أظهرت دراسة جديدة، بقيادة باحثين من جامعة كوليدج لندن، أن النماذج اللغوية الكبيرة، وهي نوع من الذكاء الاصطناعي الذي يحلل النصوص، قادرة على التنبؤ بنتائج الدراسات المقترحة في علوم الأعصاب بدقة تفوق الخبراء البشريين.

وتسلط الدراسة، المنشورة في دورية "نيتشر: هيومان بهايفير" Nature Human Behaviour على إمكانيات هذه النماذج كأدوات قوية لتسريع الأبحاث العلمية، بما يتجاوز مجرد استرجاع المعلومات.

وتشير النتائج إلى أن النماذج اللغوية الكبيرة التي تم تدريبها على مجموعات ضخمة من البيانات النصية، تستطيع استخراج الأنماط من الأدبيات العلمية، مما يمكّنها من التنبؤ بنتائج علمية بدقة فائقة تفوق الخبراء. 

وقال الباحثون إن تلك النتائج تبرز إمكانيات النماذج كأدوات للتنبؤ العلمي، مما يقلل من الحاجة إلى تجارب التجربة والخطأ التقليدية التي تتطلب وقتاً وجهداً.

التنبؤ بنتائج التجارب

وأوضح المؤلف الرئيسي للدراسة، كين لو، الباحث في قسم علم النفس واللغويات في جامعة كوليدج لندن، أن البحث لم يقتصر على القدرات الاسترجاعية للنماذج اللغوية الكبيرة، بل ركَّز على إمكانية دمج هذه المعرفة للتنبؤ بالنتائج المستقبلية.

وقال: "التقدم العلمي غالباً ما يعتمد على التجربة والخطأ، ولكن كل تجربة تتطلب موارد، ووقتاً كبيرين، حتى أكثر الباحثين مهارة قد يغفلون عن رؤى أساسية من الأدبيات".

وأكد أن الدراسة تستكشف ما إذا كانت النماذج اللغوية الكبيرة قادرة على تحديد الأنماط عبر النصوص العلمية الشاسعة، والتنبؤ بنتائج التجارب.

لإجراء الدراسة، قام الفريق البحثي بتطوير أداة تسمى BrainBench، تهدف إلى تقييم مدى قدرة النماذج اللغوية الكبيرة على التنبؤ بنتائج أبحاث علوم الأعصاب. 

تتألف الأداة من أزواج من ملخصات دراسات علوم الأعصاب، وفي كل زوج، يُعرَض ملخص واحد لدراسة حقيقية يوضح خلفية البحث، والمنهجيات المستخدمة، والنتائج، أما الملخص الآخر، فيحتوي على نفس الخلفية والمنهجيات، ولكن بنتائج معدلة من قبل خبراء في مجال علوم الأعصاب لتكون نتيجة محتملة، ولكن غير صحيحة.

شارك في الاختبار 15 نموذجاً لغوياً كبيراً عاماً، بالإضافة إلى 171 خبيراً في علوم الأعصاب اجتازوا اختباراً يؤكد خبرتهم.

النماذج اللغوية والخبراء البشريون

وتبيَّن أن جميع النماذج اللغوية الكبيرة تفوقت على الخبراء البشريين، إذ بلغ متوسط دقة النماذج 81%، بينما بلغ متوسط دقة البشر 63%. 

وحتى عند حصر الإجابات البشرية على الخبراء ذوي أعلى مستوى من التخصص في المجال المعني، لم تتجاوز دقة العلماء 66%، كما لاحظ الباحثون أن النماذج اللغوية كانت أكثر دقة عندما كانت أكثر ثقة في قراراتها، مما يشير إلى إمكانيات التعاون بين الخبراء البشريين والنماذج الذكية.

في خطوة لاحقة، قام الباحثون بتكييف نموذج لغوي موجود مسبقاً -نسخة من نموذج مفتوح المصدر يسمى Mistral- وتدريبه على الأدبيات العلمية الخاصة بعلوم الأعصاب. 

أطلقوا على هذا النموذج المتخصص في علوم الأعصاب اسم BrainGPT، ليحقق دقة في التنبؤ بنتائج الدراسات بلغت 86%، متفوقاً على النسخة العامة من النموذج التي سجَّلت 83%.

دفع الابتكار العلمي

وقال المؤلف المشارك في الدراسة، برادلي لاف، الباحث في قسم علم النفس واللغويات في جامعة كوليدج لندن: "في ضوء نتائجنا، نتوقع أن يعتمد العلماء في المستقبل على أدوات الذكاء الاصطناعي لتصميم التجارب الأكثر فاعلية، وعلى الرغم من أن دراستنا تركزت على علوم الأعصاب، فإن النهج المتبع يمكن تطبيقه على جميع مجالات العلوم".

ويقول كين لو إن الفريق يعمل الآن على تطوير أدوات ذكاء اصطناعي لمساعدة الباحثين.

وتابع: "نتصور مستقبلاً يمكن فيه للباحثين إدخال تصاميم تجاربهم المقترحة، وتوقعاتهم للنتائج، مع توفير الذكاء الاصطناعي لتنبؤات حول احتمالات النتائج المختلفة. هذا سيتيح دورات أسرع وأكثر فاعلية في تصميم التجارب واتخاذ القرارات".

تفتح هذه النتائج آفاقاً جديدة في كيفية استخدام الذكاء الاصطناعي لدفع عجلة الابتكار العلمي، مما يثير تساؤلات حول مدى حاجة العلماء إلى تبني نهج أكثر إبداعاً واستكشافاً خارج حدود الأنماط الموجودة في الأدبيات العلمية الحالية.