العلوم منذ زمن طويل مليئة بأمثلة على تحقيق اكتشافات كبيرة على الرغم من الخطط الصارمة: فالملاحظات العشوائية، والنتائج غير المتوقعة، والفروع الجانبية للأبحاث غالبًا ما تكون أكثر قيمة من الأهداف المحددة مسبقًا. ومع ذلك، فإن الأنظمة المستقلة الحديثة المصممة للعمل العلمي مبنية على مبدأ "أعطِ الوكيل مهمة ومقياسًا نهائيًا — وسيصل هو نفسه إلى الاختراق". تُظهر ورقة بحثية أولية حديثة على arXiv، نُشرت في أغسطس 2026، لماذا هذا النموذج محكوم عليه بالفشل: الباحثون الآليون المستقلون الذين يحسّنون النتيجة النهائية فقط، يمارسون في جوهرهم اختبارات التعتيم (fuzzing)، لكنهم لا يستخدمون الدرس الرئيسي من أدوات التعتيم — قيمة الإشارة الوسيطة حول التغطية.
وهم الاختراقات المخطط لها
في معظم أنظمة البحث الآلي المستقلة الحديثة، يُنظر إلى الاكتشاف العلمي على أنه مهمة تحسين. يُعطى الوكيل مجموعة من التجارب ومعيارًا نهائيًا، ويُتوقع أن يؤدي تعظيم الدرجة إلى معرفة جديدة. المشكلة أن التقييم النهائي هو إشارة متفرقة. تظهر مرة واحدة في النهاية ولا تخبرنا شيئًا عن الخطوات الوسيطة التي كانت مفيدة. عندما يُكافأ الوكيل فقط على الحكم النهائي، فإنه حتمًا يفرط في التكيف مع ظروف الاختبار ويبدأ في أخذ عينات عمياء من متغيرات متشابهة، دون المخاطرة باستكشاف أنماط غير مألوفة.
يشبه هذا النهج امتحانًا يُعطى فيه للطالب أولاً قائمة بالأسئلة، ثم يُقيَّم فقط على صحة الإجابات، متجاهلين كيف بحث عن الحلول. إذا حفظ الطالب المسائل النمطية، فسيحقق نتيجة جيدة في الأمثلة التدريبية، لكنه من غير المرجح أن يكتشف قانونًا فيزيائيًا جديدًا. وبالمثل، فإن الوكلاء الذين يستهدفون الدرجة النهائية لا يجدون الجديد، بل فقط ما يؤكد البيانات المعروفة بالفعل.
التعتيم (Fuzzing) كنموذج للبحث الآلي
يقوم مؤلفو الورقة الأولية بإجراء مقارنة غير متوقعة: وكيل الباحث الذي يحل مشكلة علمية يواجه نفس التغذية الراجعة المتفرقة التي يواجهها أداة التعتيم ذات الصندوق الرمادي (greybox fuzzer) للبحث عن الثغرات الأمنية في البرمجيات. أداة التعتيم لا تجد الخطأ فورًا في كثير من الأحيان. إذا كانت تتلقى فقط إشارة "يوجد خطأ / لا يوجد خطأ"، لكان عملها بلا معنى: معظم عمليات التشغيل تنتهي دون نتيجة.
سر التعتيم هو أن كل تشغيل للبرنامج لا يُقاس فقط بحدوث الانهيار، ولكن أيضًا بتغطية الكود. هذه الإشارة الكثيفة تسمح برؤية تقدم جزئي: حتى إذا لم يتم العثور على الثغرة، فإن مسار تنفيذ جديد — هو بالفعل خطوة إلى الأمام. تستخدم أداة التعتيم التغطية لتحوير بيانات الإدخال ولاتخاذ قرار بشأن أي الفروع يجب إنفاق الموارد عليها. إنها لا ترتب عمليات التشغيل الجاهزة، بل توجه البحث بنشاط إلى المناطق غير المستكشفة.
في العلوم، يمكن لآلية مماثلة أن تعمل بنفس الطريقة تمامًا. كل تجربة، حتى لو كانت فاشلة من حيث الفرضية النهائية، تكون ذات قيمة إذا وسّعت الخريطة المعرفية (epistemic map) — المعرفة حول أي أجزاء من فضاء النظريات تم اختبارها بالفعل، وأيها لا تزال بقعًا بيضاء.
شرطان لوكيل بحثي فعال
لكي يبحث الباحث الآلي حقًا، وليس فقط أخذ العينات، يحتاج إلى قدرتين مترابطتين.
- إشارة كثيفة رخيصة. يجب أن تعطي كل تجربة، قبل أن يصبح التحقق العلمي النهائي متاحًا، مؤشرًا قابلًا للملاحظة على التقدم المعرفي. ليس بالضرورة أن يكون مقياسًا دقيقًا للحقيقة، بل بالأحرى مؤشرًا على الجدة أو عدم اليقين أو الانحراف عن النموذج الحالي للعالم.
- يجب أن تتحكم التغذية الراجعة في الفعل. يجب أن تؤثر الإشارة المستلمة على اختيار التدخل التالي. إذا كان الوكيل يسجل التقدم في سجل فقط، لكنه يستمر في أخذ العينات في نفس المنطقة، فالفائدة قليلة. يجب أن تحوّر إشارة التقدم "بيانات الإدخال" للبحث، كما تحوّر أداة التعتيم أمثلة الاختبار.
من المهم أن الإشارة الكثيفة هي مجرد اتجاه، وليست حكمًا نهائيًا. لذلك يظل التحقق النهائي ضروريًا: فهو يقيّم الادعاءات باستخدام أدلة محمية من إعادة الاستخدام التكيفي. وإلا، فإن الوكيل الذي يتكيف آلاف المرات مع الإشارة قد ينتج عن طريق الخطأ اكتشافًا زائفًا يجتاز التحقق فقط بسبب الإفراط في التكيف.
التجربة: البحث مقابل أخذ العينات
اختبر مؤلفو العمل هذه الأفكار في بيئة فيزيائية محاكاة. كان على وكيل الذكاء الاصطناعي اكتشاف قانون فيزيائي خفي. تم تصميم أحد الوكلاء بحيث يتتبع تقدمه المعرفي الوسيط الخاص به — وهو ما يشبه "تغطية فضاء التفسيرات المحتملة". استخدم الوكلاء الآخرون التحسين الكلاسيكي للنتيجة النهائية.
أظهرت النتيجة أن الوكيل الذي يتتبع التقدم نجح في العثور على القانون الخفي. فشلت أساليب التحسين الأساسية: فقد أخذت عينات متكررة من البيانات الموجودة وفرطت في التكيف معها، دون أن تجرؤ على اختبار الأنماط غير الشائعة. هذا يؤكد أن عنق الزجاجة المركزي في الأبحاث المستقلة لا يكمن في القدرة على توليد الفرضيات، ولا في قوة النموذج، ولا حتى في حجم البيانات، بل في بنية التغذية الراجعة.
ما الذي يتغير
مقارنة الباحثين الآليين العلميين بأدوات التعتيم ليست مجرد استعارة، بل مبدأ هندسي. إذا أردنا أن يحقق الذكاء الاصطناعي اكتشافات حقيقية، فلا يمكننا أن نعطيه هدفًا متفرقًا فقط وننتظر. نحتاج إلى تصميم إشارات كثيفة تجعل حتى التقدم البطيء مرئيًا، ثم السماح للوكيل باستخدام هذه الإشارات للاستكشاف.
هذا النهج يغير الموقف من الإخفاقات في العلوم: ليس فقط التجربة الناجحة هي القيمة، بل أي خطوة تضيق فضاء المجهول. بمعنى ما، هذا يعيدنا إلى كيفية عمل العلم البشري عمليًا: يتحرك العلماء من نتيجة جزئية إلى أخرى، وأحيانًا فقط تتشكل هذه المسارات في اختراق كبير كان من المستحيل التخطيط له مسبقًا. يبدو أن الأنظمة البحثية المستقلة سيتعين عليها تعلم الشيء نفسه — ليس تخطيط الاكتشافات، بل خلق الظروف التي تصبح فيها ممكنة.
