إلى جانب عدد كبير من خبراء الروبوتات في مجال الذكاء الاصطناعي وغيرهم من خبراء التكنولوجيا في الاتحاد الأوروبي، شاركتُ مؤخرًا في مجموعة دراسة مفتوحة نظمتها المديرية العامة لشبكات الاتصالات والمحتوى والتكنولوجيا (DG CNECT) التابعة للمفوضية الأوروبية، وتركّز على السياسات ونشر القدرات الرقمية الحيوية في مجالي الذكاء الاصطناعي والروبوتات. ويأتي ذلك في سياق جيوسياسي يتسم بتسارع السباق العالمي في تقنيات الذكاء الاصطناعي، ويعكس جهود الاتحاد الأوروبي والمفوضية لمعالجة مسألتي المرونة الرقمية والسيادة التكنولوجية. ويشمل هذا النقاش قضايا البيانات، وقيمة الذكاء الاصطناعي، وسلاسل التوريد، مثل مبادرة Eurostack، وخطة عمل “قارة الذكاء الاصطناعي”، ومصانع الذكاء الاصطناعي، وبرنامج EU InvestAI، وقانون الرقائق الأوروبي. كما يتناول خطط عمل من الولايات المتحدة والصين، تمتد من المنافسة في الحوسبة عالية الأداء ونماذج الأساس إلى البنية التحتية للذكاء الاصطناعي وأشباه الموصلات وضوابط التصدير.
وقد ساهمت مداخلاتنا في توسيع هذا المنظور ليشمل كيفية تعامل المفوضية بشكل أفضل مع الأنظمة العامة والمساندة، وفي قطاعات مثل الرعاية الصحية والتعليم، والسياقات الإنسانية الهشة والناشئة، بما في ذلك نماذج قوية ومرنة طاقيًا يمكنها العمل دون اتصال بالإنترنت، وعلى الأجهزة نفسها أو ضمن أنظمة متجسدة، ومدعومة بأجهزة استشعار ونماذج ثلاثية الأبعاد وبيانات مكانية ورقائق ومواد متخصصة.
في الواقع، تستمر تصنيفات تقنيات الذكاء الاصطناعي المساندة في التوسع. فمستودع منظمة التعاون الاقتصادي والتنمية للذكاء الاصطناعي الداعم لعمل الأشخاص ذوي الإعاقة في أماكن العمل يضم أكثر من 140 نظامًا. وتستخدم مدن مثل برشلونة نظام NaviLens القائم على الرؤية الحاسوبية لتوفير إرشاد فوري للمسافرين من ذوي الإعاقة البصرية، بينما يقوم نظام SiLViA في سنغافورة بالترجمة الفورية للكلام والنصوص إلى لغة الإشارة. وتشير تقديرات منظمة الصحة العالمية إلى أن عدد الأشخاص الذين سيحتاجون إلى تقنيات مساندة سيرتفع من 2.5 مليار إلى 3.5 مليار شخص بحلول عام 2050، أي نحو 36% من سكان العالم، في حين لا يحصل سوى 10% فقط حاليًا على هذه التقنيات.
لماذا يختلف الذكاء الاصطناعي السيادي في التقنيات المساندة
تعمل نماذج الذكاء الاصطناعي العامة والمساندة في بيئات عالية الحساسية، مثل المستشفيات والمنازل والمدارس وأنظمة النقل. ويمكن لأي فشل أو خطأ بسيط أن يضر بالفئات الأكثر هشاشة أو يجعل الخدمات غير متاحة. ومع ذلك، تعتمد هذه الأنظمة غالبًا على سلاسل توريد هشة وبيانات قد لا تمثل السياقات المحلية بشكل كافٍ، ما يفرض متطلبات خاصة غالبًا ما تغيب عن النقاشات السياسية التقليدية.
أولًا، تعمل التقنيات المساندة ضمن بنى تحتية وسلاسل توريد مجزأة. فأدوات الترجمة النصية أو التعرف على الكلام أو الدعم المعرفي أو الملاحة تدمج عادة مكونات من نظم مغلقة متعددة، مثل واجهات برمجة تطبيقات خارجية لتحويل الكلام إلى نص، ونماذج مغلقة لمهام الرؤية، وخدمات سحابية خارجية.
ثانيًا، تواجه هذه التقنيات قيودًا حوسبية وطاقية. فعلى عكس الذكاء الاصطناعي المؤسسي الذي يعمل على وحدات معالجة رسومية متقدمة، تعتمد الأجهزة المساندة مثل الأطراف الذكية أو الكراسي المتحركة أو الروبوتات المنزلية على أنظمة منخفضة الاستهلاك للطاقة، وتحتاج إلى بنى ذكاء اصطناعي قادرة على العمل دون اتصال بالإنترنت، وموفرة للطاقة، وموثوقة، مع رقائق منخفضة التكلفة تؤدي بكفاءة ضمن حدود عتادية صارمة.
ثالثًا، هناك فجوة منهجية في البيانات، سواء النصية أو البصرية أو المكانية ثلاثية الأبعاد، وكذلك في بيئات المحاكاة. فالنماذج الأساسية غالبًا ما تُدرّب على مجموعات بيانات عامة لا تعكس السياقات الحقيقية للتقنيات المساندة أو البيئات متعددة اللغات. كما أن عددًا قليلًا من النماذج يعتمد على بيانات لأشخاص ذوي إعاقة، بينما تأتي معظم البيانات السريرية من الولايات المتحدة والصين، ما يحد من تمثيل الأمراض والحالات وأنماط الإعاقة الإقليمية.
أخيرًا، تكون تطبيقات التقنيات المساندة عرضة لتهديدات مادية ورقمية على حد سواء. فخلافًا لأنظمة الذكاء الاصطناعي البرمجية البحتة، تحتاج هذه التقنيات إلى أنظمة احتياطية وتدابير أمان لأن أي عطل قد يسبب أذى جسديًا للمستخدمين. كما أنها عرضة للأعطال والهجمات العدائية وانتهاكات الخصوصية، ما يعرّض بيانات بيومترية وصحية حساسة للخطر.
فعلى سبيل المثال، وثّق باحثون حوادث وُضعت فيها ملصقات مضللة على إشارات عبور المشاة، ما تسبب في قيام تطبيق ملاحة مدعوم بالذكاء الاصطناعي للمكفوفين بتفسير إشارة “توقف” على أنها “اعبر”. كما أدى هجوم سيبراني على شركة Change Healthcare إلى تعطيل 15 مليار معاملة صحية سنويًا، وأثر على واحد من كل ثلاثة سجلات مرضى، بكلفة بلغت 2.87 مليار دولار.
القدرات السيادية والتوصيات من أجل ذكاء اصطناعي شامل
يتطلب بناء ذكاء اصطناعي سيادي وشامل للتطبيقات المساندة والعامة نهجًا متعدد المستويات التقنية والسياساتية، يشمل الإدراك والاستدلال والتفاعل والاختبار والسلامة والمرونة الطاقية والمواد الحيوية وقابلية التشغيل البيني والمشتريات. وفيما يلي تقنيات يمكن توظيفها لأغراض مساندة، مع اقتراحات سياساتية لتحسين استخدامها.
نماذج الرؤية واللغة لإتاحة الوصول والإدراك
تمكّن هذه النماذج من فهم البيئة في الوقت الحقيقي عبر دمج الاستدلال البصري والنصي. ويمكن استخدامها لتقديم أوصاف صوتية فورية للعوائق في الشوارع للمكفوفين، أو دعم الأشخاص المصابين بالتوحد في الأماكن العامة المزدحمة. ورغم وجود 285 مليون شخص يعانون من إعاقات بصرية عالميًا، ونحو 1% من السكان مصابين بالتوحد، فإن عددًا محدودًا جدًا من مجموعات بيانات الرؤية الحاسوبية يتضمن شروحًا خاصة بإتاحة الوصول.
إجراء سياساتي: يمكن للحكومات تطوير مساحات بيانات متعددة الوسائط تركز على إتاحة الوصول، وتمثل اللغات منخفضة الموارد والمشاهد الحضرية والداخلية، مع تدريب مختصين في شرح البيانات المتعلقة بالإعاقة، مثل لغة الإشارة. كما ينبغي تطوير معايير لواجهات البرمجة لضمان قابلية التشغيل البيني ودعم اللغات واللهجات الأوروبية غير الممثلة عبر تقنيات النقل اللغوي.
نماذج الأساس ثلاثية الأبعاد للاستدلال المكاني والملاحة
مع وجود 75 مليون شخص يحتاجون إلى كراسٍ متحركة يوميًا، تعد النماذج ثلاثية الأبعاد أساسية لفهم الفضاء والملاحة والتحكم في الأدوات المساندة والمنازل الذكية والأطراف الاصطناعية المتقدمة. فهي تساعد مثلًا في تقييم إمكانية الوصول للأثاث أو حساب قوة الإمساك المناسبة للأطراف الاصطناعية.
إجراء سياساتي: يمكن للحكومات جمع مجموعات بيانات لسيناريوهات مساندة حقيقية، مع شروح دلالية وصيغ موحدة تلتقط ليس فقط الأشياء بل إمكانيات استخدامها بحسب الحالة الجسدية أو المعرفية.
نماذج لغوية صغيرة ومضغوطة للتفاعل
يمكن للنماذج اللغوية الصغيرة أو المضغوطة تشغيل مساعدين محادثيين لدعم الفرز الصحي أو التعليم أو الرعاية المزمنة، مثل تذكير المرضى بالأدوية أو تقديم دعم معرفي لمرضى الخرف.
إجراء سياساتي: ينبغي إعطاء الأولوية للاستثمار في نماذج موفرة للطاقة وقابلة للعمل دون اتصال بالإنترنت، مع تحسينها للتطبيقات المساندة، ودعم أنظمة حوارية قادرة على التعامل مع مدخلات مجزأة.
الذكاء الاصطناعي المتجسد والحسّ اللمسي للتحكم
تعتمد الروبوتات المساندة والهياكل الخارجية القابلة للارتداء والبيئات الذكية على دمج أجهزة استشعار متعددة والتحكم في الزمن الحقيقي.
إجراء سياساتي: دعم تطوير مكونات روبوتية معيارية ومنصات متنقلة مفتوحة المصدر وأجهزة استشعار ميسورة التكلفة، مع تشجيع الاختبارات الواقعية في بيئات مساندة.
بيئات المحاكاة والتدريب
تتيح المحاكاة والتوائم الرقمية تدريب الأنظمة المساندة بأمان وعلى نطاق واسع، مثل المستشفيات الافتراضية أو سيناريوهات النقل العام.
إجراء سياساتي: تشجيع إنشاء بيئات محاكاة عامة مخصصة للتطبيقات المساندة، مع معايير تقييم موحدة وسيناريوهات واقعية.
الذكاء الاصطناعي الطرفي وكفاءة الطاقة
تعمل معظم الأجهزة المساندة ببطاريات محدودة وتحتاج إلى تشغيل مستمر.
إجراء سياساتي: تشجيع تطوير نماذج وشرائح موفرة للطاقة، مع إدارة تنبؤية للطاقة وتوزيع ذكي للأحمال بين الطرف والسحابة.
الرقائق والمواد للتطبيقات المساندة
تعتمد هذه التقنيات على عقد تصنيع ناضجة تركز على الموثوقية والتكلفة، إضافة إلى مواد خاصة مثل البوليمرات المرنة والمواد الكهروضغطية.
إجراء سياساتي: اعتماد نهج مشتريات متدرج يركز على استمرارية الإمداد والاعتمادية والسلامة البشرية بدلًا من الأداء الأقصى.
الحاضنات التنظيمية وقابلية التشغيل البيني
تقع التقنيات المساندة في مناطق تنظيمية رمادية بين الصحة والاستهلاك.
إجراء سياساتي: إنشاء حاضنات وتجارب تنظيمية للاختبار الآمن مع المستخدمين الحقيقيين، مع فرض معايير تشغيل بيني وحماية الخصوصية.
بنية تحتية عامة للذكاء الاصطناعي للجميع
تسعى الدول إلى تحسين إتاحة البنية التحتية العامة. ويلزم قانون الذكاء الاصطناعي الأوروبي الأنظمة عالية المخاطر بالامتثال لمعايير الإتاحة، بينما يفرض قانون الإتاحة الأوروبي، اعتبارًا من يونيو 2025، توافق المنتجات والخدمات الرقمية مع التقنيات المساندة. وفي الولايات المتحدة، تشكل أطر مثل المادة 504 من قانون إعادة التأهيل وقانون تعليم الأفراد ذوي الإعاقة أساسًا للأنظمة المعززة بالذكاء الاصطناعي.
وتدعم مبادرات مثل ALT-EDIC والبنية الأوروبية لبيانات الصحة تطوير مجموعات بيانات شاملة، كما تتيح ميزانيات برامج “هورايزون” الموسعة تطوير المكونات وأجهزة الاستشعار. ويعزز كل من قانون الذكاء الاصطناعي وقانون المرونة السيبرانية متطلبات الأمن السيبراني للمنتجات الرقمية.
ومن خلال معالجة التعقيد التقني للتقنيات المساندة، يمكن للدول وضع سياسات تخدم من هم في أمسّ الحاجة إلى التكنولوجيا، وفي الوقت نفسه بناء بنية تحتية عامة ومرنة للذكاء الاصطناعي تخدم المجتمع بأسره.
