يسري الجمل: الذكاء الاصطناعي يساهم في تحسين الإنتاجية والتكلفة
تاريخ النشر: 3rd, February 2024 GMT
قال الدكتور يسري الجمل وزير التربية والتعليم الأسبق، إن الذكاء الاصطناعي، ساهم في دعن الوصول إلى المعرفة، بالإضافة إلى تحسين عمليات البحث والتعلم الذاتي.
أضاف خلال مؤتمر جامعة مصر للمعلوماتية بمعرض الكتاب، أن الذكاء الاصطناعي يساهم أيضا في تحسين الإنتاجية والتكلفة، كذلك تحسين صناعة التعليم سواء التعليم الجامعي أو ما قبل الجامعي.
شدد على أن الذكاء الاصطناعي له بعض التأثيرات السلبية تتمثل في الثقة والأخلاقيات، والتأثير على سوق العمل في اختفاء بعض الوظائف، وكذلك الخصوصية والأمان، وجودة البيانات، والشفافية والتأثير، فضل عن التحديات القانونية والأخلاقية ونقص المهارات والتدريب والتحديات التقنية.
أوضح أن صناعة المعرفة تأثرت بشكل كبير بالذكاء الاصطناعي من خلال تحسين الوصول إلى المعرفة، تحليل البيانات، التعلم الذاتي، الترجمة اللغوية تحسين الإنتاجية، وتحسين صناعة التعليم ومع ذلك يجب النظر في التحديات المرتبطة به. الأخلاقيات سوق العمل الخصوصية والأمان يتطلب التعامل مع هذه التحديات التفكير الشامل والتعاون بين الجهات المعنية. بما في ذلك الباحثين والمهندسين والمشرعين والمجتمع ككل.
المصدر: بوابة الوفد
كلمات دلالية: الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي في يد الهاكرز.. ديب سيك R1 يمكنه تطوير برامج الفدية الخبيثة
كشف باحثو الأمن السيبراني، عن كيفية استغلال نموذج الذكاء الاصطناعي الصيني من ديب سيك Deepseek-R1، في محاولات تطوير متغيرات من برامج الفدية والأدوات الرئيسية مع قدرات عالية على التهرب من الكشف.
ووفقا لتحذيرات فريق Tenable، فأن النتائج لا تعني بالضرورة بداية لحقبة جديدة من البرامج الضارة، حيث يمكن لـ Deepseek R-1 "إنشاء الهيكل الأساسي للبرامج الضارة" ولكنه يحتاج إلى مزيدا من الهندسة الموجهة ويتطلب إخراجها تعديلات يديوية لاخراج الشيفرة البرمجية الضارة بشكل كامل.
ومع ذلك، أشار نيك مايلز، من Tenable، إلى أن إنشاء برامج ضارة أساسية باستخدام Deepseek-R1، يمكن أن يساعد "شخص ليس لديه خبرة سابقة في كتابة التعليمات البرمجية الضارة" من تطوير أدوات تخريبية بسرعة، بمل في ذلك القدرة على التعرف بسرعة على فهم المفاهيم ذات الصلة.
في البداية، انخرط ديب سيك في كتابة البرامج الضارة، لكنها كانت على استعداد للقيام بذلك بعد أن طمأن الباحثين من أن توليد رمز ضار سيكون "لأغراض تعليمية فقط".
ومع ذلك، كشفت التجربة عن أن النموذج قادر على تخطي بعض تقنيات الكشف التقليدية، على سبيل المثال حاول Deepseek-R1 التغلب على آلية اكتشاف مفتاح Keylogger، عبر تحسين الكود لاستخدام Setwindowshookex وتسجيل ضربات المفاتيح في ملفات مخفية لتجنب الكشف من قبل برامج مكافحة الفيروسات.
وقال مايلز إن النموذج حاول التغلب على هذا التحدي من خلال محاولة “موازنة فائدة السنانير والتهرب من الكشف”، اختار في النهاية مقاضاة Setwindowshookex وتسجيل ضربات المفاتيح في ملف مخفي.
وقال مايلز: “بعد بعض التعديلات مع ديب سيك، أنتجت رمزا لمفتاح Keylogger الذي كان يحتوي على بعض الأخطاء التي تطلبت تصحيحا يدويا”.
وأضاف أن النتيجة كانت أربعة "أخطاء في إيقاف العرض بعيدا عن مفتاح التشغيل الكامل".
في محاولات أخرى، دفع الباحثون نموذج R1 إلى إنشاء رمز الفدية، حيث أخبر Deepseek-R1 بالمخاطر القانونية والأخلاقية المرتبطة بإنشاء مثل هذا الكود الضار، لكنه استمر في توليد عينات من البرمجيات الخبيثة بعد أن تأكد من نوايا الباحثون الحسنة.
على الرغم من أن جميع العينات كانت بحاجة إلى تعديلات يدوية من أجل التجميع، تمكنا الباحثون من إنشاء عدة عينات، وقال مايلز إن هناك احتمالية كبيرة بأن يسهم Deepseek-R1 في المزيد من تطوير البرمجيات الضارة التي تم إنشاؤه بواسطة الذكاء الاصطناعي من قبل مجرمي الإنترنت في المستقبل القريب.