آخر الأخبار: سيغنال تحصّن محادثاتها من عيون مساعدات الذكاء الاصطناعي

٢٢ نوفمبر ٢٠٢٦
أبحاث وتطورات الذكاء الاصطناعي

اختبار جديد يضع وكلاء الذكاء الاصطناعي أمام فوضى المختبر الحقيقي

قدمت OpenAI معيار BioBasicsBench لقياس قدرة وكلاء الذكاء الاصطناعي على تحليل بيانات تجارب مخبرية خام، مع اختبار فهم الصور والضوابط والنتائج غير الحاسمة.

باحثة تراجع صور هلام DNA وبيانات تجارب مخبرية على شاشة داخل مختبر حيوي
باحثة تراجع صور هلام DNA وبيانات تجارب مخبرية على شاشة داخل مختبر حيوي

صورة تعبيرية مولّدة بالذكاء الاصطناعي

شارك الخبر

تتجه تقييمات الذكاء الاصطناعي العلمي تدريجيا من الأسئلة النظرية والبيانات المنسقة إلى مواقف أقرب لما يواجهه الباحث داخل المختبر. وفي هذا السياق، طرحت OpenAI معيار BioBasicsBench بوصفه اختبارا يركز على الأعمال اليومية في المختبرات الحيوية، حيث قد تكون الصور غير واضحة، والنتائج متعارضة، وبعض التجارب غير صالحة لبناء استنتاج موثوق.

تفاصيل الخبر

يتكون المعيار من 100 مهمة تعتمد على بيانات تجريبية أولية، ولا تكتفي بسؤال النموذج عن معلومة بيولوجية معروفة. المطلوب من الوكيل قد يكون قراءة صورة هلام DNA، تفسير نتيجة فحص، اكتشاف خطأ في إعداد تجربة، أو التنبيه إلى أن الأدلة المتاحة لا تسمح بحسم السؤال المطروح.

تغطي المهام خمسة مجالات رئيسية من العمل المخبري الروتيني: تقنيات البروتين، والتصوير والقياس الخلوي، والاختبارات الكمية، وتقنيات الأحماض النووية، والاستنساخ الجزيئي. وتستخدم الحالات مواد متعددة، منها صور الهلام والأطباق والمجاهر، وملفات التسلسل، وجداول الأجهزة، ولقطات شاشات المعدات، ومقاطع فيديو لإجراءات عملية.

أعد العلماء المهام اعتمادا على بيانات من تجاربهم، وربطوا كل حالة بسؤال ومعايير تصحيح مفصلة. وخضعت الحالات لمراجعات متتابعة، شملت مراجعة داخلية من عالم لم يكتب المهمة، وتقييما خارجيا من عالم حاصل على الدكتوراه ويعمل في مختبر رطب، ثم مراجعة نهائية قبل اعتمادها.

لا يقيس BioBasicsBench الوصول إلى إجابة نهائية فحسب، بل يمنح درجات لعناصر منفصلة مثل النتيجة، والقياس العددي، ومنطق التفسير، والقدرة على رصد أن البيانات غير كافية. ويسمح هذا الأسلوب بالتمييز بين إجابة وصلت إلى النتيجة الصحيحة بالمصادفة وتحليل تعامل فعلا مع الضوابط والسياق التجريبي.

في النتائج المنشورة، حصل GPT-6 Astra عند إعداد xhigh، الذي يتيح وقتا أطول للاستدلال، على متوسط 66.7% من الدرجة المتاحة، مقابل 43.8% لنموذج GPT-5.6 Sol. وتعكس المقارنة تحسنا في التعامل مع مهام التحليل المخبري، لكنها لا تعني أن الوكلاء أصبحوا جاهزين لاتخاذ قرارات علمية مستقلة.

أظهرت الأمثلة أن التحسن شمل قراءة الصور والبيانات متعددة الوسائط، وفهم أهمية الضوابط، والتمييز بين تغير حقيقي في العينة وتأثير ناتج عن طريقة التصوير. ففي إحدى الحالات، تمكن النموذج الأحدث من ملاحظة أن تسمية طبق التجربة تشير إلى مضاد حيوي مختلف عن المستخدم في الاختبار، وهو ما أضعف صلاحية الطبق بوصفه ضابطا.

مع ذلك، سجل الاختبار إخفاقات مهمة. فقد أخطأ النموذج في اختيار مستعمرات يفترض أن تحمل البناء الجيني المطلوب، رغم أنه تعرف بصريا إلى مجموعات الأشرطة في هلام PCR. وفي مثال آخر، بالغ في تعميم مظهر فجوات الخلايا، كما أخطأ في عد مستعمرات طبق مخبري، ما أدى إلى تقدير أعلى من المرجع بنحو 12% في تلك الحالة.

تكمن أهمية المعيار في أنه يختبر جوانب يصعب التقاطها بالاختبارات التقليدية، مثل مقاومة الافتراضات المسبقة، والتحقق من صلاحية الضوابط، وربط الملاحظة البصرية بالمعرفة الخاصة بالبروتوكول. وهذه مهارات مؤثرة لأن الخطأ في تفسير تجربة بسيطة قد يهدر عينات ووقتا وموارد، أو يدفع فريق البحث إلى تجربة لاحقة مبنية على أساس غير صحيح.

تضع OpenAI BioBasicsBench ضمن مسار أوسع لتقييم استخدام الوكلاء في العلوم الحيوية، مع الإشارة إلى أن ارتفاع الدرجات لا يساوي امتلاك نظام قادر على العمل بأمان داخل المختبر من دون إشراف بشري. وستحتاج الخطوة التالية إلى اختبارات مستقلة، وبيانات أكثر تنوعا، وقياس أفضل لقدرة النماذج على طلب معلومات إضافية قبل إصدار حكم نهائي.

هل تثق في وكيل ذكاء اصطناعي لتحليل نتائج تجربة مخبرية روتينية، أم تفضّل أن يقتصر دوره على اقتراح الاحتمالات؟

هل تثق في وكيل ذكاء اصطناعي لتحليل نتائج تجربة مخبرية روتينية، أم تفضّل أن يقتصر دوره على اقتراح الاحتمالات؟

شاركنا رأيك في التعليقات
العودة إلى جميع الأخبار

التعليقات

٠

كن أول من يشارك رأيه في هذا الخبر.