الذكاء الاصطناعي التوليدي والتعلم الآلي... استخدامات متنوعة

توافر عنصر الإبداع يبشّر بفتوحات علمية وتقنية وثقافية كبرى

الذكاء الاصطناعي التوليدي والتعلم الآلي... استخدامات متنوعة
TT

الذكاء الاصطناعي التوليدي والتعلم الآلي... استخدامات متنوعة

الذكاء الاصطناعي التوليدي والتعلم الآلي... استخدامات متنوعة

القدرة على نمو الخوارزميات في غياب المُدخَلات البشرية هي جوهر الذكاء الاصطناعي يستخدم كل من الذكاء الاصطناعي التوليدي Generative AI والتعلم الآلي (تعلّم الآلة) Machine learning الخوارزميات في معالجة التحديات المعقدة، ولكن الذكاء الاصطناعي التوليدي يستخدم نمذجة أكثر تطوراً وخوارزميات أكثر تقدماً لإضافة العنصر الإبداعي.

ذكاء اصطناعي وتعلّم آلي

إن الذكاء الاصطناعي التوليدي هو شكل من أشكال الذكاء الاصطناعي المصمم لإنتاج محتوى مثل النصوص، والصور، والفيديو، والموسيقى. ويستخدم نماذج لغوية كبيرة وخوارزميات لتحليل الأنماط في مجموعات البيانات ومحاكاة نمط أو بنية أنواع معينة من المحتوى.

من ناحية أخرى، يساعد التعلم الآلي أجهزة الكومبيوتر على تعلُّم المهام والإجراءات باستخدام التدريب المصمم، استناداً إلى نتائج مجموعات البيانات الكبيرة، وهو عنصر أساسي في أنظمة الذكاء الاصطناعي. وقد خصّص موقع «إي ويك» الإلكتروني موضوعاً للمقارنة بين خصائص هذين النظامين واستخداماتهما.

مخطط للمقارنة

إليكم مخططاً للمقارنة بين الذكاء الاصطناعي التوليدي (1) مقابل التعلم الآلي (2).

إن الذكاء الاصطناعي التوليدي والتعلم الآلي هما تقنيتان مرتبطتان ارتباطاً وثيقاً، كما يوضح الجدول أدناه. وفي حين أن الذكاء الاصطناعي التوليدي يتفوّق في إنشاء المحتوى، فإن التعلم الآلي موجه إلى تحليل البيانات والنماذج الإحصائية.

> التعريف:

1. إنشاء محتوى جديد.

2. تحليل البيانات لإجراء تنبؤات.

• استخدام الخوارزميات:

1. خوارزميات متقدمة ومبتكرة.

2. التعرف على نمط البيانات.

• المُخرَجات:

1. النصوص، والصور، والفيديو، والموسيقى.

2. التنبؤات والتصنيفات.

• مجالات التطبيق:

1. إنشاء المحتوى والتصميم.

2. تحليل البيانات والأمن السيبراني.

• القاعدة التقنية:

1. نماذج اللغة الكبيرة والشبكات التوليدية التنافسية.

2. النماذج الإحصائية والخوارزميات.

التاريخ والتطور

على مدى عدة عقود، كان تطور كل من الذكاء الاصطناعي التوليدي والتعلم الآلي مدفوعاً بالتطوير المستمر للخوارزميات المصممة لأداء مهام محددة.

على مدار العقد الماضي، ازداد مستوى تعقيد هذه الخوارزميات بصورة كبيرة. وفي أكثر مراحل تطورها أضحى بمقدورها أن تكتسب قدرة التأدية الوظيفية من دون استمرار المدخلات البشرية. وهذه القدرة على النمو في غياب المدخلات البشرية هي جوهر الذكاء الاصطناعي، الذي هو أساس كل من الذكاء الاصطناعي التوليدي والتعلم الآلي.

في السنوات القليلة الماضية، مكّنت التطورات في القدرة الحاسوبية وتوافر البيانات -التي صارت ممكنة من خلال منصات الحوسبة السحابية مثل «أمازون ويب سيرفيسز»، و«مايكروسوفت أزور»- من تحقيق تقدم كبير.

ظهر التعلم الآلي أولاً، مع التركيز على تحديد الأنماط واتخاذ القرارات القائمة على البيانات. وبُني الذكاء الاصطناعي التوليدي على هذه الأسس، عبر تقديم نماذج قادرة على خلق محتوى جديد وأصلي من خلال التعلم من مجموعات البيانات الواسعة.

حدث التقدم الرئيسي في مجال الذكاء الاصطناعي التوليدي في نوفمبر (تشرين الثاني) عام 2022. عندما أطلقت شركة «أوبن إيه آي» برنامج «تشات جي بي تي»، وهو تطبيق يخلق محتوى يستند إلى المطالبات النصية واستفسارات اللغة الطبيعية.

ما هو الذكاء الاصطناعي التوليدي؟

الذكاء الاصطناعي التوليدي عبارة عن تقنية ناشئة تستخدم الذكاء الاصطناعي، والخوارزميات، ونماذج اللغة الكبيرة لإنتاج عدة أنواع من المحتوى، من النصوص إلى الصور إلى الفيديو.

يستفيد التعلم الآلي من التعلم العميق وتقنيات الشبكة العصبية، لإنشاء المحتوى الذي يستند إلى الأنماط التي يلاحظها في مجموعة واسعة من المحتويات الأخرى. وعلى الرغم من أن هذا المحتوى مُصنّف على أنه أصلي فإن الذكاء الاصطناعي التوليدي في الواقع يستخدم التعلم الآلي ونماذج الذكاء الاصطناعي، لتحليل إبداعات الآخرين السابقة ثم تكرارها. إنه يستفيد من مستودعات ضخمة من المحتويات، ويستخدم تلك المعلومات لمحاكاة الإبداع البشري.

مع الذكاء الاصطناعي التوليدي يمكنك القيام بمهام مثل تحليل الأعمال الكاملة لكتاب مشهورين، مثل: تشارلز ديكنز، أو جي كيه رولينغ، أو إرنست همنغواي؛ لإنتاج رواية أصلية تسعى لمحاكاة نمط هؤلاء المؤلفين وأنماط الكتابة لديهم.

وبالتالي، فإن مشاريع الذكاء الاصطناعي التوليدي تتجاوز كثيراً مستوى التعلم الآلي التقليدي. من خلال استخدام أشكال متعددة من أنظمة التعلم الآلي، والنماذج، والخوارزميات، والشبكات العصبية، يُقدم الذكاء الاصطناعي التوليدي انطلاقة جديدة إلى عالم الإبداع.

حالات استخدام النظم الذكية

يستخدم الذكاء الاصطناعي التوليدي في تعزيز -وليس استبدال- أعمال الكتاب ومصممي الغرافيك والفنانين والموسيقيين من خلال إنتاج مواد جديدة. وهو مفيد بصورة خاصة في عالم الأعمال في مجالات مثل وصف المنتجات، ويمكن أن يخلق كثيراً من الاختلافات في التصاميم القائمة. كما يمكنه مساعدة الفنان على استكشاف المفاهيم الجديدة عبر الوسائط المختلفة.

وفيما يلي بعض حالات استخدامه، بدءاً من حالات الاستخدام المؤسساتية للذكاء الاصطناعي التوليدي إلى عمليات تنفيذ التطبيقات الأصغر نطاقاً.

> البيع بالتجزئة. يعمل الذكاء الاصطناعي التوليدي على تعزيز عمليات البيع بالتجزئة بشكل كبير من خلال أتمتة إنشاء أوصاف المنتجات، وتوليد محتوى تسويقي مخصص، وتحسين إدارة المخزون.

وبينما يركّز التعلم الآلي على تحليل البيانات لتقديم التوصيات، يأخذ الذكاء الاصطناعي التوليدي خطوة أبعد من خلال إنشاء المحتوى نفسه.

> قطاع الأعمال. يمكن رؤية الذكاء الاصطناعي التوليدي في مجال الأعمال في عمليات مثل وضع التقارير وإنجازها، وتصور البيانات، وإنشاء مواد تسويقية. يمكن للشركات إنشاء تقارير الأعمال تلقائياً عن طريق تحليل مجموعات البيانات الكبيرة واستخراج الرؤى الرئيسية، ما يقلّل من الأخطاء والوقت المستغرق لهذه المهام. وهذا يسمح لمحللي الأعمال بالتركيز على اتخاذ القرارات الاستراتيجية بدلاً من إعداد التقارير العادية.

وبالمقارنة، يُستخدم التعلم الآلي عادة لتحليل أنماط البيانات وتقديم رؤى تنبؤية، في حين يعتمد الذكاء الاصطناعي التوليدي على هذه الرؤى لإنتاج تقارير وعروض تقديمية شاملة.

> الرعاية الصحية. في مجال الرعاية الصحية، يساعد الذكاء الاصطناعي التوليدي على إنشاء بيانات طبية اصطناعية للبحث، وتطوير خطط علاجية مخصصة، وتعزيز الدقة التشخيصية. ومرة أخرى، يبني الذكاء الاصطناعي التوليدي على الأساس الذي وضعته الآلة.

وفي حين يتفوّق التعلم الآلي في تحديد الأنماط لدى البيانات الطبية، فإن الذكاء الاصطناعي التوليدي يذهب إلى أبعد من ذلك عبر توليد بيانات جديدة وسيناريوهات علاجية جديدة، يمكن أن تساعد في البحوث الطبية والتشخيصات.

• التصنيع والإنتاج. الذكاء الاصطناعي التوليدي هو تقنية مُرحب بها عندما يتعلق الأمر بالنمذجة الأولية. ويعمل على تحسين تصميم المنتجات وعمليات التصنيع من خلال إنشاء نماذج التصميم الأولية المتعددة استناداً إلى قيود ومدخلات محددة.

وبينما التعلم الآلي يُستخدم في التنبؤ باحتياجات الصيانة وتحسين جداول الإنتاج، فإن الذكاء الاصطناعي التوليدي يتيح إنشاء التصاميم والحلول المبتكرة التي يمكن تنفيذها مباشرة في التصنيع.

• الخدمات المالية. في القطاع المالي، يعمل الذكاء الاصطناعي التوليدي على تعزيز الخدمات من خلال توليد تقارير مالية مخصصة، وأتمتة الكشف عن الأنشطة الاحتيالية، وتحسين إدارة المخاطر.

وفي حين أن التعلم الآلي عادة ما يكتشف الأنماط وأشكال الشذوذ، لا يحدد الذكاء الاصطناعي التوليدي هذه المشكلات فحسب، وإنما يُنشئ أيضاً تقارير تفصيلية واستراتيجيات معينة لمعالجتها.

• دعم العملاء. يعمل الذكاء الاصطناعي التوليدي على تحسين دعم العملاء من خلال روبوتات المحادثة المتقدمة والمساعدين الافتراضيين. تعتمد الشركات روبوتات المحادثة العاملة بالذكاء الاصطناعي التوليدي، للتعامل مع مجموعة واسعة من استفسارات العملاء؛ من توصيات المنتجات إلى تتبع الطلبات. ولا تزال روبوتات المحادثة هذه تتشابه مع البشر على نحو متزايد.

يمكن للذكاء الاصطناعي التوليدي خلق استجابات مخصصة ومناسبة من حيث السياق، ما يجعل التفاعلات تبدو أكثر إنسانية وأكثر فاعلية من أساليب العمل البسيطة القائمة على التعلم الآلي.



سترة تجمع رطوبة الهواء وتحوّلها إلى مياه للشرب

يمكن دمج التقنية مستقبلاً في حقائب الظهر والخيام ومعدات الطوارئ والعمل الميداني (الجامعة)
يمكن دمج التقنية مستقبلاً في حقائب الظهر والخيام ومعدات الطوارئ والعمل الميداني (الجامعة)
TT

سترة تجمع رطوبة الهواء وتحوّلها إلى مياه للشرب

يمكن دمج التقنية مستقبلاً في حقائب الظهر والخيام ومعدات الطوارئ والعمل الميداني (الجامعة)
يمكن دمج التقنية مستقبلاً في حقائب الظهر والخيام ومعدات الطوارئ والعمل الميداني (الجامعة)

طوّر باحثون في جامعة تكساس في أوستن سترة تجريبية تستطيع جمع بخار الماء الموجود في الهواء وتحويله إلى مياه قابلة للشرب، في محاولة لنقل تقنيات حصاد المياه الجوية من الأجهزة الثابتة والضخمة إلى أنظمة خفيفة يمكن ارتداؤها وحملها.

وأظهرت الاختبارات أن النظام استطاع إنتاج ما بين 400 و900 مليلتر من المياه يومياً، وفقاً لمستوى الرطوبة في الجو. ولا تعني النتيجة أن السترة أصبحت بديلاً كاملاً لمصادر المياه، لكنها تفتح مجالاً لاستخدام الملابس والمعدات الخارجية بوصفها أدوات مساعدة لجمع الرطوبة في المناطق التي يصعب فيها الوصول إلى مياه الشرب.

نسيج قابل للارتداء

تعتمد تقنيات حصاد المياه من الهواء عادة على مواد تمتص الرطوبة، ثم تطلقها عند تسخينها حتى يمكن تكثيف البخار وجمعه في صورة مياه سائلة. لكن معظم النماذج السابقة جاءت في صورة صناديق أو ألواح أو طبقات كبيرة من المواد الماصة.

أما الفريق البحثي، فاختار دمج وظيفة جمع المياه داخل الألياف النسيجية نفسها، بهدف تطوير نظام شخصي وأكثر قابلية للنقل. وتحتوي السترة على نسيج يلتقط الرطوبة من الهواء ويوجهها إلى وحدات قابلة للفصل. وبعد امتلاء هذه الوحدات، توضع داخل جزء قابل للطي مخصص للجمع، ثم تُسخن لإطلاق المياه الممتصة وتحويلها إلى سائل يمكن جمعه.

لا تكمن الصعوبة الأساسية في العثور على مادة تمتص بخار الماء، إذ توجد مواد كثيرة قادرة على ذلك في المختبر. لكن أداء هذه المواد قد يتراجع عند تصنيعها بمساحات أكبر، بسبب بطء انتقال الرطوبة والمياه داخلها.

لذلك ركز الباحثون على تصميم مسار يساعد المياه على التحرك بسرعة عبر النسيج، بدءاً من بخار الماء في الهواء، مروراً بتكوّن السائل على سطح الألياف، ووصولاً إلى داخل البنية النسيجية.

وبحسب الباحثين، حقق النسيج تحسناً تراوح بين ثلاثة وعشرة أضعاف مقارنة بمواد تقليدية لحصاد المياه عند استخدامها على نطاق أكبر. ويعود ذلك إلى التصميم الهرمي للألياف، الذي يضم مسامات بأحجام مختلفة لتسهيل دخول الرطوبة وانتقال المياه بدلاً من بقائها محصورة على السطح.

يعتمد الابتكار على ألياف مسامية تسهّل انتقال الرطوبة والمياه داخل النسيج (الجامعة)

إنتاج يتغير مع الرطوبة

أنتج النموذج التجريبي بين 400 و900 مليلتر يومياً، لكن الكمية تعتمد على الظروف الجوية؛ خصوصاً نسبة الرطوبة. فكلما ارتفعت كمية بخار الماء الموجودة في الهواء، أصبحت المادة قادرة على جمع كمية أكبر. وفي البيئات الأكثر جفافاً، قد ينخفض الإنتاج؛ ما يعني أن التقنية لا توفر الكمية نفسها في جميع المواقع أو فصول السنة.

كما تحتاج عملية استخراج المياه من الوحدات إلى التسخين. ولا تعمل السترة بمجرد ارتدائها وشرب الماء مباشرة منها، بل تمر العملية بمرحلة جمع الرطوبة، ثم فصل الوحدات وتسخينها وتكثيف البخار الناتج.

وهذه التفاصيل تجعل النموذج أقرب في مرحلته الحالية إلى نظام محمول لحصاد المياه، وليس إلى قطعة ملابس تجارية جاهزة للاستخدام اليومي.

استخدامات خارج الملابس

يرى الباحثون أن التقنية يمكن دمجها مستقبلاً في منتجات أخرى، مثل حقائب الظهر والخيام وملاجئ الطوارئ ومعدات العمل في الهواء الطلق. وقد تكون التطبيقات المحتملة مرتبطة بالمتنزهين والعاملين في الزراعة وفرق الإنقاذ والاستجابة للكوارث والجنود والأشخاص الذين يعملون في مناطق نائية أو تفتقر إلى بنية مستقرة لمياه الشرب. ويعني دمج المادة في أشياء يحملها المستخدم بالفعل أن عملية جمع المياه قد تحدث أثناء الحركة أو العمل، من دون الحاجة إلى نقل جهاز منفصل وكبير.

تحديات قبل الاستخدام التجاري

رغم النتائج، لا تزال التقنية في مرحلة البحث والتطوير إذ يحتاج الباحثون إلى اختبار متانة الألياف بعد الاستخدام المتكرر، وقدرتها على تحمل الطي والغسل والاحتكاك والظروف الخارجية المختلفة. كما يجب تقييم كفاءة النظام في نطاق أوسع من درجات الحرارة والرطوبة، والتأكد من جودة المياه بصورة مستمرة، وتحديد الطاقة اللازمة لتسخين الوحدات واستخراج المياه منها.

وقد تقدمت وحدة تسويق الأبحاث في جامعة تكساس بطلب براءة اختراع للتقنية، بينما يخطط الفريق لدراسة تطبيقاتها في الأنشطة الخارجية والعمليات الميدانية والاستجابة للكوارث والمناطق الجافة.

ولا تقدم السترة حلاً منفرداً لمشكلة ندرة المياه، لكنها توضح كيف يمكن تحويل النسيج من مادة سلبية تُستخدم للحماية والملبس إلى نظام وظيفي يلتقط مورداً موجوداً في الهواء ويجعله متاحاً للاستخدام.


«أنف إلكتروني» يكتشف فساد الطعام والحساسيات بالذكاء الاصطناعي

يجمع النظام بين 16 مستشعراً للغازات ونموذج للتعلم الآلي (الجامعة)
يجمع النظام بين 16 مستشعراً للغازات ونموذج للتعلم الآلي (الجامعة)
TT

«أنف إلكتروني» يكتشف فساد الطعام والحساسيات بالذكاء الاصطناعي

يجمع النظام بين 16 مستشعراً للغازات ونموذج للتعلم الآلي (الجامعة)
يجمع النظام بين 16 مستشعراً للغازات ونموذج للتعلم الآلي (الجامعة)

طور باحثون في جامعة كاليفورنيا في بيركلي شريحة استشعار تعمل كـ«أنف إلكتروني»، يمكنها التعرف إلى أنواع مختلفة من الأطعمة، ورصد مؤشرات فساد بعضها، واكتشاف كميات صغيرة من بعض مسببات الحساسية الغذائية. وتجمع التقنية بين 16 مستشعراً للغازات ونموذج للتعلم الآلي يتعلم البصمة الكيميائية للروائح المختلفة. وأظهرت الدراسة، المنشورة في دورية «ساينس أدفانسز»، قدرة النظام على تصنيف 16 حالة غذائية بدقة إجمالية بلغت 92.6 في المائة. ولا يحاول الجهاز التعرف إلى كل مركب كيميائي على حدة، بل يعتمد على مجموعة من المستشعرات التي تستجيب بطرق مختلفة للغازات المنبعثة من الطعام.

كيف تعمل الشريحة؟

تضم الشريحة 16 مادة حساسة للغازات، تتفاعل كل واحدة منها مع مزيج مختلف من الجزيئات. وتحوّل التفاعلات الكيميائية التي تحدث على سطح المستشعر إلى إشارات كهربائية، ثم يجمع نموذج التعلم الآلي هذه الإشارات ويبحث عن النمط المرتبط بكل نوع من الطعام.

وشبّهت كارلا باسيل، الباحثة الرئيسية في الدراسة، هذه المصفوفة بمجموعة من «براعم التذوق الرقمية»، إذ يقدم كل مستشعر استجابة مختلفة قليلاً، ثم تُستخدم الاستجابات مجتمعة لتكوين بصمة مميزة للرائحة.

ودُرّب النموذج على التعرف إلى الفراولة والتوت الأزرق والموز والجوز والبندق والكاجو والفول السوداني. كما اختبر الباحثون قدرته على التمييز بين الدجاج النيئ والحليب والبيض في حالتها الطازجة، وبعد تركها في درجة حرارة الغرفة لمدة 24 و48 ساعة.

صنّف الجهاز 16 حالة غذائية بدقة بلغت 92.6 في المائة (الجامعة)

رصد مسببات الحساسية

إلى جانب مراقبة فساد الطعام، اختبر الفريق إمكان استخدام الشريحة للكشف عن المكسرات التي قد تمثل خطراً على الأشخاص المصابين بحساسيات غذائية. وأظهرت التجارب أن النظام استطاع رصد 0.05 غرام من الجوز المعزول، وهي كمية تعادل تقريباً جزءاً من مائة من حبة جوز متوسطة بعد تقشيرها. لكن هذه النتيجة تحققت في ظروف تجريبية محددة. ولم يختبر الباحثون بعد قدرة الجهاز على اكتشاف الجوز عندما يكون جزءاً من طعام مركب، مثل السلطة أو الكعك، حيث تختلط رائحته بروائح مكونات أخرى. وينطبق القيد نفسه على الطعام الفاسد. فالدراسة اختبرت العينات بصورة منفصلة، وليس داخل ثلاجة ممتلئة بأطعمة متعددة وغازات وروائح متداخلة.

أنابيب كربونية بدلاً من التسخين

ليست فكرة الأنف الإلكتروني جديدة، إذ بدأ تطوير أجهزة تعتمد على مصفوفات من مستشعرات الغازات منذ عقود. لكن تصنيع عدد كبير من مواد الاستشعار المختلفة على شريحة واحدة ظل تحدياً، خصوصاً عندما تتطلب كل مادة خطوات تصنيع مستقلة.

استخدم فريق بيركلي ترانزستورات تعتمد على أنابيب الكربون النانوية بوصفها المادة الموصلة. ويمكن لهذه الأنابيب تكوين طبقات لا يتجاوز سمكها بضعة نانومترات، كما توفر مساحة سطح كبيرة تجعلها شديدة الحساسية للتفاعلات الكيميائية.

ويعمل الجهاز في درجة حرارة الغرفة، بخلاف مستشعرات أخرى تحتاج إلى التسخين. وأتاح ذلك للباحثين استخدام مواد حساسة متنوعة، منها البوليمرات التي قد تتدهور عند تعرضها لحرارة مرتفعة.

كما استخدم الفريق طريقة ترسيب بسيطة تسمح بوضع المواد المختلفة على الشريحة في خطوة واحدة، وهو ما يراه الباحثون مهماً لإمكان تصنيع هذه المستشعرات على نطاق أوسع.

قد تُستخدم التقنية مستقبلاً في الثلاجات الذكية ومراقبة سلامة الأغذية (الجامعة)

من المختبر إلى الثلاجات الذكية

ترى باسيل أن الثلاجات الذكية قد تكون من أبرز التطبيقات المحتملة لهذه التقنية، بحيث تتابع المستشعرات الروائح المنبعثة من الأطعمة وتحذر المستخدم عندما يقترب منتج ما من الفساد.

وقد طورت الباحثة، بعد انتهاء التجارب الواردة في الدراسة، نسخة محمولة يمكن تشغيلها عبر تطبيق على هاتف «آيفون». لكن هذا النموذج المحمول لم يكن جزءاً من النتائج المنشورة.

ولا يزال الجهاز بحاجة إلى اختبارات في بيئات أكثر تعقيداً، تشمل وجود عدة أطعمة وروائح في المكان نفسه، إلى جانب تحسين الحساسية والموثوقية قبل التفكير في استخدامه داخل الأجهزة المنزلية أو أنظمة مراقبة سلامة الغذاء.

تقدم الدراسة نموذجاً يجمع بين المستشعرات الدقيقة والتعلم الآلي للتعرف إلى الروائح بطريقة قابلة للقياس، لكنها لا تعني أن التقنية أصبحت جاهزة للاستخدام التجاري أو بديلاً فورياً لاختبارات سلامة الغذاء المعتمدة.


«تيك توك» تحذف 2.9 مليون فيديو مخالف في السعودية خلال ثلاثة أشهر

رُصدت 99.9 في المائة من المقاطع المخالفة استباقياً قبل بلاغات المستخدمين (رويترز)
رُصدت 99.9 في المائة من المقاطع المخالفة استباقياً قبل بلاغات المستخدمين (رويترز)
TT

«تيك توك» تحذف 2.9 مليون فيديو مخالف في السعودية خلال ثلاثة أشهر

رُصدت 99.9 في المائة من المقاطع المخالفة استباقياً قبل بلاغات المستخدمين (رويترز)
رُصدت 99.9 في المائة من المقاطع المخالفة استباقياً قبل بلاغات المستخدمين (رويترز)

حذفت منصة «تيك توك» نحو 2.9 مليون مقطع فيديو في السعودية خلال الربع الأخير من عام 2025، بعد اعتبارها مخالفة لإرشادات المجتمع، في وقت توسع فيه المنصة استخدام أنظمة الرصد الآلي لمراجعة المحتوى والتعامل معه قبل وصول بلاغات المستخدمين.

وحسب تقرير «إنفاذ إرشادات المجتمع» الذي يغطي الفترة من أكتوبر (تشرين الأول) إلى ديسمبر (كانون الأول) 2025، بلغ معدل الحذف الاستباقي في المملكة 99.9 في المائة، ما يعني أن الغالبية العظمى من المقاطع أزيلت قبل أن يبلغ عنها المستخدمون. كما قالت المنصة إن 98.4 في المائة من المحتوى المخالف أزيل خلال 24 ساعة.

وتراجع عدد المقاطع المحذوفة في السعودية مقارنة بالربع الثالث من العام نفسه، عندما سجلت المنصة نحو 3.86 مليون عملية حذف. ولا يوضح الرقم وحده ما إذا كان الانخفاض ناتجاً عن تراجع المحتوى المخالف، أو تغير حجم النشر، أو تعديلات في أنظمة التصنيف والإنفاذ.

أزيل 98.4 في المائة من المحتوى المخالف خلال أول 24 ساعة (شترستوك)

الاستئناف يعيد أكثر من 146 ألف فيديو

إلى جانب عمليات الحذف، أعادت «تيك توك» 146 ألفاً و314 مقطع فيديو في السعودية خلال الفترة نفسها، بعد مراجعة قرارات الإزالة أو قبول الاستئنافات المرتبطة بها.

وتبرز عمليات الاستعادة جانباً آخر من منظومة الإشراف، إذ إن ارتفاع الاعتماد على الأنظمة الآلية يسمح بمعالجة كميات كبيرة من المحتوى بسرعة، لكنه يجعل وجود آلية للاستئناف والمراجعة البشرية ضرورياً عند اعتراض أصحاب الحسابات على القرارات. ولا يحدد الرقم نسبة المقاطع المستعادة من إجمالي الاستئنافات المقدمة في المملكة، كما لا يوضح أنواع المخالفات التي كانت وراء القرارات التي جرى التراجع عنها.

175 مليون فيديو حُذفت عالمياً

على المستوى العالمي، أزالت «تيك توك» أكثر من 175.3 مليون فيديو خلال الربع الرابع من 2025، أي ما يعادل نحو 0.5 في المائة من إجمالي المحتوى المنشور على المنصة خلال تلك الفترة.

وجرى اكتشاف وإزالة أكثر من 152.5 مليون مقطع باستخدام تقنيات الرصد الآلي، بينما أعيد أكثر من 8.3 مليون فيديو بعد مراجعة القرارات. وبلغ معدل الحذف الاستباقي عالمياً 99.1 في المائة، في حين أزيل 93.4 في المائة من المحتوى المخالف خلال 24 ساعة.

وتعتمد المنصة على نموذج يجمع بين البرمجيات الآلية وفرق المراجعة البشرية. وتستخدم الأنظمة التقنية لتحديد الأنماط والمحتوى الذي قد يخالف السياسات، بينما يتدخل المختصون في الحالات التي تحتاج إلى تقييم أوسع للسياق أو عند تقديم الاستئنافات.

حذفت «تيك توك» نحو 2.9 مليون فيديو مخالف في السعودية خلال الربع الرابع من 2025

حسابات وهمية ومستخدمون دون السن

شملت إجراءات المنصة أيضاً الحسابات، إذ أزالت عالمياً أكثر من 147.7 مليون حساب اعتبرتها وهمية خلال الأشهر الثلاثة الأخيرة من 2025. كما حذفت نحو 23.9 مليون حساب للاشتباه في أنها تعود إلى أشخاص تقل أعمارهم عن 13 عاماً، وهو الحد الأدنى المعتاد لإنشاء حساب على المنصة في معظم الأسواق.

ولا تعني هذه الأرقام بالضرورة أن جميع الحسابات المحذوفة ثبت بصورة نهائية أنها تعود إلى أطفال دون السن المحددة، إذ يستخدم التقرير وصف الحسابات المشتبه فيها. وقد تعتمد عملية التحقق على الإشارات المرتبطة بالنشاط والمحتوى والبيانات المتاحة، مع إتاحة الاعتراض في بعض الحالات.

توسع إجراءات البث المباشر

امتدت عمليات الإنفاذ إلى خدمة البث المباشر، التي تمثل تحدياً مختلفاً عن الفيديوهات المسجلة بسبب طبيعتها الفورية وصعوبة مراجعتها قبل وصولها إلى الجمهور. وأوقفت «تيك توك» أكثر من 42.8 مليون بث مباشر مخالف عالمياً خلال الربع الرابع، بزيادة بلغت نحو 32.9 في المائة مقارنة بالربع السابق، الذي شهد تعليق نحو 32.2 مليون بث.

كما حظرت المنصة أكثر من 358 ألف مضيف للبث المباشر خلال الفترة نفسها. ولم تتضمن البيانات المقدمة رقماً منفصلاً يتعلق بعمليات حظر المضيفين أو إيقاف البث المباشر داخل السعودية.

أعادت المنصة أكثر من 146 ألف فيديو في السعودية بعد مراجعة القرارات أو قبول الاستئنافات (أ.ب)

إجراءات ضد تحقيق الدخل

لم تقتصر السياسات على إزالة المحتوى، بل شملت أيضاً إمكانية تحقيق الإيرادات من البث المباشر. وقالت المنصة إنها اتخذت إجراءات، تضمنت التحذير أو إيقاف تحقيق الدخل، بحق أكثر من 17.7 مليون بث مباشر ونحو 9.3 مليون صانع محتوى عالمياً بسبب مخالفة إرشادات تحقيق الدخل.

وفي المقابل، أعادت المنصة أكثر من 3.75 مليون بث مباشر خلال الفترة ذاتها، بعد مراجعة الإجراءات أو قبول الاعتراضات. وتهدف قواعد تحقيق الدخل إلى منع مكافأة المحتوى الذي يخالف السياسات، حتى عندما لا يؤدي الانتهاك مباشرة إلى حذف الحساب أو إيقاف الخدمة بالكامل.

أرقام المنصة والحاجة إلى قياس مستقل

تحاول «تيك توك» من تقارير الشفافية هذه إظهار حجم الإجراءات التي تتخذها وسرعة اكتشاف المحتوى المخالف وعدد القرارات التي يتم التراجع عنها. لكنها تعتمد أساساً على البيانات والتصنيفات التي تعدها المنصة نفسها. ولا توفر الأرقام وحدها صورة كاملة عن حجم المحتوى المخالف مقارنة بعدد المستخدمين أو المقاطع المنشورة في كل دولة، كما لا تفصل أنواع الانتهاكات المسجلة داخل السعودية أو الأسباب الأكثر شيوعاً للحذف. ومع توسع استخدام الأنظمة الآلية، تبقى سرعة الحذف ودقة القرارات وفعالية الاستئناف عناصر مترابطة في تقييم سلامة المنصة، خصوصاً عندما تُتخذ ملايين القرارات خلال فترة زمنية قصيرة.