دليل الذكاء الاصطناعي الشامل لفهم مفهومه وأنواعه واستخداماته

لم يعد الذكاء الاصطناعي مفهومًا تقنيًا يقتصر على المختبرات وشركات البرمجيات، بل أصبح حاضرًا في البحث والكتابة والترجمة وتحليل البيانات والتعليم والتجارة والبرمجة والتسويق والعديد من المهام اليومية والمهنية. ومع الانتشار السريع لأدوات  الذكاء الاصطناعي (AI tools)، ظهرت في المقابل أسئلة كثيرة حول معنى الذكاء الاصطناعي، وكيف يعمل، وما الفرق بينه وبين تعلم الآلة والذكاء الاصطناعي التوليدي، وما الذي يستطيع فعله فعلًا.

في هذا الدليل ستتعرف إلى مفهوم الذكاء الاصطناعي وكيف يعمل بصورة مبسطة، وأنواعه وتقنياته، والفرق بين أهم المصطلحات المرتبطة به، واستخداماته في الحياة والأعمال، إضافة إلى فوائده وحدوده ومخاطره وكيفية استخدامه بصورة عملية وأكثر مسؤولية.

ما هو الذكاء الاصطناعي وما معنى Artificial Intelligence؟

الذكاء الاصطناعي AI هو مجال يضم أنظمة قائمة على الآلة تستنتج من المدخلات التي تتلقاها كيفية إنتاج مخرجات مثل التنبؤات أو المحتوى أو التوصيات أو القرارات، مع اختلاف هذه الأنظمة في مستوى الاستقلالية والقدرة على التكيف بعد استخدامها. [1]

ماذا يعني مصطلح Artificial Intelligence؟

كلمة Artificial تعني اصطناعي، بينما تعني Intelligence الذكاء، ومن هنا جاءت الترجمة العربية الذكاء الاصطناعي.

لكن استخدام كلمة "ذكاء" لا يعني بالضرورة أن النظام يمتلك عقلًا بشريًا أو وعيًا ذاتيًا، بل تصف قدرته على تنفيذ مجموعة من المهام التي ترتبط عادةً بالتعلم أو الاستدلال أو اكتشاف الأنماط أو التعامل مع اللغة والصور والبيانات.

هل الذكاء الاصطناعي برنامج واحد؟

لا، الذكاء الاصطناعي (AI) ليس برنامجًا واحد أو أداة واحدة؛ بل يعتبر مظلمة واسعة تتضمن العديد من الأنظمة والأساليب والتطبيقات المختلفة في كثير من المجالات

- مثال على ذلك:

نظام اكتشاف الرسائل المزعجة في البريد الإلكتروني، ومحرك توصية المنتجات في متجر إلكتروني، وبرنامج يتعرف إلى عناصر الصور، ونموذج يولد نصًا أو صورة، كلها تطبيقات وأساليب تعتمد على تقنيات ذكاء اصطناعي، لكن طريقة عملها والغرض منها مختلفان.

هل الذكاء الاصطناعي يفكر مثل الإنسان؟

لا بكل تأكيد، ولا يمكن افتراض ذلك لمجرد أن النظام يستطيع إجراء محادثة أو إنتاج نص يبدو بشريًا، فالأنظمة الحالية تعالج المدخلات باستخدام نماذج وخوارزميات وتنتج مخرجات وفق أنماط وعلاقات تعلمتها أو قواعد صُممت من أجلها.

بعد  توضيح مفهوم الذكاء الاصطناعي أصبح من الأسهل معرفة ما الذي يحدث فعلًا بين إدخال السؤال أو البيانات وبين ظهور النتيجة.

كيف يعمل الذكاء الاصطناعي بطريقة مبسطة؟

تختلف طريقة عمل أنظمة الذكاء الاصطناعي باختلاف التقنية والمهمة، لذلك لا توجد آلية واحدة تنطبق بالتفصيل على كل الأنظمة.  وتوضح العديد من الدراسات أن النظام يستنتج من المدخلات كيفية إنتاج مخرجات تؤثر في بيئة مادية أو افتراضية، وذلك وفق الآلية التالية:

المدخلات Input

المدخل هو الشيء الذي يستقبله النظام ليعالجه، وقد يكون (نص، صورة، صوت، فيديو، أرقام، سجلات معاملات، هندسة أوامر (Prompts)، وغيرها)، فعلى سبيل المثال:

عندما ترفع صورة وتسأل النظام عما تحتويه، تصبح الصورة والسؤال جزءًا من المدخلات. وعندما تستخدم نظام توصيات، قد تكون المنتجات التي شاهدتها أو اشتريتها من البيانات التي يستخدمها النظام في تحديد التوصيات.

البيانات والنموذج

في كثير من تطبيقات AI الحديثة، تستخدم البيانات أثناء مرحلة التدريب لمساعدة النموذج على تعلم الأنماط والعلاقات، وتصف Google Cloud تعلم الآلة بأنه أحد فروع AI الذي يسمح للأنظمة بالتعلم من البيانات لاكتشاف الأنماط وإنتاج توقعات أو قرارات، ولكن جودة النتائج لا تعتمد على كمية البيانات فقط؛ فقد تتأثر أيضًا بجودة البيانات، وطريقة إعداد النموذج، والمهمة، والسياق، وطريقة التقييم. [2]

الاستدلال Inference

بعد تدريب النموذج، تأتي مرحلة استخدامه مع مدخل جديد لإنتاج نتيجة، وتسمى هذه العملية في كثير من السياقات(Inference)

وتوضح  OCED.AI مثالًا بسيطًا لنظام التعرف البصري: من خلال تدخل بكسلات الصورة إلى النموذج، فيعالجها ويستنتج تصنيفًا للكائن الموجود فيها.

المخرجات Output

قد يكون ناتج نظام الذكاء الاصطناعي:

·        تنبؤ: مثل توقع الطلب على منتج.

·        تصنيف: مثل تحديد ما إذا كانت رسالة بريد Spam.

·        توصية: مثل اقتراح منتج.

·        محتوى: مثل إنشاء نص أو صورة.

·        مساعدة في قرار: مثل اكتشاف معاملة تحتاج إلى مراجعة.

وهذا التنوع في المخرجات جزء من السبب الذي يجعل AI مجالًا أوسع بكثير من أدوات المحادثة.

التقييم والتحسين

بعد الحصول على النتائج، ينبغي تقييمها لمعرفة مدى دقتها وملاءمتها للمهمة، ولا يعني استخدام نظام AI أنه يتعلم تلقائيًا من كل محادثة أو مدخل؛ فطريقة تحديث النموذج أو تكييفه تختلف باختلاف النظام.

مثال بسيط على طريقة عمل الذكاء الاصطناعي:

إذا أردنا نظامًا يتعرف إلى القطط في الصور، يمكن تبسيط العملية كالتالي:

(صورة، نموذج مدرب على أنماط بصرية، تحليل الصورة، احتمال أن الصورة تحتوي على قطة، إخراج النتيجة)

- أما في النظام اللغوي:

(سؤال أو Prompt، نموذج لغوي، معالجة السياق والعلاقات اللغوية، توليد الاستجاية)

وبذلك يصبح واضحًا أن الذكاء الاصطناعي لا يعمل بطريقة واحدة، وهو ما يقود إلى فهم الأنواع المختلفة التي تقع تحت هذا المصطلح.

وش أنواع الذكاء الاصطناعي؟

يمكن تصنيف أنواع الذكاء الاصطناعي بأكثر من طريقة، ولا يوجد تصنيف وحيد ينبغي اعتباره الطريقة الرسمية الوحيدة الذي تقوم عليها أنواع الذكاء الاصطناعي، ومن بين التصنيفات الشائعة التمييز بين الأنظمة بحسب نطاق قدراتها، إلى جانب تصنيفها بحسب طبيعة المهام التي تؤديها، ما يلي:

 النوع الأول: الذكاء الاصطناعي المتخصص Narrow AI

يشير إلى أنظمة مصممة للعمل في مهام أو نطاقات محددة، مثل:

التعرف إلى الصور، والترجمة، وأنظمة التوصية، واكتشاف الرسائل المزعجة، وبعض المساعدات الذكية والنماذج التوليدية.

ولا يعني تفوق نظام في مهمة معينة أنه يمتلك ذكاءً عامًا في جميع المجالات؛ فقد يكون قويًا جدًا في تحليل نوع محدد من البيانات بينما يفشل في مهمة مختلفة خارج نطاق تصميمه.

النوع الثاني: الذكاء الاصطناعي العام AGI

يشير Artificial General Intelligenceإلى تصور لنظام يتمتع بقدرة عامة واسعة على التعلم والتعامل مع نطاق كبير من المهام المعرفية، بدل التخصص في مجموعة محددة منها.

ويجب التعامل مع AGI باعتباره مفهومًا أو هدفًا بحثيًا غير متحقق بصورة متفق عليها حتى الآن، وليس منتجًا عاديًا موجودًا يمكن شراؤه أو استخدامه كأداة مكتملة.

النوع الثالث: الذكاء الاصطناعي الفائق ASI

يشير Artificial Super intelligenceإلى تصور نظري لذكاء يتجاوز القدرات البشرية العامة عبر مجالات واسعة.

وبالتالي لا ينبغي عرضه إلى جانب التطبيقات الموجودة حاليًا وكأن الثلاثة متاحة بالفعل؛ فـASI يقع في نطاق التصورات المستقبلية والنقاشات النظرية وليس نظامًا عمليًا مستخدمًا اليوم. [3]

النوع الرابع: تصنيف الذكاء الاصطناعي حسب المهام

هناك طريقة أكثر تطبيقية للنظر إلى أنواع أنظمة الذكاء الاصطناعي من خلال المهام القادرة على تنفيذها مثل:

1.       أنظمة التنبؤ.

2.       أنظمة التصنيف.

3.       أنظمة التوصية.

4.       معالجة اللغة.

5.       الرؤية الحاسوبية.

6.       أنظمة توليد المحتوى.

7.       أنظمة الصوت والكلام.

8.       الوكلاء الذين يستطيعون تنفيذ خطوات لتحقيق هدف.

وهذه الطريقة مفيدة أكثر عندما يريد المستخدم أو الشركة تحديد تقنية الذكاء الاصطناعي المناسبة لمشكلة محددة بدل النقاش النظري حول مستوى الذكاء.

ما أهم تقنيات الذكاء الاصطناعي؟

يضم مجال الذكاء الاصطناعي مجموعة واسعة من التقنيات والفروع، وقد تعمل أكثر من تقنية معًا داخل التطبيق نفسه. فالنظام الذي يتعامل مع صورة ونص وصوت قد يجمع بين التعلم العميق والرؤية الحاسوبية ومعالجة اللغة ونماذج متعددة الوسائط في تجربة واحدة، ومن أهم هذه الفروع والتقنيات:

1- تقنية تعلم الآلة Machine Learning

تعلم الآلة (ML) هو فرع من الذكاء الاصطناعي تستخدم فيه الأنظمة البيانات لتعلم الأنماط والعلاقات التي تساعد على إجراء توقع أو تصنيف أو قرار دون الحاجة إلى كتابة قاعدة يدوية لكل حالة ممكنة.

- من أمثلته:

توقع الطلب، واكتشاف بعض أنماط الاحتيال، وتصنيف الرسائل، وتوصية المنتجات.

2- تقنية التعلم العميق Deep Learning

التعلم العميق (DL) هو فرع من تعلم الآلة يعتمد على شبكات عصبية متعددة الطبقات تستطيع تعلم أنماط معقدة من البيانات، ويستخدم في عدد كبير من التطبيقات المرتبطة بالصور والصوت واللغة.

ومن المهم الانتباه إلى العلاقة بين كلًا من (AI- ML- DL)

فالتعلم العميق يقع داخل تقنية تعلم الآلة، وتقنية تعلم الآلة يقع ضمن المجال الأوسع وهو الذكاء الاصطناعي.

3- تقنية معالجة اللغة الطبيعية NLP

تركز تقنية Natural Language Processingعلى تمكين الأنظمة من التعامل مع اللغة البشرية وتحليلها وتفسيرها أو توليدها. وتدخل في تطبيقات مثل:

·        الترجمة، وتحليل النصوص.

·        البحث، وتلخيص المستندات.

·        أنظمة المحادثة.

·        معالجة الصوت بعد تحويله إلى نص.

وتصف Google Cloud NLP بأنه مجال يجعل الحواسيب تتكمن من التعامل مع اللغة البشرية وفهمها وتوليدها [4]

4- تقنية الرؤية الحاسوبية Computer Vision

تتعامل تقنية الرؤية الحاسوبية مع الصور والفيديو والمعلومات المرئية، وتساعد الأنظمة على التعرف إلى العناصر والأنماط الموجودة داخل المشاهد، ومن تطبيقاتها:

تحليل الصور، والتعرف إلى الأشياء، وفحص الجودة، وبعض الأنظمة الطبية والصناعية.

5- تقنية التعرف على الكلام والصوت

تستخدم تقنيات AI لتحويل الكلام إلى نص، وتحليل الصوت، والتعرف إلى المتحدث أو بعض السمات الصوتية، إضافة إلى توليد الكلام الاصطناعي، وهذا المجال يدخل في المساعدات الصوتية والترجمة والاجتماعات وخدمات العملاء وغيرها.

6- تقنية الذكاء الاصطناعي التوليدي Generative AI

تقنية الذكاء الاصطناعي التوليدي تعد  من أنظمة الذكاء الاصطناعي التي تستطيع إنتاج محتوى جديد استنادًا إلى الأنماط التي تعلمتها، مثل: النصوص، والصور، والصوت، والفيديو، والبرمجيات.

7- تقنية النماذج اللغوية الكبيرة LLMs

تقنية النماذج اللغوية (LLM) تتضمن نماذج كبيرة تدرب على كميات واسعة من البيانات النصية وغيرها بحسب النموذج، وتستخدم في فهم اللغة وتوليد النصوص والتلخيص والترجمة والإجابة والمساعدة في البرمجة ومهام لغوية متعددة.

8- تقنية وكلاء الذكاء الاصطناعي AI Agents

تشير تقنية  AI Agentsإلى أنظمة تستطيع العمل لتحقيق هدف يتطلب تنفيذ سلسلة من الخطوات بدل الاكتفاء بإنتاج إجابة واحدة؛ فقد تخطط وتستخدم أدوات وتتفاعل مع بيئة رقمية لتنفيذ مهمة وفق الصلاحيات المتاحة لها. [5]

ومع تعدد هذه التقنيات، من الطبيعي أن يحدث خلط بين AI وML وDeep Learning وGenerative AI؛ لذلك من المفيد فصلها بصورة واضحة، وهذا ما سنتناوله في الفقرة التالية

ما الفرق بين الذكاء الاصطناعي وتعلم الآلة والتعلم العميق والذكاء التوليدي؟

تستخدم هذه المصطلحات أحيانًا باعتبارها مترادفات، لكنها لا تشير إلى المستوى نفسه. الذكاء الاصطناعي هو المجال الأوسع، بينما يقع تعلم الآلة داخله، ويعد التعلم العميق فرعًا من تعلم الآلة، أما Generative AI فيصف أنظمة تركز على إنشاء محتوى أو مخرجات جديدة، ويمكن توضيح هذه الفروقات عن طريق الجدول التالي:

لذلك عندما تقول إنك تستخدم أداة ذكاء اصطناعي، قد تكون الأداة مبنية على تعلم عميق أو نموذج لغوي كبير أو أكثر من تقنية في الوقت نفسه.

ما أهم استخدامات الذكاء الاصطناعي؟

تتعدد استخدامات الذكاء الاصطناعي لأنها لا ترتبط بقطاع واحد أو مهمة محددة؛ وتختلف قيمة كل استخدام بحسب طبيعة المشكلة وجودة البيانات والنظام المستخدم ومستوى المراجعة البشرية، ويمكن تنظيم أبرز تطبيقاته في التصنيفات التالية:

1- إنشاء المحتوى ومعالجته

يستخدم الذكاء الاصطناعي التوليدي في إنشاء ومعالجة أنواع مختلفة من المحتوى، مثل النصوص والصور والصوت والفيديو والبرمجيات. كما يمكن استخدامه في التلخيص وإعادة الصياغة والترجمة وبناء المسودات وتحويل المحتوى من صيغة إلى أخرى، ومن أمثلته:

·        كتابة مسودة مقال أو تقرير.

·        تلخيص مستند طويل.

·        إنشاء صورة من وصف نصي.

·        تحويل تسجيل صوتي إلى نص.

·        اقتراح كود برمجي.

لكن المحتوى المولد يحتاج إلى المراجعة والتحقق، خاصة عندما يتضمن معلومات واقعية أو تخصصية.

2- تحليل البيانات والتنبؤ

من أهم استخدامات AI قدرته على معالجة كميات كبيرة من البيانات واكتشاف الأنماط والعلاقات التي قد تساعد على فهم ما حدث أو توقع ما قد يحدث، ويستخدم مثلًا في:

·        توقع الطلب على المنتجات.

·        تحليل سلوك العملاء.

·        اكتشاف أنماط غير معتادة في البيانات.

·        تصنيف البيانات.

·        دعم عمليات التنبؤ.

·        استخراج معلومات من مجموعات بيانات كبيرة.

وهنا يعمل الذكاء الاصطناعي كأداة مساعدة للتحليل، بينما تظل جودة البيانات وطريقة تفسير النتائج عناصر أساسية في صحة القرار.

3- أتمتة المهام والعمليات

يمكن استخدام AI لتقليل العمل اليدوي في المهام المتكررة أو التي تعتمد على قواعد وأنماط واضحة، مما يساعد المؤسسات على تسريع بعض العمليات، ومن التطبيقات:

·        تصنيف الرسائل والطلبات.

·        استخراج البيانات من المستندات.

·        تلخيص الاجتماعات.

·        معالجة الاستفسارات المتكررة.

·        توجيه الطلبات إلى القسم المناسب.

·        تنفيذ بعض المهام متعددة الخطوات باستخدام AI Agents.

ولا تعني الأتمتة ضرورة إزالة الإنسان من العملية؛ فقد يكون النموذج الأفضل هو أتمتة الجزء المتكرر مع إبقاء القرار أو المراجعة النهائية لدى الموظف.

4- البحث والوصول إلى المعرفة

يساعد الذكاء الاصطناعي المستخدم على البحث داخل كميات كبيرة من المعلومات والوصول إلى إجابات أو ملخصات بصورة أسرع، ويمكن استخدامه في:

·        البحث داخل المستندات.

·        تلخيص التقارير.

·        مقارنة المعلومات.

·        استخراج نقاط رئيسية.

·        تنظيم المعرفة المؤسسية.

·        المساعدة في استكشاف موضوعات جديدة.

وفي البحث الأكاديمي أو المهني، يجب الرجوع إلى المصادر الأصلية وعدم اعتبار الإجابة المولدة بديلًا عن المصدر نفسه.

5- التخصيص وأنظمة التوصية

يمكن لأنظمة AI تحليل إشارات مرتبطة بسلوك المستخدم لتقديم منتجات أو محتوى أو تجارب أكثر ارتباطًا باهتماماته. ومن أشهر التطبيقات:

·        توصية المنتجات في التجارة الإلكترونية.

·        اقتراح الأفلام أو الفيديوهات.

·        ترتيب المحتوى.

·        تقديم عروض مخصصة.

·        تخصيص تجربة المستخدم.

وتزداد قيمة هذا الاستخدام عندما يكون التخصيص مفيدًا للمستخدم ولا يتحول إلى معالجة غير شفافة أو غير مناسبة للبيانات.

6- دعم التواصل وخدمة العملاء

تستخدم أنظمة المحادثة ومعالجة اللغة في مساعدة الشركات على التعامل مع أعداد كبيرة من الاستفسارات بصورة أسرع. ومن الاستخدامات:

·        محادثة مودو في مدونتي (Chatbots)

·        الإجابة عن الأسئلة المتكررة.

·        مساعدة موظف خدمة العملاء في العثور على الإجابة.

·        تحليل رسائل العملاء.

·        تصنيف الشكاوى.

·        تلخيص المحادثات.

والأفضل أن يتاح الانتقال إلى موظف بشري عندما تكون المشكلة معقدة أو حساسة أو لا يستطيع النظام التعامل معها بثقة مناسبة.

7- دعم اتخاذ القرار

يمكن لـAI تقديم توقعات أو توصيات أو تحليلات تساعد الإنسان على اتخاذ القرار، خاصة عندما تكون هناك كميات كبيرة من البيانات يصعب تحليلها يدويًا، ويظهر ذلك في:

·        إدارة المخزون.

·        التخطيط.

·        التسعير.

·        تحليل المخاطر.

·        تخصيص الموارد.

·        الصيانة التنبؤية.

·        اكتشاف العمليات التي تحتاج إلى مراجعة.

لكن كلما زاد أثر القرار على الأفراد أو المؤسسات، ازدادت أهمية الشفافية والتحقق والمراجعة البشرية وعدم الاعتماد على النظام بصورة آلية كاملة.

أين تظهر هذه الاستخدامات عمليًا؟

يمكن تطبيق الاستخدامات السابقة في قطاعات كثيرة، كما يوضح الجدول التالي:

استخدامات الذكاء الاصطناعي لا تقتصر على إنشاء النصوص والصور، بل تمتد إلى التحليل والتنبؤ والأتمتة والبحث والتخصيص والتواصل ودعم القرار.

كيف تستخدم الشركات الذكاء الاصطناعي؟

لا تبدأ الاستفادة المؤسسية من الذكاء الاصطناعي بشراء الأداة الأشهر، بل بتحديد مشكلة أو عملية يمكن قياسها ومعرفة البيانات المطلوبة والمخاطر والنتيجة المراد تحقيقها. ويمكن استخدام AI في الشركات من خلال:

1.       أتمتة بعض المهام المتكررة: مثل تصنيف الطلبات أو تلخيص مستندات متشابهة عندما يكون الخطأ قابلًا للإدارة.

2.       تحليل البيانات: لاكتشاف أنماط أو إشارات تساعد الفريق على فهم الأداء بصورة أسرع.

3.       خدمة العملاء: للإجابة عن الأسئلة المتكررة أو مساعدة الموظف في العثور على المعلومات.

4.       دعم التسويق والمحتوى: للمساعدة في البحث والتخطيط وصناعة المسودات والتخصيص.

5.       إدارة المعرفة: من خلال البحث في المستندات والسياسات والملفات الداخلية وفق الضوابط المناسبة.

6.       دعم البرمجة: بتسريع بعض مهام التطوير والاختبار والتوثيق.

7.       التنبؤ والتخطيط: عندما توجد بيانات جيدة ونموذج مناسب للمشكلة.

8.       دعم اتخاذ القرار: من خلال توفير تحليل أو توصية مع إبقاء المسؤولية والمراجعة البشرية حيث تكون مطلوبة.

والأهم من ذلك يجب أن تكون المشكلة واضحة بالنسبة للشركات من أجل إدخال البيانات المناسبة للأداة المناسبة والحصول على تجربة محدود لقياس النتائج، أما شراء أداة ثم البحث عن مشكلة تستخدم فيها، فقد ينتج تكلفة وتعقيدًا دون أثر حقيقي.

ما أشهر أنواع أدوات الذكاء الاصطناعي حسب الاستخدام؟

تختلف أدوات الذكاء الاصطناعي بحسب المهمة التي صُممت للمساعدة فيها؛ فبعضها يركز على الكتابة والبحث، وبعضها على الصور والفيديو أو البرمجة وتحليل البيانات. ولذلك يكون اختيار الأداة أكثر دقة عندما يبدأ من نوع المهمة التي تريد تنفيذها وليس من شهرة الأداة فقط، ويمكن تصنيف أبرز الأدوات كما يلي:

وعند اختيار الأداة لا يكفي أن تسأل "ما أفضل أداة ذكاء اصطناعي؟"، الأفضل أن تسأل "أفضل أداة لأي مهمة، ولأي نوع من البيانات، وبأي مستوى من الدقة والخصوصية؟

ما فوائد الذكاء الاصطناعي؟

يمكن للذكاء الاصطناعي تقديم فوائد مهمة عندما يستخدم في المهمة المناسبة وضمن تصميم جيد، لكن لا ينبغي اعتبار هذه الفوائد نتائج مضمونة لكل تطبيق. فالذكاء الاصطناعي AI يحمل فرص تتعلق بالإنتاجية والرفاهية والتقدم العلمي وغيرها، مع ضرورة إدارة المخاطر المقابلة، ومن أبرز فوائده:

تسريع معالجة المعلومات: يستطيع تحليل كميات كبيرة من البيانات في بعض المهام بسرعة يصعب تنفيذها يدويًا.

أتمتة المهام المتكررة: مما قد يوفر وقت الموظفين لأعمال تحتاج إلى حكم أو تواصل أو إبداع أكبر.

دعم تحليل البيانات: من خلال اكتشاف أنماط وعلاقات قد تساعد على بناء توقعات أو توصيات.

المساعدة في توليد الأفكار: خصوصًا في مراحل الاستكشاف والعصف الذهني والمسودة الأولى.

دعم التخصيص: مثل توصيات المنتجات أو المحتوى بناءً على إشارات المستخدم.

تحسين الوصول إلى المعلومات: من خلال البحث والمحادثة والتلخيص والتعامل مع المستندات.

دعم بعض العمليات العلمية والتقنية: من البحث إلى البرمجة والمحاكاة وفق المجال.

توفير أدوات رقمية متقدمة لعدد أكبر من المستخدمين: من خلال واجهات طبيعية مثل المحادثة بدل الحاجة إلى مهارات تقنية عميقة لكل مهمة.

على الرغم من فوائد AI الكثيرة إلا أنها لا تلغي تكاليفه أو مخاطره ؛ ولهذا يجب تقييم الجانب الآخر من الصورة والتعرف على التحديات والمخاطر التي قد تنتج من استخدام الذكاء الاصطناعي دون وعي.

ما حدود الذكاء الاصطناعي ومخاطره؟

رغم التطور الكبير في الذكاء الاصطناعي، فإن أنظمته لا تتمتع بدقة مطلقة ولا تفهم جميع المواقف بالطريقة نفسها التي يفهمها الإنسان؛ فقد تتأثر النتائج بالبيانات والسياق وطريقة تصميم النظام وتعليمات المستخدم، كما قد تظهر مخاطر تتعلق بالخصوصية والتحيز والأمن والاعتماد المفرط. لذلك يجب تقييم كل استخدام وفق طبيعة المهمة وحجم الضرر المحتمل إذا أخطأ النظام، فيما يلي توضيح لأبرز حدود الذكاء الاصطناعي وأهم مخاطره:

أولًا: ما أبرز حدود الذكاء الاصطناعي؟

1- عدم ضمان صحة النتائج

قد يقدم النظام إجابة تبدو واضحة ومقنعة لكنها تحتوي على معلومة غير دقيقة أو استنتاج خاطئ. ولهذا لا ينبغي مساواة الثقة في صياغة الإجابة بصحة محتواها.

2- محدودية فهم السياق

قد يفشل AI في فهم بعض التفاصيل الثقافية أو المهنية أو الإنسانية الدقيقة، خصوصًا عندما تكون المعلومات المقدمة إليه ناقصة أو تحتمل أكثر من تفسير.

3- الاعتماد على جودة البيانات

تعتمد كثير من أنظمة الذكاء الاصطناعي على البيانات المستخدمة في التدريب أو التشغيل؛ فإذا كانت البيانات ناقصة أو غير ممثلة جيدًا فقد تتأثر جودة النتائج.

4- عدم امتلاك الحكم البشري الكامل

يمكن للنظام تحليل أنماط وتقديم توصيات، لكنه لا يمتلك بالضرورة الخبرة الإنسانية والسياق الأخلاقي والاجتماعي المطلوب لاتخاذ جميع القرارات بمفرده.

ثانيًا: ما أبرز مخاطر استخدام الذكاء الاصطناعي؟

1- الهلوسة والمعلومات غير الصحيحة

قد تنتج بعض الأنظمة التوليدية معلومات أو أرقامًا أو مراجع تبدو حقيقية لكنها غير موجودة أو غير دقيقة، وهو ما يجعل التحقق من المصادر ضروريًا.

2- التحيز

قد تعكس النتائج تحيزات موجودة في البيانات أو طريقة بناء النظام أو استخدامه، وقد تصبح المشكلة أكثر حساسية في مجالات مثل التوظيف أو الائتمان أو القرارات المؤثرة في الأفراد.

3- الخصوصية وتسرب البيانات

إدخال بيانات شخصية أو سرية في أدوات AI دون معرفة سياسات استخدامها قد يعرض المؤسسة أو المستخدم لمخاطر مرتبطة بالخصوصية وحماية المعلومات.

4- المخاطر الأمنية

قد تتعرض أنظمة الذكاء الاصطناعي لهجمات أو إساءة استخدام، كما قد تستغل بعض قدراتها في إنشاء محتوى مضلل أو أتمتة أنشطة ضارة.

5- الاعتماد المفرط على الأداة

استخدام AI دون مراجعة قد يقلل من التفكير النقدي ويجعل المستخدم يقبل نتائج خاطئة لمجرد أنها صيغت بصورة احترافية.

6- حقوق الملكية الفكرية

قد تظهر أسئلة حول مصدر البيانات أو المحتوى المولد أو حقوق استخدام النصوص والصور والأكواد، لذلك يجب مراجعة شروط الاستخدام والحقوق المرتبطة بكل حالة.

7- غياب الشفافية في بعض الأنظمة

قد يكون من الصعب أحيانًا تفسير سبب وصول نموذج معقد إلى نتيجة معينة، وهو أمر يصبح مهمًا عندما يستخدم النظام في قرار عالي التأثير.

8- تأثير الأخطاء في القرارات الحساسة

كلما ارتبط AI بالصحة أو المال أو القانون أو التوظيف أو القرارات المؤثرة في الأشخاص، ازدادت أهمية المراجعة البشرية والتحقق وإدارة المخاطر.

كيف تقلل هذه المخاطر؟

يمكنك تقليل نسبة الوقوع في مثل هذه المخاطر من خلال:

·        تحقق من المعلومات المهمة من مصادر أصلية.

·        لا تدخل بيانات حساسة دون معرفة سياسة الأداة.

·        احتفظ بمراجعة بشرية للقرارات المؤثرة.

·        اختبر النظام في حالات مختلفة، وليس فقط الأمثلة الناجحة.

·        راقب التحيز والأخطاء بصورة مستمرة.

·        حدد بوضوح من يتحمل مسؤولية اعتماد الناتج النهائي.  

وبالتالي، لا يعني وجود مخاطر أن استخدام الذكاء الاصطناعي غير مناسب، وإنما يعني أن قيمته الحقيقية ترتبط بقدرتنا على معرفة حدوده، واختيار الاستخدام المناسب، ووضع مستوى من التحقق والرقابة يتناسب مع أثر القرار.

الخاتمة

الذكاء الاصطناعي ليس أداة واحدة ولا روبوتًا قادرًا على فعل كل شيء؛ بل مجال واسع يضم أنظمة وتقنيات متعددة تختلف في طريقة عملها وقدراتها ومستوى استقلاليتها. فمن تعلم الآلة والتعلم العميق إلى الذكاء الاصطناعي التوليدي والنماذج اللغوية والوكلاء، تتغير التقنية لكن تظل القيمة مرتبطة باختيار الأداة المناسبة للمشكلة المناسبة.

المراجع:

1-  Grobelnik, M., Perset, K., & Russell, S. (6 Mar, 2024). What is AI? Can you make a clear distinction between AI and non-AI systems? .OECD.AI.

2-  Google Cloud. (n.d.). Artificial intelligence (AI): A simple-to-understand guide.

3-  Khan, H. (2021). Types of AI: Different types of artificial intelligence systems. Fossguru.

4-   Google Cloud. (n.d.). Natural Language AI

5- الجبر، مجاهد. (2024). الذكاء الاصطناعي Artificial Intelligence. الجامعة التخصصية الحديثة.