Inherent، التي أسسها خريجو DeepMind، تقول إن وكيلها الذكي تفوق على Anthropic و OpenAI في تكرار الأبحاث

مختبر ذكاء اصطناعي بريطاني بناه باحثون سابقون من DeepMind للتو أطلق ادعاءً يجب أن يوقف كل مطور ومؤسس في آسيا عن التمرير: وكيلهم الذكي، Faraday، يمكنه تكرار الأوراق العلمية بدقة أكبر من أي شيء أطلقته Anthropic أو OpenAI حتى الآن. Inherent، التي أسسها خريجو DeepMind، تقول إن نظامها الذكي ليس مجرد مساعد بحثي آخر — إنه زميل علمي حقيقي. إذا صمدت المعايير أمام التدقيق، فهذا يمثل أحد أكثر قفزات القدرات أهمية في أدوات البحث التطبيقي للذكاء الاصطناعي التي شهدناها في عام 2026.

ما الذي حدث

Inherent، مختبر الذكاء الاصطناعي البريطاني الذي غطته TechCrunch في 22 أغسطس 2026، أطلقت وكيلاً ذكياً يسمى Faraday. الادعاء الأساسي دقيق وجدير بالذكر بوضوح: تفوق Faraday على الأنظمة الذكية المنافسة من Anthropic و OpenAI تحديداً في مهمة تكرار الأوراق البحثية العلمية.

التكرار ليس معياراً تافهاً. يتطلب من نظام ذكي أن يقرأ ورقة منشورة، ويفهم منهجيتها، ويعيد إنتاج إعدادها التجريبي، ويصل إلى نتائج متسقة مع النتائج الأصلية — دون الحاجة إلى توجيه يدوي طوال العملية. هذا يختلف نوعياً عن تلخيص الورقة أو الإجابة على أسئلة حولها. Faraday، وفقاً لـ Inherent، يفعل هذا بشكل مستقل، ويتصرف أقل مثل أداة تطالبها بشيء وأكثر مثل زميل تسند إليه العمل.

سلالة فريق التأسيس مهمة هنا. كانت DeepMind تاريخياً واحدة من أكثر بيئات أبحاث الذكاء الاصطناعي صرامة على الكوكب — المختبر خلف AlphaFold و AlphaGo وقائمة طويلة من الاختراقات المراجعة من النظراء. المؤسسون الذين خرجوا من تلك الثقافة يميلون إلى البناء بمعايير أعلى لما يعنيه "إنه يعمل" فعلاً. هذا لا يضمن أن معايير Inherent محكمة تماماً، لكنه يعني أن المنهجية خلف Faraday من المرجح أن تكون قابلة للدفاع أكثر من ادعاء بيان صحفي لشركة ناشئة عادية.

تحديد موضع Faraday كـ "زميل" بدلاً من "أداة" متعمد وذو أهمية فلسفية. إنه يشير إلى فلسفة التصميم: النظام مخصص للعمل بقدر كافٍ من الاستقلالية بحيث يمكن للباحث أو المطور أن يسند مهمة ويتوقع ناتجاً ذا معنى، وليس مجرد نقطة انطلاق لمزيد من العمل البشري. ما إذا كان هذا الإطار يصمد أمام التفاعل مع سير العمل البحثي الحقيقي يبقى أن نرى — لكن نتيجة المعيار تعطيه مصداقية تستحق أن تؤخذ على محمل الجد.

لماذا يهم آسيا

يقف منظر البحث والتطوير في آسيا عند نقطة تحول. الجامعات عبر سنغافورة وكوريا الجنوبية واليابان وتايوان وبشكل متزايد جنوب شرق آسيا تنتج أبحاثاً عالمية المستوى في الذكاء الاصطناعي والعلوم الحياتية. في الوقت نفسه، يبقى الفجوة بين مخرجات البحث والتطبيق التجاري عريضة بشكل عنيد في العديد من هذه الأسواق. أداة يمكنها تسريع تكرار والتحقق من العمل العلمي لا تساعد الأكاديميين فقط — إنها تضغط الجدول الزمني من الورقة المنشورة إلى الرؤية الجاهزة للإنتاج.

فكر في قطاعات الأدوية والتكنولوجيا الحيوية في سنغافورة وكوريا الجنوبية، حيث فرق البحث صغيرة نسبة إلى طموحاتها. وكيل من فئة Faraday يمكنه تكرار نتائج التجارب بشكل مستقل يعني أن فريق من خمسة باحثين يمكنه بفعالية أن يضرب بوزن فريق من خمسة عشر. نفس المنطق ينطبق على مختبرات الذكاء الاصطناعي عبر المنطقة التي تتسابق لبناء فوق النماذج الأساسية — فهم ما أثبته العمل السابق فعلاً، وليس فقط ما ادعى به، هو اختناق حرج.

هناك أيضاً بُعد لغة وإمكانية وصول خاص بتكنولوجيا آسيا. جزء كبير من الأدب العلمي عالي القيمة موجود باللغة الإنجليزية، بينما العديد من الباحثين الذين يحتاجون للعمل عليه يعملون باللغة الماندرين أو الكورية أو اليابانية أو الباهاسا الإندونيسية. وكيل ذكي يمكنه تكرار وتجميع الأبحاث — وليس فقط ترجمتها — يزيل طبقة من الاحتكاك التي أبطأت تاريخياً نقل المعرفة عبر المنطقة.

بشكل أوسع، ظهور Faraday يشير إلى أن الموجة التالية من تطبيقات الذكاء الاصطناعي عالية القيمة لن تكون روبوتات محادثة للأغراض العامة. ستكون وكلاء متخصصين بمجال معين بقدرة عميقة في مهمة ضيقة وعالية المخاطر. بالنسبة للمؤسسين الآسيويين الذين يقيمون أين يبنون، هذا إشارة واضحة: العمق الرأسي يتفوق على الاتساع الأفقي في هذه المرحلة التالية من سوق الذكاء الاصطناعي. الفرق التي ستفوز ستكون تلك التي تختار مجالاً — البحث العلمي أو التحليل القانوني أو النمذجة المالية — وتبني وكيلاً يستحق فعلاً تسمية "زميل".

ماذا يعني هذا للمطورين

بالنسبة للمطورين، يثير Faraday سؤالاً معمارياً ملموساً: كيف تبني وكيلاً ذكياً يمكنه تنفيذ مهام طويلة الأفق بموثوقية كافية للثقة به بشيء دقيق مثل تكرار العلم؟

الإجابة المختصرة، بناءً على ما كشفت عنه Inherent، هي أنها تتطلب أكثر من نموذج حدودي موجه بشكل جيد. يبدو أن Faraday هو نظام وكيل متعدد الخطوات — واحد يمكنه التخطيط لسلسلة من الإجراءات، وتنفيذها، وتقييم المخرجات الوسيطة، وتصحيح المسار. هذا تحدٍ هندسي مختلف بشكل أساسي عن بناء خط أنابيب توليد معزز بالاسترجاع (RAG) أو واجهة روبوت محادثة قياسية.

إذا كنت تبني وكلاء اليوم، فإن بعض الأشياء تنبثق من هذه القصة كإرشادات عملية:

• التقييم هو الجزء الأصعب. قدرة Inherent على ادعاء أن Faraday تفوق على Anthropic و OpenAI موثوقة فقط لأن لديهم معياراً صارماً وموضوعياً — تكرار الورقة مع نتائج قابلة للتحقق. إذا كنت تبني وكيلاً لمهمة مجال معين، حدد مقياس نجاحك قبل أن تكتب سطراً واحداً من الكود. ماذا يبدو "إنه نجح" عددياً؟
• تحليل المهام أهم من اختيار النموذج. النموذج هو مكون. الهندسة المعمارية — كيف تقسم مهمة معقدة إلى مهام فرعية، كيف تتعامل مع الفشل، كيف تتحقق من المخرجات الوسيطة — هي حيث تعيش الهندسة الحقيقية. نموذج أضعف مع طبقة تحليل مهام قوية غالباً ما يتفوق على نموذج أقوى يتم توجيهه فقط من النهاية إلى النهاية.
• الاستقلالية تتطلب دعم الثقة. استدعاء Faraday "زميلاً" يعني أن النظام يمكن الثقة به للعمل بدون إشراف لفترات ذات معنى. بناء تلك الثقة يتطلب تسجيلاً وقابلية شرح وأنماط فشل لطيفة. المستخدمون لن يسندوا إلى وكيل لا يمكنهم تدقيقه.

على جانب المنصة، هذا هو بالضبط نمط التطوير الذي MonstarX مبني لدعمه. المطورون الآسيويون الذين يبنون أنظمة وكيل يحتاجون إلى بنية تحتية تتعامل مع طبقة التنسيق — ربط النماذج بمصادر البيانات، وإدارة الحالة عبر سير عمل متعدد الخطوات، وتعريض الموصلات الصحيحة لواجهات برمجية خارجية وقواعد بيانات البحث — دون فرض كل فريق لإعادة بناء تلك الهندسة من الصفر.

قصة Faraday أيضاً تعزز نقطة حول التخصص. لم تحاول Inherent بناء وكيل بحثي للأغراض العامة. اختاروا مهمة واحدة — التكرار — وحسنوا لها بجد. يجب على المطورين الذين يبنون في آسيا أن يأخذوا هذا على محمل الجد. الإغراء بالبناء على نطاق واسع قوي، خاصة عندما تكون تقدم عرضاً للمستثمرين الذين يريدون TAM. لكن الوكلاء الذين سيتم اعتمادهم فعلاً هم تلك التي تفعل شيئاً واحداً عالي القيمة بشكل أفضل مما يمكن للإنسان أن يفعله وحده.

ملاحظة عملية أخرى: حالة استخدام تكرار البحث لها نظائر مباشرة في تطوير البرمجيات. مراجعة الكود وتوليد الاختبارات و — الأكثر صلة — إعادة إنتاج الأخطاء