سلبيات الذكاء الاصطناعي في البحث العلمي: 6 مخاطر حقيقية وكيف تتجنّبها

أبرز سلبيات الذكاء الاصطناعي في البحث العلمي هي: إنتاج معلومات ومراجع ملفّقة تبدو حقيقية (الهلوسة)، وترسيخ التحيّز الموجود في بيانات التدريب، وصعوبة تفسير كيف وصل النموذج إلى نتيجته، إضافة إلى مخاطر على النزاهة الأكاديمية وسرية البيانات والاعتماد المفرط الذي يُضعف مهارات الباحث. الذكاء الاصطناعي أداة قوية تختصر وقتاً هائلاً في مراجعة الأدبيات وتحليل البيانات وصياغة النصوص، لكنه ليس مصدراً موثوقاً بذاته ولا بديلاً عن العقل النقدي للباحث. في هذا الدليل نستعرض المخاطر الست الأهم بلغة عملية، مع طريقة واقعية لتفاديها.

1. الهلوسة واختلاق المراجع

أخطر مشكلة عملية هي "الهلوسة" (Hallucination): نماذج توليد النصوص مصممة لإنتاج جملة محتملة لغوياً، لا جملة صحيحة بالضرورة. النتيجة أن النموذج قد يمنحك اسم بحث ومؤلفاً وسنة نشر ورقم DOI تبدو كلها حقيقية، بينما لا وجود لها إطلاقاً.

هذه ليست حالة نادرة؛ فقد رُصدت مراجع ملفّقة في أوراق منشورة فعلاً بعدما نسخها باحثون دون تحقّق. القاعدة الذهبية: أي مرجع يقترحه الذكاء الاصطناعي يُعامَل كإشاعة حتى تفتح المصدر الأصلي بنفسك وتتأكد من وجوده ومن أنه يقول ما نُسب إليه.

2. التحيّز في البيانات والنتائج

النموذج يتعلّم من بيانات بشرية تحمل تحيّزاتها. إذا كانت بيانات التدريب تميل لعيّنات من مناطق أو أعراق أو فئات محددة، ستنعكس هذه الفجوة في مخرجاته. في الأبحاث الطبية والاجتماعية تحديداً، قد يقود ذلك إلى استنتاجات تُعمَّم خطأً على فئات لم تُمثَّل جيداً في البيانات، فتترسّخ الفجوة بدل أن تُعالَج.

الخطورة مضاعفة لأن المخرجات تبدو محايدة وموضوعية بحكم أنها صادرة عن "خوارزمية"، فيقل الحذر النقدي تجاهها.

3. صندوق أسود يصعب تفسيره

كثير من النماذج الحديثة يعمل كـ"صندوق أسود": يعطيك نتيجة دون تفسير واضح لكيفية وصوله إليها. هذا يتعارض مع جوهر المنهج العلمي القائم على الشفافية وقابلية إعادة إنتاج النتائج (Reproducibility). حين لا تستطيع شرح لماذا صنّف النموذج عيّنة بطريقة معيّنة، يصبح من الصعب الدفاع عن نتيجتك أمام المُحكِّمين أو تكرارها في دراسة لاحقة.

4. مخاطر النزاهة الأكاديمية

استخدام الذكاء الاصطناعي في الكتابة يضع الباحث في منطقة رمادية. كثير من المجلات والجامعات في 2026 يشترط الإفصاح عن أي استخدام لأدوات الذكاء الاصطناعي، ويمنع إدراجها كـ"مؤلف". تجاهل هذه السياسات قد يُصنَّف انتحالاً أو سوء سلوك بحثي.

كما أن أدوات كشف النصوص المولّدة آلياً غير دقيقة بما يكفي، وقد تُصدر إنذارات خاطئة تضر بباحثين أبرياء. تحقّق دائماً من سياسة الجهة التي تنشر لديها قبل الاعتماد على هذه الأدوات، ووثّق استخدامك بوضوح.

5. سرية البيانات والأمن

عند لصق بيانات بحثية غير منشورة أو بيانات مشاركين في أداة سحابية، قد تخرج هذه البيانات من سيطرتك وتُستخدم لتدريب النموذج أو تُخزَّن على خوادم خارجية. هذا يهدد الخصوصية وقد يخالف موافقات المشاركين (Consent) ولوائح حماية البيانات. القاعدة: لا تُدخِل بيانات حساسة أو شخصية أو غير منشورة في أدوات عامة، واستخدم بدلها نسخاً محلية أو مؤسسية تضمن عدم استخدام مدخلاتك للتدريب.

6. الاعتماد المفرط وضعف المهارات

الاعتماد الكامل على النموذج في التحليل والصياغة يُضعف تدريجياً القدرات التحليلية والنقدية للباحث، خصوصاً الباحثين في بداية مسيرتهم. الأداة يجب أن تكون مساعِداً يوفر الوقت، لا عقلاً بديلاً يتخذ القرار العلمي.

متى يساعد الذكاء الاصطناعي ومتى يضر؟

الاستخدام	مناسب نسبياً	يجب الحذر الشديد
مراجعة الأدبيات	اقتراح كلمات مفتاحية وتلخيص أولي	الاعتماد على المراجع دون تحقّق
تحليل البيانات	تنظيف البيانات والأكواد المساعدة	تفسير نتائج حساسة دون مراجعة بشرية
الكتابة	تحسين الصياغة اللغوية	كتابة نتائج أو استنتاجات كاملة
البيانات الحساسة	لا يُنصح إطلاقاً	إدخال بيانات مشاركين أو غير منشورة

نصيحة عملية من التجربة

أفضل طريقة تعاملت بها مع هذه الأدوات هي قاعدة "الأداة تقترح، والباحث يقرر ويتحقق". اجعل الذكاء الاصطناعي يقوم بالأعمال الروتينية (تنظيم مسودة، تلخيص نص طويل قرأته أنت، اقتراح صياغات)، ثم راجع كل مخرَج بعينك كأنه صادر عن مساعد مبتدئ لا تثق بدقته بعد. الخطأ الأكثر شيوعاً هو الوثوق بالمخرَج لأنه "مكتوب بثقة" — الثقة في الأسلوب ليست دليلاً على صحة المحتوى.

الأسئلة الشائعة

هل يمكن الاستشهاد بالذكاء الاصطناعي كمصدر في بحثي؟

لا يُستشهد به كمصدر علمي أولي، لأنه لا يُنتج معرفة موثّقة قابلة للتحقق. يمكن ذكر أنك استخدمته كأداة (في قسم المنهجية أو الإفصاح) حسب سياسة المجلة، لكن الحقائق والأرقام يجب أن تعود إلى مصادر أصلية محكّمة.

كيف أتأكد أن المرجع الذي أعطاني إياه ليس ملفّقاً؟

ابحث عن عنوان البحث ورقم DOI مباشرة في قواعد موثوقة مثل Google Scholar أو موقع الناشر. إن لم تجد تطابقاً دقيقاً، فالأرجح أنه ملفّق ويجب حذفه.

هل أدوات كشف النصوص المولّدة موثوقة؟

لا بشكل كامل؛ فهي تُخطئ في الاتجاهين وقد تتهم نصاً بشرياً زوراً. لا يُعتمد عليها وحدها في اتخاذ قرار بحق باحث.

ما أبسط طريقة لاستخدامه بأمان؟

لا تُدخِل بيانات حساسة، تحقّق من كل حقيقة ومرجع بنفسك، والتزم بسياسة الإفصاح لدى جهتك. عندها يتحوّل من مصدر خطر إلى أداة تسريع مفيدة.