حلّ GPT-6-Astra، الذي يعمل ضمن بيئة البرمجة Codex من OpenAI، 49 مسألة من أصل 50 في اختبار لمهام بحثية في الفيزياء النظرية. ويقول مؤلفو الدراسة إن تشغيله كلّف أقل بقليل من $116 إجمالًا، أو نحو $2.40 للمسألة. وقارن الاختبار بين وكلاء ذكاء اصطناعي متاحين تجاريًا، من دون تقديم أي تلميحات بشرية لهم.
مع تفعيل البحث على الويب، حقق Opus 5.5 من Anthropic في Claude Code نتيجة 92%. وسجل Gemini 3.8 Flash من Google نسبة 68%، بينما حقق النموذجان مفتوحا الأوزان DeepSeek-V4.1-Flash وGLM 5.3 نسبتي 54% و42% على التوالي. ومن دون البحث على الويب، سجل كل من Astra وOpus نسبة 92%.
اختبار للحسابات لا للاكتشافات
تغطي المسائل الخمسون 11 فرعًا، من تدفقات الموائع والعمليات البيولوجية إلى فيزياء الجسيمات وعلم الكونيات. وهي في معظمها حسابات بحثية روتينية، تطبّق أساليب معروفة على سؤال معدّل، بدلًا من حل مسائل كبرى مفتوحة. ويقول المؤلفون إن مهامًا كهذه قد تصلح مشروعات أولية لطلاب الدكتوراه.
تطلب أحد الأمثلة تكييف معادلات واردة في ورقة بحثية أقدم عن الثقوب السوداء، وكتابة برنامج مخصص لحساب النتيجة. ويقول الباحثون إن المسائل صُممت بحيث لا يمكن ببساطة نسخ الإجابة من الورقة. وشغّل الاختبار كل وكيل مرتين: مرة مع البحث على الويب، ومرة من دون اتصال بالإنترنت.
للنتيجة حدود
وجد الباحثون أن بعض الأخطاء الظاهرية للذكاء الاصطناعي كانت في الواقع أخطاء طفيفة في الإجابات المرجعية التي أعدها الخبراء. وبعد تصحيح تلك الإجابات، تبيّن أن ردود Astra في هذه الحالات كانت صحيحة. أما المسألة الوحيدة التي لم يحلّها Astra، فقد عجزت عنها جميع النماذج؛ ويقرّ المؤلفون أيضًا بأن استنتاج الإجابة المتوقعة ربما كان صعبًا على نحو غير منصف.
لا تعني النتيجة المرتفعة في هذه الحسابات أن الذكاء الاصطناعي قادر على اختيار أسئلة بحثية جديرة بالاهتمام أو تحقيق اختراق في الفيزياء. ويقول المؤلفون إن الوكلاء الحاليين ما زالوا يواجهون صعوبة في تقدير المسائل المثيرة للاهتمام، والانتقال إلى سؤال أسهل حلًا عند الحاجة. وتتوفر مجموعة المسائل وإعدادات الاختبار على Hugging Face.
لماذا يهم
بالنسبة إلى طلاب الفيزياء ومشرفيهم، تشير النتائج إلى أن بعض المهام التي تتطلب حسابات مكثفة، والتي كانت تُستخدم سابقًا مشروعات بحثية تمهيدية، قد يصبح من الأسهل أتمتتها. ويقول المؤلفون إن هذه المهام ربما لم تعد مناسبة كمشروعات أولى ما لم يكن الهدف منها التدريب. لكن الاختبار لا يبيّن ما إذا كان الذكاء الاصطناعي قادرًا على اختيار أسئلة قيّمة أو إنتاج معرفة جديدة في الفيزياء، لذا لا يزال أثره في البحث خارج نطاق هذه الحسابات غير معلوم.
