في عصر الذكاء الاصطناعي، تزايدت ظاهرة ما يُعرف بـ”slop“، وهي الحالات التي تبدو فيها الأبحاث العلمية الناتجة عن الذكاء الاصطناعي مقنعة ظاهرياً، ولكن تفتقر إلى الترابط المنطقي والعلمي. يعاني الأكاديميون من صعوبة في تقييم هذه الأوراق، حيث يصعب على أدوات الكشف الحالية تحديد الأخطاء الخفية.

دراسة جديدة نُشرت على موقع arXiv توفر رؤية جديدة لحلول هذه المشكلة. حيث قدم الباحثون أداة جديدة تُسمى SciSlopBench، والتي تتميز باختبار 390 بحثاً علمياً مولداً بواسطة الذكاء الاصطناعي، معظمها في مجال علوم الحاسوب، مع مطابقة كل ورقة مع ورقة مكتوبة يدوياً تتناسب مع نفس الموضوع.

تمكن الباحثون من تحديد الأوراق الناتجة عن الذكاء الاصطناعي بدقة 85.9%، مقارنة بـ 68.7% باستخدام أداة الكشف التقليدية. كما أظهرت نتائجهم أنه كلما زادت نسبة الأخطاء في البحث، كانت تقييمات ICLR (مؤتمر التعلم العميق) أقل. وهذا يعني أن اعتماد الباحثين على الأبحاث الناشئة عن الذكاء الاصطناعي قد يكون مهدداً لمصداقية الأبحاث بشكل عام.

ولتنفيذ تحسينات فعّالة، اقترح الباحثون إطار عمل جديد يُدعى SciSlopHarness. يسمح هذا الإطار للنماذج اللغوية الكبيرة (Large Language Models) بتحسين الأبحاث بشكل متدريج، حيث يتم إدخال تغييرات فقط عندما تدعم التجربة ذلك. وبفضل هذا النظام، تم تقليص الفجوة بين فحوى الأبحاث المُنتجة بواسطة الذكاء الاصطناعي والأبحاث المكتوبة يدوياً بنسبة 63%.

هذه الاكتشافات تثير تساؤلات مهمة حول كيفية تأثير الأبحاث المُولّدة بواسطة الذكاء الاصطناعي على مصداقيتنا في المجال الأكاديمي، وتدعو إلى مزيد من التحقق والاعتماد على الأدلة السليمة بدلاً من مجرد تحسين الكتابة. هل ستنجح هذه الأدوات الجديدة في تعزيز موثوقية الأبحاث العلمية؟ ادعوك لمشاركة آرائك وتجاربك في هذا السياق!