4 أسباب أساسية لاستبدال محرك «غوغل» للبحث بـ«بينغ»

يتفوق في رصد الأخبار القديمة والمشاهير ويقدم مكافآت مالية

4 أسباب أساسية لاستبدال  محرك «غوغل» للبحث بـ«بينغ»
TT

4 أسباب أساسية لاستبدال محرك «غوغل» للبحث بـ«بينغ»

4 أسباب أساسية لاستبدال  محرك «غوغل» للبحث بـ«بينغ»

محرك «غوغل» للبحث ملأ آفاق الإنترنت بـ«عمق علمه» بعد جمعه لشذرات البشرية، ووقائع عن ملايين الأحداث والأشخاص وعن شتى جوانب الحياة والعمل والكون. إلا أن مارك هاكمان المحرر الأقدم في مجلة «بي سي وورلد» يرى أن الأوان قد حان لتغييره، والتوجه لاستخدام محرك «بينغ» من «مايكروسوفت» للبحث. ويقول هاكمان إنه قد استبدل قبل ثلاث سنوات، محرك غوغل الذي كان يستخدمه بمحرك «بينغ».

محركات البحث

في التسعينات، كان محررو الأخبار التقنية والخبراء يتلقون أحيانا عروضاً لتجربة محركات البحث الجديدة. وعلى مر السنوات، أصبح محرك غوغل أذكى وأكثر استجابة، وبات غوغل الفوري يقترح نتائج البحث بشكل أوتوماتيكي حتى قبل الانتهاء من الكتابة، وتحولت «الغوغلة» إلى جزء من العمل اليومي.
وفي ذلك الوقت، لم يحصل محرك «بينغ» من مايكروسوفت على أي احترام أو قيمة. ولكن «بينغ» تابع تطوره وأضاف على خدماته روابط اجتماعية و«بطاقات» تحدد المواضيع الرئيسية والأبحاث المرتبطة بها. كما أنه حسّن سرعته ومصداقيته. ويقول هاكمان إنه حاول في أحد الأيام، البحث عن قصص قديمة جداً سبق أن حاول البحث عنها على غوغل، وحالفه الحظ بالعثور عليها على «بينغ». ولهذا السبب، حول عمله إلى محرك مايكروسوفت.

أسباب التحول

1- ابحث واحصل على مكافآت «مايكروسوفت». السبب الأول هو أن مايكروسوفت تدفع للمستخدم. لذا إن كنت تحب التوفير، وفي حال كانت مايكروسوفت تريد أن تدفع خمسة دولارات في الشهر للقيام بالبحث فعليك استخدام محرك «بينغ».
والمبدأ الذي تهدف إليه المكافآت المسماة «مايكروسوفت ريواردز» (بينغ ريواردز سابقاً) بسيط جداً: عندما تبحث، تسجل لك مايكروسوفت النقاط. وفي حال كان المستخدم يملك حساباً على مايكروسوفت (لا بد أن لديه حسابا مجانيا من مايكروسوفت)، يمكنه أن يكسب خمس نقاط في كل مرة يبحث فيها على محرك بينغ على جهاز كومبيوتر، أي ما يقارب 150 نقطة في اليوم. بالطريقة نفسها، يمكن للمستخدم أن يكسب ما يقارب مائة نقطة في اليوم عند استخدامه للمحرك على الهاتف المحمول، بخمس نقاط للمستخدم مع كل بحث. (يجب على المستخدم ألا يقلق في حال لم تطابق هذه الأرقام ما يظهر أمامه على الحساب، لأن مايكروسوفت غالباً ما تغير قيم النقاط). وتنطلق أبحاث «بينغ» أوتوماتيكياً عبر كورتانا على هاتف ويندوز، وعبر تطبيق البحث «بينغ» على آندرويد وآي أو أس.
في حال كان هذا الأمر غير كاف، يستطيع المستخدم أيضاً مراكمة النقاط من خلال استخدام «ويندوز 10 إيدج»، ما يعادل 900 نقطة في الشهر. وفي حال كان هذا الأمر أيضاً غير كاف، سيحصل على دولار ينفقه في «مايكروسوفت ويندوز» ومتاجر «إكس بوكس أونلاين»، وفي متجر مايكروسوفت.
ولكن ما هو الجزء الأفضل في كل هذا الموضوع؟ الجواب: أن هذه النقاط تستبدل بأمور مفيدة فعلاً. فمقابل رصيد يحتوي على 475 نقطة (ومن جديد يجب التذكير بأن قيمة النقاط تتغير) يقدم مايكروسوفت مبلغ خمسة دولارات يمكن إنفاقها في المتاجر مثل: أمازون: «برغر كينج»، و«ستاربكس»، بالإضافة إلى متاجر أخرى. كما يمكن للمستخدم أن يستبدل نقاطه بقسيمة خصم 5 في المائة في متجر مايكروسوفت، على تطبيقات ويندوز، أو حتى شهر مجاني من «إكس بوكس لايف غولد». يجب على المستخدم أن يستعين بـ«بينغ» دائماً حتى يرتقي إلى الوضع الفضي أو الذهبي، الذي يقدم خصومات على استبدال النقاط.
2- نتائج البحث. إنها جيدة بقدر نتائج غوغل، بل وأفضل أحيانا. ويوصل «بينغ» كماً أكبر من المعلومات المفيدة من تلك التي يحصل المستخدم عليها أثناء البحث على غوغل. ولكن للإنصاف، كما يقول هاكمان فإنه شخصياً يبحث على محرك غوغل في حال عجز عن العثور على النتائج المرجوة من خلال البحث عبر «بينغ». ويشير إلى أنه يريد لفت الانتباه إلى أنه وعلى الرغم من تراجع قدرة بينغ منذ أغسطس (آب) 2017 قليلاً في العثور على قصص قديمة، يمكن القول إنها لا تزال تعتبر جيدة جداً. ويجب على المستخدم ألا يقلق إذ إن استخدام «بينغ» لا يمنعه من استخدام خدمات أخرى من غوغل كـ«جي ميل» وبالقدر الذي يريده.
ويتضح تفوق «بينغ» أكثر حين يبحث المستخدم عن المشاهير، لأن المحرك يتضمن مقاطع فيديو إلى جانب الصور ومعلومات السيرة الذاتية. ولأن مايكروسوفت تقدم عرضاً أفضل للمعلومات، يوفر «بينغ» وبنقرة واحدة، روابط لصفحات التواصل الاجتماعي الخاصة بالمشاهير وما يفكرون به في الوقت الحالي.
بالطبع هناك بعض الاستثناءات. ولكن يمكن القول إن أداء «بينغ» في الأمور البحثية اليومية يوازي غوغل جودة.

الصور والفيديو

3- يوفر «بينغ» ميزة تغيير الصور. الأداء نفسه يقدمه «بينغ» في البحث عن الصور أيضاً. فقد كان محرك مايكروسوفت سباقاً في تطبيق ميزة «الاستعراض اللانهائي» في صور «بينغ»، حيث يمكن للمستخدم أن يستعرض، ثم يستعرض، دون أن يصل إلى نهاية في البحث.
اليوم، يضيف بحث الصور في «بينغ» طبقة إضافية من فلترات البحث التي لا يستطيع مستخدم غوغل الحصول عليها إلا بعد الغوص في أعماق محركه. تتضمن هذه الفلترات خصائص كعرض صور بوجوه فقط مثلاً، أو حتى عرض صور بنسق محدد. وفي حال كان المستخدم يحتاج إلى صورة مرخصة لوضعها في نشرة إخبارية مثلاً، يسهل «بينغ» الحصول على هذا النوع من الصور أكثر من غوغل.
أما الهدف الوحيد الذي يفضل استخدام بحث غوغل للصور فيه، هو البحث عن صور متحركة «جيف GIF»، لأن «بينغ» لم يتح هذه الميزة لمستخدميه حتى اليوم.
4. «بينغ» يعرص مقاطع فيديو أكثر. لأي سبب كان، يعتبر «بينغ» الخيار الأول في البحث عن أي مقطع فيديو يريده الباحث. يكفي أن يتجول في بعض منتديات «ريديت مايكروسوفت» Reddit’s Microsoft forums، وسيعثر أخيراً على المقطع الذي يريده.
ويتمتع «بينغ» بالأفضلية هنا لأن غوغل اليوم، وحتى في حالة إطفاء ميزة التصفية (فلترينغ - الترشيح)، يتخذ مزيداً من الإجراءات المتشددة تجاه مقاطع الفيديو المفلترة وذات حقوق النشر المحفوظة، في حين أن مايكروسوفت تعتمد مقاربة أكثر تحرراً، إذ يظهر «بينغ» وببساطة مقاطع الفيديو المرتبطة بموضوع البحث من جميع أنحاء الشبكة، مهما كان الموضوع.

إجراء التحول

في حال كان المستخدم من الأشخاص الذين يعتمدون على محرك غوغل منذ زمن طويل، ولكنه يشعر بإغراء ميزات «بينغ»، كيف يتم التحويل؟ كما يعرف الجميع، يقدم كل من غوغل ومايكروسوفت متصفحا خاصا ليواكب محرك البحث الخاص به. فمع «مايكروسوفت إنترنت إكسبلورر» أو «إيدج» و«غوغل كروم»، صُممت المتصفحات مسبقاً للاستخدام تلقائياً مع محرك البحث المناسب، والذي يمكن الوصول إليه عبر شريط البحث في أعلى الشاشة. (بالطبع، يمكن للمستخدم أن يزور بينغ.كوم أو غوغل.كوم للبحث عبرهما في أي وقت يريده).
إلا أن التحول من محرك غوغل للبحث، إلى محرك بينغ هو أمر بسيط: في الزاوية اليمنى العليا في المتصفح، يرى المستخدم رمز لائحة صغيرا يبدو وكأنه كثلاثة خطوط أفقية فوق بعضها البعض، يجب أن ينقر عليها. بالقرب من زر اللائحة، يرى كلمة «إعدادات»، وفي منتصف صفحة الإعدادات، يرى صندوقاً يختار عبره «محرك البحث».
تعمل مايكروسوفت أيضاً على إخفاء ترتيب محركات بحثها أيضاً. في حال كان محرك «إنترنت إكسبلورير» مضبوطا على استخدام غوغل، يجب أن يذهب إلى عمود «عنوان الإنترنت URL» وينقر على رمز العدسة المكبرة. في أسفل رمز لائحة الخيارات، يجب أن يضغط على «أضف». ومن ثم يجب أن ينقر على رزم «بينغ» الصغير في أسفل يسار الشاشة لضبط «محرك مايكروسوفت للبحث» مرة أخرى كالمحرك التلقائي.


مقالات ذات صلة

«ميتا» تطور نظارات ذكية تدعم العدسات الطبية لتوسيع الاستخدام اليومي

تكنولوجيا دمج العدسات الطبية في التصميم يجعل النظارات الذكية أقرب إلى الاستخدام اليومي بدلاً من كونها جهازاً إضافياً (ميتا)

«ميتا» تطور نظارات ذكية تدعم العدسات الطبية لتوسيع الاستخدام اليومي

تدعم نظارات "ميتا" الذكية العدسات الطبية لتوسيع الاستخدام لكنها تواجه تحديات في القيمة اليومية والخصوصية واعتماد المستخدمين على نطاق واسع.

نسيم رمضان (لندن)
تكنولوجيا يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)

تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

تُظهر دراسة أن الروبوتات يمكنها تعلم مهارات حركية معقدة من بيانات غير مكتملة ما يفتح آفاقاً جديدة لتدريب الذكاء الاصطناعي.

نسيم رمضان (لندن)
خاص النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)

خاص الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

يفرض تسارع الذكاء الاصطناعي ضغطاً على البنية التحتية، حيث يصبح تخزين البيانات وكفاءته واستدامته عاملاً حاسماً في القدرة على التوسع.

نسيم رمضان (لندن)
تكنولوجيا تتيح «غوغل» ميزة استيراد الذاكرة في «جيميناي» لنقل التفضيلات والسياق الشخصي من تطبيقات ذكاء اصطناعي أخرى (شاترستوك)

«غوغل» تتيح نقل سجل المحادثات والتفضيلات إلى «جيميناي»

«غوغل» تطلق استيراد الذاكرة في «جيميناي»، لنقل السياق والتفضيلات بين تطبيقات الذكاء الاصطناعي، وتعزيز تجربة شخصية مستمرة للمستخدمين.

نسيم رمضان (لندن)
تكنولوجيا يمكن للحوسبة الكمومية فك أعقد تشفير للبيانات في ثوان، ويسعى "كروم" لتغيير جذري ضد ذلك

كيف تعيد «غوغل» و«ميتا» صياغة مستقبلنا الرقمي؟

في وقت يتسارع فيه الزمن التقني نحو آفاق غير مسبوقة، لم تعد كبرى شركات التقنية تكتفي بتقديم خدمات تقليدية، بل باتت تخوض صراعاً مزدوجاً: الأول «دفاعي»

خلدون غسان سعيد (جدة)

«ميتا» تطور نظارات ذكية تدعم العدسات الطبية لتوسيع الاستخدام اليومي

دمج العدسات الطبية في التصميم يجعل النظارات الذكية أقرب إلى الاستخدام اليومي بدلاً من كونها جهازاً إضافياً (ميتا)
دمج العدسات الطبية في التصميم يجعل النظارات الذكية أقرب إلى الاستخدام اليومي بدلاً من كونها جهازاً إضافياً (ميتا)
TT

«ميتا» تطور نظارات ذكية تدعم العدسات الطبية لتوسيع الاستخدام اليومي

دمج العدسات الطبية في التصميم يجعل النظارات الذكية أقرب إلى الاستخدام اليومي بدلاً من كونها جهازاً إضافياً (ميتا)
دمج العدسات الطبية في التصميم يجعل النظارات الذكية أقرب إلى الاستخدام اليومي بدلاً من كونها جهازاً إضافياً (ميتا)

تدعم نظارات «ميتا» الذكية العدسات الطبية لتوسيع الاستخدام، لكنها تواجه تحديات في القيمة اليومية والخصوصية، واعتماد المستخدمين على نطاق واسع.

لطالما بقيت النظارات الذكية تقنية متقدمة، لكنها غالباً بعيدة عن الاستخدام اليومي الفعلي، لسبب بسيط، وهو أن معظم الناس الذين يرتدون نظارات يحتاجون إلى تصحيح البصر. ومن دون معالجة هذه النقطة، تبقى أي تقنية قابلة للارتداء محدودة الانتشار.

تحاول شركة «ميتا» تغيير هذا الواقع، عبر تطوير جيل جديد من النظارات المدعومة بالذكاء الاصطناعي والمصممة منذ البداية لاستيعاب العدسات الطبية، تسعى الشركة إلى مواءمة التكنولوجيا مع أحد أبسط متطلبات الرؤية.

عنصر أساسي في التصميم

في الإصدارات السابقة، كانت العدسات الطبية تُعامل غالباً كإضافة لاحقة، يتم تكييفها مع التصميم بدلاً من دمجها فيه. أما في النماذج الجديدة، فقد أصبحت جزءاً من التصميم الأساسي، حيث تم تطوير الإطارات لتناسب مجموعة واسعة من درجات النظر. هذا التحول ليس تفصيلاً تقنياً فحسب. فمع اعتماد مليارات الأشخاص حول العالم على النظارات الطبية، فإن أي جهاز لا يراعي هذا الاحتياج سيبقى خارج الاستخدام اليومي. ومن خلال دمج التصحيح البصري في التصميم، تحاول «ميتا» تحويل النظارات الذكية من منتج تقني إلى أداة يومية.

تستمر النظارات في تقديم مجموعة من الوظائف المعروفة، كالتواصل دون استخدام اليدين، والتقاط الصور وتشغيل الصوت والتفاعل مع مساعد ذكي. لكن الجديد هنا لا يكمن في الوظائف بحد ذاتها، بل في توسيع نطاق المستخدمين المحتملين. فبدلاً من أن تكون هذه النظارات خياراً إضافياً، تصبح قابلة للاستخدام بديلاً مباشراً للنظارات التقليدية. وهذا يغيّر طبيعة التبني من تجربة تقنية إلى جزء من الروتين اليومي.

توسيع قاعدة المستخدمين لا يعتمد فقط على التقنية بل على توافقها مع احتياجات الحياة اليومية (ميتا)

سوق تنمو... وتحديات قائمة

يأتي هذا التوجه في وقت تشهد فيه سوق النظارات الذكية نمواً متزايداً، مع دخول شركات تقنية كبرى واستكشافها لهذا المجال. لكن التحديات الأساسية لا تزال قائمة. من الناحية التقنية، لا تزال قيود، مثل عمر البطارية، وقدرة المعالجة، والاتصال تؤثر على الأداء. أما من ناحية المستخدم، فالتحدي الأكبر يكمن في مدى اندماج هذه الأجهزة في الحياة اليومية دون إحداث احتكاك. كما أن إضافة العدسات الطبية تعالج جزءاً من المشكلة، لكنها لا تقدم حلاً كاملاً.

تعتمد قيمة النظارات الذكية إلى حد كبير على كيفية استخدامها. تُعد الوظائف الحالية مثل التقاط الصور والحصول على معلومات أو التفاعل مع الرسائل مفيدة، لكنها لم تصل بعد إلى مستوى الضرورة اليومية لمعظم المستخدمين. في المقابل، تظهر إمكانات أوضح في الاستخدامات المتخصصة، مثل مساعدة الأشخاص ذوي الإعاقة البصرية على فهم محيطهم. هذه التطبيقات تعكس قدرة حقيقية للتقنية، لكنها لا تزال محدودة من حيث الانتشار.

نجاح النظارات الذكية يعتمد على تكامل التجربة بين العتاد والبرمجيات والذكاء الاصطناعي (ميتا)

الخصوصية... العامل الحاسم

إلى جانب التحديات التقنية، تبقى مسألة الخصوصية من أبرز العوامل المؤثرة في مستقبل هذه الأجهزة. فالقدرة على التقاط الصور أو الفيديو بشكل غير ملحوظ تثير تساؤلات حول الموافقة والرقابة، خصوصاً في الأماكن العامة. هذه المخاوف لا تتعلق بالقوانين فقط، بل بكيفية تقبل المجتمع لمثل هذه الأجهزة. وقد يكون هذا العامل الاجتماعي أكثر تأثيراً في تبني التكنولوجيا من أي تطور تقني بحد ذاته.

من جهاز إلى منصة

تعكس هذه الخطوة تحولاً أوسع في كيفية تقديم الأجهزة القابلة للارتداء. فبدلاً من التركيز على العتاد فقط، تتجه الشركات نحو بناء منظومات متكاملة تجمع بين الذكاء الاصطناعي والبرمجيات والخدمات. في هذا السياق، لا تمثل العدسات الطبية مجرد تحسين بصري، بل تصبح جزءاً من محاولة أوسع لتقليل الحواجز بين المستخدم والتكنولوجيا، وجعلها أكثر اندماجاً في الحياة اليومية.

لا تعني هذه التطورات أن النظارات الذكية أصبحت منتجاً ناضجاً بالكامل. لكنها تمثل خطوة نحو جعلها أكثر واقعية وقابلية للاستخدام.

فمن خلال معالجة أحد أهم العوائق العملية، تقترب «ميتا» من تحويل الفكرة إلى منتج يومي. ومع ذلك، يبقى نجاح هذه الأجهزة مرتبطاً بعوامل أوسع، تشمل القبول الاجتماعي، والقيمة الفعلية للمستخدم، وتطور التجربة. قد يكون إدخال العدسات الطبية خطوة ضرورية لكنها ليست كافية بمفردها لجعل النظارات الذكية جزءاً أساسياً من الحياة اليومية.


لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
TT

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)

لم يعد الحديث عن الذكاء الاصطناعي في قطاع الرعاية الصحية يدور حول وعود مستقبلية أو تحولات مفاجئة، بل بات أقرب إلى مسار تطور تدريجي يعيد تعريف كيفية فهم المرض وعلاجه وإدارة الأنظمة الصحية. ففي عام 2026، تتجه الصناعة نحو مرحلة أكثر نضجاً، حيث تتحول البيانات من مجرد مورد داعم إلى بنية أساسية تقود القرارات والابتكار.

هذا التحول لا يقوم على تقنية واحدة، بل على تقاطع عدة اتجاهات كتكامل البيانات وتطور النماذج التحليلية وتوسع استخدام الذكاء الاصطناعي في العمليات اليومية، وظهور بيئات تنظيمية تسمح بتجريب هذه التقنيات دون الإخلال بالمعايير.

يتوسع دور الذكاء الاصطناعي ليصبح جزءاً من دعم القرار السريري وتحسين دقة التشخيص والعلاج

من بيانات متفرقة إلى منظومات متكاملة

أحد أبرز التغيرات يتمثل في كيفية التعامل مع البيانات الصحية. فبدلاً من الاعتماد على مصادر منفصلة، يتجه القطاع نحو دمج تدفقات متعددة تشمل الجينوم، والتصوير الطبي والسجلات السريرية والبيانات الناتجة عن الأجهزة القابلة للارتداء.

هذا التحول نحو البيانات المتعددة الوسائط لا يهدف فقط إلى زيادة حجم المعلومات، بل إلى وضعها في سياق متكامل يسمح بفهم أعمق للحالة الصحية لكل مريض. ومع تزايد هذا التكامل، تصبح هندسة البيانات نفسها عاملاً حاسماً في نجاح التحليل، وليس مجرد خطوة تقنية في الخلفية.

في الوقت نفسه، يتوسع دور الذكاء الاصطناعي من كونه أداة تحليل إلى شريك في اتخاذ القرار. فأنظمة دعم القرار السريري المدعومة بالذكاء الاصطناعي أصبحت قادرة على تحسين دقة التشخيص وتقديم توصيات علاجية أكثر تخصيصاً، مدعومة ببيانات واسعة النطاق. لكن هذا لا يعني استبدال الطبيب، بل إعادة توزيع الأدوار. فالأنظمة الذكية تبرز المخاطر وتقدم الخيارات، بينما يبقى القرار النهائي بيد الإنسان. هذا التوازن بين الأتمتة والحكم البشري يشكل أحد ملامح المرحلة الحالية في تطور الرعاية الصحية.

الرعاية تتجاوز المستشفى

من التحولات اللافتة أيضاً انتقال الرعاية الصحية تدريجياً من المؤسسات إلى المنازل. فمع تزايد استخدام أجهزة إنترنت الأشياء وتقنيات المراقبة عن بُعد، أصبح من الممكن متابعة المرضى بشكل مستمر، خصوصاً في حالات الأمراض المزمنة. هذه النماذج الجديدة لا تقتصر على تقليل التكاليف، بل تهدف إلى تحسين النتائج الصحية من خلال التدخل المبكر. ومع ذلك، لا تزال هذه المقاربات في مراحل التوسع التدريجي، حيث يتم اختبارها عبر مشاريع تجريبية قبل تعميمها على نطاق واسع.

يساهم الذكاء الاصطناعي في تسريع اكتشاف الأدوية وتحسين كفاءة التجارب السريرية (شاترستوك)

تسريع الابتكار عبر بيئات تنظيمية مرنة

في موازاة ذلك، بدأت الجهات التنظيمية تلعب دوراً أكثر مرونة في دعم الابتكار. إذ ظهرت بيئات تجريبية تسمح باختبار نماذج الذكاء الاصطناعي باستخدام بيانات اصطناعية أو محاكاة، ما يسرّع عملية التحقق دون تعريض خصوصية المرضى للخطر. هذا النهج يعكس تحولاً في طريقة تنظيم القطاع، من نموذج يعتمد على الموافقة المسبقة فقط، إلى نموذج يوازن بين التجريب والرقابة.

على مستوى البحث العلمي، تبرز تقنيات جديدة مثل التعلم الآلي الكمي، التي تُستخدم لتحسين التنبؤ بسلامة الأدوية في مراحل مبكرة. هذه الأدوات قد تقلل من معدلات الفشل في التجارب ما قبل السريرية، وهو أحد أكبر التحديات في تطوير الأدوية. إلى جانب ذلك، يساهم الذكاء الاصطناعي في تحليل التفاعلات الجزيئية وتسريع اكتشاف المركبات الدوائية، ما يقلص الوقت والتكلفة في المراحل الأولى من البحث.

بعيداً عن الاستخدامات الطبية المباشرة، يتوسع حضور الذكاء الاصطناعي في العمليات الإدارية والتشغيلية. فبحلول عام 2026، يُتوقع أن تعتمد المؤسسات الصحية بشكل متزايد على أنظمة ذكاء اصطناعي لإدارة مهام مثل الفوترة، وسير العمل، وتحسين الكفاءة. هذا التوجه يشير إلى أن الذكاء الاصطناعي لم يعد مجرد أداة متخصصة، بل أصبح جزءاً من البنية التشغيلية اليومية، على غرار الأنظمة السحابية أو إدارة علاقات العملاء.

تتزايد أهمية الرعاية الصحية المنزلية المدعومة بالمراقبة عن بُعد وتقنيات إنترنت الأشياء (شاترستوك)

جودة البيانات... العامل الحاسم

رغم هذا التوسع، تبرز حقيقة أساسية: نجاح الذكاء الاصطناعي في الرعاية الصحية يعتمد بدرجة كبيرة على جودة البيانات. فحتى أكثر النماذج تقدماً لا يمكنها تقديم نتائج دقيقة إذا كانت البيانات غير مكتملة أو غير متسقة. وفي هذا السياق، تصبح القدرة على جمع بيانات عالية الجودة، وربطها بشكل متكامل، عاملاً حاسماً في تحديد الجهات القادرة على تحقيق قيمة حقيقية من هذه التقنيات.

وكما هو الحال في أي تحول رقمي، لا تخلو هذه التطورات من تحديات. فزيادة الاعتماد على البيانات تثير قضايا تتعلق بالخصوصية، وأمن المعلومات، وإمكانية إساءة الاستخدام. ولهذا، يترافق التوسع في استخدام الذكاء الاصطناعي مع استثمارات موازية في الحوكمة والامتثال، لضمان تحقيق الفوائد دون تعريض النظام لمخاطر جديدة.

نحو نموذج جديد للرعاية الصحية

ما يتضح من هذه الاتجاهات هو أن قطاع الرعاية الصحية لا يشهد ثورة مفاجئة، بل تحولاً تدريجياً يعيد بناء أسسه. فبدلاً من الاعتماد على تدخلات متأخرة، يتجه النظام نحو الوقاية والتنبؤ، مدعوماً ببيانات متكاملة ونماذج تحليلية متقدمة.

في هذا النموذج، لا تكون البيانات مجرد سجل للماضي، بل أداة لتوقع المستقبل. ولا يكون الذكاء الاصطناعي بديلاً عن الإنسان، بل امتداد لقدراته.

وبينما لا تزال العديد من هذه التحولات في مراحلها الأولى، فإن الاتجاه العام يبدو واضحاً: مستقبل الرعاية الصحية سيُبنى على البيانات، لكن قيمته الحقيقية ستعتمد على كيفية استخدامها.


تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
TT

تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)

في مسار تطوير الروبوتات البشرية، ظل التحدي الأكبر يتمثل في تعليم الآلات مهارات حركية معقدة تحاكي الإنسان. فالمهام التي تبدو طبيعية للبشر، مثل الجري أو القفز أو حتى لعب التنس، تتطلب تنسيقاً دقيقاً بين التوازن، والتوقيت، واتخاذ القرار في أجزاء من الثانية. تقليد هذه القدرات آلياً لم يكن ممكناً إلا في بيئات محدودة، وغالباً عبر بيانات مثالية يصعب الحصول عليها في الواقع.

لكن دراسة حديثة تقترح مساراً مختلفاً: ماذا لو لم تعد الحاجة إلى بيانات مثالية شرطاً أساسياً لتعليم الروبوتات؟

يركز البحث على تطوير نموذج لتعليم روبوت بشري مهارات لعب التنس، باستخدام بيانات حركة بشرية غير مكتملة أو غير دقيقة. وبدلاً من الاعتماد على تسجيلات كاملة ومضبوطة للحركات، يعمل النظام على استغلال مقاطع جزئية من البيانات، ثم إعادة تركيبها لبناء سلوك حركي متكامل.

يعتمد النموذج على تقسيم الحركات إلى مقاطع صغيرة وإعادة تركيبها لتكوين سلوك متكامل (المصدر)

من البيانات المثالية إلى البيانات الواقعية

تقليدياً، تعتمد أنظمة التعلم الحركي للروبوتات على بيانات عالية الجودة، يتم التقاطها باستخدام أنظمة متقدمة لتتبع الحركة. هذه البيانات توفر وصفاً دقيقاً لكل حركة، لكنها مكلفة وصعبة التوسّع، كما أنها لا تعكس دائماً تعقيد العالم الحقيقي. في المقابل، ينطلق هذا البحث من فرضية مختلفة، حيث إن البيانات الواقعية حتى وإن كانت غير كاملة، يمكن أن تكون كافية لتعليم مهارات معقدة، إذا تم التعامل معها بطريقة مناسبة.

وهنا، لا يحاول النموذج «تنقية» البيانات بقدر ما يعمل على فهم الأنماط الكامنة فيها، واستنتاج كيفية تحويلها إلى حركات قابلة للتنفيذ.

نموذج يتعلم من أجزاء متفرقة

يعتمد النظام المقترح على تقسيم البيانات الحركية إلى مقاطع صغيرة، تمثل كل منها جزءاً من حركة أكبر. ثم يقوم بربط هذه الأجزاء معاً داخل بيئة محاكاة، بحيث يتعلم الروبوت كيفية الانتقال من حركة إلى أخرى بسلاسة. هذه المقاربة تشبه إلى حد ما الطريقة التي يتعلم بها الإنسان مهارة جديدة، حيث يتم الجمع بين تجارب جزئية لتشكيل أداء متكامل. والنتيجة هي نموذج قادر على توليد حركات ديناميكية، دون الحاجة إلى مسار واحد محدد مسبقاً.

التنس كنموذج لاختبار التعقيد

اختار الباحثون لعبة التنس كبيئة اختبار، نظراً لما تتطلبه من تنسيق بين الحركة والإدراك. فالتعامل مع كرة متحركة يستدعي تقدير السرعة والاتجاه، واتخاذ قرار فوري بشأن كيفية الرد، ثم تنفيذ الحركة بدقة. في التجارب، تمكّن الروبوت من تعلم ضرب الكرة والتفاعل مع مواقف مختلفة، بما في ذلك الحفاظ على تبادل الكرات في بعض الحالات. ويشير ذلك إلى أن النموذج لا يقتصر على تكرار حركات محفوظة، بل يطوّر استجابة قابلة للتكيف مع السياق.

اختيار التنس كنموذج يبرز قدرة النظام على التنسيق بين الإدراك والحركة في بيئة ديناميكية (المصدر)

فجوة بين المحاكاة والواقع

كما هو الحال في كثير من أبحاث الروبوتات، يعتمد جزء كبير من التدريب على بيئات محاكاة. هذه البيئات تتيح تسريع عملية التعلم وتقليل المخاطر، لكنها لا تعكس دائماً تعقيدات العالم الحقيقي.

لذلك، يمثل نقل المهارات من المحاكاة إلى الواقع أحد التحديات الأساسية. وقد عمل الباحثون على تقليل هذه الفجوة عبر تصميم النموذج بحيث يأخذ في الاعتبار التباين وعدم الدقة في البيانات، وهو ما يجعله أكثر قدرة على التكيف عند التطبيق العملي.

ما الذي يتغير فعلاً؟

لا تكمن أهمية هذا البحث في قدرة الروبوت على لعب التنس بحد ذاتها، بل في ما تشير إليه من تحول أوسع في منهجية التعلم. فإذا كان بالإمكان تدريب الأنظمة على مهارات معقدة باستخدام بيانات غير مثالية، فإن ذلك يفتح الباب أمام استخدام مصادر بيانات أكثر تنوعاً، مثل الفيديوهات العامة أو التسجيلات غير المنظمة. وهذا بدوره قد يسرّع تطوير ما يُعرف بـ«الذكاء الاصطناعي المجسّد»، حيث تتفاعل الأنظمة مع العالم الفيزيائي بشكل مباشر.

حدود وتحديات قائمة

مع ذلك، لا تزال هذه المقاربة في مراحلها الأولى. فالروبوت لا يصل إلى مستوى الأداء البشري، ولا تزال قدرته على التعامل مع مواقف غير متوقعة محدودة. كما أن الاعتماد على المحاكاة يفرض قيوداً على مدى تعميم النتائج. لكن رغم هذه التحديات، يقدم البحث دليلاً على أن الطريق نحو تعليم الروبوتات قد لا يمر عبر الكمال، بل عبر القدرة على الاستفادة من النقص.

يشير هذا التوجه إلى إعادة التفكير في العلاقة بين البيانات والتعلم. فبدلاً من السعي إلى جمع بيانات مثالية ومكتملة، قد يكون التركيز مستقبلاً على تطوير نماذج قادرة على التعلم من الواقع كما هو بما يحمله من نقص وتباين. وفي هذا السياق، لا يمثل التنس سوى مثال تجريبي. أما الهدف الأوسع، فهو تمكين الروبوتات من اكتساب مهارات حركية متنوعة، تتراوح بين العمل الصناعي والخدمات اليومية.