الأساطير الخمس الشائعة حول الذكاء الاصطناعي، محمد عبد الكريم يوسف

محمد عبد الكريم يوسف
مدرب ومترجم وباحث
(Mohammad Abdul-karem Yousef)

الحوار المتمدن-العدد: 8198 - 2024 / 12 / 21 - 00:13
المحور: تقنية المعلمومات و الكومبيوتر
    

الأساطير الخمس الشائعة حول الذكاء الاصطناعي


لا شك أن صعود الذكاء الاصطناعي قد أحدث تحولاً في قطاعات مختلفة، من الرعاية الصحية إلى التمويل إلى الترفيه. ومع ذلك، فإن الارتفاع في تطبيقه كان مصحوبا أيضا بعدد لا يحصى من المفاهيم الخاطئة. يمكن لهذه الأساطير، التي غالبا ما تكون متجذرة في سوء الفهم أو المبالغة، أن تحرف توقعاتنا وتعزز المخاوف غير المبررة. في هذه المقالة، سنكشف عن خمس أساطير شائعة حول الذكاء الاصطناعي:

(1) أنه سيجعلنا جميعًا عاطلين عن العمل.
(2) أنه دقيق بنسبة 99.99٪.
(3) أنه يضمن نتائج فورية لا تصدق.
(4) أن خوارزميات الكمبيوتر أقل تحيزًا من البشر.
(5) أن التطور يعادل التفوق.

الأسطورة 1: سنفقد جميعا وظائفنا

أحد أكثر المخاوف انتشارا فيما يتعلق بالذكاء الاصطناعي هو قدرته على جعل الوظائف البشرية قديمة. لا يخلو هذا القلق من أساس، حيث تحل تقنيات الأتمتة والتعلم الآلي محل بعض المهام التي يؤديها البشر تقليديا. ومع ذلك، فإن الواقع أكثر دقة. في حين يمكن للذكاء الاصطناعي أتمتة المهام المتكررة والروتينية، فإنه يخلق في الوقت نفسه وظائف وفرصًا جديدة لم تكن موجودة من قبل. وفقًا لتقرير صادر عن المنتدى الاقتصادي العالمي (2020)، في حين من المتوقع أن يحل الذكاء الاصطناعي محل حوالي 75 مليون وظيفة بحلول عام 2025، فمن المتوقع أيضًا أن يولد حوالي 133 مليون وظيفة جديدة.

فكر في مثال صناعة التجارة الإلكترونية. لقد عملت الأتمتة والذكاء الاصطناعي على تبسيط العمليات اللوجستية وخدمة العملاء. ومع ذلك، فقد خلقوا أيضا طلبا هائلا على محللي البيانات ومتخصصي الذكاء الاصطناعي وخبراء الأمن السيبراني - وهي وظائف كانت غير موجودة تقريبا قبل عقد من الزمان. وبالتالي، بدلا من التسبب في البطالة الجماعية، فإن الذكاء الاصطناعي يتطلب تحولا في المهارات، مع التركيز على القدرة على التكيف والتعلم المستمر.

الأسطورة 2: الذكاء الاصطناعي دقيق بنسبة 99.99%

هناك اعتقاد واسع النطاق بأن أنظمة الذكاء الاصطناعي، بسبب خوارزمياتها المتقدمة ومجموعات البيانات الضخمة، تحقق دقة شبه مثالية. وفي حين يمكن للذكاء الاصطناعي أن يؤدي أداء جيدا بشكل ملحوظ ضمن معايير محددة، فإن الادعاء بدقة 99.99% غالبًا ما يكون مضللًا. فأنظمة الذكاء الاصطناعي لا تكون جيدة إلا بقدر جودة البيانات التي يتم تدريبها عليها. وإذا كانت بيانات التدريب متحيزة أو غير كاملة أو تحتوي على أخطاء، فإن ناتج الذكاء الاصطناعي سيعكس هذه المشكلات.

على سبيل المثال، واجهت تقنية التعرف على الوجه تدقيقًا كبيرًا بشأن معدلات دقتها عبر التركيبة السكانية المختلفة. وتُظهِر دراسات مثل تلك التي أجراها بولامويني وجيبرو (2018) أن هذه الأنظمة تميل إلى أن يكون لديها معدلات خطأ أعلى للأشخاص ذوي درجات لون البشرة الداكنة مقارنة بأولئك ذوي درجات لون البشرة الفاتحة. وينشأ هذا التناقض من الافتقار إلى التمثيل المتنوع في مجموعات بيانات التدريب. لذلك، في حين يمكن للذكاء الاصطناعي تحقيق دقة عالية في العديد من السيناريوهات، فمن الضروري الاعتراف بحدوده ومعالجتها.

الأسطورة 3: الذكاء الاصطناعي يعني نتائج فورية لا تصدق

يفترض كثيرون أن نشر الذكاء الاصطناعي سيؤدي إلى نتائج تحويلية فورية. وقد يؤدي هذا التوقع إلى الإحباط عندما لا تتحقق هذه النتائج السريعة. إن تنفيذ الذكاء الاصطناعي معقد ويتطلب قدرًا كبيرًا من الوقت والجهد والموارد. غالبا ما تنطوي المراحل الأولية على جمع البيانات وتنظيفها ومعالجتها مسبقًا، تليها تدريب النموذج والضبط التكراري.

خذ صناعة الرعاية الصحية كمثال. تحمل أدوات التشخيص التي تعمل بالذكاء الاصطناعي وعدًا كبيرا بالكشف المبكر عن الأمراض ووضع خطط علاج شخصية. ومع ذلك، فإن دمج هذه الأدوات في الممارسة الطبية اليومية ليس فوريا على الإطلاق. فهو يتطلب اختبارات صارمة، والامتثال للمعايير التنظيمية، وتدريب المهنيين الطبيين على تفسير الرؤى التي يولدها الذكاء الاصطناعي بشكل فعال.

علاوة على ذلك، تتراكم فوائد الذكاء الاصطناعي عادةً بمرور الوقت، حيث تتعلم الأنظمة من المزيد من البيانات وتصبح أفضل في تحديد الأنماط والتنبؤ. وبالتالي، فإن الصبر والاستثمار المستدام أمران حاسمان لجني المزايا الطويلة الأجل للذكاء الاصطناعي.

الأسطورة 4: خوارزميات الكمبيوتر أقل تحيزًا من البشر

من المفاهيم الخاطئة الشائعة أن خوارزميات الكمبيوتر، التي تستند إلى البيانات والمنطق، أقل تحيزا بطبيعتها من صناع القرار البشريين. ومع ذلك، فإن هذا يتجاهل حقيقة أن الخوارزميات من صنع البشر ويتم تدريبها على البيانات التي يولدها البشر. وبالتالي، يمكن أن ترث الخوارزميات بل وتضخم التحيزات الموجودة.

على سبيل المثال، وجد أن أداة التوظيف بالذكاء الاصطناعي من أمازون متحيزة ضد النساء. تعلمت الأداة، التي تم تدريبها على السير الذاتية المقدمة على مدى فترة عشر سنوات، إعطاء الأولوية للسير الذاتية التي تشبه قوة العمل التكنولوجية التي يغلب عليها الذكور (داستين، 2018). وبالتالي، تم تخفيض مستوى السير الذاتية التي تحمل مصطلحات مثل "نسائية". تسلط هذه الحادثة الضوء على كيف يمكن للذكاء الاصطناعي أن يديم ويزيد من تفاقم التحيزات المجتمعية إذا لم تتم مراقبتها وتصحيحها بدقة.

الجدير بالذكر أن الأنظمة الشمولية تميل نحو استخدام الخوارزميات في التوظيف والانتخابات العامة متذرعة بأنها أقل تحيزا ولكنها في الحقيقة غير ذلك إذ يتم التلاعب بالبرمجيات مسبقا وبالتالي الحصول على ما تريد وقتما تريد.

تشمل الجهود المبذولة للتخفيف من التحيز الخوارزمي تنويع مجموعات بيانات التدريب، ووضع إرشادات أخلاقية، وتنفيذ آليات الكشف عن التحيز وتصحيحه. ومع ذلك، يظل تحقيق الحياد التام تحديا مستمرا.

الأسطورة 5: التعقيد أفضل

إن فكرة أن أنظمة الذكاء الاصطناعي الأكثر تعقيدا هي الأفضل دائما هي أسطورة أخرى تحتاج إلى معالجة. في حين أظهرت النماذج المتقدمة مثل التعلم العميق قدرات رائعة، يمكن أن تكون النماذج الأكثر بساطة بنفس القدر، إن لم يكن أكثر، فعالية في سياقات معينة. تعتمد ملاءمة نموذج الذكاء الاصطناعي على المشكلة المحددة التي يهدف إلى حلها.

على سبيل المثال، لا يزال الانحدار اللوجستي، وهو أسلوب إحصائي مباشر نسبيا، مستخدما على نطاق واسع في تطبيقات مختلفة مثل تسجيل الائتمان وتقييم المخاطر لأنه قابل للتفسير ويعمل بشكل جيد مع البيانات المنظمة. من ناحية أخرى، غالبا ما يتم انتقاد نماذج التعلم العميق، على الرغم من دقتها العالية في التعرف على الصور والكلام، بسبب طبيعتها "الصندوق الأسود"، مما يجعل من الصعب فهم كيفية وصولها إلى قرارات محددة.

علاوة على ذلك، غالبًا ما تتطلب النماذج المتطورة موارد حسابية كبيرة وكميات كبيرة من البيانات، مما يجعلها غير عملية للمنظمات أو المشاريع الأصغر حجمًا ذات الميزانيات المحدودة. لذلك، فإن اختيار نهج الذكاء الاصطناعي الصحيح ينطوي على موازنة التعقيد مع التطبيق العملي والشفافية وتوافر الموارد.

الخلاصة

إن الذكاء الاصطناعي، على الرغم من كونه ثوريًا، محاط بالعديد من الأساطير التي يمكن أن تشوه فهم الجمهور وتوقعاته. ومن خلال إدراك أن الذكاء الاصطناعي لن يؤدي بالضرورة إلى البطالة الجماعية، والاعتراف بحدود دقته، وفهم الوقت والجهد المطلوبين لتحقيق نتائج ذات مغزى، ومعالجة التحيزات، وتقييم المستوى المناسب من التطور، يمكننا تطوير منظور أكثر واقعية ودقة. إن تبديد هذه الأساطير أمر بالغ الأهمية مع استمرارنا في دمج الذكاء الاصطناعي في جوانب مختلفة من حياتنا، وضمان تسخير إمكاناته بشكل مسؤول وفعال.

المراجع

- Buolamwini, J., & Gebru, T. (2018). Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research.

- Dastin, J. (2018). Amazon Scraps Secret AI Recruiting Tool That Showed Bias Against Women. Reuters.

- World Economic Forum. (2020). The Future of Jobs Report 2020.

#محمد_عبد_الكريم_يوسف (هاشتاغ)       Mohammad_Abdul-karem_Yousef#          

---

اشترك في قناة ‫«الحوار المتمدن» على اليوتيوب
حوار مع الكاتبة انتصار الميالي حول تعديل قانون الاحوال الشخصية العراقي والضرر على حياة المراة والطفل، اجرت الحوار: بيان بدل	حوار مع الكاتب البحريني هشام عقيل حول الفكر الماركسي والتحديات التي يواجهها اليوم، اجرت الحوار: سوزان امين

كيف تدعم-ين الحوار المتمدن واليسار والعلمانية على الانترنت؟

تابعونا على:

الفيسبوك

التويتر

اليوتيوب

RSS

الانستغرام

لينكدإن

تيلكرام

بنترست

تمبلر

بلوكر

فليبورد

الموبايل

كيفية إشراك-إيصال مواضيعكم أو مواضيع تهمكم  إلى اكبر عدد ممكن من القراء والقارئات