كيف يتعلم الذكاء الاصطناعي ويتخذ القرارات: دليل مبسط للتطبيقات في الشرق الأوسط وشمال أفريقيا

مقدمة: فهم الذكاء الاصطناعي في سياقنا الإقليمي

لم يعد الذكاء الاصطناعي مفهوماً مستقبلياً غامضاً، بل أصبح واقعاً ملموساً يشكل حاضر ومستقبل الشرق الأوسط وشمال أفريقيا. من أنظمة الري الذكية في واحة الأحساء السعودية إلى منصات التشخيص الطبي في مستشفى القصر العيني في القاهرة، تعمل الخوارزميات على تحويل القطاعات الحيوية. لكن السؤال الجوهري يبقى: كيف تتعلم هذه الآلات بالفعل؟ وكيف تتخذ قرارات تؤثر على حياتنا اليومية؟ هذا الدليل المبسط يشرح الآليات الأساسية للتعلم الآلي، مع تركيز خاص على التطبيقات والأمثلة الملموسة من دول المغرب إلى عُمان.

الأساسيات: ما هو التعلم الآلي وأنواعه الرئيسية

في صميم معظم تطبيقات الذكاء الاصطناعي الحديثة يوجد التعلم الآلي. ببساطة، هو قدرة الكمبيوتر على التعلم من البيانات دون أن يتم برمجته بشكل صريح لكل مهمة. يعتمد هذا على خوارزميات رياضية معقدة، لكن فكرتها الأساسية تشبه تعلم الطفل: التجربة والملاحظة. هناك ثلاثة أنواع رئيسية تسود المشهد التكنولوجي في المنطقة.

التعلم تحت الإشراف: النموذج الأكثر انتشاراً

في هذا النوع، يتم تغذية الخوارزمية بكميات هائلة من البيانات “الموسومة”. مثلاً، صور أشعة سينية للصدر مع تعليق يحدد إذا ما كانت تظهر التهاب رئوي أم لا. تتعلم الخوارزمية من آلاف الأمثلة لتستطيع لاحقاً تحديد المرض في صور جديدة. تطبيق تطبيق “طمئن” في الإمارات العربية المتحدة يستخدم هذا النموذج لفحص صور شبكية العين والكشف عن اعتلال الشبكية السكري. كذلك، منصة شركة “نايل دوك” المصرية للاستشارات الطبية عن بعد تعتمد على نماذج مُدرَّبة على مجموعات بيانات محلية.

التعلم غير الخاضع للإشراف: اكتشاف الأنماط الخفية

هنا، لا توجد تسميات مسبقة. تبحث الخوارزمية في البيانات عن أنماط أو تجمعات طبيعية. هذا مفيد في قطاع التجزئة والخدمات المالية. على سبيل المثال، تستخدم بنك القاهرة والبنك الأهلي التجاري السعودي مثل هذه الخوارزميات لاكتشاف السلوك غير المعتاد في تعاملات البطاقات الائتمانية، مما قد يشير إلى الاحتيال. كما تستخدمه شركات الاتصالات مثل أوريدو في قطر وزين في الكويت لتقسيم قاعدة عملائها وتقديم عروض مخصصة.

التعلم التعزيزي: التعلم بالتجربة والخطأ

تشبه هذه الطريقة تعلم لعب الشطرنج. يتم مكافأة الخوارزمية على الإجراءات الصحيحة ومعاقبتها على الخاطئة. من خلال ملايين المحاولات، تتعلم لتحقيق الهدف الأمثل. تستخدم هذه التقنية في تحسين إدارة شبكات الكهرباء الذكية، مثل تلك التي تطورها شركة الكهرباء الوطنية في الأردن، أو في تحسين تدفق حركة المرور في المدن الذكية مثل نيوم والرياض في السعودية.

كيفية اتخاذ القرار: داخل “الصندوق الأسود”

غالباً ما يوصف ذكاء الذكاء الاصطناعي بأنه “صندوق أسود”. لكن الباحثين في مراكز مثل معهد قطر لبحوث الحوسبة وجامعة الملك عبدالله للعلوم والتقنية يعملون على جعل هذه القرارات أكثر شفافية. عملية اتخاذ القرار تمر بعدة مراحل: أولاً، استقبال البيانات (نص، صورة، أرقام). ثانياً، معالجة هذه البيانات عبر شبكات عصبية اصطناعية تحاكي الدماغ البشري. ثالثاً، إنتاج مخرجات (توقع، توصية، تصنيف) بناءً على الأوزان والنماذج التي تعلمتها.

دور الشبكات العصبية والتعلم العميق

يشكل التعلم العميق، القائم على الشبكات العصبية الاصطناعية متعددة الطبقات، القفزة النوعية الأخيرة. كل طبقة تتعرف على ميزة معينة. في تحليل النصوص العربية، قد تتعرف الطبقة الأولى على الحروف، والثانية على الكلمات، والثالثة على تراكيب الجمل، والرابعة على المعنى والسياق. مشاريع مثل جواهر النحو من جامعة محمد الخامس في الرباط ومشروع آرابيك.آي في دبي تعمل على تطوير نماذج لغوية عميقة لفهم اللهجات واللغة العربية الفصحى المعاصرة.

النموذج أو المشروع	البلد/المؤسسة	مجال التطبيق	نوع التعلم الآلي الأساسي
نموذج “جلال” اللغوي	معهد حاسوب اللغة العربية، الإمارات	معالجة اللغة العربية الطبيعية	تعلم تحت إشراف / تعلم عميق
منصة “سدرة” للزراعة الذكية	سلطنة عمان	تحسين إنتاجية المحاصيل وترشيد المياه	تعلم تحت إشراف
نظام “بصيرة” للرؤية الحاسوبية	الجزائر (مركز البحث في الإعلام العلمي)	المراقبة الأمنية والتحليل المرئي	تعلم عميق
تطبيق “كلمتي” للتعليم	الأردن	تخصيص تعليم اللغة العربية للأطفال ذوي الصعوبات	تعلم تعزيزي
منصة “تسكوبي” المالية	البحرين	تحليل المخاطر الائتمانية للشركات الناشئة	تعلم غير خاضع للإشراف
مشروع “عين على التراث”	مصر (مكتبة الإسكندرية)	رقمنة وفهرسة المخطوطات العربية تلقائياً	تعلم عميق

تطبيقات حيوية في قطاع الصحة بالمنطقة

يشهد القطاع الصحي في الشرق الأوسط تحولاً سريعاً بفضل الذكاء الاصطناعي. في مستشفى الملك فيصل التخصصي في الرياض، يتم استخدام خوارزميات للكشف المبكر عن سرطان الثدي من خلال صور الماموجرام، مدربة على بيانات من نساء من المنطقة. وفي لبنان، طور باحثون في الجامعة الأمريكية في بيروت نموذجاً للتنبؤ بمضاعفات مرضى كوفيد-19 بناءً على تحليل صور الأشعة المقطعية وبيانات المرضى السريرية.

التحديات والفرص في التشخيص الطبي الآلي

التحدي الأكبر هو نقص مجموعات البيانات الطبية “الموسومة” باللغة العربية والمتعلقة بالأمراض الشائعة في المنطقة مثل السكري وثلاسيميا. مبادرات مثل المشروع الوطني للبيانات الصحية في السعودية ومستشفى الشيخ خليفة في الإمارات تهدف لسد هذه الفجوة. كما أن شركات ناشئة مثل سينسيفاي في تونس تعمل على تطوير حلول للتحليل الآلي لاختبارات الدم.

الذكاء الاصطناعي في خدمة اللغة العربية والتراث

اللغة العربية، بثرائها وتعقيدها، تمثل فرصة وتحدياً فريداً. تعمل فرق بحثية في جامعة السلطان قابوس ومدينة دبي للإنترنت على تطوير نماذج لغوية كبيرة مثل آرابيك بيرت وجلال إكس إل، التي تفهم السياق واللهجات. تطبيقات عملية تشمل ترجمة فورية أكثر دقة بين العربية والصينية في مبادرة الحزام والطريق، أو تحويل النطق باللهجة المصرية أو الخليجية إلى نص مكتوب بدقة عالية.

الحفاظ على التراث الرقمي

يستخدم الذكاء الاصطناعي لترميم النصوص التاريخية في دار الكتب والوثائق القومية في القاهرة، أو لتحليل أنماط الزخارف الإسلامية في قصر الحمراء بغرناطة أو مسجد الشيخ زايد في أبوظبي. مشروع الرقمنة في مكتبة قطر الوطنية يستخدم تقنيات التعرف الضوئي على الحروف لفهرسة ملايين الصفحات من المخطوطات القديمة.

الزراعة الذكية ومواجهة شح المياه

في منطقة تعاني من الإجهاد المائي، يقدم الذكاء الاصطناعي حلولاً حيوية. في مشروع المغرب الأخضر، تستخدم أجهزة استشعار وطائرات دون طيار لجمع بيانات عن رطوبة التربة وصحة المحاصيل في حقول جهة سوس ماسة. تحلل الخوارزميات هذه البيانات لتحدد بالضبط كمية المياه والأسمدة التي تحتاجها كل شجرة زيتون أو كل قطعة أرض. Similarly, in the Al Ain region of the UAE, AI optimizes irrigation for date palm farms.

شركات مثل بيلبلا في الأردن وأغريتيك في مصر تطور منصات تنبؤية للمزارعين، تستخدم بيانات الأقمار الصناعية مثل برنامج دبي سات والطقس للتنبؤ بأسعار المحاصيل ومواعيد الحصاد الأمثل، مما يقلل الهدر ويزيد الدخل.

القطاع المالي والخدمات المصرفية

يقود البنك المركزي السعودي وبنك الإمارات المركزي جهوداً لتنظيم وتوظيف الذكاء الاصطناعي في القطاع المالي. تطبيقاته متنوعة:

• الخدمات المصرفية عبر الإنترنت: استخدام المساعدات الذكية مثل “فاذر” في بنك الرياض.
• مكافحة غسل الأموال: تحليل الشبكات المعقدة للتحويلات في مركز دبي المالي العالمي.
• التقييم الائتماني: منصات مثل تام في السعودية تقييم الجدارة الائتمانية للأفراد الذين لا يملكون سجلاً مصرفياً تقليدياً.
• التداول الآلي: في بورصات الدوحة وأبوظبي.

التعليم وتطوير المهارات للعصر الجديد

تعمل الحكومات في المنطقة على إدماج مفاهيم الذكاء الاصطناعي في المناهج. أطلقت وزارة التربية والتعليم في الإمارات منهجاً خاصاً. على مستوى التطبيق، توفر منصات مثل منصة “مدرسة” الإماراتية و الأردنية محتوى تعليمياً مخصصاً بناءً على أداء الطالب. في جامعة الملك سعود، يتم استخدام أنظمة ذكاء اصطناعي لتتبع مشاركة الطلاب وتوقع من قد يحتاج إلى دعم أكاديمي إضافي.

كما ظهرت معاهد متخصصة مثل معهد محمد بن زايد للذكاء الاصطناعي في أبوظبي والجامعة الذكية في دبي، التي أصبحت مراكز جذب للباحثين العالميين.

التحديات الأخلاقية والتنظيمية في السياق الإقليمي

يطرح تبني الذكاء الاصطناعي أسئلة حادة حول الخصوصية والتحيز والمساءلة. كيف تضمن الخوارزمية عدم التمييز ضد فئة معينة؟ العديد من الدول تطور أطراً تنظيمية. المملكة العربية السعودية أطلقت الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي، كما أصدرت دولة الإمارات استراتيجية الإمارات للذكاء الاصطناعي 2031 وقانون حماية البيانات. مصر أنشأت المجلس الأعلى للذكاء الاصطناعي.

التحيز في البيانات

إذا تم تدريب نموذج للتعرف على الوجوه بشكل أساسي على وجوه من فئة عرقية معينة، فسيكون أداؤه ضعيفاً مع آخرين. مبادرات مثل مشروع “وجوه عربية” من جامعة نيويورك أبوظبي تهدف لتوفير مجموعات بيانات متنوعة. كما أن مبادرة مستقبل الاستثمار في الرياض تناقش باستمرار أطر الحوكمة الأخلاقية.

الاستشراف المستقبلي: أين تتجه المنطقة؟

المستقبل يحمل اتجاهات واضحة: زيادة الاستثمار في البنية التحتية للحوسبة الفائقة مثل حاسوب الجبار في السعودية، وتركيز أكبر على تطوير الكفاءات المحلية عبر معاهد مثل معهد تونس الرقمي. ستشهد المدن الذكية مثل الخطة الرئيسية لعاصمة مصر الإدارية الجديدة ومشروع “ذا لاين” في نيوم اندماجاً كاملاً للذكاء الاصطناعي في إدارة الطاقة والنقل والخدمات. كما سيزداد التعاون الإقليمي عبر منصات مثل مجلس التعاون لدول الخليج العربية والبنك الإسلامي للتنمية في جدة.

الأسئلة الشائعة (FAQ)

هل يمكن للذكاء الاصطناعي فهم السياق الثقافي والاجتماعي المعقد في دول المنطقة؟

هذا أحد أكبر التحديات. النماذج اللغوية المدربة على بيانات غربية قد تفشل في فهم التلميحات والدلالات الثقافية. لذلك، أصبح تطوير نماذج على بيانات عربية محلية وأقليمية أولوية، كما في أعمال جامعة حمد بن خليفة في قطر ومركز الملك عبدالله العالمي للأبحاث، لضمان أن تكون القرارات والتوصيات حساسة ثقافياً ومناسبة.

من يملك البيانات التي يتعلم منها الذكاء الاصطناعي في المنطقة، وما هي قضايا الخصوصية؟

ملكية البيانات قضية حساسة. البيانات قد تكون ملكاً للحكومات (كبيانات التعداد)، أو للشركات الخاصة (بيانات العملاء)، أو للأفراد. تشريعات جديدة مثل قانون حماية البيانات الشخصية لدولة قطر (قانون رقم 13 لسنة 2016) ونظام حماية البيانات الشخصية في السعودية تهدف لحماية الفرد. المبدأ الناشئ هو “سيادة البيانات”، حيث يجب أن يكون هناك موافقة واضحة ومستنيرة لاستخدام البيانات الشخصية في تدريب النماذج.

هل سيؤدي الذكاء الاصطناعي إلى ارتفاع كبير في معدلات البطالة في الشرق الأوسط وشمال أفريقيا؟

يشير تقرير البنك الدولي إلى أن التشغيل الآلي قد يحل محل بعض الوظائف الروتينية، لكنه في المقابل يخلق فرصاً جديدة في مجالات تحليل البيانات، وهندسة التعلم الآلي، والصيانة، والأخلاقيات الرقمية. المفتاح هو إعادة تأهيل القوى العاملة عبر برامج مثل السعودي لتوطين الوظائف التقنية أو مبادرة “مليون مبرمج عربي”. التحول يحتاج إلى إدارة استباقية.

كيف يمكن للباحثين والمطورين في المنطقة المساهمة في تطوير الذكاء الاصطناعي عالمياً؟

هناك مسارات عديدة: أولاً، المساهمة في حل المشكلات المحلية الفريدة (كندرة المياه، تحليل اللهجات) التي قد تكون نماذج لحلول عالمية. ثانياً، المشاركة في المشاريع مفتوحة المصدر وتطوير نماذج للغة العربية. ثالثاً، العمل في مراكز البحث الرائدة مثل معهد قطر لبحوث الحوسبة أو مركز الابتكار في جامعة الإمارات. العديد من المؤتمرات الإقليمية مثل في دبي أصبحت منصات لعرض الابتكارات المحلية.

ما هي الخطوات العملية لأي دولة في المنطقة لبناء اقتصاد قائم على الذكاء الاصطناعي؟

وفقاً لخبراء من المنتدى الاقتصادي العالمي واليونسكو، تشمل الخطة: 1) وضع استراتيجية وطنية واضحة (كما فعلت الإمارات والسعودية). 2) الاستثمار في البنية التحتية الرقمية وشبكات الجيل الخامس. 3) تطوير التعليم STEM (العلوم، التكنولوجيا، الهندسة، الرياضيات) من المراحل المبكرة. 4) سن أنظمة مرنة تشجع الابتكار مع حماية الحقوق. 5) تعزيز الشراكات بين القطاع العام والخاص والأكاديمي، كما في مشروع في أبوظبي.

استخبارات ذات صلة

التكنولوجيا

شرح تقنية البلوكشين والعملات الرقمية: دليل شامل للمبتدئين في جنوب آسيا

التكنولوجيا

صحة الأم والطفل: مقارنة بين أنظمة الرعاية الصحية في المجتمعات الأوروبية