وداعًا لقوة الحوسبة: من "GrainBot" في جامعة هونغ كونغ للتكنولوجيا إلى إعادة هيكلة منطق تقييم الذكاء الاصطناعي للعلوم

شهدت مسيرة الذكاء الاصطناعي في هونغ كونغ عام 2026 انفجارًا كثيفًا من الابتكارات والتطورات. فإذا كانت خطة دعم الحوسبة بقيمة 3 مليارات دولار هونج كونجي التي أُعلنت في موازنة العام الماضي بمثابة حقنة معنوية للصناعة، فإن الاختراقات العلمية الكبرى والحوارات الصناعية الرفيعة التي حدثت خلال الأيام الأخيرة تشير إلى أن الذكاء الاصطناعي في هونغ كونغ يتسارع من مرحلة بناء البنية التحتية إلى مرحلة التوجه نحو التطبيق العملي في أعماق المياه.

فبالأمس (3 مارس)، بينما كانت أنظار معظم المراقبين تركز على تضخم قدرات وحدة معالجة الرسوميات (GPU) من NVIDIA من الجيل الأحدث، أو على إصدار OpenAI لنموذج عام ضخم ببارامترات مذهلة، ألقى فريق الدكتور Guo Yike، نائب رئيس جامعة هونغ كونغ للعلوم والتكنولوجيا، الذي يقوده، قنبلة علمية قوية باسم GrainBot، في الأوساط الأكاديمية والصناعية.

وهذا ليس مجرد أداة جديدة للذكاء الاصطناعي، بل هو نموذج نموذجي لانتقال مفهوم “الذكاء الاصطناعي للعلوم” (AI for Science - AI4S) من المفهوم إلى التطبيق الصناعي. كمتابع طويل الأمد لقطاعات التكنولوجيا الكمية والتكنولوجيا العميقة، أعتقد أن ظهور GrainBot يمثل تحولًا في مركز ثقل تطور الذكاء الاصطناعي في هونغ كونغ من “الدردشة العامة” إلى “الاكتشاف العمودي”. بالنسبة للمختصين في التمويل، فهم المنطق وراء GrainBot هو فهم مستقبل الاستثمارات في التكنولوجيا الصلبة خلال السنوات الخمس القادمة، حيث يمثل ذلك الـ"ألفا" الحقيقي.

(مصدر الصورة: analyticalscience.wiley.com)

لفهم قيمة GrainBot، نحتاج أولاً إلى فهم التحديات التي تواجه علم المواد.

في قطاعات التصنيع المتقدمة مثل أشباه الموصلات، البطاريات الجديدة، والألواح الشمسية، غالبًا ما تحدد خصائص المواد نجاح المنتج أو فشله. وتُعتمد تلك الخصائص — سواء كانت موصلية، قوة، أو مقاومة للتآكل — بشكل كبير على البنية الدقيقة للمواد، وتحديدًا على حجم وشكل وتوزيع “الحبيبات” (Grains). لطالما كان علماء المواد كحرفيين يحملون عدسات مكبرة، يستخدمون مجهر المسح الإلكتروني (SEM) أو المجهر الذري (AFM) لالتقاط آلاف الصور، ثم يقضي الباحثون أو الطلاب مئات الساعات يحددون ويحددون حدود كل حبة يدويًا. كانت هذه العملية بطيئة جدًا، وتخضع لخطأ بشري كبير.

ظهور GrainBot هو بمثابة تركيب “دماغ قيادة ذاتي من المستوى L4” على المجهر.

وفقًا لأحدث نتائج بحث نُشرت في مجلة “Matter” التابعة لمؤسسة Cell Press، يستخدم GrainBot تقنيات متقدمة في الرؤية الحاسوبية (CV) والتعلم العميق، ليقوم تلقائيًا بعملية تقسيم الصور، واستخراج الميزات، والتحليل الكمي. لم يعد بحاجة إلى تدخل بشري، بل يمكنه بدقة عالية تحديد حدود الحبيبات وحساب المساحات السطحية، والأشكال الهندسية للشقوق، والأحجام النسبية للأجسام المتقعرة.

الأهم من ذلك، أن GrainBot ليس مجرد “عداد”. بل يمتلك قدرة على التحليل الترابطي، بحيث يمكنه ربط البيانات الدقيقة للبنية المجهرية بأداء المادة الكلي. في تجارب على أغشية “Perovskite” — وهي مادة تعتبر المفتاح للجيل القادم من الخلايا الشمسية عالية الكفاءة — نجح GrainBot في بناء قاعدة بيانات تحتوي على آلاف الحبيبات الموسومة، وكشف عن علاقات بين البنية والأداء كانت سابقًا صعبة القياس. قال الدكتور Guo Yike خلال المؤتمر: “مع تزايد أتمتة سير العمل العلمي وازدياد الاعتماد على البيانات، ستصبح أدوات كهذه محركات رئيسية لمختبرات المستقبل الذاتية.”

بالنسبة للمستثمرين، ظهور نتائج مثل GrainBot يعني أننا بحاجة إلى إعادة تقييم نماذج تقييم مشاريع الذكاء الاصطناعي. ففي العامين الماضيين (2024-2025)، ركز السوق على النماذج العامة الكبيرة و"البرمجيات كخدمة" (SaaS) في التطبيقات، مع تقييم يعتمد على مؤشرات مثل المستخدمين النشطين شهريًا (MAU)، والإيرادات السنوية المتكررة (ARR)، واستهلاك الرموز (Tokens). ومع تراجع العائد الإضافي من النماذج العامة، بدأ رأس المال يبحث عن نقاط نمو جديدة. وهنا يأتي مفهوم “الذكاء الاصطناعي للعلوم” (AI4S) ليقدم منطقًا مختلفًا تمامًا: فقيمته لا تكمن في عدد المستخدمين الذين يخدمهم، بل في تقصير دورة البحث والتطوير، واكتشاف مواد جديدة.

على سبيل المثال، إذا استطاع GrainBot تقصير دورة تطوير خلايا “Perovskite” من 3 سنوات إلى 6 أشهر، أو مساعدة شركة CATL على اكتشاف مادة كاثود جديدة تزيد من كثافة الطاقة بنسبة 10%، فإن القيمة الاقتصادية الناتجة ستكون هائلة جدًا.

هذه هي منطق “الملكية الفكرية الصناعية”. فالشركات الناشئة في مجال الذكاء الاصطناعي المستقبلية قد لا تكون شركات تطور روبوتات الدردشة، بل تلك التي تمتلك بيانات وخوارزميات متخصصة في مجالات معينة (مثل المواد، الأدوية، الكيمياء)، وتستطيع إنتاج براءات اختراع بكميات كبيرة من “المختبرات الرقمية”.

وفي ظل هذا المنطق، تتعزز ميزة الجامعات والمؤسسات التعليمية في هونغ كونغ بشكل كبير. فبعكس وادي السيليكون الذي يهيمن عليه مهندسو البرمجيات، تمتلك هونغ كونغ كثافة عالية من خبراء المواد والكيمياء والطب الحيوي. إن إنجاز جامعة هونغ كونغ للعلوم والتكنولوجيا (HKUST) الأخير هو نتيجة تداخل عميق بين علوم الحاسوب (فريق Guo Yike) والهندسة الكيميائية (الأستاذة Zhou Yuanyuan). هذا الجمع بين “الذكاء الاصطناعي والمعرفة التخصصية” يمثل حاجز حماية يصعب على شركات الإنترنت التقليدية تكراره.

ليست GrainBot الحالة الوحيدة. إذا رفعنا نظرتنا، سنكتشف أن هونغ كونغ تبني نموذجًا جديدًا للبحث العلمي يعتمد على “المختبرات الذاتية”. فالمختبر الذاتي هو نظام يستخدم الروبوتات والذكاء الاصطناعي لتصميم التجارب، وتنفيذها، وتحليل البيانات، وتحسين العمليات بشكل دوري وآلي. في هذا الحلقة المغلقة، يتولى الذكاء الاصطناعي (مثل GrainBot) مهمة “المراقبة والتفكير”، بينما تتولى الروبوتات مهمة “العمل”. هذا الاتجاه يحمل تحولًا عميقًا في الهيكل الاقتصادي لهونغ كونغ. فلطالما كانت المدينة مركزًا ماليًا وميناء تجاري، لكن في مجال البحث والتطوير في التكنولوجيا الصلبة، كانت تُعتبر “مقعدة”. ومع قدوم عصر AI4S، تغير شكل البحث والتطوير ليصبح أكثر رقمية وذكاءً. لم تعد هونغ كونغ بحاجة إلى مساحات واسعة لبناء المصانع، بل يمكنها أن تصبح مركزًا عالميًا لإنتاج “وصفات مواد جديدة” باستخدام بنيتها التحتية الحاسوبية وعباقرتها في البحث العلمي.

تخيل مستقبلًا أن حديقة العلوم في هونغ كونغ لن تقتصر على المكاتب، بل ستحتوي على مئات أو آلاف “المختبرات غير البشرية” التي تعمل على مدار الساعة. تستهلك البيانات باستمرار، وتحلل النتائج باستخدام أدوات مثل GrainBot، ثم تعدل معلمات التجارب تلقائيًا، وتنتج في النهاية براءات اختراع عالية القيمة. يمكن ترخيص هذه الوصفات لمصانع المنطقة الكبرى لإنتاجها بكميات ضخمة. هذا هو النسخة 2.0 من “البحث والتطوير في هونغ كونغ والصناعة في منطقة الخليج”.

بالطبع، كمراقب عقلاني، لا يمكننا إغفال التحديات والمخاطر. أكبر عائق أمام الذكاء الاصطناعي للعلوم هو البيانات. فبينما يتم تدريب ChatGPT على كميات هائلة من النصوص على الإنترنت، فإن البيانات العلمية عالية الجودة، مثل الصور المجهرية الموسومة بدقة، نادرة جدًا. نجاح GrainBot يرجع إلى الجهد الكبير الذي بذله الفريق في بناء مجموعة بيانات عالية الجودة في البداية. علاوة على ذلك، فإن ظاهرة “جزيرة البيانات” في العلوم أشد من تلك في الإنترنت، حيث تعتبر البيانات سرًا تجاريًا حساسًا لكل شركة مواد أو مختبر. فكيف يمكن بناء آلية آمنة لمشاركة البيانات (ربما باستخدام تقنيات Web3 أو الحوسبة الخصوصية) بحيث يمكن لنماذج الذكاء الاصطناعي أن تتعلم من “مئات البيوت” وتكبر؟ هذه هي الخطوة التالية لتحقيق التحول التجاري.

وفي ربيع 2026، ونحن نقف في حرم جامعة HKUST نتأمل خليج Qing Shui، نرى ليس فقط المنظر الطبيعي، بل أيضًا تجديد نمط البحث العلمي وتغيير أجياله.

إطلاق GrainBot هو رمز لدمج روح “الهاكر” (التكرار السريع، والخوارزميات) مع روح “الحرفي” (الملاحظة الدقيقة، وصقل المواد). للمستثمرين، لم يعد الأمر يقتصر على من يملك أكبر عدد من بطاقات H100، بل من يستطيع استخدام الذكاء الاصطناعي لحل أصعب المشكلات الفيزيائية في العالم الحقيقي.

وفي هذا المسار الجديد، بدأت هونغ كونغ بداية جيدة. فربما يكون GrainBot مجرد بداية، لكن سوق اكتشاف المواد باستخدام الذكاء الاصطناعي، الذي يقدر تريليونات الدولارات، يتشكل تدريجيًا خارج نطاق المجهر.