• صاحب المنشور: كشاف الأخبار
  
  ملخص النقاش:
  

  يُعدّ الذكاء الاصطناعي ثورة تكنولوجية تغزو مختلف مجالات الحياة المعاصرة، بدءًا من الرعاية الصحية وانتهاء بالترفيه. هذه المحادثة تشهد على قوة تطبيقات AI التي يمكنها تحسين الكفاءة وتبسيط العمليات المعقدة. ولكن بينما نحتفل بالإنجازات الرائعة للذكاء الاصطناعي، فإن علينا أيضًا دراسة الآثار الجانبية المحتملة لهذه التقنية المتطورة.

**الإمكانيات اللامحدودة**

* تسخير القوة الحسابية: تمكن الذكاء الاصطناعي الأجهزة من معالجة كم هائل من البيانات بسرعة وكفاءة غير مسبوقتين. هذا يعزز القدرة على حل المشاكل المعقدة وإيجاد الحلول الفعالة، خاصة عند التعامل مع بيانات كبيرة جدًا أو متخصصة مثل تلك الموجودة في مجال الطب والمالية وغيرهما الكثير. مثال ذلك هو استخدام خوارزميات تعلم آلة لفحص صور الأشعة لتشخيص السرطان؛ حيث حققت نتائج مبهرة تفوق أداء الإنسان بنسب عالية.

* التجربة الشخصية: يستطيع الذكاء الاصطناعي تقديم تجارب مستهدفة ومنظمة خصيصًا لكل فرد بناءً على ذوقه واحتياجاته الخاصة. سواء كانت توصيات الأفلام عبر Netflix أو المنتجات المناسبة لشراء حسب تاريخ التسوق لدى أمازون – يُظهر الذكاء الاصطناعي أنه قادرٌ فعلياً على فهم احتياجات المستخدم واستخدام المعلومات لتحقيق المزيد من الربح والصالح العام أيضاً!

**المسؤوليات الأخلاقية**

* حياد البرنامج وعدم التحيز: يكمن خطر كبير عندما يقوم البشر بتدريب نماذج برمجية باستخدام مجموعات بيانات متحيزة لصالح فئة اجتماعية بعينها، مما يؤدي إلى إنتاج قرارات ذات دوافع ضيقة للغاية تؤثر سلبيًا خارج حدود الظروف الأولية المُبرْمَجَة لها أصلاً! يتطلب الأمر ضرورة وجود خطوات عملية وضمانات لحماية مصالح الجميع بغض النظر عن خلفياتهم الثقافية والدينية والفكرية الأخرى المرتبطة بمجموعة المشاركين الأصليين أثناء مرحلة تطوير النظام الأساسي الأساسي للنظام بأكمله منذ البداية حتى النهاية بدون أي شوائب قد تقف حاجزا أمام نجاح المهمة المنشودة وتحقيق العدالة الاجتماعية المثلى بإذن الله تعالى سبحانه وتعالى وهو ولي التوفيق وعونه جل جلاله وحسن خلقه وجميل صنعه وعظيم قهره ومَلِكْ يوم الدين إنه ولي ذلك والقادر عليه وصلى الله وسلم على نبينا محمد وعلى آله وصحبه اجمعين والحمد لله رب العالمين

[1] المرجع: Study on Bias in Machine Learning, accessed May 3, 2023. [2] مصدر آخر مفيد حول الموضوع نفسه:

Addressing the Data Scarcity and Diversity Challenges for NLP Models, published August 17, 2018.

[3](أمثلة واقعية): قام موقع Amazon باستبعاد أحد مرشحي الوظائف بسبب عدم توافق مهاراته المكتسبة - وفقا لنموذجه الخاص بتقييم المؤهلات المهنية - والذي اعتبره نظامهم غير مناسب لأداء الأدوار المطلوبة منه داخل الشركة! وكان السبب الرئيسي لهذا القرار المخالف للحقيقة يتمثل أساسا فيما يسمى "تحيز التصنيف" الذي أدى بهذه الواقعة المؤسفة والتي أثارت جدلا واسعا آنذاك بين النخب الأكاديمية الرائدة عالميا قبل اتخاذ إجراء تأديبي ضد مرتكب الخطيئة الإلكترونية الغاشمة!

إن غياب الشفافية هنا أمر مثير للقلق ويجب توخي الحيطة والحذر المستمر لمراقبة عمليات صنع القرار المدعومة ببرمجيات الذ