يُستخدم الذكاء الاصطناعي بشكل متزايد للتحقق من المنشورات العلمية وقواعد البيانات. وتُظهر أمثلة حديثة كيف يكتشف وكلاء الذكاء الاصطناعي عدم دقة ظلت دون ملاحظة لعقود.
استخدم الكيميائي النظري سيباستيان بيوس من Zhejiang Lab في هانغتشو نموذج ذكاء اصطناعي للتنبؤ بنقاط غليان الجزيئات. وأعطى النظام قيمًا تتعارض مع البيانات الواردة في مرجع يعود إلى 75 أعوام. في البداية، اشتبه بيوس في وجود خطأ في النموذج، لكن مراجعة المصادر الأصلية أظهرت العكس: فقد تبين أن البيانات المرجعية هي غير الصحيحة.
وفي حالات أخرى، كشف الذكاء الاصطناعي عن خطأ مطبعي في مقال وقيم قياس غير صحيحة لنقاط الغليان تعود لمئة عام. ووفقًا لبيوس، كان من الممكن أن تسبب هذه الأخطاء للباحثين الكثير من المشكلات عند استخدام القاعدة.
وتُستخدم أدوات مماثلة أيضًا لتدقيق أوراق المؤتمرات. ففي تحليل أجرته SAI Labs، فحص وكلاء الذكاء الاصطناعي 168 مقالًا من العروض التقديمية الشفهية في ICML 2026. ومن بين 92 ورقة بحثية تحتوي على عدد كافٍ من الادعاءات القابلة للتحقق، تمكن الوكلاء من إعادة إنتاج أكثر من اثنين من أصل خمسة ادعاءات رئيسية في 34 حالات فقط. أما بشكل كامل — أي أكثر من 80 % من الادعاءات — فقد نجح الأمر في ثماني مقالات فقط.
طور جيمس زو من ستانفورد وزملاؤه «مدقق ذكاء اصطناعي» قام بمسح مقالات NeurIPS. وارتفع عدد الأخطاء الموضوعية في الصيغ والحسابات والرسوم التوضيحية من 3.8 لكل مقال في عام 2021 إلى 5.9 في عام 2025 — بزيادة قدرها 55 %. وتسمح هذه الأدوات بالعمل بنطاقات لا يمكن للبشر الوصول إليها.
ومع ذلك، يحذر الخبراء: الذكاء الاصطناعي يخطئ أيضًا. ويؤكد أود إريك غوندرسن من الجامعة النرويجية للعلوم والتكنولوجيا على ضرورة الرقابة البشرية. فكيف يمكن ضمان موثوقية المعرفة العلمية في عصر التحقق الآلي؟
يركز التحليل على الأخطاء الموضوعية، تاركًا مسائل الحداثة والأهمية لتقدير البشر. ويساعد ذلك في تجنب إثقال كاهل الذكاء الاصطناعي بالأحكام الذاتية.
