سجّل مجال الحوسبة العلمية المعتمدة على «الذكاء الاصطناعي الوكيلي» خطوة عملية جديدة يوم الثلاثاء، مع نشر OpenAI تقرير ميداني يوضح كيف استخدم باحثون «وكلاء البرمجة بالذكاء الاصطناعي» لاختصار عمل برمجي علمي يمتد لأشهر في بضعة أيام فقط.
التقرير يوثّق حالات استخدام فعلية في الجينوميات وعلم الأحياء الحاسوبي عمومًا، حيث أُنجزت مهام كانت تستغرق عادةً 18 شهرًا في نحو أسبوع واحد.
تقدّم OpenAI هذه النتائج كدليل على أن الذكاء الاصطناعي الوكيلي بات يعيد تشكيل آليات الاكتشاف العلمي اليوم، لا كوعود مستقبلية، بل كقدرات حاضرة تُستخدم بالفعل في مختبرات نشطة.
ما الذي يكشفه تقرير OpenAI فعليًا عن الحوسبة العلمية الوكيلية؟
يركّز التقرير على الحوسبة العلمية المعتمدة على وكلاء الذكاء الاصطناعي، ويعرض نتائج كمية ومحددة. ففي مشاريع تطوير سلاسل الجينوميات، استعان العلماء بوكلاء برمجة بالذكاء الاصطناعي لتحديث برمجيات بحثية قديمة بوتيرة كان من الصعب تخيلها قبل عامين فقط.
إحدى الحالات الموثقة في التقرير تتعلق بمشروع لتحديث برمجيات علمية كان من المتوقع أن يتطلّب 18 شهرًا من العمل الهندسي. باستخدام وكلاء البرمجة، أُنجزت المهمة نفسها خلال أسبوع واحد تقريبًا.
هذا الضغط الزمني الهائل، الذي يناهز 90%، لا يعود ببساطة إلى «كتابة الكود بشكل أسرع».
بل يعكس نموذجًا مختلفًا للعمل بالكامل؛ فهذه الوكلاء لا يكتفون بالإكمال التلقائي لأسطر الشيفرة.
بل تقوم بقراءة قاعدة الشيفرة القائمة، وتحديد الأجزاء المتقادمة، واقتراح إعادة كتابة، ثم اختبار النتائج، تليها جولات متكررة من التحسين، وكل ذلك مع تدخل بشري محدود بين المراحل. دور العلماء ينحصر في توجيه الوكلاء نحو الأهداف، بدلًا من تحديد كل خطوة تفصيلية.
هذه هي الفروق الجوهرية بين «وكيل» ذكاء اصطناعي ومساعد برمجة تقليدي.
فـ«المساعد» (أو الـ«كو-بايلوت») يقترح السطر التالي من الشيفرة؛ أما «الوكيل» فيضع خطة متعددة الخطوات، وينفّذها عبر جلسة عمل كاملة، ويراقب مخرجاته بنفسه، ويعيد التصحيح عندما تخرج النتائج عن الحدود المتوقعة.
تقرير OpenAI يُعد من أوضح السرديات العلنية حتى الآن لما يبدو عليه هذا النموذج عمليًا داخل مؤسسة بحثية.
لماذا كانت الجينوميات أول ميدان يثبت فيه وكلاء البرمجة قيمتهم؟
تُعد الجينوميات ساحة مثالية لاختبار الذكاء الاصطناعي الوكيلي لأسباب بنيوية. فهذا المجال يعتمد على برمجيات متقادمة، بعضها كُتب قبل عقود بلغات مثل فورتران وC، على أيدي علماء ركّزوا على صحة النتائج أكثر من قابلية صيانة الشيفرة على المدى الطويل.
هذا «الدَّين التقني» يتراكم. وتحديث خط أنابيب للجينوميات عادةً يحتاج إلى مهندسين يجمعون بين فهم حيوي عميق ومعرفة معمارية برمجية متقدمة.
هذا المزيج نادر ومكلف.
وكلاء البرمجة بالذكاء الاصطناعي يتجاوزون مشكلة الندرة. يمكنهم قراءة التوثيق بعدة لغات برمجة، وفهم التعليقات العلمية المضمّنة في الشيفرة القديمة، وإنتاج نسخ حديثة من دون الحاجة إلى سنوات من التدريب المتخصص في المجال.
بذلك ينتقل «عنق الزجاجة» من إيجاد «المهندس المناسب» إلى صياغة «وصف الهدف الصحيح» للوكيل. وهذه مسألة أسهل بكثير من الناحية العملية.
اقرأ أيضًا: هجمات Crypto Wrench تصل إلى 52 حالة خلال ستة أشهر، أغلبها في فرنسا
تقرير OpenAI يتطرّق أيضًا إلى تسريع الاكتشاف العلمي بما يتجاوز مجرد تحديث البرمجيات.
فالوكلاء الذين يشغّلون شيفرة أكثر كفاءة ضمن خطوط أنابيب أنظف وعلى مجموعات بيانات أوسع، ينتجون نتائج أسرع. في الجينوميات، تعني السرعة في النتائج اكتشافًا مبكرًا للمتغيرات الجينية، وتسريع التحقق من أهداف الأدوية، وتقليص الفترة الزمنية الفاصلة بين الفرضية والتأكيد التجريبي.
ميزة السرعة هذه تتراكم بمرور الوقت.
كيف يتقاطع حذر سام ألتمان مع هذا التسارع؟
تزامن صدور تقرير OpenAI مع تصريحات للرئيس التنفيذي للشركة، سام ألتمان، لموقع TechCrunch قال فيها إن الشركة قد تحتاج إلى «إبطاء وتيرة تطوير الذكاء الاصطناعي ليتسنى للعالم الاستعداد له». هذا التوتر حقيقي ويستحق التوقف عنده.
شركة واحدة تعرض في آن واحد أدلة على أن وكلاء البرمجة لديها يضغطون مشاريع علمية تمتد 18 شهرًا إلى أسبوع، ثم تحذر في الوقت نفسه من احتمال أن يكون العالم غير مستعد لما هو قادم؛ لا يحمل بالضرورة تناقضًا داخليًا.
إنما تصف الشركة الواقع نفسه من زاويتين مختلفتين.
التقرير الميداني يقدّم صورة عن «القدرة»، بينما تعليق ألتمان يلمّح إلى «التبعات».
كلاهما دقيق. والسؤال الذي لا يجيب عنه أي منهما هو: أين تتركّز فعليًا سلطة ضبط الإيقاع؟ لدى المختبرات والشركات، أم لدى المنظمين، أم لدى الباحثين الذين يشغّلون هذه الوكلاء بالفعل داخل خطوط أنابيب الجينوميات الحيّة؟
من فضول بحثي إلى بنية تحتية علمية
الصورة الأشمل أن وكلاء البرمجة بالذكاء الاصطناعي في الحوسبة العلمية لم يعودوا موضوعًا للتجربة والتقييم فحسب، بل دخلوا مرحلة النشر الفعلي والإنتاجي.
تقرير OpenAI تقرير ميداني، لا ورقة بحثية؛ وهذه نقطة مهمة.
الورقة البحثية تصف ما يمكن تحقيقه في ظروف مخبرية مضبوطة؛ أما التقرير الميداني فيسجل ما حدث عندما استخدم علماء حقيقيون أدوات حقيقية على مشكلات فعلية، وقاسوا النتائج.
تاريخيًا، كانت الحوسبة العلمية أبطأ من برمجيات المستهلكين في تبني الأدوات الجديدة.
الضغط الزمني من 18 شهرًا إلى أسبوع واحد، كما يوثّقه تقرير OpenAI، يوحي بأن هذه الفجوة تضيق بوتيرة أسرع مما خططت له غالبية المؤسسات. المختبرات والجامعات التي لم تبدأ بعد في تقييم قواعد شيفرتها القديمة تمهيدًا لتحديثها بوكلاء الذكاء الاصطناعي، باتت فعليًا متأخرة عن نظيراتها التي فعلت.
وقضية الجينوميات ليست حكرًا على علم الأحياء.
فالكيمياء الحاسوبية، ونمذجة المناخ، والفيزياء الفلكية، وعلوم المواد، كلها تعتمد على قواعد شيفرة قديمة مشابهة وتواجه ندرة مماثلة في مطوريها القادرين على صيانتها. الديناميكيات التي جعلت الجينوميات متقدمة في هذا المسار تنطبق على كل تخصص علمي كثيف الحوسبة تقريبًا.
ما وثّقته OpenAI في مجال واحد مرشح للتكرار في عشرات المجالات الأخرى.
اقرأ لاحقًا: محفظة Sparrow على متجر آبل كانت مزيفة… و1.8 مليون دولار تلاشت