خلال 12 ساعة فقط، نفّذ مختبر يعمل بالذكاء الاصطناعي 120 تجربة لتحسين سطوع مواد نانوية خالية من الرصاص. وفي كل جولة، كان يصنع عيّنة، ويقيس خصائصها الضوئية، ثم يستخدم النتيجة لتعديل وصفة التجربة التالية. وهكذا، أصبحت حصيلة كل تجربة دليلاً يوجّه الخطوة التي تليها.
مختبرات ذاتية القيادة
هذه هي الفكرة وراء «المختبرات ذاتية القيادة» (Self-Driving Laboratories): منصات تجمع التجريب الآلي والقياس والذكاء الاصطناعي في حلقة متصلة، تستطيع خلالها اختيار تجاربها التالية ضمن أهداف وحدود يضعها العلماء، من دون أن يحدد الباحث تفاصيل كل خطوة بنفسه.
وقد جسّدت منصة «بولاريس» (PoLARIS) هذا النهج في دراسة أعدّها باحثون من جامعة ولاية نورث كارولاينا وجامعة براون الأميركيتين، ونُشرت في مجلة «نيتشر كوميونيكيشنز» (Nature Communications) في 4 مايو (أيار) 2026. واستهدفت الدراسة بلورات على هيئة صفائح لا يتجاوز سُمكها بضعة أجزاء من المليار من المتر، تنتمي إلى عائلة «البيروفسكايت المزدوج»، ويمكن ضبط تركيبها للتحكم في امتصاص الضوء وانبعاثه.
بدأ العلماء بتحديد المواد الأولية والخاصية المراد تحسينها، ثم تولّت المنصة اختبار وصفات تختلف في نسب المكونات ودرجة الحرارة وزمن التفاعل. وجرت التفاعلات داخل قطرات صغيرة متدفقة تؤدي وظيفة مفاعلات مصغّرة؛ تُقاس خصائص نواتجها آلياً، وتُعاد البيانات إلى الخوارزمية لتوجيه الجولة المقبلة.
ووفقاً لبيان الجامعة، نجحت المنصة خلال تلك الساعات في تحسين سطوع المواد المستهدفة. وتكمن أهمية النتيجة في الجمع بين تصنيع المادة وقياس أدائها وتعديل طريقة تحضيرها داخل دورة واحدة تتعلّم من نتائجها؛ وهي خطوة بحثية نحو تطوير مواد ضوئية قد تخدم تطبيقات مثل كواشف الضوء، وإن كان استخدامها صناعياً يحتاج إلى مزيد من التطوير والاختبار.
كيف يتعلّم المختبر؟
لنتصور باحثاً يسعى إلى تطوير مادة ذات خاصية معينة... أمامه مكونات متعددة، ونسب خلط مختلفة، ودرجات حرارة وأزمنة تفاعل محتملة. ومع تعدد هذه المتغيرات، قد يتجاوز عدد التجارب الممكنة ما يسمح به الوقت والتمويل.
هنا تتولى الخوارزمية اختيار التجارب داخل نطاق البحث الذي حدّده العلماء، حيث تنفّذ الأجهزة التجربة، وتقيس خصائص العينة الناتجة، ثم تُستخدم البيانات لتحديث النموذج الذي يوجّه اختيار الجولة المقبلة. وهكذا، تصبح نتائج التجارب جزءاً من عملية اتخاذ القرار، وتؤثر مباشرة في المسار الذي يسلكه البحث.
وتصف مراجعة نُشرت في مجلة «نيتشر ريفيوز كيميستري» (Nature Reviews Chemistry) في 31 يوليو (تموز) 2026 تطوّر هذه المختبرات خلال العقد الماضي من أنظمة تنفّذ مهام محددة آلياً إلى منصات تستطيع اقتراح التجارب وتنفيذها وتفسير نتائجها بتدخل بشري محدود.
ومع ذلك، يظل اختيار التجربة التالية ضمن هدف محدد، مختلفاً عن اختيار موضوع البحث بصورة مستقلة عن الإنسان. فالقول إن المختبر «يتعلّم» يعني أنه يعدّل قراراته استناداً إلى البيانات؛ ولا يعني أنه يمتلك فضولاً بشرياً، أو يقرر من تلقاء نفسه أي مشكلات العالم تستحق البحث.
أفكار أسرع من القدرة على اختبارها
يواجه البحث العلمي مع توسّع استخدام الذكاء الاصطناعي تحدياً متزايداً، إذ تستطيع الخوارزميات اقتراح فرضيات ووصفات لمواد جديدة بسرعة تفوق قدرة المختبرات على اختبارها. فتتراكم الاحتمالات الواعدة، بينما يظل التحقق منها مرهوناً بالوقت اللازم لتحضير العينات وإجراء التجارب وقياس النتائج.
هذه الفجوة يناقشها الباحث ميلاد أبو الحسني (Milad Abolhasani)، من جامعة ولاية نورث كارولاينا، في مقال تحليلي بعنوان «المختبر الذي يتعلّم» (The Lab That Learns)، نُشر في مجلة «ساينس» (Science) في 20 أغسطس (آب) 2026. ويطرح ربط الأجهزة والروبوتات والبرمجيات والبيانات بوصفه مساراً يتيح للمختبرات التعلّم من نتائج بعضها، وتقليل تكرار التجارب. وفي هذا التصور، يحدّد العلماء الأهداف ويفسّرون الأدلة، بينما تتولى الأنظمة الذكية جانباً أكبر من العمل التجريبي.
وهنا تكتسب المختبرات ذاتية القيادة أهميتها: فهي تصل بين ما تقترحه الخوارزمية وما تثبته التجربة. فالوصفة التي تبدو واعدة على الشاشة تظل بحاجة إلى اختبار؛ هل يمكن تصنيع المادة بالفعل؟ وهل تمتلك الخصائص المتوقعة؟ وتعيد القياسات الفعلية توجيه البحث، فتتيح للنظام تعديل توقعاته واختيار خطوته المقبلة.
وبذلك تصبح قيمة هذه المنصات أوسع من إنجاز عدد أكبر من التجارب في وقت أقصر؛ إذ تستخدم ما تكشفه كل تجربة لتحسين القرارات التالية. وحتى النتيجة التي لا تحقق الهدف قد تساعد على استبعاد مسار غير واعد وتوجيه البحث نحو احتمال آخر.
هل يستطيع مختبر آخر تكرار النتيجة؟
إن نجاح المختبر في إنتاج مادة واعدة يفتح الباب أمام اختبار آخر: هل يستطيع فريق مستقل الحصول على النتيجة نفسها؟ ثم يأتي تحدٍّ أوسع: هل يمكن نقل طريقة العمل إلى أجهزة مختلفة، أو استخدامها لتطوير مواد أخرى؟
تحدّد المراجعة المنشورة في مجلة «نيتشر ريفيوز كيميستري» (Nature Reviews Chemistry) ثلاثة متطلبات مترابطة للمرحلة المقبلة: زيادة القدرة على إجراء التجارب، ونقل أساليب العمل والنماذج المتعلّمة بين المختبرات والمجالات العلمية، وتوثيق التجربة بجميع مراحلها. ويشمل ذلك تسجيل كيفية تحضير المواد، وظروف التفاعل، وطرق القياس، وصولاً إلى تقييم أداء المادة الناتجة، وفق معايير تتيح تبادل البيانات وفهمها.
وتكمن أهمية هذا التوثيق في أن النتيجة وحدها لا تكفي. فلكي يستطيع باحث آخر التحقق منها، يحتاج إلى معرفة ما أُجري بالتحديد، وتحت أي ظروف، وكيف استُخلصت النتيجة من القياسات. وكلما ازدادت سرعة المختبر واستقلاليته، ازدادت الحاجة إلى سجلّ يمكن الرجوع إليه لمراجعة قراراته ورصد مصادر الخطأ.
من هنا، يُقاس تقدّم هذه المختبرات أيضاً بقدرتها على إنتاج معرفة يستطيع الآخرون اختبارها والبناء عليها. ويبقى السؤال العلمي ملازماً لكل نتيجة: ما الذي أثبتته التجربة فعلاً، وما الذي لا يزال تفسيراً يحتاج إلى دليل إضافي؟
الحوكمة قبل الحادث
كلما اتسعت قدرة المختبر على اتخاذ القرارات وتنفيذ التجارب، ازدادت أهمية السلامة ووضوح آلية اتخاذ القرار؛ وهو ما يشدّد عليه المقال التحليلي المنشور في مجلة «ساينس» (Science).
وتبدأ هذه الضوابط منذ تصميم المختبر: تحديد التجارب المسموح بتنفيذها، والظروف التي تستوجب إيقاف العمل، والقرارات التي تتطلب موافقة الباحث. ويُضاف إليها توثيق القرارات والنتائج، ومراقبة أداء النظام، وإتاحة التدخل البشري عندما تظهر مؤشرات خطر أو نتائج تستدعي المراجعة.
ويمتد هذا المبدأ إلى الذكاء الاصطناعي الطبي؛ فالانتقال من تقديم معلومة إلى اقتراح قرار علاجي أو تنفيذ إجراء يزيد الحاجة إلى التحقق والإشراف وتحديد المسؤولية. ومن هنا، ينبغي أن تتسع استقلالية النظام بقدر ما تثبته الاختبارات من موثوقيته ضمن المهام الموكلة إليه، مع بقاء سلطة المراجعة والإيقاف واضحة في يد الإنسان.
من يحكم فضول الآلة؟
تتيح المختبرات ذاتية القيادة للعلماء تفويض جانب من القرارات التجريبية اليومية، وتخصيص وقت أكبر لصياغة الأسئلة العلمية وفهم النتائج. وتبلغ هذه الشراكة قيمتها حين تقود التجارب الأسرع إلى معرفة أوثق، يمكن تفسيرها والتحقق منها والبناء عليها.
لقد اعتدنا أن نسأل الذكاء الاصطناعي: «ما الإجابة؟». واليوم بدأنا نفوّض إليه اختيار الخطوة التي قد تقرّبنا منها: «ما التجربة التالية؟». أما تحديد ما يستحق البحث، وما يكفي من الأدلة لقبول النتيجة، ومتى ينبغي التوقف، فيبقى مسؤولية الإنسان.
