أ.د.ضياء الجميلي:مستشار رئيس مجلس الوزراء لشؤون الذكاء الاصطناعي
سيسلط هذا المقال الضوء على التحديات القانونية والأخلاقية المرتبطة بتطبيقات الذكاء الاصطناعي التي أصبحت شائعة خلال السنوات القليلة الماضية. وسيسلط الضوء على ظهور الذكاء الاصطناعي ويعرض بعض إنجازاته الناجحة في العديد من التخصصات. ستتم مناقشة التحديات المتعلقة بتطبيق خوارزميات الذكاء الاصطناعي واختيار/استخدام مجموعات البيانات. سيتم اختتام الحديث بدراسة حالة تعتمد على مجموعة بيانات الرعاية الصحية.
تصاعدت شعبية الذكاء الاصطناعي (AI) خلال السنوات القليلة الماضية وأصبح تطبيقه شائعاً في العديد من التخصصات بما في ذلك التخصصات الرئيسية مثل الرعاية الصحية والبيئة. تم أيضاً تسهيل الزيادة في شعبية الذكاء الاصطناعي من خلال تقنيات الصناعة 4.0 الأخرى، على سبيل المثال.
الأتمتة والاستشعار وإنترنت الأشياء (IoT). وفي هذا الصدد، تم التركيز بشكل كبير على خوارزميات الذكاء الاصطناعي والتعلم الآلي (ML) التي ساهمت بالأغلبية في تسريع معالجة البيانات والتنبؤات التي كانت أساسية في العديد من التطبيقات مثل التصنيع أو القيام بمهام مختلفة مثل قيادة السيارات، وتوصيل البضائع، والتوزيع. المنتجات الطبية والغذائية، وإجراء العمليات الجراحية وغيرها الكثير.
غالبًا ما يتم استخدام الذكاء الاصطناعي بالتبادل مع تعلم الآلة، لكنهما مصطلحان مختلفان يرتبطان ارتباطًا وثيقًا. يشمل الذكاء الاصطناعي قدرة الآلات على التفكير مثل البشر أو القيام بالمهام التي تتطلب الذكاء البشري. ومع ذلك، يتضمن التعلم الآلي تدريب الآلات على إجراء تصنيفات أو تنبؤات ولكن ليس بالضرورة بناءً على الذكاء. ومن ثم، فإن الذكاء الاصطناعي هو مجموعة فرعية من تعلم الآلة ولكن ليس العكس.
اكتسبت تطبيقات AIML شعبية خلال السنوات القليلة الماضية خاصة بعد جائحة كوفيد- 19 . وهكذا، حثت جائحة كوفيد- 19 على الحاجة إلى الأتمتة واستخدام الروبوتات خاصة للأفراد الضعفاء. عندما ظهرت الخوارزميات لأول مرة، أصبحت شائعة وخاصة خوارزميات التعلم العميق وخوارزميات التعلم بالنقل العميق. في الآونة الأخيرة، ارتفع الذكاء الاصطناعي التوليدي وتجاوز استخدامه الخوارزميات السابقة.
ومن الجدير بالذكر أن خوارزميات AIML لم تبدأ بعد الوباء. في الواقع، ظهرت الخوارزميات الأولى في القرنين الثامن والتاسع في العصر الذهبي الإسلامي وبيت الحكمة في بغداد.
استضاف بيت الحكمة في بغداد العديد من العلماء من جميع أنحاء العالم في العديد من التخصصات. وقد قام أحد هؤلاء العلماء وهو محمد بن موسى الخوارزمي بإنشاء الخوارزميات (الخوارزميات) التي سميت باسمه. أبلغت الخوارزميات عن أنماط البيانات وقدمت تنبؤات بناءً على البيانات. وقد وضع هذا الكثير من التركيز على الخوارزميات على مر السنين. ومن ثم، كانت دقة ودقة الخوارزميات دائماً سؤالاً رئيسياً في أي تقييم.
أدى هذا إلى تهميش دور مجموعات البيانات التي لم تحظ بالكثير من الاهتمام حتى السنوات الخمس الماضية حيث أصبحت البيانات الضخمة ذات أهمية. وقد تم تسهيل ذلك من خلال الحوسبة عالية الأداء والحوسبة السحابية وتقنيات blockchain وإنترنت الأشياء التي لم تسهل فقط جمع البيانات الضخمة ولكن أيضًا تحليل البيانات الضخمة في وقت قصير. ومع ذلك، فقد تم تقويض التحديات المتعلقة بمجموعات البيانات حتى ظهور جائحة كوفيد- 19 . ومن ثم، حول الوباء تركيز البحث (خاصة أبحاث الرعاية الصحية) ليرتبط بالتنبؤ و/أو العلاج لفيروس كوفيد- 19 . وفي حالات التنبؤات الخاصة بكوفيد- 19 على وجه التحديد، كان هناك تركيز كبير على دقة التنبؤ، مما أدى إلى مراجعة مجموعات البيانات.
ومن ثم، فإن النماذج التي تم تدريبها باستخدام مجموعات بيانات ضعيفة أعطت وصفًا سيئًا والعكس صحيح. ومع ذلك، لا توجد حتى الآن إرشادات لمجموعات البيانات كخوارزميات باستثناء عدد قليل من اللوائح مثل تشريعات الاتحاد الأوروبي بشأن حماية البيانات والأخلاقيات باعتبارها بيانات ضخمة.
وبالنظر إلى النقاط البارزة المذكورة أعلاه، سيناقش هذا العرض التحديات التنظيمية والأخلاقية المتعلقة بمعالجة وتحليل البيانات الضخمة باستخدام الذكاء الاصطناعي. وسوف يتم اختتامها بعد ذلك بدراسة حالة للبيانات الضخمة في اتخاذ قرار الرعاية الصحية.
Comments are disabled.