الذكاء الاصطناعي بين البعد التكنولوجي والدور التنموي (1- 3)
تاريخ النشر: 23rd, November 2024 GMT
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.
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 مختصرالمصدر: جريدة الرؤية العمانية
إقرأ أيضاً:
مخاطر الذكاء الاصطناعي على التعليم والبحث العلمي
يحظى موضوع الذكاء الاصطناعي باهتمام واسع عبر العالم في المناقشات والمنتديات والمجادلات حول الموضوع. ولقد سبق أن تناولت هذا الموضوع في مقالين بهذه الجريدة الرصينة: أحدهما عن الذكاء الاصطناعي والإبداع، والآخر عن الذكاء الاصطناعي والترجمة. ولكن هذا الموضوع يحتمل المزيد من التأملات دائمًا، إذ إن له أبعادًا كثيرةً لا حصر لها؛ ولذلك فإنني أريد في هذا المقال التنويه إلى تأثير الذكاء الاصطناعي على العملية التعليمية والبحث العلمي.
وقد يبدو أن استخدام كلمة «تأثير» أفضل من استخدام كلمة «مخاطر» الواردة في عنوان هذا المقال؛ لأن هذه الكلمة الأخيرة قد لا تبدو محايدة، وإنما تنطوي على حكم مسبق يتخذ موقفًا متحيزًا ضد تقنيات الذكاء الاصطناعي. وهذا تفسير غير صحيح؛ لأن كلمة «مخاطر» تعني أن هناك طريقًا نسير عليه -أو ينبغي أن نسير فيه- ولكنه يكون محفوفًا بالمخاطر التي ينبغي أن ندركها لكي يمكن اجتنابها. فلا مراء في أن الذكاء الاصطناعي يمثل ثورة كبرى في المعرفة البشرية.
هذه الثورة المعرفية تتمثل في القدرة الهائلة للآلة على توفير بيانات ضخمة في أي مجال معرفي، بل يمكن لبرامج هذه الآلة أن تؤلف نصوصًا أو موضوعات بحثية أو تصمم ابتكارات ومخترعات باستخدام هذه البيانات.
ولقد أثمرت هذه الثورة المعرفية بوجه خاص في مجال تطبيقات العلوم الدقيقة، وعلى رأسها الرياضيات البحتة التي تمتد جذورها في النهاية في المنطق الرياضي، كما لاحظ ذلك برتراند رسل بشكل مدهش في مرحلة مبكرة للغاية في كتابه أصول الرياضيات!
ولا شك أيضًا في أن الذكاء الاصطناعي له استخدامات مثمرة في مجال العملية التعليمية، إذ إنه يسهِّل على المعلم والطالب معًا بلوغ المعلومات المهمة والحديثة في مجال الدراسة، ويقدِّم المعلومات للطلبة بطريقة شيقة ويشجعهم على البحث والاستكشاف بأنفسهم.
وهنا على وجه التحديد مكمن المشكلة، فعندما نقول: «إن الذكاء الاصطناعي يشجع الطلبة على البحث والاستكشاف بأنفسهم»، فإننا ينبغي أن نأخذ هذه العبارة بمعناها الدقيق، وهو أن الذكاء الاصطناعي هو ذكاء الآلة، والآلة دائمًا هي أداة للاستخدام، وبالتالي فإنها لا يمكن أن تكون بديلًا لدور المستخدِم الذي يجب أن يقوم بنفسه بالبحث والاستكشاف. وهذا يعني أن سوء استخدام الذكاء الاصطناعي والتعويل عليه في عملية التعلم، سيؤدي إلى القضاء على روح المبادرة والاكتشاف، وسيحول دون تعلم مهارات التفكير الناقد critical thinking وتنميتها من خلال عملية التفاعل المباشر بين الطلبة والمعلم. وتلك كلها مخاطر حقيقية على التعليم.
ولا تقل عن ذلك مخاطر الذكاء الاصطناعي في البحث العلمي الذي يصبح تكريسًا لسوء استخدام هذا الذكاء في مراحل التعليم المختلفة. بل إن المخاطر هنا تصبح أشد وأكثر ضررًا؛ لأنها تتعلق بتكوين باحثين وأساتذة يُرَاد لهم أو يُرجى منهم أن يكونوا علماء حقيقيين في مجالاتهم البحثية المتنوعة. ولعل أشد هذه المخاطر هو شيوع السرقات العلمية من خلال برامج الذكاء الاصطناعي التي تقوم بعملية التأليف من خلال كتابات ودراسات وبحوث منشورة؛ وهو ما قد يشجع الباحث على استخدام المادة المُقدّمة له باعتبارها من تأليفه ودون ذكر للمصادر الأصلية التي استُمدت منها هذه المادة.
حقًّا أن الذكاء الاصطناعي نفسه قد ابتكر برامج لاكتشاف السرقات العلمية (لعل أشهرها برنامج Turnitin)؛ ولكن هذا لا يمنع الباحثين الذين يفتقرون إلى أخلاقيات البحث العلمي من التحايل على مثل هذه البرامج من خلال التمويه، وذلك بتطعيم البحث بمادة موثقة من مصادرها، بحيث يبدو البحث مقبولًا في الحد الأدنى من نسبة الاقتباسات المشروعة! وهذا أمر لا ينتمي إلى البحث العلمي ولا إلى الإبداع والابتكار.
وبصرف النظر عن مسألة السرقات العلمية، فإن الاعتماد على الذكاء الاصطناعي في البحث العلمي له مخاطر أخرى تتمثل في أن المادة المقتبَسة كثيرًا ما تكون مشوهة أو غير دقيقة، وهذا يتبدى -على سبيل المثال- في حالة النصوص المقتبسة المترجَمة التي تقع في أخطاء فادحة وتقدم نصًا مشوهًا لا يفهم مقاصد المؤلف الأصلي، وهذا ما فصلت القول فيه في مقال سابق. وفضلًا عن ذلك، فإن برامج الذكاء الاصطناعي لا تخلو من التحيز (بما في ذلك التحيز السياسي)؛ ببساطة لأنها مبرمَجة من خلال البشر الذين لا يخلون من التحيز في معتقداتهم، وهذا ما يُعرف باسم «الخوارزميات المتحيزة» biased algorithms.
ما يُستفاد من هذا كله هو أن الذكاء الاصطناعي ينبغي الاستعانة به في إطار الوعي بمخاطره؛ ومن ثم بما ينبغي اجتنابه، ولعل هذا ما يمكن تسميته «بأخلاقيات الذكاء الاصطناعي»، وهي أخلاقيات ينبغي أن تَحكم برامج هذا الذكاء مثلما تَحكم المستخدم نفسه.