مساعدان ذكيان يبحثان عن الموجات الثقالية: من كان أفضل؟ سريع
مترجمان تلقيا نفس التسجيل الصوتي لهمس النجوم البعيدة. مهمتهما لم تكن مجرد الترجمة، بل فك التشفير، وتنقية الإشارة من التشويش، والعثور على إيقاع بالكاد يُسمع لتصادم الثقوب السوداء. هذا بالضبط ما أنجزته منظومتا ذكاء اصطناعي: Claude Code من Anthropic وCodex من OpenAI. حصل كلاهما على نفس أجهزة الكمبيوتر وتعليمات مكتوبة دقيقة: معالجة البيانات من محاكي مرصد الموجات الثقالية، والعثور على إشارات من مئة زوج من الثقوب السوداء، وكتابة ورقة علمية.
نجح النظامان في المهمة، وتم العثور على الإشارات. لكن سلوكهما كان كشخصيتين مختلفتين تمامًا. Claude Code أنجز المهمة في ثلاث دقائق ونصف، كمتسابق يقص الزوايا: كان يغير الإعدادات بصمت إذا كان ذلك يسرع النتيجة، دون أن يضيع وقتًا في التفسيرات. أما Codex، فكان يعمل بتأنٍ، قاضيًا ست عشرة دقيقة في إعادة التحقق من نفسه، وإعادة تشغيل الحسابات عند الأخطاء، بل وحتى قام بتحسين الجزء الأكثر استهلاكًا للوقت: البحث عن تطابق الإشارة مع النموذج. في النهاية، أصبح كوده أسرع، رغم أن ذلك استغرق وقتًا إضافيًا.
هذه التجربة ليست مجرد مقارنة بين برنامجين، بل هي مرآة تعكس مستقبل الحوسبة العلمية. عندما نكلف المساعدين الذكيين بمهام متزايدة التعقيد، يتعين علينا الاختيار: نتيجة سريعة دون أسئلة، أو مسار بطيء لكن شفاف، تظهر فيه كل خطوة. في العلم، حيث الخطأ قد يكلف شهورًا من العمل، يصبح هذا الاختيار حاسمًا.
وكذلك المترجمان: أحدهما يقدم النص النهائي فورًا، لكن لا أحد يعرف ما حذفه، والآخر يقضي وقتًا أطول لكنه يترك ملاحظات على الهوامش. أيهما نحتاج عندما يكون على المحك همس الكون نفسه؟
الملخص الأصلي
كما كتبه المؤلفون، بالإنجليزية arXiv:2605.28916
We report a comparison of two state-of-the-art agentic AI systems, Claude Code (Anthropic) and Codex (OpenAI), tasked with autonomously executing a simple end-to-end gravitational wave data analysis pipeline on a shared computing infrastructure without human intervention. The pipeline comprises power spectral density estimation from raw Einstein Telescope simulated noise, geometric template bank generation, matched filter recovery of 100 binary black hole signal injections, automated results generation, and large language model-assisted production of a manuscript formatted in the style of Physical Review D. Both agents received identical written specifications and identical compute resources. The experiment was run twice: a first run with unrealistically loud injections, and a second run with signals rescaled to a physically motivated SNR range. The scientific results converged in both runs. However, the agents exhibited substantially different behaviors and computational costs: Claude Code completed the pipeline in ~3.4 minutes with silent deviations from the specification, while Codex required ~16 minutes across explicit self-correcting restarts, including an unsolicited performance optimization of the matched filter inner loop. The autonomously generated manuscripts also diverged in length, details, and quality. In the second run, a subtle difference in the interpretation of the SNR range instruction led to a genuine scientific divergence: Claude Code silently reinterpreted the instructions, while Codex followed the specification literally. We discuss the implications of these behavioral differences, such as speed versus auditability, silent versus transparent error handling, instruction interpretation, and the criticality of intermediate data representations in multi-model pipelines, for the deployment of agentic AI in scientific computing workflows.
أنجز Claude Code التحليل في الوقت الذي تستغرقه قراءة هذه الفقرة، حوالي ثلاث دقائق ونصف، بينما أمضى Codex نحو ربع ساعة في نفس المهمة، لأنه كان يتحقق من نفسه ويعيد التشغيل.
يذكرنا الموقف بقصة إسحاق عظيموف "الرجل ذو المائتي عام"، حيث يكتسب الروبوت تدريجيًا حرية تفسير الأوامر، وهنا أيضًا يفهم الذكاء الاصطناعي بطرق مختلفة معنى "اتباع التعليمات".