زاوية Anderson

تقدّم العلوم المدفوع بالذكاء الاصطناعي مهدد بهوس غريب

Martin Anderson
أضف Unite.AI إلى مصادرك المفضلة على Google
Nikola Tesla seated beneath his experimental high-voltage electrical apparatus in Colorado Springs, 1899. The famous photograph was created using a double exposure, allowing Tesla to appear calmly seated amid the electrical discharges. Source: Smithsonian.
النقاط الرئيسيةيركز مراجعو الذكاء الاصطناعي الأحدث على الملاحق بينما يركز المراجعون البشريون على…
عرض المزيد
  • يركز مراجعو الذكاء الاصطناعي الأحدث على الملاحق بينما يركز المراجعون البشريون على النتائج الرئيسية للورقة.
  • تعامل نماذج اللغة كل مقطع على أنه متساوي الأهمية لذا تفوتها الأقسام المهمة فعلاً.
  • يستمر تحيز الملاحق عبر طرق الوصول ويُنتج ملاحظات سطحية بالكاد تساعد المؤلفين على التحسين.

تشير دراسة أمريكية جديدة إلى أن نماذج الذكاء الاصطناعي التي تراجع الأوراق العلمية تطوّر هوسًا غريبًا بملاحق الأوراق، بدلًا من متنها، إذ كثيرًا ما تولي التفاصيل الداعمة الثانوية اهتمامًا أكبر من النتائج الرئيسية. ومع تزايد استخدام النماذج اللغوية للمساعدة في مراجعة الأقران البشرية، أو حتى الحلول محل المراجعين البشر، يبدو أن هذا النزوع المكتشف حديثًا آخذ في الانتشار إلى مراجعة الأقران البشرية، ما قد يعرقل التقدم في أبحاث الذكاء الاصطناعي:

من الورقة الجديدة: تزايد الانتقادات المتعلقة بالملاحق في مراجعات الأقران البشرية للأبحاث العلمية. بعد أن ظلت النسبة دون 11% لسنوات، بلغت 27.6% في أحدث المراجعات، عقب إطلاق نماذج ذكاء اصطناعي تبيّن أنها تستمد أكثر من نصف انتقاداتها من الملاحق. تشير الخطوط المتقطعة إلى الإصدارات الرئيسية للنماذج.  المصدر - https://arxiv.org/pdf/2611.17811

من الورقة الجديدة: تزايد الانتقادات المتعلقة بالملاحق في مراجعات الأقران البشرية للأبحاث العلمية. بعد أن ظلت النسبة دون 11% لسنوات، بلغت 27.6% في أحدث المراجعات، عقب إطلاق نماذج ذكاء اصطناعي تبيّن أنها تستمد أكثر من نصف انتقاداتها من الملاحق. تشير الخطوط المتقطعة إلى الإصدارات الرئيسية للنماذج.  المصدر

في اختبار شمل 2000 ورقة علمية من أربع مؤتمرات رائجة، وجد الباحثون في الدراسة الجديدة أن النماذج الأحدث تستمد نحو 50-70% من انتقاداتها من الملاحق، مقارنة بأقل من 30% لدى GPT-5 الأقدم.

ومن أبرز نماذج الذكاء الاصطناعي الأحدث التي يبدو أنها تدفع حتى المراجعين البشر إلى التركيز على الملاحق والابتعاد عن النتائج الرئيسية الأهم، نموذجا OpenAI: GPT-6.1-Sol وGPT-6-Astra، اللذان أُطلقا كلاهما في عام 2026.

وتذكر الورقة* ما يلي:

«الفارق بين الأجيال كبير. ففي GPT-5، لا تتعلق سوى نسبة صغيرة من أوجه القصور بالملحق. أما النموذجان الأحدث، GPT-6.1-Sol وGPT-6-Astra، فيعتمدان عليه بدرجة أكبر بكثير، وينطبق ذلك على كل مؤتمر.

«يشير ذلك إلى أن التحيز نحو الملحق سمةٌ ترتبط أساسًا بالنماذج الأحدث. فعلى الرغم من أن النماذج الجديدة تمثل تحسنًا، فإن تحيزها نحو الملحق قد ازداد. ولم تمكّنها قدرتها على قراءة الورقة بتفصيل من إدراك الأجزاء الأهم فيها».

ووجدت الدراسة أيضًا أن هذا الانشغال بالملحق يختلف باختلاف الأساليب التي تتلقى بها أنظمة الذكاء الاصطناعي الورقة، إذ لا تقيّم واجهات API وCodex والويب ملفات PDF بالطريقة نفسها؛ كما أن Codex لا يقرأ منتصف ملف PDF متوسط الطول إطلاقًا، بل يعاينه لاحقًا على شكل «لقيمات» عند الضرورة. ومع ذلك، تبيّن أن جميع الأساليب تفضّل المواد الواردة في الملحق.

حتى وقت قريب، لم يكن المراجعون البشر وأنظمة الذكاء الاصطناعي يشتركون في هذا الهوس:

«[Human] يتعامل المراجعون مع متن الورقة والمواد التكميلية بطريقة تختلف كثيرًا عن تعامل النماذج اللغوية الكبيرة معهما. فالنماذج اللغوية الكبيرة تنسب أكثر من 50% من أوجه القصور لديها إلى مواد متعلقة بالملحق، في حين ينسب البشر أقل من 10% منها إلى تلك المواد.

«يظهر هذا الفارق أيضًا على مستوى المراجعات الفردية. فمن بين 200 ورقة اختيرت عينةً كل عام من 2021 إلى 2024، لم تتلقَّ سوى 159 ورقة إجمالًا مراجعة بشرية تضمنت أي قصور يتعلق بالملحق. وعلى النقيض من ذلك، تضمنت جميع المراجعات الـ200 التي أنشأتها النماذج اللغوية الكبيرة لمؤتمر ICLR 2027 انتقادًا واحدًا على الأقل للملحق».

مقارنة الانتقادات المتعلقة بالملاحق في مراجعات الأقران البشرية والمولّدة بالذكاء الاصطناعي. عزا المراجعون البشر 8.4% فقط من أوجه القصور التي جرى تحديدها إلى مواد الملحق، مقابل 62% لدى نماذج الذكاء الاصطناعي. ويعرض العمود الثاني الانتقادات التي تتعلق بالملحق وحده، من دون وجود مشكلة مقابلة في متن الورقة.

مقارنة الانتقادات المتعلقة بالملاحق في مراجعات الأقران البشرية والمولّدة بالذكاء الاصطناعي. عزا المراجعون البشر 8.4% فقط من أوجه القصور التي جرى تحديدها إلى مواد الملحق، مقابل 62% لدى نماذج الذكاء الاصطناعي. ويعرض العمود الثاني الانتقادات التي تتعلق بالملحق وحده، من دون وجود مشكلة مقابلة في متن الورقة.

كما يوضح جدول الاختبار أعلاه، زادت احتمالات أن يحدد مراجعو الذكاء الاصطناعي أوجه قصور في الملاحق على احتمالات ذلك لدى البشر بأكثر من سبع مرات، وزادت احتمالات إثارتهم انتقادات تتعلق بالمواد التكميلية وحدها على ثلاثة أضعاف. وهذا يشير إلى أن بعض أحدث نماذج الذكاء الاصطناعي المتقدمة باتت تعطي الأولوية لتفاصيل يعدّها المراجعون البشر تقليديًا ثانوية مقارنة بالإسهام العلمي الرئيسي للورقة.

لماذا؟

وبحسب ما يمكن استنتاجه (فهذه أول دراسة ترصد هذه الظاهرة)، يعود جزء من المشكلة إلى أن أنظمة الذكاء الاصطناعي لا تدرك، أو لم تستخلص من مواد التدريب الوفيرة التي اطلعت عليها، أن متن الورقة لا يوضع عادةً في الملحق. كما أن نزعتها العامة إلى التعامل مع النصوص كلها على أنها متساوية في الأهمية تحجب عنها سياق مواد الملحق، التي غالبًا ما تكون غير منقحة ومعروضة بطريقة أقل إحكامًا بكثير من متن الورقة:

«نادراً ما تنتقد النماذج اللغوية الكبيرة الصفحات الافتتاحية، حيث تطرح الورقة المشكلة وتوضح أهميتها. وكثيرًا ما يعترض البشر على هذا الطرح تحديدًا، بينما يبدو أن النماذج اللغوية الكبيرة تقبله وتمضي إلى الأرقام».

‘[Humans and LLMs] قرأوا الملحق على نحو مختلف تمامًا. تتراجع اعتراضات المراجعين البشر سريعًا مع التقدم في الملحق، وتكاد تختفي في صفحاته الأخيرة. أما أوجه قصور نماذج اللغة الكبيرة فلا تتراجع إطلاقًا. بل إنها تبلغ ذروتها في موضع متقدم من الملحق، لا في بدايته، وتستمر حتى بعد الصفحة 30، حيث لا يبدي المراجعون البشر أي مخاوف تُذكر.

‘بالنسبة إلى نموذج لغة كبير، فإن تفصيلًا في الصفحة 25 هدفٌ للنقد بقدر ما هو جدول النتائج الرئيس.’

ويشير المؤلفون إلى أن تعامل نماذج اللغة الكبيرة المتساوي مع النص ربما دفعها بطبيعة الحال إلى التركيز بدرجة أكبر على مواد الملحق، لأنها، كما ذُكر أعلاه، تميل إلى احتواء أخطاء أكثر.

لذلك، فإن الخلاصة العامة التي أستخلصها من هذه الدراسة الجديدة هي أن نماذج اللغة الكبيرة ركزت بمرور الوقت على قسم من الأوراق العلمية الجديدة يكثر فيه الخطأ أو الخلط، لمجرد أن هذا القسم يتعامل معه المؤلفون البشر مرارًا بوصفه مستودعًا فوضويًا للأدلة والبراهين الثانوية.

ولهذا السبب، تجد أنظمة الذكاء الاصطناعي الملاحق أكثر إثارة للاهتمام من المتن الرئيس شديد التحرير على نحو متزايد، لأنها تجد فيها مواد أكثر لتحليلها وتصحيحها؛ ونتيجة لذلك، تشير الورقة إلى أن نماذج اللغة الكبيرة تميل إلى التعامل مع القسم التمهيدي من الورقة على أنه عرض للوقائع، فتأخذه كما هو:

‘يتوقع البشر أن يكون المتن الرئيس مكتملًا بذاته، ولذلك يعترضون عندما تُنقل أقسام أساسية إلى الملحق. ونادرًا جدًا ما تثير نماذج اللغة الكبيرة هذا الاعتراض.

‘وهذا يسلط الضوء على فارق أساسي: يدرك البشر أن المتن الرئيس أهم من الملحق، فيما لا تدرك نماذج اللغة الكبيرة ذلك. ‘

التداعيات وسبل المعالجة

قد ينطوي هذا التركيز غير المتوقع على التفاصيل الثانوية على تداعيات خطيرة على البحث العلمي المدعوم بالذكاء الاصطناعي، ولا سيما إذا أُغفلت أهمية النتائج الرئيسة للورقة. وبما أن هذا الميل يبدو أنه لم يظهر إلا مع أحدث النماذج، فإن آثاره على المدى البعيد لا تزال مجهولة.

تقر الورقة بأن مراجعي الذكاء الاصطناعي قد يكتشفون أخطاء مهمة، حتى عندما تكون مدفونة في أعماق الملحق. لكنها تحذر من أن الإفراط في الاهتمام بالتفاصيل الثانوية قد يكون على حساب النتائج الرئيسة للورقة، ما يؤدي إلى مراجعات مطولة قليلة الفائدة العملية:

‘يرفع مراجعو نماذج اللغة الكبيرة مستوى المراجعة، إذ لا يتركون أي جزء من الورقة من دون فحص. غير أن المراجعة الفعالة تتطلب أيضًا تقدير ما هو الأهم. فعندما تنشأ معظم أوجه القصور في المراجعة من محتوى في الملحق لا صلة له بالمساهمة الرئيسة، تظل الملاحظات سطحية. فهي لا تتناول جوهر الورقة ولا تساعد المؤلفين إلا قليلًا على تحسينها. ‘

استلهم مؤلفو العمل الجديد، المعنون AI Reviews Are Biased Towards the Appendix، فكرة البحث في هذا الموضوع بعدما لاحظوا أنماطًا غريبة في طريقة تقييم المراجعات التي ساعدت نماذج اللغة الكبيرة في إعدادها أو توليدها لأوراقهم المقدمة. ويتوفر رمز الدراسة على GitHub.

المنهج والاختبارات

اختيرت للاختبارات أربعة من أبرز نماذج الذكاء الاصطناعي من OpenAI وAnthropic: GPT-6-Astra؛ وGPT-6.1-Sol؛ وClaude-Opus-5.5؛ وClaude-Sonnet-5.5. وتم الوصول إلى النماذج عبر Codex وClaude Code، ثم قورنت سلوكياتها في المراجعة باستخدام واجهة برمجة التطبيقات وواجهة الويب.

جُمعت أوراق بحثية من أربعة مؤتمرات كبرى في الذكاء الاصطناعي ومعالجة اللغات الطبيعية: ACL 2026؛ وEMNLP 2026؛ وCOLM 2026؛ وICLR 2027، واختيرت جميعها لتشابه تنسيقات التقديم والمراجعة فيها، وفرضها حدودًا صارمة لعدد صفحات الورقة الرئيسة، مع إتاحة ملاحق غير محدودة عمومًا تُدرج بعد المراجع.

دُرست 2,000 ورقة إجمالًا، منها 1,200 ورقة من ICLR خلال الفترة 2021–2026، و800 ورقة من أربعة مؤتمرات حديثة، اختيرت 200 ورقة من كل مؤتمر. واشتملت الأوراق الحديثة الـ800 جميعها على ملاحق لا تقل عن 15 صفحة. وكانت الأوراق المقدمة إلى ICLR 2027 مجهّلة الهوية مسبقًا، بينما أُزيلت أسماء المؤلفين وانتماءاتهم وعناوين بريدهم الإلكتروني والروابط التي تكشف هوياتهم من أوراق ACL وEMNLP وCOLM، للحيلولة دون كشف هويات المؤلفين لمراجعي الذكاء الاصطناعي.

عُطّل اتصال النماذج بالإنترنت لضمان استناد المراجعات بالكامل إلى ملفات PDF المقدمة إليها.

طُلب أولًا من الذكاء الاصطناعي إعداد مراجعة وفق أسلوب المؤتمر المعني، تتناول نقاط قوة الورقة وضعفها وتمنحها تقييمًا إجماليًا، مع إبقاء التعليمات بسيطة عمدًا لتعكس كيفية استخدام الذكاء الاصطناعي من جانب مراجع فعلي. ثم أُعيدت الورقة ومراجعتها المكتملة إلى نموذج الذكاء الاصطناعي نفسه، وطُلب منه تحديد القسم الذي تشير إليه كل ملاحظة نقدية من أقسام الورقة. وتُحدَّد هذه الأقسام بفحص الملاحظة النقدية إلى جانب الورقة الأصلية:

مراحل المراجعة الثلاث المستخدمة في الدراسة. اختيرت أوراق من أربعة مؤتمرات، تضم ملاحقها 15 صفحة على الأقل، وجُهّلت هويتها قبل أن تراجعها نماذج الذكاء الاصطناعي. ثم فُحصت كل مراجعة إلى جانب الورقة الأصلية، وأُسندت الملاحظات النقدية الفردية إلى الأقسام التي تتعلق بها.

مراحل المراجعة الثلاث المستخدمة في الدراسة. اختيرت أوراق بحثية ذات ملاحق لا تقل عن 15 صفحة من أربعة مؤتمرات، وأُخفيت هويات مؤلفيها قبل أن تراجعها نماذج الذكاء الاصطناعي. ثم فُحصت كل مراجعة إلى جانب الورقة الأصلية، وأُسند كل انتقاد على حدة إلى القسم الذي يتناوله.

ومن خلال فصل هذه المهام، أمكن فحص أجزاء الأوراق التي استدعت الانتقاد من دون أن تتأثر المراجعات الأصلية بتعليمات إضافية.

ومن النتائج التي لم نناقشها حتى الآن اختبار المؤلفين لمعرفة مصدر مواطن الضعف في المراجعات التي تولّدها نماذج اللغة الكبيرة:

مقارنة لأماكن رصد المراجعات التي أنشأها الذكاء الاصطناعي مواطن الضعف في أربعة مؤتمرات. يشير اللون الأخضر إلى الانتقادات الموجهة إلى الورقة الرئيسية، والأحمر إلى الانتقادات المتعلقة بالملحق، فيما تشير المساحات المخططة إلى الانتقادات التي تتناول الملحق وحده. ونُسب أكثر من نصف الانتقادات إلى مواد الملحق في كل اختبار تقريبًا، وسُجل أقوى انحياز لدى GPT-6-Astra.

مقارنة لأماكن رصد المراجعات التي أنشأها الذكاء الاصطناعي مواطن الضعف في أربعة مؤتمرات. يشير اللون الأخضر إلى الانتقادات الموجهة إلى الورقة الرئيسية، والأحمر إلى الانتقادات المتعلقة بالملحق، فيما تشير المساحات المخططة إلى الانتقادات التي تتناول الملحق وحده. ونُسب أكثر من نصف الانتقادات إلى مواد الملحق في كل اختبار تقريبًا، وسُجل أقوى انحياز لدى GPT-6-Astra.

كما يتضح أعلاه، استند نحو نصف الانتقادات التي أبدتها نماذج الذكاء الاصطناعي الأربعة، أو أكثر، إلى مواد واردة في الملاحق، وهو نمط ظهر في المؤتمرات الأربعة كلها. وتناولت بعض الانتقادات الملحق وحده، من دون أي صلة بالورقة الرئيسية، وشكلت 17.33% من مواطن الضعف التي حددتها نماذج GPT، مقابل 10.16% لدى Claude.

وتشير النتائج، بحسب الورقة، إلى أن مواد الملاحق حظيت باهتمام غير متناسب، إذ عوملت أحيانًا تفاصيل ثانوية نسبيًا على أنها أسباب لانتقاد الورقة بأكملها.

وأُجريت مقارنة بين أساليب مختلفة لتحديد ما إذا كان انحياز الملاحق يتأثر بطريقة الوصول إلى الذكاء الاصطناعي. واستخدم GPT-6-Astra لمراجعة مئة ورقة مقدمة إلى مؤتمر ICLR لعام 2027 عبر Codex، وواجهة ChatGPT على الويب، وواجهة برمجة تطبيقات زُودت إما بملف PDF الأصلي أو بالنص المستخرج منه.

مع Codex، استُخرج النص وفُحص باستخدام الأوامر؛ أما عبر واجهة برمجة التطبيقات، فقد زُوّدت مباشرة إما بملف PDF كاملًا أو بالنص المستخرج منه؛ في حين عولجت المستندات المحمّلة عبر النظام الخاص بواجهة الويب، وهو نظام (غير شفاف):

مقارنة للانتقادات المتعلقة بالملاحق بين نماذج الذكاء الاصطناعي وطرق الوصول إليها. يُظهر الجانب الأيسر أن GPT-5 استشهد بمواد الملاحق بوتيرة أقل بكثير من نماذج GPT الأحدث، عبر أربعة مؤتمرات. أما الجانب الأيمن، فيُظهر استمرار الانحياز عبر أربع طرق للوصول إلى GPT-6-Astra، إذ شكلت الانتقادات المتعلقة بالملاحق ما بين 62.2% و73.7% من الإجمالي. وتشير المساحات المخططة إلى الانتقادات الموجهة إلى الملاحق وحدها.

مقارنة للانتقادات المتعلقة بالملاحق بين نماذج الذكاء الاصطناعي وطرق الوصول إليها. يُظهر الجانب الأيسر أن GPT-5 استشهد بمواد الملاحق بوتيرة أقل بكثير من نماذج GPT الأحدث، عبر أربعة مؤتمرات. أما الجانب الأيمن، فيُظهر استمرار الانحياز عبر أربع طرق للوصول إلى GPT-6-Astra، إذ شكلت الانتقادات المتعلقة بالملاحق ما بين 62.2% و73.7% من الإجمالي. وتشير المساحات المخططة إلى الانتقادات الموجهة إلى الملاحق وحدها.

كما يتضح أعلاه، استشهدت الانتقادات بمواد متعلقة بالملاحق في ما بين 62.2% و73.7% من الحالات عبر الطرق الأربع، وسُجلت أعلى نسبة عند تزويد واجهة برمجة التطبيقات مباشرة بالنص المستخرج. وبذلك، ثبت استمرار الانحياز بصرف النظر عن طريقة الوصول إلى النموذج.

وقد سبق عرض الجزء الأكبر من الاختبارات الأخرى في المقال، ونحيل القارئ إلى المواد المصدرية لمزيد من المعلومات.

مناورات تقديم الأبحاث

وكما أن هذا الموضوع يمس مؤلفي العمل الجديد شخصيًا، فإنه يمسني أنا أيضًا، فأنا أقرأ الأوراق العلمية كثيرًا، وقد تعلمت بالطريقة الصعبة القواعد الخفية وكيفية الالتفاف عليها، وهي أمور تحكم طريقة إعداد الأوراق وعرضها.

لا يقع اللوم عمومًا على الذكاء الاصطناعي لتركيزه على الملاحق، حتى إن كان يفعل ذلك لأسباب خاطئة، فكثيرًا ما يدفن المؤلفون فيها «المفاجآت الخفية» في أوراقهم، أي العوامل أو النتائج التي قد تكاد تُبطل الادعاءات الواردة في متن الورقة أو تفرض عليها تحفظات شديدة.

ولا يقع اللوم بالضرورة على المؤلفين لنقلهم مواد مهمة إلى الملاحق، إذ إن قوالب المنافذ الشائعة، مثل تلك التي استُخدمت مصادرَ للبيانات في الدراسة الجديدة، تفرض حدودًا قصوى لعدد الصفحات أو الكلمات في متن الورقة.

وعند عرض نتائج دراسات معقدة، يجد كثير من المؤلفين بوضوح أن هذا قيد شديد؛ وفي ما أعدّه «أسوأ الحالات»†، لا يعود متن الورقة سوى فهرس لمواد نُقلت إلى آخرها للالتفاف على الإرشادات (مع أن الإرشادات بدأت تلحق بهذا «التحايل» وتحظره).

يتزايد التوتر في هذا السيناريو بين حاجة المؤسسات إلى أن يضبط الباحثون عروضهم ويحدّوا منها — وهي حاجة تزداد أهمية مع ارتفاع حجم الأوراق البحثية المقدَّمة — وبين إحباط الباحثين الواضح، إذ يرغبون في عرض ثمار عملهم الشاق ضمن سياق كامل وشامل بالقدر الذي يرون أن جهودهم تستحقه.

 

 

* التشديد من المؤلفين، لا مني.

†لأن إحالة المواد إلى الملاحق قد يصعب حتى على الذكاء الاصطناعي اكتشافها عند فرز الأوراق البحثية لتغطيتها؛ لكنها قد تربك المُحكِّم كثيرًا إذا كان قد خصص وقتًا لتقييم من عشر صفحات، ثم وجد نفسه مضطرًا إلى النظر في 30 صفحة من المواد ضمن الوقت نفسه.

نُشر لأول مرة يوم الاثنين، 16 نوفمبر 2026

كاتب في مجال تعلم الآلة، متخصص في توليد صور البشر. كان رئيسًا سابقًا لمحتوى البحث في Metaphysic.ai، حتى دمجه في Brahma.ai التابعة لـ DNEG.
الموقع الإلكتروني: martinanderson.ai
للتواصل: martin@martinanderson.ai