يمر المجتمع بتحول تكنولوجي مدفوع بالذكاء الاصطناعي (AI). يتساءل الناس عما يمكن أن يقدمه الذكاء الاصطناعي للعمليات والأنظمة التي نستخدمها في كل جوانب حياتنا، وما قد تكون له من تأثيرات إيجابية وسلبية.
ومن المهم أيضًا أن نعكس هذا السؤال، ونسأل ماذا علينا أن نفعل لتعظيم الفائدة من الذكاء الاصطناعي مع تقليل المخاطر إلى أدنى حد. وهذا يتطلب منا تجاوز الضجة الإعلامية، وتطوير أساليب عملية وواقعية للذكاء الاصطناعي تحقق ما نحتاجه فقط، دون مبالغة أو تجاوز.
كما تشير توقعات شركة فورريستر للذكاء الاصطناعي لعام 2025: ""ستهيمن رحلة قادة الذكاء الاصطناعي في 2025 على الإدراك الحاسم بأنه لا توجد طرق مختصرة للنجاح في هذا المجال، وسيصبح من الضروري الاستعداد للعمل الشاق.""
عملي على حلول الذكاء الاصطناعي لمزود بنية تحتية عالمي يجعلني أركز بشكل خاص على توفير البنية التحتية التي يتطلبها الذكاء الاصطناعي، لكن هذا هو جانب واحد فقط من البيئة التي نحتاجها لكي يزدهر الذكاء الاصطناعي بأمان ولصالح المجتمع.
عناصر أساسية لنجاح الذكاء الاصطناعي
تتطلب تحقيق رؤية الذكاء الاصطناعي تلاقي ثلاثة عناصر رئيسية: البنية التحتية، النظام البيئي، والحوكمة.
البنية التحتية
كل جزء من البنية التحتية التي تدعم الذكاء الاصطناعي – من مراكز البيانات إلى الأجهزة الذكية التي يمكن ارتداؤها – يؤثر على تكلفة وقيمة الذكاء الاصطناعي من النواحي المالية والاجتماعية والبيئية.
استمرارية السحابة والحوسبة الطرفية والاتصال
يزداد الاتجاه نحو زيادة قوة المعالجة على الحافة، أي في الأجهزة مثل الهواتف الذكية وأجهزة الاستشعار والمعدات الصناعية. هذا يسمح لنماذج الذكاء الاصطناعي بمعالجة البيانات محليًا، مما يقلل من زمن الاستجابة، ويحسن الخصوصية، ويدعم اتخاذ القرارات في الوقت الحقيقي.
ومع ذلك، لا تلغي الحوسبة الطرفية الحاجة إلى شبكات قوية وسريعة وعالية السعة، بل تزيد من أهميتها. فالأجهزة على الحافة غالبًا ما تحتاج إلى التزامن مع أنظمة السحابة المركزية لتحديث النماذج، أو نقل الحسابات المعقدة، أو مشاركة البيانات لتحليلات أوسع. على سبيل المثال، قد تعالج طائرات زراعية بدون طيار بيانات الصور بشكل مباشر، لكنها تحتاج إلى الاتصال بالسحابة لتجميع الاتجاهات، وإعادة تدريب النماذج، وتحسين التنبؤات.
هذا التفاعل بين المعالجة المحلية والذكاء المركزي يشبه ما ورد في الهندسة المعرفية وعلوم السلوك. كما وصف دانيال كانيمان في كتابه ""التفكير، السريع والبطيء""، فالسلوك الذكي يعتمد على استجابات سريعة وحدسية (النظام 1) وتحليل أبطأ وأكثر تأملاً (النظام 2).
بالمثل، قد تقوم الطائرات المسيرة التي تراقب الحقول الزراعية بمعالجة بيانات الصور بسرعة على الجهاز لاتخاذ قرارات فورية – وهذا يشبه النظام 1 – بينما تعتمد على الاتصال بالسحابة لتجميع البيانات، وإعادة تدريب النماذج، وتحسين الاستراتيجيات بمرور الوقت – وهو ما يشبه النظام 2. تصميم أنظمة الذكاء الاصطناعي بهذا النهج المزدوج يسمح بسلوك أكثر تكيفًا وكفاءة ووعيًا بالسياق، تمامًا كما يوازن الإدراك البشري بين الغريزة والتفكير المتأني.
يتطلب الذكاء الاصطناعي تواصلًا سلسًا بين السحابة والحافة، ما يعني أننا بحاجة إلى اتصال عالي الموثوقية وعالي السعة يمكنه دعم نقل كميات هائلة من البيانات في الوقت الفعلي. ينطبق هذا بشكل خاص في حالات استخدام الذكاء الاصطناعي التي تتعامل مع أنواع بيانات ضخمة، مثل الفيديو، والصوت، ودمج المستشعرات. ولتلبية هذا الطلب، تُعد الابتكارات المستمرة في جميع طبقات تقنيات الشبكات أمرًا حيويًا.
علاوة على ذلك، مع تزايد دمج الذكاء الاصطناعي في أنظمة حيوية ""من خدمات الطوارئ إلى الأتمتة الصناعية"" تصبح متانة وأمن الشبكات الأساسية أمرًا بالغ الأهمية. وهذا يعني تصميم الشبكات ليس فقط من أجل السرعة، بل أيضًا للموثوقية العالية، والقدرة على التبديل التلقائي عند الأعطال، والحماية من التهديدات السيبرانية.
يجب أن نستثمر في بنية تحتية رقمية تعطي أولوية قصوى للاتصال. فالذكاء الاصطناعي قد يكون العقل، لكن دون شبكة أداء عالية تعمل كجهاز عصبي، لن يتمكن هذا المحرك من العمل.
القوة وقوة الابتكار
أصبحت متطلبات الذكاء الاصطناعي من الطاقة بسرعة واحدة من أكبر التحديات التي تواجهه — اقتصاديًا وبيئيًا على حد سواء. فمثلاً، تدريب نماذج الذكاء الاصطناعي واسعة النطاق مثل GPT-4 قد يستهلك ملايين كيلوواط-ساعات من الكهرباء. ومع زيادة حجم وتعقيد هذه النماذج، يتصاعد أثرها الكربوني بشكل كبير، مما يثير تساؤلات حول استدامتها.
كما أن عملية الاستدلال (Inference)، أو الاستخدام اليومي لنماذج الذكاء الاصطناعي بعد نشرها، تستهلك أيضًا كمية كبيرة من الطاقة على نطاق واسع. تتطلب هذه الاحتياجات ابتكارات ليس فقط في كفاءة النماذج وتصميم الأجهزة، بل وأيضًا في مصادر الطاقة التي نعتمد عليها. يجب أن تصبح نماذج الذكاء الاصطناعي أكثر كفاءة في تصميمها. فالنماذج الأصغر والأكثر تخصصًا، والتي تحقق أداءً مقاربًا للنماذج الكبيرة متعددة الأغراض، تستهلك طاقة حوسبة أقل بكثير.
النظام البيئي
نظام التطبيقات
يجب أن يركّز تصميم البنية التي توفر الذكاء الاصطناعي للمستخدمين على جعل استغلال الذكاء الاصطناعي شاملًا قدر الإمكان، مع جسر الفجوة الرقمية بين المتخصصين في التكنولوجيا وبين الجمهور الأوسع من مستخدمي الذكاء الاصطناعي.
يلعب مجتمع المطورين اليوم دورًا محوريًا في تشكيل مستقبل الذكاء الاصطناعي. فمن خلال إنشاء نماذج ذكاء اصطناعي أخلاقية والمساهمة في أدوات الذكاء الاصطناعي مفتوحة المصدر، يُعتبر المطورون بناة وحُماة الطبقات الأساسية للذكاء الاصطناعي. خياراتهم – في الخوارزميات، وبيانات التدريب، والأطر، واستراتيجيات النشر – تؤثر على كل من الأداء الفني والتأثير المجتمعي.
لحسن الحظ، لم يعد الوصول إلى تقنيات الذكاء الاصطناعي مقصورًا على الخبراء فقط. فقد أدى ظهور منصات البرمجة منخفضة التعليمات البرمجية (low-code) ومنصات البرمجة بدون تعليمات برمجية (no-code) إلى ديمقراطية تطوير الذكاء الاصطناعي، مما يمكّن الأفراد غير المتخصصين والشركات الصغيرة من الاستفادة من قدرات الذكاء الاصطناعي لمواجهة التحديات الحقيقية. تُعتبر هذه السهولة في الوصول خطوة رئيسية نحو الابتكار الشامل، حيث تتيح للمجتمعات التي كانت متروكة تاريخيًا في ثورة الرقمية المشاركة الفاعلة في عصر الذكاء الاصطناعي.
جسر الفجوة الرقمية في الذكاء الاصطناعي لا يقتصر فقط على الأدوات، بل يتعلق بالناس. فالمواهب والبحث العلمي والتعاون بين التخصصات المختلفة تعد أساسية لتطوير مسؤول. يكمن إمكان الذكاء الاصطناعي في قدرته على ربط المجالات الصناعية المختلفة واستخلاص قيم جديدة من الابتكارات العابرة للتخصصات.
في جوهر كل تطوير للذكاء الاصطناعي تكمن البيانات. فالتحكم في الوصول إلى البيانات، والقرارات المتعلقة بكيفية جمعها ومشاركتها واستخدامها، يبقى بيد البشر. إدارة البيانات بمسؤولية، التي تسترشد بحوكمة واضحة، وموافقة المستخدمين، وشمولية، هي التي تحدد مدى عدالة وملاءمة أنظمة الذكاء الاصطناعي. فبدون وصول عادل إلى بيانات عالية الجودة وممثلة، حتى أكثر أنظمة الذكاء الاصطناعي تقدمًا قد تعزز التحيزات أو تفشل في خدمة المستخدمين المستهدفين.
نظام الأجهزة
يسهم نظام الأجهزة أيضًا بشكل مهم في تطور الذكاء الاصطناعي وتأثيره في المجتمع. وبينما يعتمد نظام الأجهزة بشكل كبير على تطور الذكاء الاصطناعي كما ذُكر سابقًا، فإن هذين النظامين يتطوّران معًا بشكل متزامن.
لكي يقدم الذكاء الاصطناعي ذكاءً فوريًا وواعيًا للسياق في العالم المادي، يجب أن يكون مدمجًا في الأجهزة اليومية مثل الهواتف الذكية، وأجهزة الاستشعار، والأجهزة القابلة للارتداء، والمعدات الصناعية، والمركبات، وغيرها. فهذه الأجهزة تمثل عيون وأذان وأطراف الذكاء الاصطناعي، حيث تجمع البيانات التي يحتاجها للتعلم واتخاذ القرارات، وتوصل الرؤى والمعلومات إلى حيث تُطلب ، على الحافة.
بدون نظام أجهزة قوي ومبتكر، يواجه الذكاء الاصطناعي خطر البقاء محصورًا في بيئات مركزية معزولة، ومنفصلًا عن التفاعل مع العالم المادي، مما يجعله عاجزًا عن الإدراك والاستجابة والتكيف في الوقت الحقيقي. على سبيل المثال، نموذج الصيانة التنبؤية يكون فعالًا فقط بقدر جودة المستشعرات التي تغذيه، والمساعد الذكي التوليدي يكون مفيدًا فقط إذا كان قادرًا على العمل بسرعة واستجابة على هاتف أو حاسوب المستخدم.
ولدعم ذلك، يجب أن يستمر نظام الأجهزة في التطور بشكل مستمر. تحتاج الأجهزة لأن تصبح أصغر حجمًا، أكثر ذكاءً، أكثر كفاءة في استهلاك الطاقة، وقادرة على تشغيل أعباء عمل الذكاء الاصطناعي محليًا. وتعد الابتكارات في شرائح الطاقة المنخفضة، ومسرعات الذكاء الاصطناعي على الحافة، وتقنيات البطاريات، وبروتوكولات الاتصال التكيفية من العوامل الحاسمة في هذا التطور. كما أن التطورات في مجال الأمان، وقابلية التحديث، والتوافق بين الأجهزة، تعد مهمة بنفس القدر لضمان أن الذكاء الاصطناعي على الحافة يكون موثوقًا وقابلًا للتوسع.
الحوكمة
تتطلب أمان وحوكمة الذكاء الاصطناعي نهجًا مشتركًا يجمع بين التصميم من الأعلى إلى الأسفل والتصميم من الأسفل إلى الأعلى. يجب أن يركز التصميم من الأعلى إلى الأسفل على إنشاء أطر مرنة توجّه استغلال الذكاء الاصطناعي.
أما التصميم من الأسفل إلى الأعلى فيحتاج إلى التركيز على القدرة على المراقبة والتحكم، باستخدام أدوات مثل الذكاء الاصطناعي القابل للتفسير (XAI)، وربطها بهذه الأطر المرنة من الأعلى إلى الأسفل التي يمكن تعديلها بسرعة بناءً على ما يتم رصده للحفاظ على السيطرة. وبينما قد تتطور التكنولوجيا بسرعة، يجب أن تُحدد القيم التي تحكم استخدامها – مثل العدالة، والمساءلة، والشفافية، والسلامة – عن قصد وبشكل مستمر من قبل البشر.
جسر الفجوة الرقمية سيسهل على المجتمعات تطوير حوكمة وأمن متخصصة في مجالات محددة. وهذا سيساعد على تعزيز نهج مسؤول تجاه الذكاء الاصطناعي، حيث نبني الخوارزميات مع الالتزام بالمتطلبات والتنظيمات من البداية.
يجب أن تكون الحوكمة سياقية وقابلة للتكيف. أُطُر الذكاء الاصطناعي المسؤول ليست شيئًا يمكننا تفويضه للآلات التي نبنيها، بل هي انعكاس للقيم الإنسانية، مستندة إلى فهمنا المتطور لكيفية تفاعل الذكاء الاصطناعي مع المجتمع.
العبء والمسؤولية تقع علينا نحن – قراء هذا المقال – لطرح الأسئلة الصحيحة، وتحديد الأهداف المناسبة، وتصميم الأنظمة الملائمة.
المصدر: المنتدى الاقتصادي العالمي
