ليس كل ادعاء للذكاء الاصطناعي يحتاج إلى استشهاد — ولكن كل ادعاء يحتاج إلى أساس

لماذا لم يعد "عدم الاستشهاد" اختباراً جيداً بما يكفي

مشكلة الثقة ليست مجردة. إنها قابلة للقياس، وتتفاقم بطرق محددة وموثقة.

وجدت دراسة أجريت عام 2025 حول المراجع التي تم إنشاؤها بواسطة الذكاء الاصطناعي أن 19.9% منها كانت ملفقة بالكامل، و 45.4% أخرى احتوت على أخطاء ببليوغرافية خطيرة — مما يعني أن ما يقرب من ثلثي الاستشهادات التي أنتجها الذكاء الاصطناعي في تلك الدراسة كانت إما مختلقة أو معيبة بطريقة مادية ما. وبشكل منفصل، يُظهر تتبع الاستشهادات الملفقة في الأبحاث المنشورة زيادة تقارب 12 ضعفاً بين عامي 2023 و 2025، حيث تم العثور على أكثر من 4,000 ورقة بحثية في مجال الطب الحيوي تستشهد بأبحاث غير موجودة.

النظام القانوني يستوعب بالفعل تكلفة هذا. ففي العام حتى فبراير 2026، تم فرض عقوبات على 66 قضية قانونية أمريكية خصيصاً بسبب أخطاء ناتجة عن الذكاء الاصطناعي، وبحلول يونيو 2026، ارتفع هذا الرقم إلى 1,598 إجراء قضائي حول العالم يتضمن محتوى ذكاء اصطناعي مع استشهادات ملفقة — مع أكثر من 145,000 دولار كغرامات على ملفات الذكاء الاصطناعي في المحاكم الأمريكية في الربع الأول من عام 2026 وحده.

لا شيء من ذلك سبب لعدم الثقة بالذكاء الاصطناعي بشكل كامل. بل هو سبب للتوقف عن استخدام 'هل يوجد استشهاد؟' كاختبار كامل، لأن هذا الاختبار سهل جداً اجتيازه دون أن يكون صحيحاً بالفعل، وبنفس الأهمية — سهل جداً فشله بينما يكون صحيحاً في الواقع.

هناك تعقيد حقيقي على الجانب الآخر من هذا أيضاً، يستحق ذكره بصدق بدلاً من التجاوز عنه: وجدت دراسة لجامعة ييل أن الأشخاص الذين استخدموا روبوتات الدردشة المدعمة بالذكاء الاصطناعي للمساعدة في التحقق من الأخبار شهدوا انخفاضاً قدره 15 نقطة في قدرتهم الذاتية غير المساعدة على اكتشاف المعلومات المضللة بعد أربعة أسابيع فقط. إن الاستعانة بمصادر خارجية للتحقق ليست مجانية. يمكن أن تجعلك أسوأ في القيام بذلك بنفسك. وهذا سبب حقيقي للرغبة في نظام يعرض عمله بدلاً من نظام يقدم لك إجابة تبدو نظيفة فقط.

على ماذا يمكن أن يستند الادعاء بالفعل

إذا لم يكن الاستشهاد وحده هو الاختبار الصحيح، فالسؤال الأكثر فائدة هو: ما نوع الأدلة التي أنتجت هذا الادعاء؟ عملياً، هناك ست إجابات حقيقية ومتميزة.

1. بحث خارجي

ادعاء يستند إلى بحث مباشر أو استعلام مقابل مصادر حقيقية وحالية — نوع الدليل الذي تتوقع أن يشير إليه الاستشهاد، وحيث يكون غياب الاستشهاد علامة حمراء حقيقية.

2. معلومات مقدمة من المستخدم

ادعاء مبني على شيء أخبرت به النظام مباشرة — حقائق علامتك التجارية الخاصة، معرفتك بالسوق، تصحيح قدمته. هذا لا يحتاج إلى استشهاد خارجي. الاستشهاد هو أنت.

3. أدلة محمولة من خطوة سابقة

في قطعة بحث متعددة المراحل، يمكن لمرحلة لاحقة أن تعتمد بشكل صحيح على أدلة سبق لمرحلة سابقة أن أنشأتها وتحققت منها، بدلاً من إعادة البحث فيها من الصفر. يعيش الاستشهاد في المراحل الأولية، وليس في كل جملة لاحقة تستخدمه.

4. استنتاج تحليلي، موضح بوضوح كاستنتاج

أحياناً تكون الإجابة الصادقة هي 'بناءً على الأدلة المجمعة، هذا هو التفسير الأكثر منطقية' — ليس حقيقة مكتشفة، بل حكم تقديري. وهذا مشروع، شريطة أن يكون موضحاً كاستنتاج وليس متخفياً في شكل استشهاد.

5. حساب حتمي

بعض الادعاءات هي مجرد حسابات حسابية. إذا كانت المدخلات صحيحة، فإن الحساب الثابت والقابل للاستنساخ لا يحتاج إلى استشهاد أكثر مما تحتاجه صيغة جدول بيانات — فـ 'الدليل' هو حقيقة أن نفس المدخلات تنتج دائماً نفس المخرجات.

6. تصحيح بشري، مطبق بعد الحقيقة

هذا هو الجانب الذي تتجاهله معظم التغطيات لثقة الذكاء الاصطناعي تماماً: عندما يقوم شخص لديه معرفة حقيقية ومباشرة بتصحيح ادعاء تم إنشاؤه بواسطة الذكاء الاصطناعي، فإن هذا التصحيح بحد ذاته شكل من أشكال الأدلة — ويمكن القول إنه أقوى أنواع الأدلة المتاحة، لأنه يأتي من شخص كان حاضراً بالفعل. نعتبر هذا فئة سادسة حقيقية بحد ذاتها، وليس مجرد خطوة لمراقبة الجودة أُلحقت بالخمسة الأخرى. وهذا تركيب حقيقي من جانبنا، وليس مصطلحاً صناعياً راسخاً — يستحق القول بوضوح بدلاً من تجميله ليكون أكثر مما هو عليه.

ست إجابات حقيقية. اختبار واحد — 'هل يوجد استشهاد' — لم يكن ليغطي كل الستة أبداً.

التمييز الذي يكاد لا أحد يدركه: فجوة مقابل مصطنع

هنا الزاوية التي لم تُستكشف بجدية، وهي تهم أكثر مما تبدو عليه.

عندما يشير نظام ذكاء اصطناعي إلى شيء ما بأنه غير مؤكد، يمكن أن تعني هذه الإشارة أحد شيئين مختلفين تماماً:

فجوة أدلة حقيقية — لم يتمكن الموضوع بالفعل من التحقق. لم ينشر أحد الرقم. المعلومات ليست علنية. عدم اليقين حقيقي ويتعلق بالعالم.

مصطنع لغوي — النتيجة الأساسية جيدة، ولكن تم وضع علامة سلبية أو غير مؤكدة عليها بسبب طريقة صياغتها، وليس بسبب ما تقوله بالفعل. عدم اليقين يتعلق بالجملة، وليس بالموضوع.

تبدو هذه متطابقة على الصفحة. تظهر كلتاهما كعلامة صفراء بجوار الادعاء. لكنهما تتطلبان استجابات مختلفة تماماً. الفجوة الحقيقية تحتاج إلى مزيد من البحث. المصطنع اللغوي يحتاج إلى صياغة أفضل — ومعاملته كفجوة بحثية يضيع الوقت في مطاردة أدلة لشيء لم يكن موضع شك في الأصل.

يكاد لا يظهر هذا التمييز في التغطية الحالية لثقة الذكاء الاصطناعي وهلوساته. يتوقف معظمها عند 'يمكن للذكاء الاصطناعي أن يخطئ، تحقق من الادعاءات المهمة' — وهذا صحيح، لكنه غير قابل للتطبيق. معرفة أي نوع من العلامات التي تنظر إليها هو ما يخبرك بالفعل بما يجب فعله بعد ذلك.

لماذا تتفوق الأسئلة الأضيق على الأسئلة الأوسع

هناك نمط ثانٍ يستحق التسمية، ويسير في الاتجاه المعاكس لما يفترضه معظم الناس أن يكون عليه بحث الذكاء الاصطناعي 'الأكثر شمولاً'.

الغريزة هي طرح سؤال واحد كبير ومفتوح وتوقع إجابة شاملة. عملياً، يميل العكس إلى العمل بشكل أفضل: تقسيم السؤال الواسع إلى عدة أسئلة ضيقة، محددة، ومحدودة — وطرحها بشكل منفصل — ينتج أدلة أسهل في التحقق، وأسهل في الثقة، وغالباً ما تكون أكثر فائدة مباشرة من إجابة واحدة متفرعة تحاول تغطية كل شيء دفعة واحدة.

جزء من السبب: السؤال الضيق يمنح النظام مجالاً أقل لطمس الأشياء التي يجب أن تبقى منفصلة. كما يمنحك، أيها القارئ، ادعاءً أسهل بكثير للتحقق منه فعلياً — فالإجابة المحددة لسؤال محدد هي شيء يمكنك التحقق منه مقابل مصدر محدد. بينما لا يمكن عادة التحقق من فقرة واحدة تحاول الإجابة على خمسة أشياء في وقت واحد مقابل أي شيء معين.

الأقل، والموجه بدقة أكبر، يميل إلى التفوق على الأكثر.

كيف بدا هذا بالفعل في أبحاث السوق الحقيقية

لم نأخذ أياً من هذا على محمل التسليم. أجرينا بحثاً حقيقياً حول كيفية وصف الناس لإحباطهم الحالي من أدوات الذكاء الاصطناعي التي تقدم ادعاءات بشأن الأدلة والثقة — اللغة المتكررة التي يلجأ إليها الناس بالفعل، وليس فرضية حولها.

ظهرت ثلاث عبارات بما يكفي من التكرار، وبشكل مستقل، لتكون جديرة بالتكرار هنا، دون ربطها بأي منتج أو شركة محددة، لأن النمط هو الأهم، وليس بائع واحد:

• شعور بـ 'معدل هراء 5%' — وهو الإحساس بأن حتى أداة الذكاء الاصطناعي الموثوقة في معظم الأحيان تحتوي على نسبة صغيرة ولكن حقيقية من المخرجات الخاطئة الواثقة المضمنة فيها، وأن هذه النسبة نادراً ما تتقلص إلى الصفر مهما بلغت جودة الأداة.
• 'وهم الشفافية' — حيث تُظهر الأداة بوضوح تفكيرها أو مصادرها، مما يبدو موثوقاً به، دون أن تكون هذه الطبقة المرئية قابلة للتحقق أو صحيحة بالفعل.
• 'عبء التحقق' — التكلفة الحقيقية والهادئة التي لا يزيلها العمل المدعوم بالذكاء الاصطناعي الحاجة إلى التحقق من الأشياء، بل ينقل التحقق إلى الإنسان، لاحقاً، وغالباً دون تحذير بأنه لا يزال مطلوباً.

كما كشف البحث نفسه عما يريده الناس بالفعل بدلاً من ذلك، بشكل مستقل ومتكرر، دون توجيههم نحو إجابة معينة: قدرة استشهاد متسقة وقابلة للتحقق؛ شرح مرئي لكيفية وصول الذكاء الاصطناعي إلى استنتاجه بدلاً من الاستنتاج نفسه فقط؛ وحكم مُركّب وقابل للتنفيذ بدلاً من تفريغ غير مصفى لكل ما وجده النظام.

لا ندعي الفضل في تحديد هذا الطلب — لقد وجده البحث بنفسه. ما نود الإشارة إليه هو أنه يتطابق بشكل وثيق مع كيفية بناء منتجنا: طبقة نزاهة تعرض الافتراضات، والفجوات، والتناقضات بدلاً من إخفائها؛ وطريقة لتصحيح وإعادة تشغيل التحليل بسياق حقيقي بدلاً من البدء من جديد؛ وحكم واحد مُركّب مقدماً، مع مسار الأدلة الكامل المتاح تحته لأي شخص يرغب في التحقق من عملنا.

قائمة تحقق لادعاء الذكاء الاصطناعي التالي الذي يتم تقديمه لك

في المرة القادمة التي يقدم لك فيها نظام ذكاء اصطناعي — نظامنا أو أي نظام آخر — ادعاءً أنت على وشك التصرف بناءً عليه، هناك خمسة أسئلة توصلك أبعد من مجرد 'هل يوجد استشهاد':

1. ما نوع هذا؟ بحث خارجي، مدخلاتك الخاصة، أدلة منقولة، استنتاج موضح، حساب، أو تصحيح بشري — كل منها يتطلب مستويات مختلفة من الثقة.
2. إذا كان استشهاداً، فهل يقول المصدر ذلك بالفعل؟ وجود استشهاد ودعمه للادعاء المحدد ليسا نفس التحقق.
3. إذا تم الإشارة إليه بأنه غير مؤكد، فهل هذه فجوة أم مصطنع؟ اسأل ما هو غير متحقق منه تحديداً — الموضوع، أم الجملة فقط.
4. هل سيمنحك نسخة أضيق من هذا السؤال إجابة أكثر قابلية للتحقق؟ إذا كان الادعاء واسعاً، ففكر فيما إذا كان تقسيمه سيساعد.
5. هل نظر أي شخص لديه معرفة مباشرة في هذا الأمر؟ التصحيح البشري، حيثما يكون متاحاً، غالباً ما يكون أقوى أنواع الأدلة في القائمة — استخدمه.

لا شيء من ذلك يتطلب عدم الثقة المطلقة بالذكاء الاصطناعي. يتطلب الأمر التعامل مع 'المُستشهد به' و 'الصحيح' كسؤالين مختلفين، لأنهما كذلك.