.