باحث في MIT يدرس حدود تعميم نتائج العلوم السياسية وأخطاء بيانات الذكاء الاصطناعي
يركّز ناوكي إغامي، أستاذ العلوم السياسية في معهد ماساتشوستس للتكنولوجيا (MIT) منذ عام 2025، على سؤال يتجاوز النتيجة المباشرة لأي دراسة: هل يمكن تطبيقها خارج العينة أو البلد أو الظرف السياسي الذي أنتجها؟ ويشمل عمله أيضاً دراسة كيفية التعامل إحصائياً مع الأخطاء التي قد تدخل إلى أبحاث العلوم الاجتماعية عندما تُستخدم أدوات الذكاء الاصطناعي لإنتاج البيانات أو معالجتها.
عرضت MIT News في 16 سبتمبر 2026 مسار إغامي الأكاديمي واهتماماته المنهجية، من دون الإعلان عن ورقة بحثية جديدة أو تقديم أرقام تقيس أداء طريقة محددة. لذلك تتعلق أهمية المادة بالمشكلات التي يدرسها، لا بإثبات أن حلاً نهائياً لها أصبح متاحاً.
نتيجة التجربة لا تنفصل عن سياقها
تُعرف المسألة التي يدرسها إغامي باسم «الصلاحية الخارجية»، أي مدى انطباق نتائج دراسة معينة خارج البيئة التي جُمعت فيها البيانات. فقد تنجح دراسة على ناخبين في انتخابات محسومة، لكن ذلك لا يعني بالضرورة أن النتيجة نفسها ستظهر في دوائر انتخابية شديدة التنافس أو في بلد مختلف.
وتقدم الحملات الانتخابية مثالاً على هذا القيد. فقد يحصل الباحثون على إذن لإجراء تجارب ميدانية في حملات يتوقع المرشحون فيها الفوز، بينما قد تختلف سلوكيات الناخبين وديناميكيات الرسائل السياسية في السباقات المتقاربة. وإجراء تجربة ميدانية لا يلغي احتمال أن تكون خصائص المكان أو الحملة قد أثرت في النتيجة.
لا يعني ذلك أن نتائج الدراسات الميدانية غير مفيدة، بل أن تفسيرها يحتاج إلى تحديد نطاقها. فإلى جانب السؤال عن أثر التدخل في المشاركين الذين شملتهم الدراسة، ينبغي فحص ما إذا كانت الظروف التي أحاطت بها موجودة في سياقات أخرى.
الذكاء الاصطناعي يضيف طبقة جديدة إلى مشكلة القياس
بدأ إغامي دراسة استخدام أدوات الذكاء الاصطناعي في الأبحاث قبل موجة الاهتمام الواسعة التي أعقبت انتشار ChatGPT في أواخر 2022، وفقاً للمادة. ويركز أحد جوانب عمله على احتمال إدخال هذه الأدوات أخطاء عندما تُستخدم لإنتاج البيانات على نطاق واسع، وعلى الحاجة إلى أساليب إحصائية تأخذ هذه الأخطاء في الحسبان.
تختلف هذه المشكلة عن استخدام برنامج لتحليل مجموعة بيانات جُمعت يدوياً وخضعت للتحقق. فعندما يشارك نموذج للذكاء الاصطناعي في توليد البيانات أو تصنيفها، تصبح عملية التوليد نفسها جزءاً من سلسلة القياس التي يتعين فحصها، بدلاً من التعامل مع البيانات الناتجة باعتبارها مدخلاً محايداً للتحليل.
ويربط إغامي هذه المسألة بقابلية إعادة إنتاج النتائج. فإذا لم تُفهم الأخطاء التي تدخل أثناء توليد البيانات أو معالجتها، فقد لا تتكرر التحليلات عند إعادة إجرائها. ولا تقدم مادة MIT News تفاصيل عن طريقة محددة لقياس هذه الأخطاء أو عن مقدار تأثيرها في دقة النتائج.
مسار متعدد المجالات من دون نتائج كمية جديدة
نشأ إغامي في طوكيو ودرس في جامعة طوكيو، ثم حصل على درجة البكالوريوس بعد قضاء عام تبادل في جامعة ميشيغان. ونال الدكتوراه من جامعة برينستون عام 2020، وعمل في جامعة كولومبيا قبل انتقاله إلى MIT. وهو أستاذ مشارك مثبت الولاية في قسم العلوم السياسية، ومنتسب إلى مركز الإحصاء وعلوم البيانات في معهد البيانات والأنظمة والمجتمع.
تقول المادة إنه حصل على جائزة الباحث الصاعد من جمعية المنهجية السياسية، إضافة إلى جوائز لأفضل أوراق بحثية من أقسام متخصصة في الجمعية الأميركية للعلوم السياسية خلال أعوام مختلفة. وتعرض هذه الجوائز اتساع اهتماماته داخل المجال، لكنها لا تثبت وحدها فعالية منهج محدد أو قابليته للتطبيق في كل الدراسات السياسية.
كما لا تورد المادة تفاصيل عن خوارزمية بعينها، أو مقارنة تجريبية بين طرق معالجة أخطاء البيانات، أو اختباراً واسعاً يحدد مقدار تحسن الدقة. وتبقى الرسالة المنهجية الأساسية أبسط من ذلك: تعميم النتيجة يتطلب فحص السياق الذي أنتجها، واستخدام بيانات مولّدة بالذكاء الاصطناعي يتطلب تدقيقاً في الأخطاء التي قد تدخل قبل بدء التحليل.
اقرأ أيضاً
- أسهم ديل تقفز 9% بعد رفع توقعات 2027 بدعم من خوادم الذكاء الاصطناعي
- طفرة الذكاء الاصطناعي في كوريا الجنوبية تعيد تشكيل المواعدة والتعليم والإعلام
- مصنّعو الرقائق يتوقعون استمرار دورة ازدهار الذكاء الاصطناعي حتى 2030
المصدر
استندت هذه المادة إلى المعلومات المنشورة عبر MIT News AI.
الانضمام إلى المحادثة