أظهرت دراسات علمية حديثة نجاح العلماء في هندسة بروتينات قادرة على الاستجابة للحقول المغناطيسية الضعيفة، وتغيير سلوكها داخل الخلايا عند تعرّضها لمجالات مغناطيسية، ونبضات راديوية دقيقة. وتُعد هذه النتائج خطوة واعدة نحو تطوير أدوات تصوير طبية أكثر دقة، وإنتاج أدوية يمكن التحكّم في نشاطها عن بُعد.
وتشير الأبحاث -التي نُشرت في مجلة «Nature» في 21 يناير (كانون الثاني) 2026، وقادها باحثون من جامعة أكسفورد في المملكة المتحدة، وجامعة هارفارد ومؤسسات تقنية حيوية في الولايات المتحدة- إلى أن هذه البروتينات المصمَّمة خصيصاً تستطيع تعديل خصائصها الحيوية، مثل شدة الضوء الذي تُصدره استجابةً للمغناطيس. وقد يتيح ذلك تتبّع بروتينات مرتبطة بالأمراض داخل الجسم بطريقة شبيهة بالتصوير بالرنين المغناطيسي، ولكن باستخدام أدوات أصغر، وأقل تكلفة.
ويُمثّل هذا التقدم تحولاً في الفهم العلمي لتأثير المغناطيس على الأحياء. وكان الاعتقاد السائد لعقود أن الحقول المغناطيسية لا تؤثر تقريباً في الخلايا، وهو ما سمح باستخدامها بأمان في أجهزة التصوير بالرنين المغناطيسي. كما تشير هذه النتائج إلى إمكانية توظيف المغناطيس ليكون وسيلة نشطة للتأثير في العمليات الحيوية، وفتح آفاق جديدة للتشخيص، والعلاج الموجّه.
بروتينات مرئية بالمغناطيس
يعتمد الأطباء اليوم على أجهزة التصوير بالرنين المغناطيسي (MRI) التي تستخدم حقولاً مغناطيسية قوية، وموجات راديوية لرؤية ما بداخل الجسم. ورغم دقة هذه التقنية، فإنها تُظهر صورة عامة للأنسجة، ولا تستطيع تتبّع جزيئات محددة، مثل البروتينات المرتبطة بمرض معيّن. ولهذا يسعى العلماء منذ سنوات إلى ابتكار طرق تمكّنهم من «رؤية» هذه البروتينات داخل الجسم الحي. وفي خطوة واعدة نحو هذا الهدف، نجح باحثون من جامعة أكسفورد في المملكة المتحدة -بقيادة غابرييل أبراهامز، وهاريسون ستيل من قسم العلوم الهندسية- في هندسة بروتينات فلورية (التي تشع بلون أخضر فلوري عند تعرضها لضوء أزرق اللون). تُستخدم عادة في المختبرات لإضاءة الخلايا بحيث يتغيّر سطوعها عند تعرّضها لحقول مغناطيسية ضعيفة. فعند وضع مغناطيس قريب منها تصبح هذه البروتينات أكثر خفوتاً أو سطوعاً بطريقة يمكن التنبؤ بها، ما يجعل تتبّعها ممكناً باستخدام المغناطيس.
ويعتمد هذا الابتكار على جزء بروتيني حساس للضوء يُعرف باسم LOV، وهو شائع الاستخدام في أبحاث البيولوجيا.
ومن خلال تعديل هذا الجزء وربطه ببروتينات فلورية طوّر العلماء نسخاً شديدة الحساسية للمجالات المغناطيسية أُطلق على بعضها اسم MagLOV، ويمكن لهذه البروتينات المعدّلة أن تفقد نصف شدة إضاءتها أو أكثر عند التعرّض لمجال مغناطيسي قريب.
وتعود جذور هذا الاكتشاف إلى أعمال بحثية سابقة نُشرت عام 2024 قادها باحثون من شركة «Calico Life Sciences» في الولايات المتحدة، من بينهم أندرو يورك، وماريا إنغارامو. وقد أظهرت تلك الدراسات أن البروتينات الفلورية الشائعة -مثل البروتين الأخضر المضيء (GFP)، وبروتينات نطاق LOV - يمكن جعلها مستجيبة للمغناطيس عند تعديلها بعناية باستخدام ما يُعرف بالتطوّر الموجَّه. وفي إحدى النسخ المطوّرة تمكّن الباحثون من خفض شدة الإضاءة بنحو 75 في المائة عند التعرّض لمجالات مغناطيسية ضعيفة نسبياً.
ويرى العلماء أن هذه التقنية قد تمهّد الطريق لأدوات تصوير جديدة قادرة على تتبّع بروتينات مرتبطة بالأمراض داخل الجسم بدقة غير مسبوقة، وربما في المستقبل تمهد لأدوية يمكن التحكّم في نشاطها عن بُعد باستخدام المغناطيس، ما يفتح آفاقاً جديدة في التشخيص، والعلاج.
وسيلة تشخيص وعلاج
• تشخيص بالفيزياء الكمّية. تعود هذه الظاهرة إلى تأثيرات كمّية دقيقة داخل البروتين، حيث تتفاعل إلكترونات صغيرة عند امتصاص الطاقة. ويؤدي المجال المغناطيسي إلى تغيير طريقة تفاعل هذه الإلكترونات ما يؤثر في كمية الضوء التي يصدرها البروتين.
وفي أحدث تطوّر أظهر الباحثون أنهم يستطيعون التحكم في هذا التغيّر باستخدام نبضات ترددات راديوية شبيهة بتلك المستخدمة في أجهزة الرنين المغناطيسي. وقد مكّنهم ذلك من تحديد مواقع البروتينات الحساسة للمغناطيس بدقة أعلى حتى عندما كانت مدفونة داخل مواد صلبة.
وفي تجارب مخبرية، تمكّن العلماء من رسم خرائط لبكتيريا تحمل هذه البروتينات داخل كتل صلبة، وهو ما يشير إلى إمكانية تطبيق التقنية مستقبلاً في الكائنات الحية.
• أدوية يمكن التحكم بها عن بُعد. ولا يقتصر الأمل على التصوير فقط، بل يتعدّاه إلى تطوير علاجات يمكن تشغيلها أو تعطيلها بالمغناطيس. ففي أعمال بحثية لم تُنشر بعد أظهر العلماء أن الحقول المغناطيسية قد تُضعف أو تُعزّز قدرة الأجسام المضادة على الارتباط بأهدافها.
وقد يتيح ذلك تطوير أدوية تعمل فقط في المكان المطلوب، مثل تنشيط علاج داخل ورم سرطاني دون التأثير في الأنسجة السليمة، ما يقلل من الآثار الجانبية التي تُعد من أكبر تحديات العلاجات الحالية.
ورغم هذا التقدّم اللافت، يؤكد العلماء أن الطريق لا يزال طويلاً قبل الاستخدام السريري. فبعض البروتينات الحالية تحتاج إلى ضوء ليزري للعمل، وهو أمر يصعب تطبيقه في أعماق الجسم. لكن الباحثين يعملون بالفعل على تطوير بروتينات تُصدر الضوء عبر تفاعلات كيميائية بدلاً من الضوء الخارجي.
ومع ذلك يرى كثيرون أن هذه الأبحاث تمثل بداية حقيقية لمجال علمي جديد، حيث لا تكتفي المغانيط بمساعدة الأطباء على رؤية الجسم، بل تصبح أداة فعّالة للتشخيص، والعلاج.
ترى «إرنست ويونغ» أن سيادة الذكاء الاصطناعي في السعودية تتطلب قدرات محلية ومواهب وحوكمة لا توطين البيانات والبنية فقط.
نسيم رمضان (الرياض)
دفعة جينية جديدة لاختراق أقوى للأورام الصلبةhttps://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/5317865-%D8%AF%D9%81%D8%B9%D8%A9-%D8%AC%D9%8A%D9%86%D9%8A%D8%A9-%D8%AC%D8%AF%D9%8A%D8%AF%D8%A9-%D9%84%D8%A7%D8%AE%D8%AA%D8%B1%D8%A7%D9%82-%D8%A3%D9%82%D9%88%D9%89-%D9%84%D9%84%D8%A3%D9%88%D8%B1%D8%A7%D9%85-%D8%A7%D9%84%D8%B5%D9%84%D8%A8%D8%A9
رسم توضيحي لخلية تائية ذات مستقبلات مستضدية خيمرية (باللون الأزرق)
تهاجم خلايا سرطان الغدد الليمفاوية اللاهودجكينية (باللون الأرجواني)
كشفت دراسة جديدة عن أن تعديلين جينيين يمكن أن يجعلا خلايا CAR - T أكثر قدرة على اختراق الأورام الصلبة، ومهاجمتها، في خطوة قد تساعد على التغلب على أحد أكبر التحديات التي تواجه هذا النوع من العلاج المناعي.
وأظهرت التجارب على الفئران أن تعطيل جينين هما GNAS وP2RY8 في الخلايا المناعية أدى إلى تعزيز قدرتها على الوصول إلى الأورام، ومواصلة نشاطها المضاد للسرطان.
كما ساعدت هذه التعديلات في تقليص أورام متعددة، بينها سرطان الرئة، والبنكرياس، والجلد، وبعض سرطانات الجهاز الهضمي، والرحم.
ونُشرت النتائج في مجلة «Nature» في 12 أغسطس (آب) 2026 بعد استخدام أول منصة واسعة النطاق تعتمد على تقنية كريسبرCRISPR لدراسة تأثير تعديلات جينية في خلايا مناعية بشرية داخل كائن حي.
مكافحة الأورام الصلبة
• لماذا تواجه CAR - T الأورام الصلبة؟ يعتمد علاج CAR - T على أخذ خلايا مناعية تسمى «الخلايا التائية» من المريض، ثم تعديلها في المختبر لتتعرف إلى الخلايا السرطانية، وتهاجمها قبل إعادتها إلى جسم المريض. والمستقبلات الخيمرية للخلايا التائية (CAR - T) هي عبارة عن مستقبلات اصطناعية تم إنشاؤها خصيصاً في المختبر، بهدف تمكين الخلايا التائية من التعرف على بروتينات معينة على سطح الخلايا (الخلايا السرطانية مثلاً)، واستهدافها.
وقد حقق العلاج نجاحاً مهماً في بعض سرطانات الدم، مثل اللوكيميا، والأورام الليمفاوية.
لكن فعاليته لا تزال محدودة أمام الأورام الصلبة، ومنها سرطانات الرئة، والبنكرياس، والمبيض، والقولون، والثدي. ويعود ذلك جزئياً إلى أن البيئة المحيطة بالورم الصلب مليئة بإشارات تعيق الخلايا المناعية، كما يصعب v CAR v- T الوصول إلى الورم، والبقاء داخله نشطة بما يكفي للقضاء على الخلايا السرطانية.
• اختبار آلاف الجينات داخل الأورام. وبدلاً من دراسة الخلايا المعدلة في أطباق المختبر فقط، طور الباحثون في معاهد غلادستون وجامعة كاليفورنيا في سان فرانسيسكو بالولايات المتحدة برئاسة الدكتورة تشي ليو طريقة تتيح اختبار تأثير تعديلات جينية واسعة النطاق داخل الأورام في الفئران.
واختبر الفريق ما يقرب من 20 ألف جين للبحث عن التعديلات التي تساعد الخلايا التائية على الوصول إلى الأورام، أو الحفاظ على نشاطها بعد دخولها إليها.
وتمكن الباحثون من جمع ملايين الخلايا التائية من كل ورم، وهو عدد أكبر بكثير مما كان ممكناً باستخدام الطرق السابقة، ما أتاح إجراء الاختبارات الجينية على نطاق واسع داخل البيئة الحقيقية للورم.
تعديل جيني
• جينان يزيلان «مكابح» الخلايا المناعية. برز جين P2RY8 كأحد أهم الجينات التي تؤثر في قدرة الخلايا التائية على دخول الورم.
وأظهرت النتائج أن تع0طيله أدى إلى تجمع أعداد أكبر من الخلايا المناعية داخل الأورام بعدما أزيلت إحدى الإشارات التي يبدو أنها تعمل كـ«مكبح» يحد من وصول الخلايا التائية.
أما تعطيل جين GNAS فكان له تأثير مختلف، فقد أصبحت الخلايا التائية قادرة على إنتاج مستويات أعلى من الإنترفيرون - غاما interferon - gamma، وهو جزيء مهم في الاستجابة المناعية، ومهاجمة الخلايا السرطانية.
ويبدو أن GNAS يعمل كحلقة مركزية تستقبل مجموعة من الإشارات التي تستخدمها البيئة المحيطة بالورم لإضعاف الخلايا المناعية. وعند تعطيله تصبح الخلايا التائية أقل استجابة لهذه الإشارات المثبطة، ما يسمح لها بالحفاظ على نشاطها المضاد للسرطان.
• نتائج قوية في نماذج متعددة. عندما عُطّل جين GNAS في خلايا CAR - T تمكنت هذه الخلايا من تقليص الأورام في نماذج متعددة من السرطان لدى الفئران.
وكان الجمع بين تعطيل الجينين أكثر فاعلية. ففي أحد نماذج سرطان الرئة ظلت نحو ثلثي الفئران خالية من الأورام في نهاية التجربة رغم استخدام جرعة منخفضة جداً من خلايا CAR - T، بينما لم تحقق الخلايا المعدلة بالطريقة التقليدية النتيجة نفسها.
كما اختبر الباحثون التعديلات باستخدام خلايا تائية مأخوذة من مرضى مصابين بسرطان المبيض، والميلانوما، ووجدوا أن التعديلات الجينية احتفظت بقدرتها على تعزيز مكافحة الأورام.
ورغم النتائج المشجعة، لا تزال هذه الاستراتيجية في مرحلة ما قبل التجارب السريرية، وتحتاج إلى مزيد من الدراسات قبل اختبارها على البشر. وتابع الباحثون الفئران لأكثر من ستة أشهر بعد اختفاء الأورام، ولم يلاحظوا آثاراً جانبية طويلة الأمد. ويعتقد الفريق أن أحد أسباب ذلك هو أن التعديلات لا تؤدي إلى تنشيط الخلايا التائية بشكل واسع في أنحاء الجسم، وإنما تظهر آثارها بصورة أكبر داخل البيئة المحيطة بالورم.
ويرى العلماء أن أهمية الدراسة لا تقتصر على الجينين المكتشفين، إذ تتيح منصة كريسبر داخل الكائن الحي البحث عن تعديلات جينية أخرى قد تجعل العلاجات الخلوية أكثر قدرة على الوصول إلى الأورام، ومقاومة دفاعاتها، ما قد يمهد الطريق أمام جيل جديد من العلاجات المناعية المصممة بدقة أكبر لمواجهة السرطانات الصلبة.
طريقة علمية تساعد على توقّع أخطاء السيارات ذاتية القيادةhttps://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/5317864-%D8%B7%D8%B1%D9%8A%D9%82%D8%A9-%D8%B9%D9%84%D9%85%D9%8A%D8%A9-%D8%AA%D8%B3%D8%A7%D8%B9%D8%AF-%D8%B9%D9%84%D9%89-%D8%AA%D9%88%D9%82%D9%91%D8%B9-%D8%A3%D8%AE%D8%B7%D8%A7%D8%A1-%D8%A7%D9%84%D8%B3%D9%8A%D8%A7%D8%B1%D8%A7%D8%AA-%D8%B0%D8%A7%D8%AA%D9%8A%D8%A9-%D8%A7%D9%84%D9%82%D9%8A%D8%A7%D8%AF%D8%A9
طريقة علمية تساعد على توقّع أخطاء السيارات ذاتية القيادة
تعتمد هذه السيارات على نماذج تعلم عميق تعمل بمثابة «عقل» للمركبة (معهد ماساتشوستس للتكنولوجيا)
مع التوسع في تطوير السيارات ذاتية القيادة، لم يعد التحدي مقتصراً على قدرة أنظمة الذكاء الاصطناعي على اتخاذ القرار أثناء القيادة، بل بات من الضروري أيضاً أن يفهم البشر الأسباب الكامنة خلف تلك القرارات، لا سيما حين تتصرف المركبة بطريقة غير متوقعة.
وتعتمد هذه السيارات على نماذج تعلم عميق تعمل بمثابة «عقل» للمركبة، إذ تعالج البيانات الواردة من الكاميرات، وأجهزة الاستشعار، لتكوّن تصوراً عن البيئة المحيطة، ثم تحدد ما ينبغي للمركبة فعله، وترسم المسار الذي ستسلكه. غير أن هذه النماذج غالباً ما تعمل كـ«صندوق أسود»، ما يصعّب معرفة السبب الحقيقي وراء بعض قراراتها، خصوصاً عند وقوع خطأ.
«شبكة تأطير المفاهيم»
وفي هذا السياق طوّر باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) بالولايات المتحدة، بالتعاون مع شركة «موشنال» المتخصصة في المركبات ذاتية القيادة، طريقة جديدة أطلقوا عليها اسم «شبكة تأطير المفاهيم» (Concept - Wrapper Network)، تهدف إلى تحويل عملية اتخاذ القرار داخل أنظمة القيادة الذاتية إلى تفسيرات مفهومة للبشر، بما يساعدهم على توقع سلوك السيارة بدقة أكبر. وقد صُمم النموذج ليعمل ضمن نظام التخطيط المستخدم في السيارة، ومن دون الحاجة إلى إعادة تدريب النموذج الأصلي من الصفر، أو التضحية بأدائه.
وتقوم الفكرة، وفق الفريق، على استبدال مصنّف للمفاهيم بالمرحلة الأخيرة المسؤولة عن تقييم مسارات القيادة في النموذج الأصلي، تليه مرحلة جديدة لاتخاذ القرار. وبذلك تصبح المفاهيم التي يتعرف عليها النظام جزءاً فعلياً من عملية اتخاذ القرار، لا مجرد وصف يُضاف بعد اتخاذه، ونشرت النتائج بعدد 2 سبتمبر (أيلول) 2026 من دورية «Nature».
ولتدريب النظام استخدم الباحثون مجموعتين من البيانات ضمّت ملايين سيناريوهات القيادة الذاتية، ومصنَّفة وفق المفاهيم الظاهرة في كل مشهد؛ إذ تضمنت إحدى المجموعتين 500 ألف سيناريو، بينما بلغت الأخرى 3 ملايين سيناريو، مع مفاهيم متعددة مصنّفة لكل سيناريو. وأتاحت هذه السيناريوهات مجتمعة مئات الملايين من نقاط البيانات لتدريب مصنّف المفاهيم، ما مكّن النظام من التعرف على أنماط متنوعة من مواقف القيادة.
وعند تقييم أداء النظام على بيانات الاختبار، بلغت دقة تصنيف المفاهيم 54 في المائة، مع معدل استدعاء وصل إلى 77 في المائة، ودقة بلغت 23 في المائة، وهي نتائج أظهرت قدرة النظام على ربط عملية اتخاذ القرار بمفاهيم قابلة للفهم البشري، بحسب الفريق.
ولم يكتفِ الباحثون بالاختبارات أثناء المحاكاة، بل نشروا النظام «CW - Net» على سيارة حقيقية ذاتية القيادة تابعة لشركة «موشنال»، خلال تجارب أُجريت على مسار خاص، وبوجود سائق أمان. وواجهت السيارة خلال هذه التجارب مواقف مفاجئة، حيث طُلب من سائقي الأمان مراقبة سلوكها، ومحاولة التنبؤ بما ستفعله. وأظهرت النتائج أن التفسيرات التي قدّمها النظام حسّنت قدرة السائقين على تكوين تصور أدق لطريقة عمل السيارة، وبالتالي التنبؤ بسلوكها بشكل أفضل، خصوصاً في المواقف غير المتوقعة.
أسلوب قيادة جديد
ويوضح الدكتور إوين كيني، الباحث الرئيس للدراسة في مختبر علوم الحاسوب والذكاء الاصطناعي بمعهد ماساتشوستس للتكنولوجيا، أن النظام يختلف عن الأساليب التقليدية المستخدمة في تفسير قرارات السيارات ذاتية القيادة؛ فهو لا يكتفي بتفسير القرار بعد اتخاذه، بل يربط التفسير مباشرة بعملية اتخاذ القرار داخل نظام القيادة نفسه. ويحوّل النظام آلية التفكير المعقدة في نموذج التعلم العميق إلى مفاهيم واضحة، مثل «الاقتراب من مركبة متوقفة»، أو «الاقتراب من راكب دراجة»، ويستخدم هذه المفاهيم فعلياً عند تحديد مسار السيارة، ما يجعل التفسير مرتبطاً سببياً بالقرار، وليس مجرد وصف خارجي قد يكون مضللاً، مع إمكانية تقديمه في الوقت الفعلي من دون التأثير في أداء نظام القيادة.
وأضاف كيني لـ«الشرق الأوسط» أن هذه المفاهيم تدخل فعلياً في عملية التخطيط، واتخاذ القرار، وهو ما يمنح التفسير ارتباطاً سببياً حقيقياً بسلوك السيارة، بعيداً عن كونه وصفاً خارجياً قد يكون مضللاً، مشيراً إلى أن النظام قادر على تقديم هذه التفسيرات في الوقت الفعلي إلى جانب المسار الذي تختاره السيارة، من دون أي تأثير في أداء نموذج القيادة الأصلي.
وأشار كيني إلى أن الاختبارات التي أُجريت على مركبة حقيقية ذاتية القيادة أظهرت أن تزويد سائقي السلامة بتفسيرات شبكة «CW - Net» جعلهم أكثر قدرة على توقع سلوك السيارة، خصوصاً في المواقف المفاجئة. وضرب مثالاً بحادثة توقفت فيها السيارة عند اقترابها من راكب دراجة، إذ اعتقد سائق السلامة في البداية أن التوقف جاء لأن النظام اكتشف راكب الدراجة بشكل صحيح. غير أن تفسير النظام كشف حقيقة مختلفة، وهي أن نموذج القيادة لم يكن يتعامل مع راكب الدراجة بالشكل الصحيح، وأن التوقف حدث فعلياً نتيجة تدخل نظام الكبح الطارئ بعدما اقتربت السيارة منه أكثر من اللازم.
وأوضح كيني أن معرفة السبب الحقيقي وراء التوقف غيّرت فهم السائق لما يحدث فعلياً، وأتاحت له اتخاذ إجراء في وقت أبكر، كخفض السرعة، أو الانتقال إلى القيادة اليدوية. كما يمكن لهذه المعلومات أن توفر للمهندسين وسيلة أفضل لاكتشاف أخطاء أنظمة الذكاء الاصطناعي، ومعالجتها.
ولفت كيني إلى أن الخطوة المقبلة تتمثل في توسيع نطاق المفاهيم والمواقف التي يستطيع النظام التعامل معها، واختبار أساليب مختلفة لتدريبه، وتصميمه، لتحسين أدائه، وقابليته للتفسير، إلى جانب إجراء اختبارات أوسع، وفي ظروف قيادة أكثر تنوعاً، للتأكد من دقة وموثوقية تفسيراته، مشدداً على ضرورة ألا تمنح هذه التفسيرات السائقين ثقة زائفة، بل أن تعكس بدقة الأسباب الحقيقية لقرارات السيارة، موضحاً أن الهدف النهائي هو التأكد من قدرة «CW - Net» على مساعدة البشر في فهم سلوك المركبات ذاتية القيادة، والتنبؤ به بصورة موثوقة ومتسقة في مختلف ظروف القيادة.
الجامعة بين الأمس والغد... هل تواكب ثورة الذكاء الاصطناعي؟
ماذا لو حصل طالب جامعي اليوم على شهادة تؤهله لوظيفة قد تتغير جذرياً، أو ربما تختفي، قبل يوم تخرجه؟ لم يعد هذا السؤال افتراضاً عن مستقبل بعيد؛ فالسرعة التي يعيد بها الذكاء الاصطناعي تشكيل المهن والاقتصادات وأسواق العمل تضع الجامعات أمام تحدٍّ لم تعرفه بهذه الحدة من قبل: كيف نُعِدّ طالباً اليوم لعالم مهني لا نعرف تماماً كيف سيبدو عند تخرجه؟
حتى وقت قريب، كان الطالب يدخل قاعة المحاضرات ليكتسب المعرفة من أستاذه، ثم يقضي سنوات دراسته استعداداً لمهنة يمكن أن تبقى طبيعتها الأساسية مستقرة لعقود. أما اليوم، فلم يعد الذكاء الاصطناعي مجرد تقنية جديدة تضاف إلى أدوات العمل؛ بل أصبح قوة تعيد تشكيل الطب والهندسة والقانون والإعلام والتعليم، وتغيّر معها ما يحتاج الإنسان إلى معرفته، وما ينبغي أن يكون قادراً على فعله.
وهنا يصبح السؤال أعمق من تحديث مختبر أو إضافة منصة رقمية. هل ما زالت الجامعة تُعِدّ الطالب للوظيفة التي سيجدها عند تخرجه؟ أم للوظيفة كما كانت عندما بدأ دراسته؟ فالاختبار الحقيقي للجامعة في عصر الذكاء الاصطناعي لن يكون في عدد التقنيات التي تمتلكها، بل في قدرتها على تخريج إنسان يستطيع التعلم والتكيف والتفكير واتخاذ القرار في عالم قد تتغير فيه المهارات بوتيرة أسرع من المناهج نفسها.
العالم يتغير... والجامعة مطالبة بالتغيّر
لم يعد الذكاء الاصطناعي موضوعاً يخص كليات علوم الحاسوب وحدها؛ فهو يدخل اليوم في عمل الطبيب والمهندس والمحامي والصيدلي والمعلم والإعلامي... من التشخيص الطبي والبحث العلمي إلى تحليل البيانات وصياغة الوثائق ودعم القرار.
ولذلك لم يعد السؤال: هل سيستخدم خريجو الجامعات الذكاء الاصطناعي؟ فالاستخدام بدأ بالفعل. السؤال الأهم هو: هل سيعرفون كيف يستخدمونه بكفاءة؟ وكيف يتحققون من مخرجاته؟ ومتى يثقون بها؟ ومتى يشككون فيها أو يرفضونها؟
وهنا يبدأ التحدي الحقيقي للجامعة؛ فالمسألة ليست إضافة مقرر جديد بعنوان «الذكاء الاصطناعي» إلى الخطة الدراسية، بل إعادة التفكير فيما ينبغي أن يعرفه الخريج، وما ينبغي أن يكون قادراً على فعله؛ ففي عالم تستطيع فيه الآلة الوصول إلى المعلومات وتوليد النصوص وتحليل كميات هائلة من البيانات، تتراجع قيمة الحفظ وحده، بينما ترتفع قيمة القدرة على طرح السؤال الصحيح، والتحقق من الإجابة، والتفكير النقدي، والحكم المهني، والأخلاقي.
إن الجامعة في عصر الذكاء الاصطناعي لا ينبغي أن تُخرّج طالباً يعرف كيف يستخدم الآلة فقط، بل تخرّج إنساناً يعرف متى يستخدمها، ومتى يشك فيها، ومتى يكون القرار قراره هو.
بين قاعات الأمس ومهارات الغد
رؤية 2030... والطموح الذي ينتظر الجامعات
وضعت المملكة العربية السعودية الذكاء الاصطناعي والتحول الرقمي في قلب طموحات «رؤية 2030»، بالتوازي مع مبادرات وطنية لتنمية القدرات البشرية وبناء اقتصاد معرفي قادر على المنافسة عالمياً. كما امتد الاهتمام بالذكاء الاصطناعي إلى مراحل التعليم العام، في إشارة واضحة إلى أن الاستعداد للمستقبل يبدأ قبل وصول الطالب إلى الجامعة وسوق العمل.
لكن كلما ارتفع الطموح الوطني، ارتفع معه سقف المسؤولية أمام الجامعات؛ فإذا وصل الطالب إلى الجامعة وهو يمتلك أساسيات التعامل مع الذكاء الاصطناعي، فما القيمة الجديدة التي ستضيفها سنوات التعليم الجامعي؟ هل ستنقله من مجرد استخدام الأدوات إلى فهمها ونقد مخرجاتها وتطبيقها والابتكار بها؟ أم سيظل جزء من التعليم قائماً على الحفظ واسترجاع المعلومات، في وقت أصبحت فيه الآلة قادرة على القيام بكثير من ذلك خلال ثوانٍ؟
وهنا يصبح التحدي أكبر من إدخال تقنية جديدة إلى قاعة المحاضرات؛ ففي التعليم العالي، لن يُقاس نجاح التحول بعدد أدوات الذكاء الاصطناعي التي تستخدمها الجامعات، بل بقدرتها على تخريج كوادر تمتلك التفكير النقدي، والقدرة على الابتكار، والحكم المهني والأخلاقي، والمهارات اللازمة لقيادة عصر الذكاء الاصطناعي، لا الاكتفاء باستخدام أدواته.
ماذا تقول الدراسات؟
هذا التحدي ليس عربياً ولا سعودياً فقط، بل يشغل مؤسسات التعليم العالي حول العالم؛ فقد أكدت منظمة الأمم المتحدة للتربية والعلم والثقافة (اليونسكو) UNESCO، في إرشاداتها العالمية بشأن الذكاء الاصطناعي التوليدي في التعليم والبحث، ثم في استطلاعها الدولي لمؤسسات التعليم العالي، أن دخول الذكاء الاصطناعي إلى الجامعات لم يعد مجرد مسألة تقنية... إنه يفرض إعادة التفكير في المناهج، وتدريب أعضاء هيئة التدريس، ووضع أطر أخلاقية واضحة لاستخدام هذه الأدوات. وأشارت المنظمة إلى أن معظم مؤسسات التعليم العالي إما وضعت بالفعل سياسات لاستخدام الذكاء الاصطناعي، أو تعمل على تطويرها، بالتوازي مع العمل على تحديد الكفاءات التي يحتاج إليها الطلاب وأعضاء هيئة التدريس.
لكن ماذا عن الجامعات السعودية؟
توصلت مراجعة علمية نُشرت عام 2025 في إحدى دوريات «سبرنغر نيتشر» (Springer Nature) إلى وجود فجوة في سرعة التنفيذ بين الطموحات التي رسمتها «رؤية 2030» ووتيرة التغيير داخل بعض مؤسسات التعليم، مشيرة إلى تحديات تشمل تحديث المناهج، وتأهيل أعضاء هيئة التدريس، وربط البرامج الأكاديمية بمتطلبات الاقتصاد المعرفي وسوق العمل المستقبلية.
ثم جاءت دراسة سعودية نُشرت عام 2026 لتضع المجهر بصورة أكثر مباشرة على المناهج نفسها. واستناداً إلى مقابلات مع أعضاء لجان المناهج والتخطيط والجودة في 7 جامعات سعودية، خلصت إلى الحاجة إلى دمج أكثر منهجية لمهارات ثقافة الذكاء الاصطناعي (AI Literacy)، والتفكير النقدي، وأخلاقيات استخدامه، بحيث تصبح هذه المهارات جزءاً من مخرجات التعلم في مختلف التخصصات، لا في علوم الحاسب وحدها.
لكن قراءة هذه النتائج باعتبارها دليلاً على «تأخر» الجامعات العربية ستكون قراءة غير دقيقة؛ فالمشكلة عالمية في جوهرها: التكنولوجيا تتغير بسرعة أكبر من الدورة التقليدية لتغيير المناهج الجامعية. وهنا تكمن الرسالة الأهم التي تجمع هذه الدراسات: التحدي لم يعد في كيفية إدخال الذكاء الاصطناعي إلى الجامعة، فقد دخل بالفعل؛ بل في إعادة تعريف ما يستحق أن يتعلمه الإنسان عندما أصبحت الآلة قادرة على أداء جزء متزايد مما كنا نعلّمه له.
المشكلة ليست في الذكاء الاصطناعي... بل في طريقة التعليم
إذا أصبح الذكاء الاصطناعي قادراً على تلخيص الكتب، وكتابة التقارير، وتحليل البيانات، والإجابة عن كثير من أسئلة الامتحانات، فما الذي يجب أن تبقى الجامعة مسؤولة عن تعليمه؟
ربما تبدأ الإجابة من التمييز بين امتلاك المعلومة والقدرة على الحكم عليها؛ ففي عصر يستطيع فيه الطالب الوصول إلى إجابة خلال ثوانٍ، تتراجع قيمة التعليم القائم على استرجاع المعلومات وحده، بينما ترتفع قيمة القدرة على التحقق منها، وتحليلها، ومقارنتها بالأدلة، وفهم السياق الذي ستُستخدم فيه، ثم تحمل مسؤولية القرار المبني عليها.
ويصبح هذا الفرق أكثر وضوحاً في المهن التي قد يكون للخطأ فيها عواقب حقيقية؛ إذ إن قيمة الطبيب لا تكمن في تذكر أكبر قدر من المعلومات الطبية فحسب، بل في معرفة متى يمكن الوثوق بتوصية يقدمها الذكاء الاصطناعي، ومتى ينبغي التشكيك فيها، ومتى يجب رفضها حفاظاً على سلامة المريض. وينطبق المبدأ نفسه على المهندس والمحامي والمعلم والإعلامي: الآلة قد تقدم إجابة، لكن الإنسان يظل مسؤولاً عن فهم معناها وعواقب استخدامها.
وهنا ربما ينبغي أن يتغير السؤال الذي تسأله الجامعة لطلابها؛ فبدلاً من أن تكتفي بالسؤال: «ماذا تعرف؟»، يصبح عليها أن تسأل أيضاً: «كيف عرفت؟ ولماذا تثق بهذه الإجابة؟ وماذا لو كانت خاطئة؟ وماذا ستفعل بها؟».
إن الجامعة التي ستنجح في عصر الذكاء الاصطناعي لن تكون التي تُخرّج طلاباً يعرفون استخدام أدواته فحسب؛ بل التي تُخرّج مهنيين قادرين على التفكير النقدي، والحكم المهني والأخلاقي، والابتكار، وتحمل مسؤولية القرار في عالم يتشارك فيه الإنسان والآلة إنتاج المعرفة.
ليست المشكلة في الذكاء الاصطناعي... بل في طريقة تعليمنا
الأستاذ الجامعي... هل انتهى دوره؟
كلما ازدادت قدرة الذكاء الاصطناعي على الشرح والإجابة وتوليد المحتوى، عاد السؤال نفسه: هل ما زلنا بحاجة إلى الأستاذ الجامعي؟ ربما يكون السؤال الأدق: إذا لم يعد الأستاذ المصدر الوحيد للمعلومة، فماذا سيصبح دوره؟
إن الذكاء الاصطناعي يستطيع أن يشرح مفهوماً، ويقترح مراجع، ويولد محتوى تعليمياً، بل ويقدم للطالب مساعدة شخصية متاحة في أي وقت. وهذا لا يلغي الأستاذ، لكنه يدفع دوره إلى التحول من ناقل للمعرفة إلى مهندس للتعلم. ولن تكون مهمة الأستاذ في الجامعة الجديدة أن يخبر الطالب بما يستطيع أن يجده خلال ثوانٍ، بل أن يصمم له مشكلات تستحق التفكير، ويضعه أمام أسئلة لا تملك إجابة واحدة، ويختبر قدرته على الدفاع عن رأيه، ومراجعة افتراضاته، والتعلم من الخطأ، والعمل مع الآخرين.
وهنا تتغير أيضاً وظيفة قاعة المحاضرات نفسها؛ فقد تصبح أقل اعتماداً على الاستماع والتلقين، وأكثر اعتماداً على النقاش، والحالات العملية، وحل المشكلات، والمشروعات التي تكشف ما إذا كان الطالب قد تعلّم فعلاً، أم أنه أصبح فقط أكثر براعة في الحصول على الإجابة من الآلة.
ولهذا، فإن الاستثمار في تطوير أعضاء هيئة التدريس لا يقل أهمية عن تحديث المناهج أو شراء أحدث التقنيات؛ فالجامعة لا تصبح «ذكية» لأنها تمتلك الذكاء الاصطناعي، بل عندما يعرف أساتذتها كيف يستخدمونه لصناعة طالب يفكر بصورة أفضل.
صورة 4
العالم يعيد تعريف الجامعة
ما يحدث ليس نقاشاً سعودياً أو عربياً فحسب؛ بل سؤال يشغل مستقبل التعليم العالي عالمياً؛ ففي تقرير «نظرة مستقبلية إلى التعليم الرقمي 2026» (OECD Digital Education Outlook 2026)، تطرح منظمة التعاون الاقتصادي والتنمية (OECD) مفارقة بالغة الأهمية: قد يساعد الذكاء الاصطناعي الطالب في أداء المهمة بصورة أفضل، من دون أن يعني ذلك بالضرورة أنه تعلّم بصورة أفضل.
فالطالب قد يكتب تقريراً أقوى، أو يصل إلى إجابة أسرع، أو ينجز واجباً أكثر إتقاناً بمساعدة الذكاء الاصطناعي؛ لكن جودة المنتج النهائي لا تكشف وحدها مقدار الفهم الذي تكوّن لديه. ولذلك يربط التقرير الاستفادة التعليمية الحقيقية من هذه الأدوات بكيفية تصميم التدريس والتقييم، بحيث يعززان التعلم والفهم، لا مجرد إنجاز المهمة.
وتسير منظمة الأمم المتحدة للتربية والعلم والثقافة (اليونسكو) UNESCO في الاتجاه نفسه؛ إذ تربط دمج الذكاء الاصطناعي في التعليم بمقاربة تتمحور حول الإنسان، وتحمي الخصوصية والحقوق، وتعزز جودة التعليم وعدالته، بدلاً من التعامل مع التقنية بوصفها غاية في ذاتها.
وهنا يظهر ربما أصعب اختبار أمام الجامعة في عصر الذكاء الاصطناعي: كيف تعرف أن الطالب تعلّم فعلاً، لا أنه أصبح فقط أفضل في استخدام آلة تعرف كيف تجيب؟
إطلاق ميثاق عربي لجامعات عصر الذكاء الاصطناعي
ربما حان الوقت لأن ننتقل من السؤال إلى الفعل، عبر إطلاق ميثاق عربي لجامعات عصر الذكاء الاصطناعي؛ لا بوصفه وثيقة نظرية جديدة، بل بوصفه إطاراً عملياً يساعد الجامعات في الاستجابة لتحولات قد تكون أسرع من دورات تحديث المناهج التقليدية. ويمكن أن يبدأ الميثاق من سؤال بسيط تطرحه كل جامعة على نفسها: هل نُعلّم طلاب اليوم ما سيحتاجون إليه غداً؟
ومن هذا السؤال تنطلق مجموعة من الالتزامات العملية: مراجعة البرامج الأكاديمية بصورة دورية، وإدماج ثقافة الذكاء الاصطناعي وأخلاقياته في مختلف التخصصات، وتطوير قدرات أعضاء هيئة التدريس، وإعادة تصميم الامتحانات وأساليب التقييم، بحيث تكشف ما إذا كان الطالب يفكر ويفهم ويحل المشكلات، لا مدى قدرته على استرجاع المعلومات، أو الحصول على إجابة جاهزة من الآلة.
لكن الميثاق ينبغي أن يتجاوز حدود قاعة المحاضرات أيضاً؛ فالجامعات تحتاج إلى شراكات مستمرة مع المستشفيات وقطاعات الصناعة والتقنية وسوق العمل، حتى لا تكتشف بعد سنوات أن البرامج التي تُدرّسها تُعِدّ الطلاب لعالم مهني تغير بالفعل.
ولا يعني ذلك أن تتسابق الجامعات على شراء أحدث أدوات الذكاء الاصطناعي، أو أن تعيد كتابة مناهجها كلما ظهر نموذج جديد؛ فالمطلوب أعمق: بناء جامعة قادرة هي نفسها على التعلم والتكيف.
فالجامعات التي ستقود المستقبل لن تكون بالضرورة الأكثر إنفاقاً على الذكاء الاصطناعي، بل الأسرع في فهم ما غيّره، والأكثر قدرة على تغيير ما تعلّمه لطلابها استجابةً لذلك.
سؤال المستقبل
لم يعد السؤال: هل سيدخل الذكاء الاصطناعي جامعاتنا؟ فقد دخل بالفعل، وأصبح جزءاً من واقع التعليم العالي ومن العالم المهني الذي ينتظر خريجيها.
الذكاء الاصطناعي يساعد... لكن الإنسان هو من يقرر
السؤال الأصعب هو: هل ستنجح جامعاتنا في تخريج أطباء ومهندسين ومعلمين ومحامين وإعلاميين مستعدين لمهن يعيد الذكاء الاصطناعي تشكيلها؟ أم ستواصل إعداد طلاب اليوم لوظائف الأمس؟
فالجامعة التي تعيد تعريف رسالتها اليوم لن يكون دورها أن تعلّم الطالب كيف ينافس الآلة في الأشياء التي أصبحت الآلة تجيدها؛ بل أن تنمي فيه ما يجعله أكثر قيمة في وجودها: القدرة على السؤال، والتحقق، والحكم، والإبداع، وتحمل المسؤولية.
وفي النهاية، ربما لا يكون الاختبار الحقيقي لجامعاتنا هو عدد أدوات الذكاء الاصطناعي التي أدخلتها إلى قاعاتها، ولا عدد المقررات التي تحمل اسمه. الاختبار الحقيقي هو: هل سيتخرج الطالب منها مستعداً لعالم تغيّر؟... أم حاملاً شهادة لعالم لم يعد موجوداً؟
