في عالم الأبحاث العلمية، يعتبر الاكتشاف عملية معقدة تتطلب موارد محدودة، مما يستدعي التوازن بين الجودة والكمية في القياسات. ويشكل الإحراز على قياسات دقيقة دافعًا رئيسيًا في عملية اكتشاف المعرفة العلمية. في هذا الإطار، ظهر معيار جديد يُعرف باسم "قياس واكتشاف الفيزياء" (Measuring and Discovering Physics - MaD Physics)، الذي يهدف إلى تقييم قدرة الوكلاء الذكيين على إجراء قياسات معلوماتية واستنتاجات تحت قيود معينة.

يتضمن معيار MaD Physics ثلاث بيئات، كل منها مبنية على قانون فيزيائي مميز. ولتجنب تأثير المعرفة السابقة على النتائج، تم إدخال قوانين فيزيائية معدلة. في كل تجربة، يقوم الوكيل بقياس النظام حتى تنفد ميزانيته المخصصة. وبعد ذلك، ينبغي عليه استنتاج القانون الفيزيائي الأساسي للتنبؤ بالحالة المستقبلية للنظام.

يسلط هذا المعيار الضوء على قدرتين أساسيتين كالاستنتاج من البيانات والتخطيط تحت القيود. بالإضافة إلى ذلك، يقدم MaD Physics طريقة تقييم أخرى تتعلق بقدرات مثل التعلم في السياق (in-context learning) واستكشاف موارد متعددة (multimodality).

عند تقييم الوكلاء باستخدام أربع نماذج من سلسلة Gemini (Gemini 2.5 Flash Lite وGemini 2.5 Flash وGemini 2.5 Pro وGemini 3 Flash)، تم تحديد نواقص في عمليات الاستكشاف المنظم وجمع البيانات، مما يسلط الضوء على اتجاهات محتملة لتحسين التفكير العلمي لدى هذه النماذج. هل نحن أمام ثورة في مجال الذكاء الاصطناعي وسياقاته العلمية؟