شهدت أدوات الذكاء الاصطناعي التوليدي (Generative AI) تطوراً ملحوظاً، بعد أن ارتبطت في بداياتها بنماذج اللغات الكبيرة (LLMs) التي برعت في صياغة النصوص والدردشة التفاعلية، لكنها عانت من تحديات أبرزها “الهلوسة المعرفية” وغياب الدقة المرجعية.
ومع تزايد احتياجات قطاعات البحث الأكاديمي والصحافة الاستقصائية، تحولت هذه الأدوات تدريجياً من مجرد “محاور رقمي” إلى أدوات بحث أقرب إلى “مساعد علمي”، تعتمد على تقنيات تهدف إلى تحسين دقة المعلومات وإسنادها إلى مصادرها الأصلية، ما عزز حضورها في البيئات العلمية.
ويستخدم الباحثون اليوم الذكاء الاصطناعي في تلخيص الأوراق العلمية، وتحليل البيانات، واكتشاف الأنماط، وترجمة الدراسات، واقتراح أفكار بحثية جديدة، غير أن هذا التوسع يطرح تساؤلاً محورياً حول مدى إمكانية الوثوق به كمصدر للمعرفة العلمية.
ورغم قدرته على تسريع البحث العلمي بشكل كبير، إلا أن الذكاء الاصطناعي قد ينتج أحياناً معلومات غير دقيقة أو مراجع وهمية تبدو مقنعة، ما يجعل التحدي الأساسي مرتبطاً بكيفية استخدامه بشكل علمي موثوق، وليس بمجرد الاعتماد عليه.
وقبل انتشار أدوات الذكاء الاصطناعي التوليدي، كان الباحث يقضي وقتاً طويلاً في مراجعة قواعد البيانات والدراسات بشكل يدوي، بينما أصبح بالإمكان اليوم تلخيص عشرات الدراسات خلال دقائق باستخدام أدوات مثل أنظمة OpenAI أو Google AI.
كما ظهرت منصات بحثية تعتمد على الذكاء الاصطناعي مثل Semantic Scholar وConnected Papers وElicit، والتي لا تكتفي بعرض النتائج، بل تحاول تحليل العلاقات بين الدراسات وتحديد الأكثر تأثيراً في المجال.
لكن رغم هذه القدرات، فإن الذكاء الاصطناعي لا يفهم المعرفة بالطريقة الإنسانية، بل يعتمد على التنبؤ الإحصائي بالكلمات والأنماط، ما قد يؤدي إلى أخطاء في المحتوى.
وتُعد “هلوسة الذكاء الاصطناعي” من أبرز التحديات، حيث قد تنتج النماذج معلومات تبدو صحيحة لكنها غير دقيقة أو مختلقة، وهو ما أكدته دراسات منشورة في مجلة “نيتشر” البريطانية، أشارت إلى أن بعض النماذج اللغوية قد تقدم إجابات منطقية ظاهرياً لكنها تفتقر للدقة العلمية.
كما أوضحت دراسات أخرى أن هذه النماذج قد تولد معلومات خاطئة بثقة عالية، خصوصاً في حال نقص البيانات، ما قد يؤدي إلى أخطاء مثل اختلاق مراجع أكاديمية أو نسب اقتباسات غير صحيحة أو دمج معلومات دقيقة وأخرى خاطئة بشكل يصعب اكتشافه.
وتقوم آلية عمل النماذج اللغوية على التنبؤ بالكلمة الأكثر احتمالاً بناءً على البيانات التي تدربت عليها، وليس على البحث عن الحقيقة، ما يفسر ظهور إجابات واثقة رغم احتمال عدم دقتها.
وفي هذا السياق، يشير باحثون في دراسات حول موثوقية النماذج اللغوية إلى أن التحيز والهلوسة يمثلان تحدياً أساسياً أمام الاعتماد الكامل على الذكاء الاصطناعي في مجالات حساسة مثل الطب والقانون والبحث العلمي.
كما حذرت أبحاث أخرى من أن تدريب النماذج على بيانات مولدة بالذكاء الاصطناعي نفسه قد يؤدي إلى تراجع جودة النتائج على المدى الطويل.
وبناءً على ذلك، يُنظر إلى الذكاء الاصطناعي باعتباره أداة مساعدة في البحث، يمكن استخدامها في التلخيص وتبسيط المفاهيم وتنظيم المراجع واقتراح الأفكار، لكنه لا يُعد مصدراً أكاديمياً مستقلاً يمكن الاعتماد عليه بشكل كامل.
كما تؤكد التوصيات العلمية ضرورة التحقق من المعلومات عبر منصات أكاديمية موثوقة مثل Google Scholar وPubMed وScopus وIEEE Xplore، لضمان صحة البيانات قبل اعتمادها في البحث العلمي.
وفي هذا الإطار، يُنصح الباحثون باستخدام أسلوب صياغة الأسئلة بشكل دقيق ومحدد للحصول على نتائج علمية أكثر موثوقية. فعلى سبيل المثال، بدلاً من سؤال: “ما تأثير الذكاء الاصطناعي على التعليم؟”، يُفضل صياغته بشكل أكاديمي مثل: “اذكر دراسات منشورة بين عامي 2022 و2025 حول تأثير الذكاء الاصطناعي على التعليم العالي مع روابط DOI أو معرّفات رقمية للمقالات”.
كما يمكن تحسين جودة الإجابات عبر تحويل الأسئلة العامة إلى أسئلة بحثية محددة، مثل استبدال “اشرح الأمن السيبراني” بسؤال: “قدّم تحليلاً أكاديمياً حول تأثير الذكاء الاصطناعي على أنظمة كشف الاختراقات السيبرانية مع أمثلة من دراسات منشورة بعد عام 2023”، مما يساعد على إنتاج محتوى أكثر دقة وارتباطاً بالسياق العلمي.
ويؤكد الخبراء أن الباحث المحترف لا يعتمد على مصدر واحد حتى لو بدا مقنعاً، بل يقوم بمقارنة المعلومات مع دراسات منشورة ومراجعة أكثر من منصة أكاديمية وقراءة الملخصات الأصلية للتحقق من صحة النتائج، نظراً لاحتمال خلط الذكاء الاصطناعي بين معلومات صحيحة وأخرى مضللة.
كما تُعد أدوات إدارة المراجع مثل Zotero وMendeley من أهم الأدوات الداعمة للعمل البحثي، إذ تساعد الباحثين والطلاب على تنظيم المصادر، وتوثيق المراجع تلقائياً، وإنشاء قوائم الاستشهادات بشكل أكاديمي دقيق، إضافة إلى حفظ الدراسات وإدارة الاقتباسات بطريقة احترافية تسهّل عملية الكتابة العلمية.
