التحالف الوطني: أطلقنا مبادرة صك الأضحية بعد استشارة دار الإفتاء
تاريخ النشر: 13th, June 2024 GMT
تابع أحدث الأخبار عبر تطبيق
قال عصام عبد الرحمن عضو التحالف الوطني للعمل الأهلي التنموي، إنّ التحالف أطلق مبادرة صك الأضحية للإنابة عن المضحي في الأضحية وذبح الأضحية وتوزيعها على الأسر غير القادرة.
وأضاف عبدالرحمن خلال حواره ببرنامج «صباح الخير يا مصر»، المذاع على القناة الأولى والفضائية المصرية، اليوم الخميس : «بعد استشارة دار الإفتاء المصرية بدأنا في مشروع صك الأضحية، وأتيحت من خلال هذه المبادرة لإقامة الشعيرة حتى تصل اللحوم للأسر الأولى بالرعاية وكلها أهداف سامية ونبيلة نسعى باجتهاد وجد إلى تحقيقها».
وتابع عضو التحالف الوطني للعمل الأهلي التنموي: «كل مؤسسات التحالف جاهزة على مدار الساعة لاستقبال تبرعات المضحين حسب اشتراطاتهم، فمنهم من يريد التضحية بلحوم بقري وهناك من يريد التضحية بلحوم جاموسي، ونفخر بأن لدينا آليات وصول سهلة وميسرة لكل غير قادر على مستوى الجمهورية بفضل قاعدة البيانات وفريق العمل والتعاون التوثيق بين الجمعيات القاعدية في كل قرى مصر».
المصدر: البوابة نيوز
كلمات دلالية: التحالف الوطني صك الأضحية دار الإفتاء
إقرأ أيضاً:
الذكاء الاصطناعي بين البعد التكنولوجي والدور التنموي (1- 3)
عبيدلي العبيدلي
توطئة
كانت الأتمتة قوة دافعة وراء التقدم التكنولوجي، الأمر الذي مكن الأنظمة من أداء المهام المتكررة بسرعة ودقة. تاريخيا، كانت برمجيات تكنولوجيا المعلومات التقليدية، المحددة بتعليمات صريحة، ومنطق ثابت، حجر الزاوية في الأتمتة. لقد عززت تلك البرمجيات كل شيء من معالجة البيانات، إلى سير العمل التشغيلي، باتباع قواعد دقيقة ومحددة مسبقا. رغم ذلك شكل ظهور الذكاء الاصطناعي تطورًا، تحويليًا، نوعيًا في الأتمتة، حيث قدم مستوى من القدرة على التكيف والتعلم واتخاذ القرار لم يكن من الممكن تحقيقه من قبل.
تمتد الأتمتة القائمة على الذكاء الاصطناعي إلى ما هو أبعد من قدرات الخوارزميات التقليدية من خلال الاستفادة من التعلم الآلي (ML: Machine Learning) والتعلم العميق (DL: Deep Learning) ومعالجة اللغة الطبيعية (: Natural Learning ProcessionNLP) لتحليل البيانات والتعرف على الأنماط وإجراء التنبؤات. وقد مكن هذا التحول الأتمتة من مواجهة التحديات المعقدة والديناميكية عبر الصناعات مثل الرعاية الصحية والتمويل والخدمات اللوجستية. بينما تظل برمجيات تكنولوجيا المعلومات التقليدية لا غنى عنها للمهام التي يمكن التنبؤ بها، والقائمة على القواع. من هنا، تزدهر الأتمتة القائمة على الذكاء الاصطناعي في البيئات غير المهيكلة، وتتكيف مع المدخلات الجديدة وتتطور بمرور الوقت.
في ضوء كل ما تقدم، نجد الذكاء الاصطناعي يقف اليوم في طليعة الابتكارات الحديثة، مما يؤدي إلى تغييرات كبيرة عبر الصناعات والاقتصادات في جميع أنحاء العالم. وتكمن إمكانات الذكاء الاصطناعي التحويلية في قدرته على تعزيز القدرات التكنولوجية ودفع النمو الاقتصادي، مما يجعلها حجر الزاوية في الثورة الصناعية الرابعة.
فمن خلال أتمتة العمليات، وتمكين القرارات المستندة إلى البيانات، وتعزيز الابتكار، يولد الذكاء الاصطناعي، تلقائيًا ثورة في الصناعات الحالية، ويقود نحو خلق صناعات جديدة. ومع ذلك، ورغم وجود شواهد كثيرة على ذلك التواؤم بين البعدين الذي يتمتع بهما الذكاء الاصطناعي، فإن فهم الفروق الدقيقة في دور الذكاء الاصطناعي في تشكيل التكنولوجيا والتنمية الاقتصادية يتطلب استكشافا شاملًا لآثاره متعددة الأوجه.
يتعمق هذا المقال في التقاطعات الملموسة بين الذكاء الاصطناعي وتكنولوجيا التنمية الاقتصادية، ويسلط الضوء على مساهماته والتحديات التي سيواجهها والفرص المتاحة أمام الذكاء الاصطناعي للنمو في المستقبل.
ولا بد هنا من التأكيد على تميز خوارزميات الذكاء الاصطناعي عن برامج الأتمتة الأخرى التي تقوم بها برمجيات تقنية المعلومات التقليدية من جهة، والتقاطعات التي تجمع بينهما من جهة أخرى.
على نحو موازٍ، لا بد من الاعتراف بأن الأتمتة، كانت القوة الدافعة وراء التقدم التكنولوجي، مما مكن الأنظمة من أداء المهام المتكررة بسرعة ودقة. تاريخيا، كانت برمجيات تكنولوجيا المعلومات التقليدية، المحددة بتعليمات صريحة ومنطق ثابت، حجر الزاوية في الأتمتة.
لقد عززت هذه البرمجيات كل شيء من معالجة البيانات، إلى سير العمل التشغيلي باتباع قواعد دقيقة ومحددة مسبقًا. ومع ذلك، فإن ظهور الذكاء الاصطناعي يمثل تطورًا نوعيا تحويليا في الأتمتة، حيث قدم مستوى من القدرة على التكيف والتعلم واتخاذ القرار لم يكن من الممكن تحقيقه من قبل.
يثير التفاعل بين هذين النموذجين أسئلة مهمة: كيف يختلفان في النطاق والتطبيق والقدرة؟ أين تتقاطع عناصر القوة بينهما، وكيف يمكن تسخير ما هو مشترك بينهما لإنشاء أنظمة أكثر قوة وكفاءة؟ يتعمق هذا الاستكشاف في الاختلافات والتقاطعات والآثار المترتبة على الأتمتة القائمة على الذكاء الاصطناعي وخوارزميات تكنولوجيا المعلومات التقليدية، مع تسليط الضوء على أدوارها الفردية والتآزر الذي تجلبه إلى مشهد الابتكار التكنولوجي.
الفوارق
على مستوى التمايزات يمكن رصد الحالات التالية:
صنع القرار مقابل اتباع القواعد الأتمتة القائمة على خوارزميات الذكاء الاصطناعي: يتم استخدام التعلم الآلي (Machine earning L) والتعلم العميق (eep Learning D) وتقنيات الذكاء الاصطناعي الأخرى لاتخاذ القرارات بناء على أنماط البيانات، حتى في حالة عدم توفر قواعد صريحة. يتطور الذكاء الاصطناعي من خلال التعلم من التجربة. برمجيات تطبيقات تكنولوجيا المعلومات التقليدية: تعمل بناء على قواعد ومنطق محدد مسبقا ومشفر تم إنشاؤه بواسطة المبرمجين. إنهم لا يتعلمون أو يتكيفون دون تدخل يدوي. درجة تعقيد المهام الأتمتة القائمة على خوارزميات الذكاء الاصطناعي: يتعامل Excel مع المهام المعقدة غير المهيكلة مثل معالجة اللغة الطبيعية، والتعرف على الصور، والتحليلات التنبؤية. برمجيات تطبيقات تكنولوجيا المعلومات التقليدية: يقوم بتنفيذ المهام المنظمة والمتكررة بكفاءة، مثل استعلامات قاعدة البيانات، أو الحسابات المالية، أو مهام سير العمل البسيطة المستندة إلى الحالة. التكيف الأتمتة القائمة على خوارزميات الذكاء الاصطناعي: تتكيف مع التغيرات في البيانات أو البيئة من خلال التعلم المستمر، مما يجعلها عملية للسيناريوهات الديناميكية، أو غير المؤكدة أو المتطورة. برمجيات تطبيقات تكنولوجيا المعلومات التقليدية: جامدة وتتطلب إعادة برمجة أو تحديثات لاستيعاب السيناريوهات أو التغييرات الجديدة. الاعتماد على البيانات الأتمتة القائمة على خوارزميات الذكاء الاصطناعي: تتطلب كميات كبيرة من البيانات للتدريب وتحسين الأداء، اعتمادا على جودة البيانات وتنوعها. برمجيات تطبيقات تكنولوجيا المعلومات التقليدية: تعمل بفعالية مع الحد الأدنى من البيانات، لأنها تعتمد على المنطق بدلا من البيانات. الإخراج وقابلية التفسير الأتمتة القائمة خوارزميات على الذكاء الاصطناعي: يمكن أن تكون المخرجات مبهمة في بعض الأحيان، حيث تعتبر نماذج الذكاء الاصطناعي المعقدة مثل الشبكات العصبية العميقة &qut;صناديق سوداء". برامج أتمتة تطبيقات تكنولوجيا المعلومات التقليدية: يمكن التنبؤ بالمخرجات ويمكن تفسيرها بسهولة لأنها تتبع تدفقا منطقيا واضحا. الاحتياجات من الموارد الأتمتة المستندة إلى خوارزميات الذكاء الاصطناعي: تتطلب عادة المزيد من القوة الحسابية والأجهزة المتخصصة، مثل وحدات معالجة الرسومات، للتدريب والاستدلال. برمجيات تطبيقات تكنولوجيا المعلومات التقليدية: أخف وزنا بشكل عام، ويمكن تشغيلها على الأجهزة القياسية دون نفقات حسابية إضافية. رابط مختصر