في عالم يتطور بسرعة بسبب الذكاء الاصطناعي، تأتي تقنية جديدة تدعى الـ SGHA (مagent الاكتشاف القائم على الفجوات الهيكلية) لتعزز من عملية اكتشاف مشاكل البحث بطريقة مبتكرة. هذه التقنية المثيرة تعد بتوفير نموذج بحثي محلي يتحكم في كافة العمليات دون الاعتماد على نماذج تجارية غامضة.

لقد أظهرت الجهود الأخيرة نحو تطوير علماء ذكاء اصطناعي آليين أن هذه الأنظمة قادرة على توليد فرضيات، وتنفيذ تجارب، وصياغة مخطوطات علمية. لكن، ومع ذلك، يبقى الاعتماد على النماذج التجارية أمرًا مقلقًا لأنه يؤدي إلى غموض في المعرفة ومن ثم قد يترك العملية vulnerable (عرضة) للأخطاء والتحيزات الناتجة عن هذه النماذج.

الـ SGHA تأتي لتقديم حل جذري بإطلاق نظام كشف مشاكل بحثية يعمل بالكامل في البيئة المحلية، حيث يقوم ببناء أدلة من الأدبيات العلمية بطريقة منظمة. يتمكن النظام من اكتشاف الأنماط الهيكلية غير المحلولة عبر الأبحاث ويقوم بفرز الفجوات المحتملة قبل صياغة المشاكل البحثية، مما يوفر للباحثين أساسًا قويًا ومنهجيًا.

تقنية الـ SGHA تعتمد على نموذج لغوي محلي مفتوح الوزن يتكون من 9 مليار معلمة، مما يعني أنه لا يحتاج إلى أي واجهات برمجة تطبيقات تجارية لتوليد أفكار بحثية. هذا التطور يمكن المستخدمين من الحصول على نتائج موثوقة وشفافة مع الحد من المخاطر المرتبطة بالخصوصية وأمان البيانات.

من خلال مقارنة SGHA مع مثيلها AI Scientist-v2 في خمسة مجالات من التعلم الآلي، تشير النتائج إلى أن الهيكلية الواضحة للأدلة والتفكير المقيد بالدلائل يُمكن من دعم صياغة مشاكل بحثية مثمرة وقابلة للتفتيش. في ظل التحديات الحالية في الابتكار العلمي، تمثل SGHA خطوة كبيرة نحو مستقبل أكثر وضوحًا وأمانًا في مجالات البحث العلمي.