في عالم يزداد فيه الاعتماد على الذكاء الاصطناعي، باتت الأنظمة الذكية تتفاعل مع البشر وتنسق سير العمل بشكل متزايد، مما يجعل منها مشاركًا أساسيًا في العلوم التجريبية. يتطلب فهم تأثير هذه الأنظمة أكثر من مجرد قياس دقة النتائج؛ إذ نحتاج إلى أدلة حول الآليات والتفويض والتغذية الراجعة والرقابة.

تعتبر التجارب أداة مركزية في هذا السياق، لكن هناك تحديات متكررة تطالبنا بإنشاء تجارب لهذا النوع من الأنظمة لدراسة كيفية عملها، بالإضافة إلى الحاجة إلى الاستفادة من الذكاء الاصطناعي في التصميم التجريبي نفسه. وعلى الرغم من ذلك، لا تزال ظروف التجارب بين البشر والذكاء الاصطناعي محددة بشكل كبير في نصوص كتابية، مما يصعب مقارنتها أو إعادة استخدامها أو تدقيقها.

لذلك، نطرح هذه التحديات باعتبارها مشكلة تمثيل سير العمل، وقابلية التتبع، والحوكمة في إنتاج المعرفة المدعوم بالذكاء الاصطناعي. ونقدم إطار SEED (الترميز الهيكلي لاكتشاف التجارب) الذي يمثل ظروف التجارب كمخططات تدفق ممثلة للفاعلين.

يدعم إطار SEED ثلاث وظائف تصميمية رئيسية: تصنيف الظروف كأشكال تفاعلية، تقييم الجدة الهيكلية بالنسبة للتصاميم السابقة، وتوليد تصاميم مرشحة ضمن قيود الجدوى والحكم.

أجرينا اختبارًا تجريبيًا خفيف الوزن يقارن بين توليد المخططات دون وعي وباستخدام توجيه SEED في مهمة تصميم الفرز الطبي. أظهرت التصاميم المرشحة التي تم توجيهها بواسطة SEED تغييرات أوضح في سلوك الفاعلين وتفاصيل الحوكمة، مما يدعم إمكانية استخدام هذا الإطار كأداة تصميم.

تختتم التعليقات بتحديد التوترات المتعلقة بالحكم حول الجدة، والتكرار، والصلاحية، وتنوع الاستفسارات، والمساءلة.

ما رأيكم في هذه الدراسة المثيرة؟ كيف يمكن أن تغير الأنظمة الذكية الطريقة التي نجري بها تجاربنا العلمية؟ شاركونا آرائكم في التعليقات!