الذكاء الاصطناعي في البحث العلمي.. هل تكفي الضوابط لحماية النزاهة الأكاديمية أم أننا أمام أزمة أعمق في منظومة إنتاج المعرفة؟
محمود السعيد يفتح ملف الاستخدام المسؤول للذكاء الاصطناعي بجامع القاهرة.. وأكثر من 200 أكاديمي وباحث يناقشون تحديات المراجع الوهمية والنتائج المصطنعة وسحب الأبحاث
- هل تكفي الضوابط لحماية النزاهة الأكاديمية أم أننا أمام أزمة أعمق في منظومة إنتاج المعرفة؟
- محمود السعيد يفتح ملف الاستخدام المسؤول للذكاء الاصطناعي بجامع القاهرة
- وأكثر من 200 أكاديمي وباحث يناقشون تحديات المراجع الوهمية والنتائج المصطنعة وسحب الأبحاث
- أستاذ هندسة الحاسبات والذكاء الاصطناعي
الذكاء الاصطناعي في البحث العلمي.. هل تكفي الضوابط لحماية النزاهة الأكاديمية أم أننا أمام أزمة أعمق في منظومة إنتاج المعرفة؟
محمود السعيد يفتح ملف الاستخدام المسؤول للذكاء الاصطناعي بجامع القاهرة.. وأكثر من 200 أكاديمي وباحث يناقشون تحديات المراجع الوهمية والنتائج المصطنعة وسحب الأبحاث
بقلم: الأستاذ الدكتور وائل بدوي
أستاذ هندسة الحاسبات والذكاء الاصطناعي
لم يعد السؤال المطروح أمام الجامعات ومراكز البحث العلمي هو ما إذا كان ينبغي السماح باستخدام الذكاء الاصطناعي في البحث العلمي أم منعه، فقد تجاوز العالم هذه المرحلة بالفعل. السؤال الحقيقي والأكثر إلحاحًا اليوم هو: كيف يمكننا الاستفادة من القدرات الهائلة لهذه التكنولوجيا دون أن نسمح لها بتقويض الأسس التي يقوم عليها العلم، وفي مقدمتها الصدق، والأصالة، والشفافية، وقابلية التحقق من النتائج؟
يأتي هذا التساؤل في أعقاب ورشة العمل التي نظمتها جامعة القاهرة، بمشاركة أكثر من 200 من القيادات الأكاديمية والباحثين، والتي تناول خلالها الدكتور محمود السعيد ضوابط الاستخدام المسؤول للذكاء الاصطناعي في البحث العلمي، مع التركيز على النزاهة الأكاديمية والحوكمة البحثية، ومخاطر المراجع الوهمية والنتائج غير الحقيقية، وأهمية الإفصاح عن استخدام أدوات الذكاء الاصطناعي.
ووفقًا للمعلومات المنشورة عن الورشة، تناولت المناقشات أيضًا الأسباب العلمية والأخلاقية والإجرائية التي قد تؤدي إلى تصحيح الأبحاث المنشورة أو سحبها، مع التأكيد على أن الباحث يتحمل المسؤولية الكاملة عن أصالة بحثه ودقة نتائجه وسلامة استنتاجاته.
ولا شك أن طرح هذه القضايا داخل جامعة القاهرة، بما تمثله من تاريخ أكاديمي وثقل علمي، يعكس إدراكًا متزايدًا لحجم التحولات التي يفرضها الذكاء الاصطناعي على منظومة البحث العلمي.
لكن أهمية الحدث لا ينبغي أن تمنعنا من طرح سؤال نقدي أكثر عمقًا:
هل تكمن أزمة النزاهة العلمية في الذكاء الاصطناعي نفسه، أم أن هذه التكنولوجيا كشفت عن مشكلات قديمة في منظومة البحث العلمي، تتعلق بثقافة النشر، ومعايير الترقية، وضغوط الإنتاج الأكاديمي، وضعف آليات المراجعة والمساءلة؟
هذا السؤال يستحق نقاشًا يتجاوز حدود ورشة العمل، لأنه يمس مستقبل الجامعة المصرية ومصداقية إنتاجها العلمي.
أولًا: الذكاء الاصطناعي لم يصنع أزمة النزاهة العلمية.. لكنه ضاعف قدرتها على الانتشار
من الخطأ العلمي والتاريخي أن ننسب ظواهر التلاعب البحثي أو اختلاق النتائج أو سرقة الأفكار إلى ظهور الذكاء الاصطناعي التوليدي.
فالتاريخ الأكاديمي، محليًا وعالميًا، شهد حالات من تزوير البيانات، والتلاعب بالصور العلمية، والانتحال، والنشر المكرر، وتضارب المصالح، والممارسات غير الأخلاقية قبل ظهور أدوات الذكاء الاصطناعي الحديثة بعقود طويلة.
الجديد أن هذه الأدوات جعلت إنتاج النصوص العلمية أسهل وأسرع وأقل تكلفة.
فقد أصبح بالإمكان توليد مسودة بحثية طويلة خلال دقائق، وإعداد مراجعة أدبية تبدو متماسكة، وصياغة مناقشة علمية بلغة احترافية، بل واقتراح نتائج واستنتاجات تبدو منطقية، رغم أنها قد لا تستند إلى تجربة حقيقية.
وهنا تكمن الخطورة.
فالذكاء الاصطناعي لا يكتفي أحيانًا بإنتاج معلومات خاطئة، بل يستطيع تقديمها في قالب لغوي مقنع يجعل اكتشاف الخطأ أكثر صعوبة بالنسبة إلى القارئ غير المتخصص.
وقد ينتج نظام ذكاء اصطناعي عنوانًا لمقال علمي غير موجود، وينسبه إلى باحث معروف، ويضيف اسم مجلة وسنة نشر ورقمًا تعريفيًا رقميًا يبدو صحيحًا.
وفي حالات أخرى، قد يقدم تفسيرًا إحصائيًا لنتائج لم تُقَس أصلًا، أو يصوغ استنتاجات تتجاوز ما تسمح به البيانات.
لكن المسؤولية لا تقع على النظام وحده.
فالباحث الذي يعتمد على مخرجات غير متحقق منها، ثم يقدمها إلى المجتمع العلمي باعتبارها معرفة موثوقة، يتحمل مسؤولية ما ينشره.
المشكلة ليست في أن الذكاء الاصطناعي قد يخطئ، بل في أن الباحث قد يتوقف عن التحقق لأنه وثق في إجابة تبدو علمية.
وهذا هو التحول الأخطر: الانتقال من استخدام التكنولوجيا لمساعدة العقل البشري إلى استخدامها بديلًا عن الحكم العلمي.
ثانيًا: هل أصبح عدد الأبحاث أهم من قيمتها العلمية؟
إذا أردنا معالجة الاستخدام غير المسؤول للذكاء الاصطناعي، فعلينا أولًا مراجعة البيئة الأكاديمية التي يعمل داخلها الباحث.
ففي كثير من المؤسسات الجامعية حول العالم، أصبح الإنتاج البحثي يُقاس بمؤشرات كمية تشمل عدد الأوراق المنشورة، وتصنيف المجلات، والاستشهادات العلمية، ومؤشرات التأثير.
وهذه المؤشرات قد تكون مفيدة عند استخدامها ضمن تقييم متوازن، لكنها تتحول إلى مشكلة عندما تصبح بديلًا عن التقييم العلمي الحقيقي.
فقد يجد الباحث نفسه مطالبًا بنشر عدد معين من الأبحاث خلال فترة محددة، بينما يواجه أعباء تدريسية وإدارية متزايدة، ونقصًا في التمويل أو التجهيزات أو الدعم البحثي.
وفي مثل هذه البيئة، تصبح أدوات الذكاء الاصطناعي وسيلة مغرية لتسريع الإنتاج الأكاديمي.
وهنا ينبغي التمييز بين الاستخدام المشروع الذي يرفع كفاءة الباحث، والاستخدام غير المشروع الذي يحول العملية البحثية إلى إنتاج آلي للأوراق العلمية.
فليس كل بحث طويل بحثًا جيدًا، وليس كل مقال منشور في مجلة دولية إضافة حقيقية إلى المعرفة.
كما أن كثرة الاستشهادات لا تعني بالضرورة صحة النتائج، تمامًا كما أن استخدام لغة أكاديمية متقنة لا يضمن وجود مساهمة علمية أصيلة.
والسؤال الذي ينبغي أن تواجهه الجامعات بشجاعة هو:
هل نكافئ الباحث الذي يكتشف معرفة جديدة، أم الباحث الذي يستطيع إنتاج أكبر عدد من الأوراق في أقصر وقت؟
إذا استمرت بعض أنظمة التقييم في التركيز المفرط على الكم، فإن وضع ضوابط لاستخدام الذكاء الاصطناعي لن يكون كافيًا.
فالإصلاح الحقيقي يبدأ من إعادة الاعتبار إلى جودة البحث، وقابلية تكرار نتائجه، وأصالته، وأثره العلمي والمجتمعي.
ثالثًا: المراجع الوهمية.. عندما يتحول الاستشهاد العلمي إلى دليل على غياب التحقق
من أبرز القضايا التي تناولتها ورشة جامعة القاهرة مخاطر المراجع العلمية الوهمية.
وتستحق هذه القضية اهتمامًا خاصًا، لأن المراجع ليست عنصرًا شكليًا في الورقة البحثية، بل تمثل جزءًا من البنية المعرفية التي تقوم عليها الدراسة.
فعندما يستشهد الباحث بعمل سابق، فإنه يخبر القارئ ضمنيًا أن هذا العمل موجود، وأنه اطلع على محتواه بالقدر اللازم، وأن الاستشهاد يدعم الادعاء الوارد في النص.
لكن بعض أنظمة الذكاء الاصطناعي قد تنتج مراجع غير موجودة، أو تخلط بين أسماء المؤلفين والعناوين، أو تنسب نتائج إلى دراسات لم تتناولها أصلًا.
والأخطر أن المرجع قد يكون حقيقيًا بالفعل، لكن الاستنتاج المنسوب إليه غير صحيح.
لذلك، فإن التحقق من وجود المرجع وحده لا يكفي.
بل ينبغي التأكد من أن الدراسة المستشهد بها تدعم الادعاء العلمي الذي وردت للإسناد إليه.
وهنا تظهر ثلاثة مستويات ضرورية للتحقق: وجود المصدر فعلًا، وصحة بياناته الببليوغرافية، ودقة العلاقة بين محتواه والادعاء الذي يُستشهد به لإثباته.
وقد يعتقد بعض الباحثين أن العثور على رقم DOI صحيح يمثل دليلًا كافيًا على سلامة الاستشهاد، لكن هذا الاعتقاد غير دقيق.
فقد يكون الرقم صحيحًا ويشير إلى دراسة مختلفة تمامًا، أو تكون الدراسة صحيحة لكنها لا تدعم النتيجة المذكورة.
إن المشكلة هنا تتجاوز مجرد خطأ في قائمة المراجع؛ لأنها تمس العلاقة بين الدليل والاستنتاج.
فالبحث العلمي لا يصبح موثوقًا لأنه يحتوي على عشرات المراجع، وإنما لأنه يستخدم الأدلة الصحيحة لدعم ادعاءات محددة وقابلة للفحص.
ومن ثم، فإن أي سياسة جامعية جادة لاستخدام الذكاء الاصطناعي ينبغي أن تتضمن إجراءات واضحة للتحقق من الاستشهادات، خصوصًا عندما تُستخدم الأدوات التوليدية في إعداد مراجعات الأدبيات.
رابعًا: النتائج المصطنعة أخطر من النصوص المصطنعة
يمكن للباحث أن يستعين بالذكاء الاصطناعي لتحسين صياغة فقرة علمية دون أن يغير مضمونها، وقد يكون هذا الاستخدام مقبولًا وفقًا لسياسة المجلة أو المؤسسة.
لكن الأمر يختلف جذريًا عندما يُستخدم الذكاء الاصطناعي لإنتاج نتائج تجريبية لم تُستخرج من تجربة فعلية.
فهناك فارق جوهري بين استخدام الذكاء الاصطناعي لتحليل البيانات، واستخدامه لاختلاق البيانات.
الأول قد يمثل تقدمًا منهجيًا مشروعًا، بينما الثاني يمثل انتهاكًا مباشرًا للنزاهة العلمية إذا قُدمت البيانات المختلقة على أنها نتائج حقيقية.
ومن المهم هنا التمييز بين البيانات الاصطناعية المشروعة والبيانات الملفقة.
فالبيانات الاصطناعية يمكن أن تكون أداة علمية مفيدة في المحاكاة، واختبار الخوارزميات، وتطوير النماذج الأولية، ودراسة السيناريوهات التي يصعب اختبارها عمليًا.
لكن مشروعيتها تعتمد على الإفصاح الواضح عن طبيعتها، وشرح طريقة توليدها، وحدود استخدامها، وعدم تقديمها باعتبارها قياسات واقعية.
فإذا أجرى باحث تجربة باستخدام بيانات محاكاة، فعليه أن يوضح أنها بيانات محاكاة، وأن يحدد النموذج الذي أنتجها، والافتراضات التي بُنيت عليها، ومدى صلاحية تعميم النتائج.
أما أن تُولد أرقام افتراضية ثم تُقدم باعتبارها نتائج تجارب معملية أو دراسات ميدانية، فهذه ليست مشكلة استخدام تكنولوجي، بل مشكلة تزوير علمي.
ويزداد الأمر خطورة عندما تتعلق النتائج بمجالات حساسة مثل الطب، والصحة العامة، والهندسة، والأمن السيبراني، والبيئة.
فنتيجة غير صحيحة في بحث طبي قد تؤثر في قرارات علاجية، ونتيجة مضللة في بحث هندسي قد تقود إلى تصميم غير آمن، بينما قد يؤدي نموذج أمني غير مختبر إلى شعور زائف بالحماية.
ولهذا، فإن حماية النزاهة البحثية يجب أن تركز على سلسلة إنتاج الدليل العلمي بأكملها، وليس على النص النهائي للورقة البحثية فقط.
خامسًا: سحب الأبحاث ليس دائمًا دليلًا على الغش
من القضايا المهمة التي أُثيرت في الورشة مسألة تصحيح الأبحاث المنشورة وسحبها.
وهنا ينبغي التعامل مع الموضوع بدقة علمية، بعيدًا عن التعميم أو الخلط بين الأخطاء غير المقصودة والمخالفات المتعمدة.
فالعلم بطبيعته عملية تصحيح مستمرة.
وقد يكتشف الباحث بعد النشر خطأً في الحسابات أو التحليل الإحصائي أو معالجة البيانات، فيبادر إلى تصحيحه.
وقد يكون الخطأ محدودًا ولا يؤثر في الاستنتاجات الأساسية، فتكون المعالجة المناسبة إصدار تصحيح علمي.
أما إذا كان الخطأ جوهريًا ويجعل النتائج غير موثوقة، فقد يصبح سحب البحث ضروريًا لحماية السجل العلمي، حتى في غياب دليل على سوء النية.
وفي حالات أخرى، قد يرتبط السحب بتزوير البيانات، أو الانتحال، أو النشر المكرر، أو مخالفات أخلاقية خطيرة.
ولذلك، فإن عدد الأبحاث المسحوبة وحده لا يكفي للحكم على نزاهة مؤسسة أو باحث.
بل ينبغي دراسة أسباب السحب، وطريقة اكتشاف المشكلة، ومدى تعاون الباحثين في تصحيحها، وشفافية المؤسسة في التعامل معها.
إن الثقافة الأكاديمية الصحية لا تعاقب الباحث على كل خطأ غير مقصود، لكنها ترفض إخفاء الأخطاء أو التلاعب المتعمد.
والأهم أن الجامعات ينبغي أن تميز بين المساءلة العادلة وثقافة التشهير.
فإذا تحول الاعتراف بالخطأ إلى تهديد شامل للمستقبل الأكاديمي، فقد يتردد الباحثون في تصحيح نتائجهم، وهو ما يضر بالعلم بدلًا من حمايته.
النزاهة العلمية لا تعني أن الباحث لا يخطئ، بل تعني أنه لا يخفي الخطأ عندما يكتشفه.
سادسًا: الشفافية والإفصاح.. هل يكفي أن يكتب الباحث أنه استخدم الذكاء الاصطناعي؟
من المبادئ التي أكدت عليها المناقشات أهمية الشفافية والإفصاح عن استخدام أدوات الذكاء الاصطناعي.
وهذا مبدأ أساسي، لكنه يحتاج إلى تفصيل.
فعبارة مثل «تم استخدام أدوات الذكاء الاصطناعي في إعداد البحث» قد تكون صحيحة، لكنها لا تقدم معلومات كافية لتقييم طبيعة الاستخدام أو أثره.
هل استُخدمت الأداة لتصحيح اللغة؟
أم لتلخيص دراسات سابقة؟
أم لاقتراح فرضيات بحثية؟
أم لكتابة أجزاء من المنهجية؟
أم لتوليد شيفرات برمجية؟
أم لتحليل البيانات وتفسير النتائج؟
أم لإنتاج صور ورسوم علمية؟
كل حالة من هذه الحالات تثير مستوى مختلفًا من المخاطر والمسؤوليات.
ومن ثم، فإن الإفصاح الجيد ينبغي أن يكون محددًا، وأن يوضح الوظيفة التي أدتها الأداة، ومدى تدخل الباحث في مراجعة مخرجاتها، وأي أثر جوهري لها على النتائج أو الاستنتاجات.
ولا يعني ذلك بالضرورة إدراج سجل كامل لكل تفاعل بسيط مع الأداة، وإنما تقديم المعلومات اللازمة لتقييم موثوقية العمل وفقًا لطبيعة البحث وسياسة الجهة الناشرة.
كما ينبغي التمييز بين استخدام الذكاء الاصطناعي بوصفه أداة مساعدة، واستخدامه بوصفه جزءًا من المنهج العلمي نفسه.
فإذا كان النموذج عنصرًا أساسيًا في التجربة، فإن قابلية إعادة الإنتاج تتطلب توثيق النموذج وإصداره وإعداداته والبيانات المستخدمة وإجراءات التقييم، بالقدر الذي تسمح به القيود الأخلاقية والقانونية والتقنية.
أما إذا اقتصر استخدامه على تحسين اللغة، فقد تكون متطلبات الإفصاح مختلفة.
إن المطلوب ليس تحويل الإفصاح إلى إجراء بيروقراطي شكلي، بل جعله أداة حقيقية لتعزيز الثقة.
سابعًا: هل أصبحت أدوات كشف النصوص المولدة بالذكاء الاصطناعي تهديدًا جديدًا للعدالة الأكاديمية؟
هناك قضية لا تقل أهمية عن المخاطر التي تناولتها الورشة، وهي الاعتماد المفرط على أدوات اكتشاف النصوص المولدة بالذكاء الاصطناعي.
فبعض المؤسسات قد تميل إلى استخدام هذه الأدوات باعتبارها وسيلة سريعة للتمييز بين الكتابة البشرية والكتابة الآلية.
لكن هذه المقاربة تنطوي على مخاطر علمية وأخلاقية.
فأدوات الكشف تعتمد على مؤشرات إحصائية وأنماط لغوية، ولا تستطيع إثبات مصدر النص بصورة قطعية.
وقد تصنف نصًا بشريًا على أنه مولد آليًا، أو تفشل في اكتشاف نص أُنتج باستخدام الذكاء الاصطناعي ثم خضع للتحرير.
كما أن أداء هذه الأدوات قد يختلف باختلاف اللغة والتخصص ونوع النص ومستوى إتقان الكاتب للغة المستخدمة.
وهذا يثير تساؤلات جدية بشأن العدالة الأكاديمية، خصوصًا عندما تستخدم نتائج الكشف لاتخاذ قرارات تأديبية أو رفض أبحاث دون تحقيق مستقل.
فالباحث الذي يكتب بلغة علمية منظمة ومباشرة لا ينبغي أن يصبح موضع اتهام لمجرد أن أسلوبه يشبه الأنماط التي تتعرف عليها خوارزمية معينة.
ولا يجوز التعامل مع نسبة احتمالية تنتجها أداة كشف باعتبارها دليلًا نهائيًا على مخالفة أكاديمية.
ولهذا، فإن الجامعات مطالبة بتبني إجراءات تحقق عادلة تستند إلى الأدلة والسجلات البحثية، وتتيح للباحث حق التفسير والرد والمراجعة.
فكما نرفض أن يحل الذكاء الاصطناعي محل الباحث في إنتاج المعرفة، ينبغي أن نرفض أن يحل محل لجان التحقيق في إصدار الأحكام على الباحثين.
ثامنًا: مسؤولية الباحث لا تعفي الجامعة من مسؤوليتها المؤسسية
أكدت الرسائل المنشورة عن الورشة أن الباحث يتحمل المسؤولية الكاملة عن أصالة بحثه ودقة نتائجه وسلامة استنتاجاته.
وهذا مبدأ صحيح من حيث المسؤولية العلمية عن العمل المنشور.
لكن الاكتفاء به قد يؤدي إلى إغفال مسؤولية المؤسسة الأكاديمية عن البيئة التي تنتج فيها الأبحاث.
فالباحث يعمل داخل منظومة تتضمن إشرافًا أكاديميًا، ولجان أخلاقيات، ووحدات بحثية، ونظم تقييم وترقية، ومراكز دعم علمي، وإجراءات مؤسسية لضمان الجودة.
وإذا كانت الجامعة تطالب الباحث بالنزاهة، فإن عليها في المقابل أن توفر له الأدوات والتدريب والموارد اللازمة للالتزام بها.
ومن غير المنطقي أن نطالب الباحث بالتحقق من كل مرجع علمي دون أن نتيح له وصولًا مناسبًا إلى قواعد البيانات والمكتبات الرقمية.
كما يصعب مطالبة الباحث بإجراء تجارب قابلة للتكرار دون توفير بنية تحتية بحثية ملائمة أو دعم فني ومنهجي.
ولا يمكن تحقيق حوكمة فعالة للذكاء الاصطناعي دون تدريب أعضاء هيئة التدريس والباحثين على فهم حدود هذه النماذج ومخاطرها.
ومن هنا، فإن المسؤولية ينبغي أن تكون موزعة بصورة واضحة.
الباحث مسؤول عن صدق ما يقدمه.
والمشرف مسؤول عن الإشراف العلمي الجاد.
والمؤسسة مسؤولة عن وضع السياسات وتوفير الموارد وإجراءات التحقيق العادلة.
أما المجلات العلمية والناشرون، فيتحملون مسؤولية تطوير إجراءات التحكيم والتحقق والتصحيح.
إن اختزال المشكلة في سلوك الباحث الفردي قد يؤدي إلى حلول تأديبية محدودة، بينما يتطلب الإصلاح الحقيقي معالجة الأسباب المؤسسية التي تسمح بانتشار الممارسات غير السليمة.
تاسعًا: أين موقع الجامعات المصرية من الحوكمة العالمية للذكاء الاصطناعي؟
تتجه مؤسسات البحث العلمي والناشرون الدوليون إلى تطوير سياسات أكثر وضوحًا بشأن استخدام الذكاء الاصطناعي في التأليف العلمي والتحكيم وإدارة البيانات.
وتؤكد المبادئ التي تتبناها جهات مثل لجنة أخلاقيات النشر (COPE) واللجنة الدولية لمحرري المجلات الطبية (ICMJE) أهمية المسؤولية البشرية والشفافية، وعدم اعتبار أدوات الذكاء الاصطناعي مؤلفين يتحملون المسؤولية القانونية والأخلاقية عن العمل العلمي.
كما تبرز أهمية حماية سرية المخطوطات أثناء التحكيم، وعدم إدخال مواد بحثية غير منشورة أو بيانات حساسة إلى خدمات خارجية دون تصريح مناسب.
وهذه القضية تستحق اهتمامًا خاصًا في الجامعات المصرية.
فقد يستخدم باحث أداة ذكاء اصطناعي لتحليل بيانات مرضى، أو مراجعة مشروع بحثي غير منشور، أو معالجة معلومات تخص مؤسسة صناعية، دون أن يدرك أن إدخال هذه البيانات إلى خدمة خارجية قد يثير مشكلات تتعلق بالخصوصية والملكية الفكرية والسرية.
ولا يكفي هنا أن تكون الأداة مفيدة أو شائعة الاستخدام.
بل يجب تقييم شروط الخدمة، وسياسات الاحتفاظ بالبيانات، ومكان معالجتها، والصلاحيات الممنوحة لمزود الخدمة.
كما ينبغي وضع قواعد خاصة باستخدام الذكاء الاصطناعي في تحكيم الأبحاث والرسائل العلمية، لأن المحكم يتعامل غالبًا مع أعمال لم تُنشر بعد، وقد تتضمن أفكارًا أصلية أو نتائج ذات قيمة اقتصادية.
ومن ثم، فإن الحوكمة لا ينبغي أن تقتصر على منع المراجع الوهمية، بل يجب أن تشمل حماية البيانات، وحقوق الملكية الفكرية، وأمن المعلومات، والعدالة الأكاديمية، والمساءلة المؤسسية.
عاشرًا: نحتاج إلى سياسة وطنية متكاملة لا إلى تعليمات متفرقة
تمثل ورشة جامعة القاهرة خطوة إيجابية في فتح النقاش، لكن التحدي الأكبر يكمن في تحويل المبادئ العامة إلى سياسات عملية قابلة للتطبيق والقياس.
فوجود ضوابط مختلفة ومتعارضة بين الجامعات أو الكليات أو المجلات قد يخلق حالة من الارتباك لدى الباحثين.
وقد يُسمح باستخدام أداة معينة في مؤسسة، بينما يُحظر استخدامها في مؤسسة أخرى، دون وجود تفسير علمي واضح للفارق.
ولهذا، فإن تطوير إطار وطني استرشادي للاستخدام المسؤول للذكاء الاصطناعي في البحث العلمي قد يساعد الجامعات المصرية على تبني حد أدنى مشترك من المبادئ، مع ترك مساحة للتخصصات والمؤسسات لوضع متطلبات إضافية.
وينبغي أن يميز هذا الإطار بين الاستخدامات منخفضة المخاطر، مثل المساعدة اللغوية، والاستخدامات الأعلى خطورة، مثل تحليل البيانات الحساسة أو توليد الأدلة العلمية أو اتخاذ قرارات تمس حقوق الباحثين.
كما ينبغي أن يتضمن إجراءات واضحة للإفصاح والتحقق وحفظ السجلات، وآليات عادلة للتعامل مع الشكاوى والمخالفات.
والأهم أن يرتبط الإطار ببرامج تدريب مستمرة، لأن التكنولوجيا تتطور بسرعة تجعل السياسات الجامدة عرضة للتقادم.
إن الحوكمة الفعالة ليست مجموعة من المحظورات، وإنما نظام يوازن بين تشجيع الابتكار وحماية النزاهة.
الحادي عشر: من الرقابة على النصوص إلى التحقق من الأدلة
أحد التحولات المطلوبة في إدارة البحث العلمي هو الانتقال من التركيز المفرط على شكل النص إلى تقييم الأدلة التي يقوم عليها.
فقد يكون النص مكتوبًا بالكامل بواسطة الإنسان، لكنه يتضمن بيانات ملفقة أو استنتاجات غير مبررة.
وفي المقابل، قد يستخدم الباحث الذكاء الاصطناعي لتحسين الصياغة أو كتابة أجزاء من الشيفرة، بينما تكون التجارب حقيقية والنتائج قابلة للتحقق والمنهجية سليمة.
ولذلك، فإن السؤال الأهم ليس: من كتب هذه الجملة؟
بل: هل الادعاء العلمي صحيح؟ وهل توجد أدلة تدعمه؟ وهل يمكن للباحثين الآخرين فحصه أو إعادة إنتاجه؟
هذا التحول يستلزم الاهتمام بتوثيق البيانات، وإتاحة الشيفرات عند الإمكان، وتسجيل إعدادات التجارب، وشرح طرق التحليل، وتقديم مقاييس عدم اليقين، والإفصاح عن القيود المنهجية.
كما يستلزم تدريب الباحثين على التمييز بين النتائج الاستكشافية والنتائج المؤكدة، وبين الارتباط الإحصائي والعلاقة السببية، وبين المحاكاة والتحقق الواقعي.
إن العلم لا يقوم على البلاغة اللغوية، وإنما على الدليل القابل للفحص.
وإذا ساعدنا الذكاء الاصطناعي على تحسين عرض الدليل دون تشويهه، فهو أداة نافعة.
أما إذا استخدمناه لإنتاج مظهر علمي يخفي غياب الدليل، فقد تحول إلى وسيلة لتقويض الثقة في البحث العلمي.
الثاني عشر: هل تستطيع الجامعات اكتشاف الأبحاث غير القابلة للتكرار؟
تثير مناقشة النزاهة العلمية سؤالًا آخر يتجاوز الذكاء الاصطناعي: كم عدد الأبحاث المنشورة التي يمكن إعادة إنتاج نتائجها بصورة مستقلة؟
إن قابلية إعادة الإنتاج من أهم معايير الثقة في البحث العلمي، لكنها لا تحظى دائمًا بالاهتمام الكافي في إجراءات التقييم.
فقد يقدم الباحث نتائج دقيقة ظاهريًا، مع جداول ورسوم بيانية وتحليلات إحصائية، لكن دون إتاحة معلومات كافية عن البيانات أو الشيفرات أو ظروف التجربة.
وفي هذه الحالة، يصبح من الصعب التمييز بين نتيجة صحيحة ونتيجة تأثرت بأخطاء غير مكتشفة.
ومن هنا، فإن مواجهة المخاطر المرتبطة بالذكاء الاصطناعي تستلزم تعزيز ثقافة البحث القابل لإعادة الإنتاج.
ولا يعني ذلك إلزام جميع الباحثين بنشر بياناتهم دون قيود، فهناك اعتبارات مشروعة تتعلق بالخصوصية والأمن والملكية الفكرية.
لكن ينبغي على الأقل توثيق المنهجية والبيانات والإجراءات بالقدر الذي يسمح بالتقييم المستقل، مع توفير بدائل مناسبة عندما يتعذر النشر المفتوح.
كما يمكن للجامعات إنشاء برامج لمراجعة قابلية إعادة الإنتاج في الأبحاث المختارة، وتشجيع نشر النتائج السلبية، ودعم الدراسات التي تتحقق من نتائج منشورة سابقًا.
فهذه الممارسات قد تكون أكثر فاعلية في حماية السجل العلمي من الاعتماد على أدوات كشف النصوص وحدها.
الثالث عشر: لماذا لا نستخدم الذكاء الاصطناعي نفسه لتعزيز النزاهة العلمية؟
من المفارقات أن التكنولوجيا التي تثير المخاوف بشأن النزاهة البحثية يمكن أن تصبح جزءًا من الحل.
فالذكاء الاصطناعي قادر على المساعدة في اكتشاف التناقضات بين الجداول والنصوص، ورصد الأخطاء الحسابية، والتحقق الأولي من بيانات الاستشهادات، وتحليل الأنماط غير المعتادة في البيانات، ومراجعة الاتساق المنهجي.
كما يمكن استخدامه لمساعدة الباحثين في فحص الشيفرات، وتوثيق التجارب، وإعداد قوائم التحقق الخاصة بقابلية إعادة الإنتاج.
لكن هذه التطبيقات يجب ألا تتحول إلى أنظمة تصدر أحكامًا نهائية بصورة آلية.
فالتحقق الآلي قد ينتج إنذارات خاطئة، وقد يعجز عن اكتشاف مخالفات معقدة، كما قد يتأثر بطبيعة التخصص والبيانات المستخدمة.
ولذلك، فإن النموذج الأفضل هو استخدام الذكاء الاصطناعي لدعم المراجعة البشرية، لا لاستبدالها.
وبدلًا من بناء منظومة أكاديمية تقوم على الخوف من الذكاء الاصطناعي، يمكن تطوير منظومة تستخدمه لتعزيز الدقة والشفافية والكفاءة.
المطلوب ليس جامعة تحارب الذكاء الاصطناعي، بل جامعة تعرف كيف تستخدمه، وكيف تتحقق منه، وكيف تحاسب على إساءة استخدامه.
الرابع عشر: هل نحن أمام أزمة ثقة في البحث العلمي؟
ربما يكون التحدي الأعمق الذي تكشفه هذه المناقشات هو مستقبل الثقة في المعرفة العلمية.
فمع تزايد قدرة الأنظمة التوليدية على إنتاج نصوص وصور ورسوم وبيانات تبدو مقنعة، قد يصبح من الصعب على غير المتخصصين التمييز بين البحث الجاد والمحتوى المصطنع.
وإذا انتشرت المراجع الوهمية والنتائج غير القابلة للتحقق، فقد تتراجع ثقة المجتمع في المؤسسات العلمية.
وهذا الخطر لا يقتصر على الجامعات.
فصانع القرار يعتمد على الدراسات العلمية عند وضع السياسات، والطبيب يستند إلى الأدلة البحثية في اختيار العلاج، والمهندس يستخدم نتائج التجارب لتصميم الأنظمة، والمستثمر يستفيد من المعرفة العلمية عند تقييم التكنولوجيا.
وعندما تتعرض موثوقية البحث العلمي للاهتزاز، فإن آثار ذلك قد تمتد إلى الاقتصاد والصحة العامة والأمن والتنمية.
ولهذا، فإن النزاهة العلمية ليست شأنًا داخليًا يخص الباحثين وحدهم، بل هي قضية مجتمعية تتعلق بجودة القرارات المبنية على المعرفة.
ومن هنا تأتي أهمية أن تتعامل الجامعات مع هذه القضية بوصفها جزءًا من مسؤوليتها العامة، لا مجرد ملف إداري أو تأديبي.
الخامس عشر: جامعة القاهرة أمام فرصة للانتقال من التوعية إلى الريادة المؤسسية
إن تنظيم ورشة بمشاركة أكثر من 200 من القيادات الأكاديمية والباحثين يعكس اهتمامًا واضحًا بمناقشة التحديات الجديدة التي تواجه البحث العلمي.
لكن القيمة الحقيقية لهذه المبادرة سوف تتحدد بما ينتج عنها من إجراءات مؤسسية مستدامة.
فمن الممكن أن تتحول المناقشات إلى نقطة انطلاق لتطوير دليل عملي للاستخدام المسؤول للذكاء الاصطناعي، وبرامج تدريب للباحثين، وآليات للتحقق من المراجع والبيانات، وإجراءات واضحة للإفصاح عن استخدام الأدوات التوليدية.
كما يمكن إنشاء مسارات استشارية تساعد الباحثين على التعامل مع الحالات المعقدة، بدلًا من تركهم أمام تعليمات عامة قد يصعب تفسيرها.
ومن المهم كذلك إشراك طلاب الدراسات العليا والباحثين الشباب في صياغة هذه السياسات، لأنهم من أكثر الفئات استخدامًا للأدوات الرقمية الحديثة، والأكثر تأثرًا بقرارات المؤسسات المتعلقة بها.
ولا ينبغي أن تقتصر الحوكمة على إصدار وثيقة رسمية، بل يجب أن تتضمن مؤشرات لتقييم التطبيق، ومراجعة دورية للسياسات، وآليات لتلقي الملاحظات ومعالجة أوجه القصور.
ويمكن لجامعة القاهرة، بما تمتلكه من خبرات أكاديمية وتاريخ مؤسسي، أن تسهم في تطوير نموذج قابل للاستفادة منه داخل مؤسسات التعليم العالي المصرية الأخرى.
غير أن هذه الإمكانية تظل مرتبطة بما سيجري تنفيذه فعليًا بعد الورشة، وليس بما أُعلن خلالها فقط.
السادس عشر: عشرة أسئلة ينبغي أن تجيب عنها أي جامعة قبل إصدار ضوابط الذكاء الاصطناعي
لكي لا تتحول السياسات إلى شعارات عامة، ينبغي أن تكون هناك إجابات واضحة عن مجموعة من الأسئلة الجوهرية:
- ما الاستخدامات المسموح بها للذكاء الاصطناعي في إعداد الأبحاث والرسائل العلمية، وما الاستخدامات التي تتطلب موافقة أو إفصاحًا خاصًا؟
- كيف يمكن التمييز بين المساعدة اللغوية المشروعة والمساهمة العلمية الجوهرية التي تستوجب توثيقًا تفصيليًا؟
- ما الإجراءات المطلوبة للتحقق من المراجع العلمية التي تقترحها الأنظمة التوليدية؟
- كيف يمكن ضمان عدم تقديم البيانات الاصطناعية أو نتائج المحاكاة باعتبارها بيانات تجريبية حقيقية؟
- ما القواعد التي تحكم إدخال البيانات البحثية السرية أو الحساسة إلى خدمات الذكاء الاصطناعي؟
- هل يجوز استخدام أدوات كشف النصوص المولدة آليًا في التحقيقات الأكاديمية، وما الضمانات اللازمة لمنع الاتهامات الخاطئة؟
- كيف ستتعامل المؤسسة مع الأخطاء غير المقصودة مقارنة بالمخالفات المتعمدة؟
- ما الدعم الفني والتدريبي الذي ستوفره الجامعة للباحثين حتى يتمكنوا من الالتزام بهذه الضوابط؟
- كيف ستُراجع السياسات مع ظهور نماذج وأدوات جديدة تتجاوز قدرات الأنظمة الحالية؟
- كيف يمكن قياس نجاح الحوكمة من خلال جودة الأبحاث وقابليتها للتحقق، بدلًا من الاكتفاء بعدد المخالفات المكتشفة؟
هذه الأسئلة ليست اعتراضًا على وضع الضوابط، بل محاولة لتحويلها إلى إطار مؤسسي عادل وفعال.
فالقواعد التي لا تقدم إجابات عملية قد تتحول إلى عبء بيروقراطي، بينما القواعد المبنية على فهم علمي وتقني يمكن أن تصبح عاملًا داعمًا للابتكار.
الخاتمة: لا تجعلوا الذكاء الاصطناعي متهمًا وحيدًا في أزمة البحث العلمي
تستحق المبادرة التي شهدتها جامعة القاهرة، وما طرحه الدكتور محمود السعيد بشأن النزاهة الأكاديمية والحوكمة البحثية، نقاشًا جادًا يتجاوز حدود الخبر الصحفي والاحتفاء بتنظيم الورشة.
فالقضية أكبر من مجرد استخدام أداة تكنولوجية في كتابة بحث أو إعداد قائمة مراجع.
إنها تتعلق بطبيعة الجامعة التي نريدها، ونوعية المعرفة التي ننتجها، والمعايير التي نحاسب بها الباحثين، والثقة التي نطلب من المجتمع أن يمنحها لمؤسساتنا العلمية.
ولذلك، فإن مواجهة الاستخدام غير المسؤول للذكاء الاصطناعي يجب ألا تتحول إلى حملة ضد التكنولوجيا، أو إلى محاولة للعودة إلى أساليب بحثية لم تعد تتناسب مع التطور العلمي.
كما ينبغي ألا تتحول إلى منظومة رقابية تعتمد على الشك والاتهام وأدوات الكشف غير الحاسمة.
فالذكاء الاصطناعي ليس باحثًا مستقلًا يتحمل المسؤولية الأخلاقية عن نتائج البحث، لكنه أيضًا ليس مجرد آلة كتابة تقليدية.
إنه أداة معرفية قوية، يمكن أن تساعد على اكتشاف أنماط جديدة في البيانات، وتسريع التحليل، وتطوير النماذج، وتحسين الإنتاجية البحثية، لكنها قد تنتج كذلك أخطاء مقنعة ومعلومات مضللة إذا غابت المراجعة البشرية.
وهنا تكمن مسؤولية الجامعات.
فالجامعة التي تكتفي بمنع الاستخدامات الخطرة دون تعليم الباحثين الاستخدامات الصحيحة، تخاطر بتأخير الابتكار. والجامعة التي تسمح باستخدام الذكاء الاصطناعي دون ضوابط، تخاطر بفقدان الثقة في إنتاجها العلمي.
والحل ليس في أحد الطرفين، بل في بناء منظومة متوازنة تقوم على المعرفة التقنية، والنزاهة الأخلاقية، والحوكمة المؤسسية، والمساءلة العادلة.
لكن ينبغي أن نذهب أبعد من ذلك.
فإذا أردنا حماية البحث العلمي من المراجع الوهمية، فعلينا أيضًا أن نواجه ثقافة الاستشهاد الشكلي.
وإذا أردنا منع النتائج الملفقة، فعلينا أن ندعم التجارب الحقيقية وقابلية إعادة الإنتاج.
وإذا أردنا ضمان أصالة الأبحاث، فعلينا أن نعيد الاعتبار إلى قيمة الفكرة العلمية، لا إلى عدد الصفحات أو الأوراق المنشورة.
وإذا أردنا مساءلة الباحثين، فعلينا أن نوفر لهم بيئة بحثية عادلة، وموارد مناسبة، وإجراءات واضحة.
إن أخطر ما قد يحدث للبحث العلمي ليس أن يستخدم الباحث الذكاء الاصطناعي، بل أن يتخلى عن التفكير النقدي، وأن يستبدل الدليل العلمي بالنص المقنع، وأن تتحول الجامعة من مؤسسة لإنتاج المعرفة إلى مصنع لإنتاج الأوراق البحثية.
ومن هنا، فإن الرسالة التي ينبغي أن تخرج بها الجامعات المصرية من هذه المناقشات لا تقتصر على ضرورة الإفصاح عن استخدام الذكاء الاصطناعي، وإنما تتجاوزها إلى ضرورة إعادة بناء ثقافة النزاهة البحثية على أسس أكثر عمقًا.
ثقافة تعتبر الاعتراف بالخطأ فضيلة علمية، والتحقق من النتائج واجبًا مهنيًا، والشفافية شرطًا للثقة، والأصالة معيارًا للتميز.
ثقافة تدرك أن التكنولوجيا تتغير، لكن المبادئ التي يقوم عليها العلم يجب أن تبقى.
وفي النهاية، فإن مستقبل البحث العلمي لن يتحدد بقدرتنا على اكتشاف النصوص التي كتبها الذكاء الاصطناعي، بل بقدرتنا على التمييز بين المعرفة الحقيقية والمعرفة الزائفة، وبين البحث الذي يضيف إلى العلم والبحث الذي يضيف فقط إلى قائمة المنشورات.
وهنا يبرز السؤال الذي ينبغي أن تطرحه كل جامعة مصرية على نفسها:
هل نريد باحثًا يجيد استخدام الذكاء الاصطناعي لإنتاج المزيد من الأوراق، أم عالمًا يوظف الذكاء الاصطناعي لاكتشاف المزيد من الحقائق؟
الفارق بين الاثنين هو الفارق بين جامعة تلاحق مؤشرات النشر، وجامعة تسهم بالفعل في صناعة المستقبل.
فالعلم لا تحميه كثرة الضوابط وحدها، وإنما تحميه نزاهة الباحث، وجودة المؤسسة، وقوة الدليل، وشجاعة الاعتراف بالحقيقة.
بقلم: الأستاذ الدكتور وائل بدوي
أستاذ هندسة الحاسبات والذكاء الاصطناعي
كلية الهندسة – الجامعة المصرية الروسية
