في مواجهة الانفجار في المنشورات في مجال الروبوتات، حاول ستة باحثين قراءة جزء كبير من الأعمال المنشورة في عام 2024 في مجال فرعي واحد فقط، وهو التعلم من خلال التوضيح (Learning from Demonstration, LfD). وفقًا لدراستهم، فإن حوالي 20٪ فقط من المقالات تُعد مساهمات رئيسية، بينما يقدم الباقي في الغالب تحسينات تدريجية على الطرق الحالية أو مجالات تطبيق جديدة.
في هذه الطريقة، تتعلم الروبوتات أداء المهام من خلال توجيه خبراء بشريين. ويذكر المؤلفون، أود بيلار، ورينو ديتراي، وناديا فيغيروا، وماكسيميليان فوريست، ودونغهوي لي، وكينبينغ ياو، أن الباحثين من المفترض أن يقرأوا المنشورات الجديدة في مجالهم ليبقوا على اطلاع، وهي مهمة تصبح سريعًا غير قابلة للتحقيق. على سبيل المثال، نشرت IEEE 46,968 مقالة حول «الروبوتات» أو «الأتمتة» في عام 2024 فقط، في حين أن منشورات IEEE تمثل فقط جزءًا من البحث المتاح عبر الإنترنت.
نمو مستمر في عمليات التقديم
وفقًا للدراسة، فإن عدد الأوراق المقدمة لمجلات الروبوتات يتزايد كل عام منذ عقد، مع تسارع ملحوظ: +26٪ في 2023 و +31٪ في 2024. ويشير المؤلفون إلى عدة أسباب محتملة، بما في ذلك الاهتمام المتزايد من القطاعين العام والخاص، بالإضافة إلى توفر أدوات الذكاء الاصطناعي التي تساعد في كتابة المقالات والبرمجيات. ويتبع عدد المقالات المنشورة هذا الاتجاه، على الرغم من جهود اللجان التحريرية للحد من الارتفاع من خلال خفض معدلات القبول.
تشهد المؤتمرات نفس التطور. فقد ضاعف مؤتمر ICRA عدد المقالات المنشورة في عشر سنوات، ليصل إلى حوالي 1,800 في عام 2024. وفي الوقت نفسه، أدى ضغط المجتمع الأكاديمي للنشر السريع إلى تقليل الفترة بين تقديم المقال ونشره بنسبة 50٪.
أدوات آلية بحدود واضحة
قيم المؤلفون المهمة بطريقتين: قراءة بشرية لجميع المقالات، واستخدام نصوص برمجية ونماذج لغوية كبيرة (LLM، وهي أنظمة قادرة على معالجة النص وإنشائه). وفقًا لهم، توفر هذه الأدوات تقييمًا كميًا عامًا بدرجة مقبولة من الدقة. ومع ذلك، فإنها تفشل في تقييم الأهمية الحقيقية للبحث: فهي لا تكتشف المقالة التي تعيد عملًا تم حله مسبقًا، ولا الادعاءات المبالغ فيها في الملخص مقارنة بالمساهمة الفعلية.
من بين أكثر من 300 مقالة تم تحليلها، يلاحظ المؤلفون أن المساهمات الأكثر بروزًا لا تتوافق بالضرورة مع عدد مرات التحميل أو الاقتباسات. ومع ذلك، فإن هذه «الجواهر» ضرورية لتجنب مرور الأعمال الجديدة دون أن يلاحظها أحد وللحد من تكرار الأبحاث.
تقدم الدراسة عدة توصيات. يقترح المؤلفون بشكل خاص تطوير محرك بحث يصنف المقالات بناءً على التقييمات وحالة المراجعة من قبل لجان المجلات والمؤتمرات، بدلاً من Google Scholar أو IEEEXplore، اللتين تضعان جميع المنشورات على قدم المساواة. كما يقترحون النظر في نموذج نشر أعمى، حيث تكون أسماء المؤلفين ومؤسساتهم ثانوية. أخيرًا، يوصون باستخدام النماذج اللغوية الكبيرة لما تجيده، وهو تلخيص العمل وجمع معلومات كمية دقيقة، دون اعتبارها قادرة على تقييم الجدة الحقيقية لمقالة. ومع ذلك، يلاحظ المؤلفون أنه إذا تمكنت هذه الأدوات من تحقيق ذلك يومًا ما، فقد يكون لذلك تداعيات على القدرة البشرية على تقديم هذه الخبرة.
لا يقتصر الظاهرة على IEEE: وفقًا للدراسة، فإن مجلات IJRR، وكذلك مؤتمرات RSS و CoRL، تتبع نفس الاتجاه.
