عالِم اصطناعي: عقل آلي لا يُتقن الشك بعد سريع

الأصل: "AI scientists produce results without reasoning scientifically"
arXiv:2604.18805 · 2026-04-20 · CC BY 4.0 · 1 دقيقة
النماذج اللغوية الكبيرة تؤدي مهامًا علمية، لكنها تتجاهل الأدلة ولا تغيّر رأيها.

📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها.

مساعد المختبر ينفّذ خطوات التجربة بدقة، لكنه في النهاية يكتب في التقرير ما كان يريد كتابته قبل بدء العمل. هكذا تتصرف النماذج اللغوية الحديثة عندما تُكلَّف بمهام بحثية علمية. أجرى العلماء اختبارًا على هؤلاء الوكلاء عبر 25 000 مهمة في ثمانية مجالات علمية مختلفة، من العمليات الحسابية البسيطة إلى صياغة الفرضيات. ورصدوا صورة مقلقة: في 68% من الحالات، لا ينظر الوكيل إلى البيانات التي حصل عليها إطلاقًا، وفي 26% من الحالات، لا يغيّر رأيه إلا عندما يواجه دحضًا صريحًا.

المفاجأة الكبرى: «ذكاء» الوكيل يتحدد بشكل شبه كامل بالنموذج الأساسي، وليس بالإعدادات. فالنموذج الأساسي يفسّر 41.4% من الفروق في النتائج، بينما «الهيكل الخارجي» للوكيل لا يفسّر سوى 1.5% فقط. الأمر أشبه بأن موهبة الطبّاخ تعتمد على جودة المكونات، لا على الوصفة.

هذا السلوك لا يعتمد على طبيعة ما يفعله الوكيل، سواء كان يحسب وفق مخطط جاهز أو يحاول التفكير كعالم. وحتى عندما يُعطى تلميحًا يقربه من الحل الصحيح، فإنه يعود إلى عاداته القديمة. وفي المجالات المعقدة التي تتطلب عناية خاصة بالأدلة، تتراكم الأخطاء خطوة بخطوة. الخلاصة بسيطة: وكلاء اللغة اليوم يجيدون تنفيذ المهام العلمية، لكنهم لا يجيدون التفكير العلمي. وما دام التفكير نفسه ليس هدفًا للتدريب، فلا يمكن الوثوق بهؤلاء «العلماء».

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2604.18805

Large language model (LLM)-based systems are increasingly deployed to conduct scientific research autonomously, yet whether their reasoning adheres to the epistemic norms that make scientific inquiry self-correcting is poorly understood. Here, we evaluate LLM-based scientific agents across eight domains, spanning workflow execution to hypothesis-driven inquiry, through more than 25,000 agent runs and two complementary lenses: (i) a systematic performance analysis that decomposes the contributions of the base model and the agent scaffold, and (ii) a behavioral analysis of the epistemological structure of agent reasoning. We observe that the base model is the primary determinant of both performance and behavior, accounting for 41.4% of explained variance versus 1.5% for the scaffold. Across all configurations, evidence is ignored in 68% of traces, refutation-driven belief revision occurs in 26%, and convergent multi-test evidence is rare. The same reasoning pattern appears whether the agent executes a computational workflow or conducts hypothesis-driven inquiry. They persist even when agents receive near-complete successful reasoning trajectories as context, and the resulting unreliability compounds across repeated trials in epistemically demanding domains. Thus, current LLM-based agents execute scientific workflows but do not exhibit the epistemic patterns that characterize scientific reasoning. Outcome-based evaluation cannot detect these failures, and scaffold engineering alone cannot repair them. Until reasoning itself becomes a training target, the scientific knowledge produced by such agents cannot be justified by the process that generated it.

حتى لو أعطيت الوكيل سلسلة شبه مكتملة من الاستدلالات الصحيحة، فإنه في 68% من الحالات سيتجاهل البيانات — فالعادة أقوى من التلميحات.

في قصة إسحاق أسيموف «الكذاب!» (Liar!)، يقدّم الروبوت الذي لا يعرف الشكّ ما يتمناه على أنه حقيقة — وهذا يشبه سلوك وكلاء النماذج اللغوية الكبيرة اليوم.

العلماء
Erwin SchrödingerHugh Everett IIIAndrey Markov
المفاهيم
ذكاء اصطناعي نماذج اللغة الكبيرة مساعد علمي بالذكاء الاصطناعي عامل تحليل الكلام بالذكاء الاصطناعي نظرية الألعاب تحليل آلي اكتشاف علمي بالشبكات العصبية تعلم نشط التعلم نموذج لغة البروتين معيار مرجعي نظرية شفافية بيانات مصنفة الإطار نموذج رياضي تصميم الدواء المُحَوِّلات (Transformers) forecast skill