اختبار قوى نماذج اللغات الضخمة في مختبر كيميائي روبوتي: هل يمكن للذكاء الاصطناعي أن يحقق الإنجازات العلمية؟

في عالم يتسارع فيه تطوير الذكاء الاصطناعي، تبرز أهمية اختبارات الأداء والفاعلية لنماذج اللغات الضخمة (Large Language Models). وقد قامت دراسة حديثة بتطبيق هذه الاختبارات على مختبر كيميائي روبوتي لإجراء تقييم شامل لقدرة الذكاء الاصطناعي على اتخاذ قرارات علمية وموثوقة.

استخدم الباحثون 45 محطة عمل قابلة للتعديل تم تجهيزها بمهارات يمكن قراءتها آلياً، مما أتاح إجراء 4,608 تجربة. لكن النتائج كانت مفاجئة؛ إذ أثبتت أن فقط 3.3% من التجارب أنتجت سير عمل تم تقييمه كممتع وقابل للتنفيذ من قبل الخبراء تحت قيود المختبر. حتى مع أفضل الأنظمة، لم تتجاوز النتائج 28.1%.

تستمر التحديات في مجال التخطيط بعيد المدى، إذ لم تتجاوز ثلاثة سير عمل قابلة للتنفيذ 30 عملية، رغم أن أطولها احتوى على 44 عملية. وعلى مدار خمس جولات من التجارب، تم إجراء تعديلات محلية بناءً على الملاحظات، لكن لم تتم إعادة تخطيط شامل لأي من سير العمل. هذه النتائج تعكس أهمية قابلية التنفيذ الفعلية والقدرة على إعادة التخطيط بناءً على الأدلة، مما يوفر إطار عمل تشخيصي لتوجيه تحسينات مغلقة نحو الأبحاث المستقلة المعتمدة على الواقع.

مع استمرار التطورات، يبقى السؤال ملحاً: كيف يمكننا تعزيز قدرة الذكاء الاصطناعي على التكيف وتحسين نتائجه في التطبيقات العلمية؟