بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
سبعة وستون مهمة من أصل ستة وثمانين معياراً قياسياً — هذا ما حققه SciReasoner، النموذج العلمي متعدد الوسائط الذي قدّمه باحثون من عدة مؤسسات بقيادة Chen Tang وزملاؤه الثمانية والعشرون، ليُثبت أن الذكاء الاصطناعي قادر ليس فقط على التنبؤ بالخصائص الجزيئية، بل على شرح كيفية استنتاجها من الأدلة البنيوية وفق قيود علمية صارمة (وفقاً لـ arXiv).
المشكلة التي يعالجها النموذج ليست تقنية بالدرجة الأولى، بل معرفية: العلوم التجريبية — من علم الأحياء إلى الكيمياء وعلم المواد — تبني فهمها للمواد والجزيئات من خلال العلاقات بين البنية المكانية والخصائص الفيزيائية. لكن معظم نماذج الذكاء الاصطناعي تتعامل مع هذه العلاقات كصناديق سوداء: تُعطي نتيجة دون أن تُظهر الاستدلال المنطقي الذي أوصلها إليها. SciReasoner يكسر هذه المعادلة بتحويل الإحداثيات والتوبولوجيا والتوصيلات الدورية إلى مفردات رمزية موحّدة، تُعامَل كوحدات أدلة قابلة للعنونة خلال عملية التفكير.
أداء النموذج عبر التخصصات يكشف عمق هذا النهج. في بيولوجيا البروتينات، وضمن تقييم التنبؤ بـ Gene Ontology مع ضبط التماثل، رفع SciReasoner دقة تصنيف المكونات الخلوية (Cellular Component) للبروتينات منخفضة التماثل والبروتينات المجهولة من F_max = 0.42 إلى 0.55 (وفقاً لـ arXiv). وهذا الارتفاع ذو دلالة خاصة لأن البروتينات منخفضة التماثل هي تحديداً الحالات التي تفشل فيها الطرق التقليدية القائمة على المقارنة التسلسلية.
في الكيمياء، ارتفعت دقة التوليف التراجعي أحادي الخطوة (single-step retrosynthesis) من 0.63 إلى 0.72، مع توليد آثار استدلالية تُظهر قطع الروابط على مستوى الشظايا الجزيئية وتحقق من صحة المواد الأولية المقترحة (وفقاً لـ arXiv). أما في علم المواد، فتمكّنت تمثيلات النموذج من التمييز بين الأطوار العنصرية والمركبة، وبين الفجوات الطيفية المرتفعة والمنخفضة — وهما تمييزان أساسيان لتصميم أشباه الموصلات والخلايا الشمسية.
ما يجعل هذه الأرقام أكثر أهمية هو نتيجة التقييم العمياء المزدوج (double-blind expert evaluation): في 98% من الحالات، فضّل الخبراء آثار تفكير SciReasoner أو وجدوها على الأقل مماثلة لتلك الصادرة عن نموذج لغوي ضخم من الجيل الأمامي (وفقاً لـ arXiv). هذا يعني أن المشكلة ليست فقط في الدقة العددية، بل في جودة الاستدلال كما يقيّسها العلماء أنفسهم.
التصميم المعماري للنموذج يستحق التأمل. بدلاً من الاعتماد على تمثيلات مستمرة للإحداثيات ثلاثية الأبعاد — وهو النهج السائد في نماذج البنية البروتينية — يحوّل SciReasoner البنى إلى مفردات رمزية منفصلة مرتبطة بالتوبولوجيا والتوصيلات. هذا يعني أن كل رمز بنيوي يمكن استدعاؤه صراحةً خلال عملية التفكير، مما يجعل التنبؤ قابلاً للتفسير بالمعنى العلمي الحقيقي، لا بمعنى “تفسيرية بعد الفعل” التي تعتمدها طرق SHAP أو attention visualization.
ثمة ملاحظة جوهرية ينبغي وضعها في الاعتبار: النموذج لم يُختبر بعد في بيئات إنتاجية حقيقية، وكل نتائجه صادرة عن بيئة benchmark خاضعة لبروتوكولات ضبط محددة. كذلك لا يوجد حتى الآن وصول عام للنموذج أو واجهة API معلنة. وبينما تُغطي المعايير الستة والثمانون نطاقاً واسعاً، فإن التحقق المستقل من نتائج التوليف التراجعي تحديداً — وهو مجال مثير للجدل قياسياً — يتطلب المزيد من التدقيق من مجتمع الكيمياء الحسابية.
رغم ذلك، يمثّل SciReasoner تحولاً في زاوية النظر: من سؤال “ما هي الخاصية المتوقعة؟” إلى سؤال “لماذا تمتلك هذه البنية هذه الخاصية وفق مبادئ الكيمياء الفيزيائية؟”. إذا أثبت هذا النهج متانته خارج البيئة التجريبية، فإن تداعياته على اكتشاف الأدوية وتصميم المواد وهندسة البروتينات قد تتخطى بمراحل مجرد كسب نقاط على جداول المعايير.
