نظام متعدد الوكلاء لقراءة الأوراق البحثية: محاولة لتنظيم المعرفة العلمية

في عالم يتسارع فيه إنتاج المعرفة بوتيرة غير مسبوقة، لم تعد المشكلة في الوصول إلى الأبحاث، بل في القدرة على متابعتها، وهنا ادعوك لتسأل أي باحث في الذكاء الاصطناعي كيف يواكب تطورات المجال، وغالباً ما ستسمع الإجابة نفسها بصيغ مختلفة: الأمر لم يعد سهلاً.

فعدد الأوراق البحثية التي تُنشر يومياً حتى على منصة واحدة مثل  arXiv يتجاوز بكثير ما يمكن قراءته خلال عام كامل وهو ما دفع الباحثين للاعتماد على مزيج غير منتظم من الأساليب منها: البحث بالكلمات المفتاحية، متابعة نقاشات على المنصات الاجتماعية، قنوات تواصل داخلية، أو حتى توصية عابرة من زميل اطّلع مصادفة على ورقة جديدة في ساعة متأخرة من الليل.

في هذا السياق، طوّر فريق من جامعة محمد بن زايد للذكاء الاصطناعي نظاماً يحمل اسم Paper Circle، يهدف إلى تحويل هذه المرحلة العشوائية إلى عملية أكثر تنظيماً ووضوحاً معتمداً على مجموعة من وكلاء الذكاء الاصطناعي الذين يعملون بشكل متزامن للبحث عبر قواعد بيانات متعددة، ثم ترتيب النتائج وفق مؤشرات صلة متنوعة، وبناء روابط معرفية بين الأوراق المكتشفة. وقد أُتيح النظام كمصدر مفتوح، إلى جانب نسخة تجريبية .

يركّز Paper Circle على نقطة مختلفة على خلاف مشاريع أخرى تسعى إلى أتمتة البحث العلمي بالكامل—من توليد الفرضيات إلى كتابة الأوراق— وهذه النقطة هي: مساعدة الباحث على العثور على أهم الأوراق ذات الصلة، وفهم العلاقات بينها، وتنظيم المراجع بدقة، دون أن يحل محل التفكير البشري. ويصفه مطوّروه بأنه “بيئة عمل تعاونية”، حيث تبقى مهمة التحليل والاستنتاج مسؤولية الباحث نفسه.

بحث موحّد… بمكوّنات مألوفة

يقوم النظام على مسارين رئيسيين، أولهما مسار الاكتشاف الذي يبدأ بإدخال استعلام بلغة طبيعية، يتولى وكيل مخصص تحليله لاستخلاص النية الكامنة وراءه، وتحويله إلى عناصر منظمة تشمل قواعد البيانات المستهدفة، والإطار الزمني، وطبيعة النتائج المطلوبة؛ سواء كانت أوراقاً مرجعية أساسية أو أبحاثاً حديثة.

بعد ذلك، ينفّذ وكيل البحث عمليات متوازية عبر منصات متعددة مثل arXiv و  Semantic Scholar وOpenAlex وDBLP، إضافة إلى قواعد بيانات محلية إن وجدت. ثم تُنقّى النتائج من التكرار، وتُمرر إلى مرحلة التقييم.

وتُعد هذه المرحلة من أبرز عناصر النظام، إذ لا يعتمد على مقياس واحد لترتيب النتائج، بل يجمع بين عدة مؤشرات، من بينها:

• تشابه الاستعلام
• حداثة النشر
• الجِدّة
• المطابقة النصية

وتُدمج هذه المؤشرات ضمن معادلة موزونة تتغير بحسب نمط البحث. ففي نمط “الاستقرار”، تُعطى أولوية للأوراق ذات الصلة العالية والاستشهادات الكثيفة، بينما يركّز نمط “الاكتشاف” على إبراز الأعمال الجديدة أو غير التقليدية.

ولضمان تنوع النتائج، يُطبَّق مرشح إضافي يمنع تركزها حول محور فرعي واحد، في محاولة لمحاكاة الطريقة التي يستكشف بها الباحثون الموضوعات من زوايا متعددة.

من قراءة الأوراق إلى بناء المعرفة

أما المسار الثاني، فيركّز على تحليل الأوراق البحثية نفسها فعند إدخال ملف PDF  لا يعالج النظام النص بشكل عشوائي، بل وفق بنية الورقة الأصلية، مستفيداً من تقسيمها إلى أقسام.

ثم يوجّه مجموعة من الوكلاء المتخصصين لاستخراج المفاهيم، والأساليب، والتجارب، والعلاقات بينها. وتُحوَّل هذه العناصر إلى رسم بياني معرفي منظّم، تمثّل عقده مفاهيم رئيسية، بينما تعبّر الروابط عن طبيعة العلاقة بينها.

ويتيح النظام كذلك طرح أسئلة مباشرة حول محتوى الورقة، مع ربط الإجابات بأقسام وصفحات محددة  إلى جانب آلية تحقق إضافية لرصد العناصر التي قد لا تكون قد عولجت، مثل الجداول أو المعادلات، ما يوفر مستوى أساسياً من ضمان الجودة.

يحتفظ النظام في كلتا المرحلتين بسجل كامل لخطوات المعالجة، بما في ذلك التوقيت وعدد الأوراق، ويتيح تصدير النتائج بعدة صيغ، إلى جانب واجهة تفاعلية تتيح تتبع مسار اتخاذ القرار خطوة بخطوة.

ماذا تقول الأرقام؟

أُجري تقييم أداء نظام  Paper Circle في الاسترجاع باستخدام نماذج لغوية مفتوحة المصدر على أربع وحدات معالجة رسومية من NVIDIA ، بالاعتماد على مجموعة اختبار مستمدة من مؤتمرات بارزة في علوم الحاسوب وتعلّم الآلة. وشملت التجارب 50 استعلاماً بصيغتين: الأولى وُلدت اصطناعياً بواسطة نموذج لغوي لمحاكاة عمليات البحث الطبيعية، والثانية بُنيت عبر قوالب عشوائية بدرجات متفاوتة من التقييد.

وحقق أفضل إعداد للنظام—باستخدام نموذج Qwen3-Coder بقدرة 30 مليار معلمة بعد تكميمه—نسبة نجاح بلغت 80% في العثور على الورقة المستهدفة ضمن الاختبار الأكثر صعوبة، مع قيمة متوسط الترتيب العكسي (MRR) بلغت 0.627. كما عُدّ من بين أسرع الإعدادات، إذ استغرق تنفيذ الاستعلام الواحد نحو 22 ثانية.

وأظهرت النتائج أن العلاقة بين حجم النموذج وجودة الاسترجاع ليست خطية؛ فقد سجّل نموذج DeepSeek بحجم 33 مليار معلمة نسبة نجاح متواضعة بلغت 12%، في حين وصل نموذج  Qwen أصغر حجماً (3 مليارات معلمة) إلى 60%. وتشير هذه الفجوة إلى أن القدرة على اتباع التعليمات والتعامل مع المهام متعددة الخطوات تُعد عاملاً أكثر حسماً من عدد المعلمات وحده.

ومن النتائج اللافتة أيضاً أن خوارزمية BM25—وهي تقنية تقليدية تعتمد على المطابقة المعجمية—حققت أداءً قوياً بنسبة نجاح بلغت 78%، متفوقةً على غالبية الأنظمة القائمة على الوكلاء. وعند تعزيزها بمُعيد ترتيب عصبي (neural reranker)، وصلت جودة الترتيب إلى أعلى مستوى في الدراسة، لكن ذلك جاء بتكلفة حسابية أعلى بنحو 28 ضعفاً. في المقابل، لم يُظهر الدمج بين BM25 والاسترجاع الدلالي أي تحسن يُذكر مقارنة باستخدام BM25 بمفرده.

عند توسيع نطاق الاختبار ليشمل 500 استعلام باستخدام منظومة الوكلاء المتكاملة، ارتفعت نسبة النجاح إلى 98%، كما تحسّنت قيمة MRR لتصل إلى 0.88.

ويُعزى جزء من هذا التحسن إلى طبيعة مزيج الاستعلامات، إذ تضمّن الاختبار الموسّع استعلامات مُولّدة اصطناعياً، والتي بدت أسهل نسبياً لأنظمة الاسترجاع متعددة الوكلاء. وقد أشار الباحثون إلى أن هذه النتيجة تستدعي مزيداً من الدراسة والتحقق.

حيث يتوقف الذكاء الاصطناعي… ويبدأ الحكم البشري

يتضمن النظام إطاراً لتقييم الأوراق البحثية عبر معايير مثل الجِدّة، والمتانة، والوضوح، في محاولة لمحاكاة دور المحكّم العلمي في المؤتمرات الأكاديمية.

وعند مقارنة هذه التقييمات بمراجعات بشرية فعلية لأوراق المؤتمر الدولي لتمثيلات التعلّم 2024، شملت 50 ورقة مختارة عشوائياً، تبيّن أن مستوى الارتباط مع التقييمات البشرية كان ضعيفاً عبر جميع النماذج إذ لم تتجاوز معاملات بيرسون 0.25، بل أظهرت بعض المقاييس ارتباطاً سلبياً، ما يعني أن النظام قام أحياناً بترتيب الأوراق بعكس تفضيلات المحكمين البشر.

ويؤكد الباحثون أن مكوّن التقييم هذا لا ينبغي استخدامه للمقارنة أو ترتيب الأوراق البحثية، مشيرين إلى أن هذا القصور يعود جزئياً إلى محدودية قدرات النماذج الحالية، رغم أن النماذج الأكبر أظهرت تحسناً نسبياً في جودة المراجعات.

وفي حين أثبتت الأنظمة كفاءتها في مهام مثل البحث، وإزالة التكرار، وتنسيق البيانات، واستخراج المعلومات المنظمة من ملفاتPDF ، وهي مهام ذات مدخلات واضحة ومخرجات قابلة للتحقق  تبقى عملية تقييم القيمة العلمية للورقة أكثر تعقيداً.

فتحديد مدى أهمية المساهمة البحثية، أو قوة التصميم التجريبي، أو مدى توافق الادعاءات مع الأدلة، يتطلب حكماً نقدياً عميقاً، وهو نوع من التفكير لا تزال النماذج الحالية تُجيده بشكل محدود، حتى وإن تمكنت من إنتاج نصوص سليمة لغوياً تبدو كمراجعات أكاديمية متكاملة.

السياق… وما الذي يأتي لاحقاً