هل يلبّي نموذج «الذكاء الاصطناعي الواحد» متطلبات عالم متعدد الأجهزة؟

«لينوفو» تختبر ما بعد المساعد الواحد عبر «كيرا»

تنسيق النماذج أصبح ضرورياً خصوصاً في بيئات المؤسسات التي تتطلب حلولاً متخصصة حسب القطاع (أدوبي)
تنسيق النماذج أصبح ضرورياً خصوصاً في بيئات المؤسسات التي تتطلب حلولاً متخصصة حسب القطاع (أدوبي)
TT

هل يلبّي نموذج «الذكاء الاصطناعي الواحد» متطلبات عالم متعدد الأجهزة؟

تنسيق النماذج أصبح ضرورياً خصوصاً في بيئات المؤسسات التي تتطلب حلولاً متخصصة حسب القطاع (أدوبي)
تنسيق النماذج أصبح ضرورياً خصوصاً في بيئات المؤسسات التي تتطلب حلولاً متخصصة حسب القطاع (أدوبي)

خلال العامين الماضيين، دار جزء كبير من نقاشات الذكاء الاصطناعي حول فكرة بسيطة تقوم على اختيار نموذج قوي واحد ووضعه خلف نافذة محادثة وترك المستخدمين يتفاعلون معه. لكن خلال حدث «Tech World» السنوي من «لينوفو» بالتزامن مع «معرض المنتجات الاستهلاكية» في لاس فيغاس، والذي حضرته «الشرق الأوسط»، بات واضحاً أن هذا التصور بدأ يفقد صلاحيته.

المرحلة التالية من الذكاء الاصطناعي لا تتعلق بمساعد واحد أو نموذج واحد يؤدي جميع المهام، بل بقدرة الأنظمة على التنسيق بين نماذج متعددة، وأجهزة مختلفة، ومصادر بيانات موزعة، وسياقات استخدام متغيرة.

يقدّم نظام «كيرا» (Qira) الذي أعلنت عنه «لينوفو» مثالاً عملياً على هذا التحول؛ إذ يعكس انتقال الصناعة من منطق «نموذج واحد لكل شيء» إلى بنية أكثر تعقيداً، يصبح فيها الذكاء الاصطناعي طبقة تنسيق ذكية تعمل في الخلفية.

من المحادثة إلى السياق

بدل تقديم «كيرا» بوصفه روبوت محادثة جديداً، تصفه «لينوفو» بأنه شكل من «الذكاء المحيطي»؛ أي نظام حاضر عبر الأجهزة المختلفة، يدرك السياق، ويقرر متى وكيف يتم تفعيل الذكاء الاصطناعي. وخلف هذا الوعد الموجّه للمستخدم، تكمن تحولات تقنية أعمق.

يقول تولغا كورتوغلو نائب الرئيس الأول والمدير التقني في «لينوفو»، في حديث خاص لـ«الشرق الأوسط»: «لا نعتقد أن هناك نموذجاً واحداً يمكنه الإجابة عن جميع الأسئلة. هذا ينطبق على الذكاء الاصطناعي الشخصي، وينطبق بشكل أكبر على الذكاء الاصطناعي في المؤسسات». هذه العبارة تختصر اتجاهاً متزايداً في القطاع؛ إذ لم يعد التحدي يكمن في قوة النموذج بحد ذاته، بل في اختيار النموذج المناسب، وتوجيه المهام إليه، وإدارة التنسيق بين نماذج متعددة تعمل معاً.

تولغا كورتوغلو نائب الرئيس الأول والمدير التقني في «لينوفو» (الشرق الأوسط)

في بدايات «المساعِدات الذكية»، كان الذكاء الاصطناعي يُصمم كوجهة واضحة؛ يفتح المستخدم تطبيقاً محدداً، يكتب سؤالاً، ويحصل على إجابة. وحتى مع تطور النماذج، بقي هذا الهيكل قائماً، مع نقطة دخول واحدة متصلة بعقل واحد. يأتي «كيرا» ليكسر هذا النمط، من خلال التعامل مع الذكاء الاصطناعي كبنية تحتية لا كواجهة. فالنظام، بحسب «لينوفو»، يعمل عبر الحواسيب والأجهزة اللوحية والهواتف الذكية والأجهزة القابلة للارتداء، ويوفر تجربة موحدة حتى وإن اختلف الاسم بين «Lenovo Qira» و«Motorola Qira».

ذكاء متعدد النماذج

ما يجعل هذا ممكناً ليس الاعتماد على نموذج واحد ضخم، بل بناء نظام قادر على الربط بين مزودي نماذج مختلفين، والعمل بسلاسة بين السحابة والمعالجة المحلية على الجهاز، والتكيف مع طبيعة المهمة والسياق والقيود التقنية. ويوضح كورتوغلو أن فكرة «كيرا» تقوم أساساً على الاتصال بعدة مزودي نماذج؛ إذ تُستخدم في السحابة نماذج عامة معروفة، في حين يتم على الجهاز تشغيل نماذج محلية تبدأ أحياناً كنماذج مفتوحة المصدر، ثم تخضع لعمليات تقطير وضغط وضبط لاحق للتدريب، إضافة إلى تحسينات خاصة بالمعمارية التقنية للجهاز.

هذا التمييز ليس تفصيلياً، بل جوهري؛ لأن تشغيل الذكاء الاصطناعي على حاسوب محمول يختلف جذرياً عن تشغيله على هاتف ذكي أو داخل مركز بيانات سحابي، سواء من حيث استهلاك الطاقة أو الذاكرة أو زمن الاستجابة. ولهذا تركّز «لينوفو» على مفهوم التنسيق بدل السعي وراء امتلاك «أذكى نموذج» في السوق.

«كيرا» من «لينوفو» يقدّم الذكاء الاصطناعي بوصفه طبقة تعمل في الخلفية عبر الأجهزة لا مجرد روبوت محادثة داخل تطبيق (الشرق الأوسط)

قائد الأوركسترا الخفي

في طرحها خلال «2026 CES» (معرض المنتجات الاستهلاكية)، تؤكد الشركة أن «كيرا» يعمل كقائد أوركسترا غير مرئي؛ ينسّق بين النماذج المختلفة، ويقرر أيها أنسب لكل مهمة، وأين يجب تنفيذ المعالجة، سواء على الجهاز أو عند «الحافة» أو في السحابة. كما يوازن النظام باستمرار بين دقة النتائج وزمن الاستجابة وتكلفة الحوسبة واستهلاك الطاقة، مع فهم مستمر لسياق المستخدم ونواياه واستمرارية تجربته عبر الأجهزة.

يشرح كورتوغلو أن هناك دائماً مفاضلة بين زمن الاستجابة وتكلفة الحوسبة ودقة النتائج، مضيفاً أن «لينوفو» تبني نظاماً يتعلم هذه المفاضلات مع الوقت. فاختيار النموذج لا يتم بشكل ثابت، بل يتطور بناءً على معرفة تراكمية بأداء النماذج المختلفة في مهام محددة، مثل البرمجة أو التحليل أو الترجمة.

باتت القيمة الحقيقية للذكاء الاصطناعي في اختيار النموذج الأنسب وتحديد مكان التنفيذ لا في قوة النموذج وحده (أدوبي)

التعايش لا الإقصاء

تزداد أهمية هذا النهج في بيئات المؤسسات، حيث تختلف احتياجات القطاعات جذرياً. فالنموذج الذي تحتاجه مؤسسة مالية لإدارة الثروات، لا يشبه النموذج الذي تحتاجه جهة صحية لدعم التشخيص أو إدارة العمليات الطبية. ويتوقع كورتوغلو أن يؤدي ذلك إلى ظهور عدد متزايد من النماذج الصغيرة والمتخصصة، ما يجعل وجود طبقة تنسيق ذكية شرطاً أساسياً للاستفادة من هذا التنوع بدل أن يتحول إلى عبء تقني.

ضمن هذا السياق، لا يسعى «كيرا» إلى استبدال الأدوات الأخرى أو منافستها بشكل مباشر. فعندما سألت «الشرق الأوسط» كورتوغلو عن العلاقة بين «كيرا» وأنظمة مثل «مايكروسوفت كوبايلوت» (Microsoft Copilot)، كان واضحاً في تأكيده على فكرة التعايش. يقول: «(كوبايلوت) و(كيرا) يتعايشان على الأجهزة. هناك بعض التداخل، لكن لدى (كيرا) مزايا فريدة، خاصة في العمل عبر الأجهزة المختلفة وبناء قاعدة معرفية شخصية». الفكرة هنا ليست فرض خيار واحد على المستخدم، بل إنشاء طبقة أعلى تنسّق بين الأدوات المختلفة، بحيث تبقى تجربة الاستخدام موحدة، في حين تدار التعقيدات التقنية خلف الكواليس.

أحد العناصر المحورية في «كيرا» هو مفهوم الذاكرة، ليس بوصفها سجل محادثات فحسب، بل كنظام فهم طويل الأمد يتطور مع الوقت وبموافقة المستخدم. تصف «لينوفو» ذلك بقاعدة معرفة شخصية تجمع التفاعلات والوثائق والاختيارات، وتتيح استمرارية حقيقية بين الأجهزة. ويؤكد كورتوغلو أن التجربة تبقى واحدة، سواء طرح المستخدم سؤاله من الحاسوب أو الهاتف أو جهاز آخر.

«كيرا» صُمم ليتعايش مع أدوات ذكاء اصطناعي أخرى مثل «كوبايلوت» بدل استبدالها أو إقصائها (أدوبي)

دعم اللغة العربية

وخلال لقائه مع «الشرق الأوسط»، أشار كورتوغلو إلى أن دعم اللغة العربية جزء من خطط «كيرا»، مؤكداً أن التوطين لا يقتصر على الترجمة، بل يشمل الاستفادة من نماذج محلية وتطوير القدرات عبر التدريب اللاحق، بالتعاون مع فرق محلية في مناطق مثل الرياض. ويعكس ذلك مرة أخرى قصور فكرة «نموذج عالمي واحد»، مقابل مرونة أنظمة التنسيق التي تسمح بتكييف الذكاء الاصطناعي مع الخصوصيات اللغوية والثقافية.

ورغم استخدام مصطلح «الذكاء المحيطي»، تحرص «لينوفو» على التأكيد أن التحدي الأكبر لا يكمن في جعل الذكاء الاصطناعي حاضراً دائماً، بل في ضبط توقيت تدخله. فالقيمة الحقيقية لا تتحقق إلا عندما يعرف النظام متى يقترح، ومتى يتدخل، ومتى يلتزم الصمت، دون أن يتحول إلى عنصر إزعاج أو تشتيت.

ويبقى نجاح «كيرا» كمنتج مسألة وقت وتجربة واعتماد فعلي. لكن كإشارة إلى اتجاه الصناعة، يعكس هذا الطرح تحولاً واضحاً من المساعدات الأحادية إلى الأنظمة المنسّقة. وفي هذه المرحلة، لم يعد التحدي هو جعل الآلة تجيب، بل جعلها تختار بحكمة.


مقالات ذات صلة

دراسة من ستانفورد: الذكاء الاصطناعي قد يعزز التفكير الوهمي

تكنولوجيا الدراسة حللت أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة لاكتشاف أنماط تفاعل روبوتات الدردشة (شاترستوك)

دراسة من ستانفورد: الذكاء الاصطناعي قد يعزز التفكير الوهمي

 تظهر الدراسة أن روبوتات الدردشة تميل لتأكيد آراء المستخدمين ما قد يعزز المعتقدات الخاطئة ويؤدي إلى دوامات وهمية مع مرور الوقت

تكنولوجيا نماذج الذكاء الاصطناعي الحديثة تعاني من مشكلة «الصندوق الأسود» التي تجعل قراراتها غير مفهومة للبشر (شاترستوك)

نهج جديد يمكّن الذكاء الاصطناعي من شرح قراراته

باحثو «MIT» يطورون طريقة تمكّن الذكاء الاصطناعي من تفسير قراراته بدقة ووضوح، ما يعزز الشفافية والثقة دون التضحية بالأداء.

تكنولوجيا تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)

«غوغل» تعيد تعريف البحث بالذكاء الاصطناعي المخصص

غوغل تطلق «الذكاء الشخصي» لربط بيانات المستخدم عبر خدماتها بهدف تقديم إجابات مخصصة مع الحفاظ على الخصوصية والتحكم الكامل للمستخدم.

نسيم رمضان (لندن)
تكنولوجيا يفتح الابتكار المجال لتطبيقات مستقبلية في التنقل والبيئات الواقعية المعقدة (شاترستوك)

روبوتات الدرّاجة تحقق توازناً ديناميكياً وتتجاوز العقبات

روبوت دراجة يحقق توازناً ديناميكياً ويتجاوز العقبات بسرعة مستفيداً من تصميم بسيط وتحكم متكيف يحاكي مهارات الإنسان في بيئات معقدة.

نسيم رمضان (لندن)
تكنولوجيا الذكاء الاصطناعي التوليدي انتقل من مرحلة التجارب إلى تحقيق عوائد مالية وتشغيلية ملموسة داخل الشركات (غيتي)

تقرير بالأرقام: الذكاء الاصطناعي يحقق عوائد ملموسة للشركات

الذكاء الاصطناعي يحقق عوائد ملموسة للشركات معززا الكفاءة والابتكار، لكن تحديات البيانات والتكلفة تعيق التوسع رغم زيادة الاستثمارات الكبيرة.

نسيم رمضان (لندن)

دراسة من ستانفورد: الذكاء الاصطناعي قد يعزز التفكير الوهمي

الدراسة حللت أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة لاكتشاف أنماط تفاعل روبوتات الدردشة (شاترستوك)
الدراسة حللت أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة لاكتشاف أنماط تفاعل روبوتات الدردشة (شاترستوك)
TT

دراسة من ستانفورد: الذكاء الاصطناعي قد يعزز التفكير الوهمي

الدراسة حللت أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة لاكتشاف أنماط تفاعل روبوتات الدردشة (شاترستوك)
الدراسة حللت أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة لاكتشاف أنماط تفاعل روبوتات الدردشة (شاترستوك)

مع ازدياد استخدام روبوتات الدردشة المعتمدة على الذكاء الاصطناعي في المحادثة وتقديم النصائح وحتى الدعم العاطفي، بدأت أبحاث جديدة تدرس تأثير هذه الأنظمة على المستخدمين مع مرور الوقت. وتكشف دراسة حديثة لباحثين مرتبطين بجامعة ستانفورد الأميركية عن خطر أقل وضوحاً، يتمثل في ميل هذه الأنظمة إلى تعزيز بعض المعتقدات بدلاً من تحديها.

تعتمد الدراسة على تحليل واسع لتفاعلات حقيقية، بهدف فهم كيفية استجابة نماذج اللغة في المحادثات الممتدة، وما الذي قد تعنيه هذه الاستجابات على إدراك المستخدم وصحته النفسية.

تحليل واسع النطاق

استندت الدراسة إلى تحليل أكثر من 391 ألف رسالة عبر نحو 5 آلاف محادثة مع روبوتات الدردشة. ويتيح هذا الحجم الكبير من البيانات رصد أنماط متكررة، بدلاً من الاكتفاء بحالات فردية. وضمن هذه البيانات، حدد الباحثون نسبة من المحادثات التي تضمنت مؤشرات على تفكير وهمي. ووفقاً للدراسة، فإن نحو 15.5في المائة من رسائل المستخدمين أظهرت هذه الخصائص، ما أتاح فرصة لفهم كيفية استجابة الأنظمة لهذه الحالات.

التحدي يكمن في تحقيق توازن بين دعم المستخدم وتعزيز التفكير النقدي دون ترسيخ معلومات مضللة (أدوبي)

أنماط تأكيد متكررة

أحد أبرز النتائج يتمثل في تكرار ميل روبوتات الدردشة إلى تأكيد ما يقوله المستخدم. فقد أظهرت البيانات أن الأنظمة غالباً ما تستجيب بطريقة داعمة أو متوافقة مع طرح المستخدم، بدلاً من التشكيك فيه. ورغم أن هذا الأسلوب قد يكون مفيداً في سياقات الدعم، فإنه يصبح إشكالياً عندما يتعلق الأمر بمعتقدات غير دقيقة أو وهمية، حيث قد يؤدي إلى تعزيز هذه الأفكار بدلاً من تصحيحها.

دوامات وهمية متصاعدة

يصف الباحثون هذه الظاهرة بمصطلح «الدوامات الوهمية»، حيث تؤدي التفاعلات المتكررة بين المستخدم والنظام إلى ترسيخ المعتقدات الخاطئة تدريجياً. ولا يحدث التأثير نتيجة استجابة واحدة، بل يتشكل مع مرور الوقت. فكلما استمر النظام في تأكيد وجهة نظر المستخدم، زادت قوة هذا الاعتقاد. وتتيح طبيعة المحادثة المستمرة لهذا النمط أن يتطور بشكل تدريجي دون انقطاع واضح.

تشير الدراسة إلى أن الذكاء الاصطناعي لا يخلق هذه المعتقدات من الصفر، بل يتفاعل مع أفكار موجودة مسبقاً لدى المستخدم.

وتزداد المخاطر في المحادثات الطويلة، حيث تتراكم أنماط التأكيد عبر الزمن. وفي هذه الحالة، يتحول النظام من مجرد أداة استجابة إلى عنصر مؤثر في توجيه مسار الحوار.

نحو 15.5 % من رسائل المستخدمين أظهرت مؤشرات على تفكير وهمي أو معتقدات غير دقيقة (غيتي)

تحديات في التصميم

تعكس هذه النتائج تحدياً أساسياً في تصميم أنظمة الذكاء الاصطناعي. إذ يتم تطوير كثير من روبوتات الدردشة لتكون مفيدة ومهذبة وداعمة، ما يدفعها إلى تبني أسلوب قائم على التوافق مع المستخدم. لكن هذه الخصائص نفسها قد تقلل من قدرتها على تصحيح الأخطاء أو تقديم وجهات نظر نقدية. ويظل تحقيق التوازن بين الدعم والتفكير النقدي تحدياً رئيسياً.

تتجاوز دلالات هذه الدراسة الجانب التقني لتصل إلى قضايا تتعلق بالسلامة. فمع استخدام هذه الأنظمة في مجالات تتضمن تقديم نصائح أو دعم شخصي، تصبح طريقة استجابتها أكثر حساسية.

وفي بعض الحالات، قد يؤدي تعزيز المعتقدات غير الدقيقة إلى تأثيرات فعلية على قرارات المستخدم أو حالته النفسية، ما يطرح تساؤلات حول كيفية تصميم هذه الأنظمة ومراقبتها.

نحو استخدام مسؤول

تشير الدراسة إلى ضرورة تطوير آليات أفضل للتقييم والضبط. فبدلاً من التركيز فقط على دقة الإجابات، ينبغي أيضاً فهم كيفية تصرف الأنظمة في المحادثات الطويلة والمعقدة.

ويشمل ذلك تحديد متى يجب على النظام التشكيك في بعض الطروحات أو تقديم توضيحات أو تجنب تأكيد معلومات غير موثوقة. ويعد تحقيق هذا التوازن خطوة أساسية في تطور الذكاء الاصطناعي.

الحاجة لمزيد من البحث

رغم أهمية النتائج، تؤكد الدراسة الحاجة إلى مزيد من الأبحاث لفهم تأثير هذه التفاعلات على المستخدمين على المدى الطويل.

فمع تحول الذكاء الاصطناعي من أداة تقدم معلومات إلى نظام يشارك في الحوار، يصبح من الضروري ضمان أن هذه التفاعلات تدعم الفهم ولا تعزز أنماطاً ضارة. وفي هذا السياق، لم يعد التحدي مقتصراً على تطوير أنظمة أكثر ذكاءً، بل يشمل أيضاً ضمان أن تكون أكثر وعياً بتأثيرها على الإنسان.


نهج جديد يمكّن الذكاء الاصطناعي من شرح قراراته

نماذج الذكاء الاصطناعي الحديثة تعاني من مشكلة «الصندوق الأسود» التي تجعل قراراتها غير مفهومة للبشر (شاترستوك)
نماذج الذكاء الاصطناعي الحديثة تعاني من مشكلة «الصندوق الأسود» التي تجعل قراراتها غير مفهومة للبشر (شاترستوك)
TT

نهج جديد يمكّن الذكاء الاصطناعي من شرح قراراته

نماذج الذكاء الاصطناعي الحديثة تعاني من مشكلة «الصندوق الأسود» التي تجعل قراراتها غير مفهومة للبشر (شاترستوك)
نماذج الذكاء الاصطناعي الحديثة تعاني من مشكلة «الصندوق الأسود» التي تجعل قراراتها غير مفهومة للبشر (شاترستوك)

مع تزايد اندماج أنظمة الذكاء الاصطناعي في قطاعات حساسة، مثل الرعاية الصحية والأنظمة ذاتية القيادة، يبرز سؤال أساسي: هل يمكن الوثوق بقراراتها؟

فعلى الرغم من أن النماذج الحديثة تحقق دقة عالية، فإن طريقة تفكيرها تظل في كثير من الأحيان غير واضحة. هذه «الصندوق الأسود» أصبحت واحدة من أبرز التحديات في هذا المجال. يقدّم باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) نهجاً جديداً يهدف إلى معالجة هذه المشكلة، من خلال تمكين أنظمة الذكاء الاصطناعي من تفسير قراراتها بطريقة مفهومة للبشر.

ما وراء الصندوق

في التطبيقات الواقعية، لا تكفي الدقة وحدها. فعندما يحدد نظام ذكاء اصطناعي مرضاً من صورة طبية أو يتخذ قراراً مرتبطاً بالسلامة، يحتاج المستخدم إلى فهم الأسباب التي قادت إلى هذا القرار. ومن دون هذه الشفافية، قد تفشل الأنظمة الدقيقة في كسب الثقة. وقد سعت تقنيات سابقة إلى فتح هذا «الصندوق الأسود»، لكنها غالباً ما قدّمت تفسيرات معقدة أو يصعب فهمها لغير المتخصصين. وهنا يكمن التحدي في تقديم تفسيرات دقيقة وفي الوقت نفسه واضحة.

الطريقة الجديدة تحسن التفسير دون التضحية بدقة الأداء بل قد تعززها (شاترستوك)

تفكير واعد

أحد الاتجاهات الواعدة يُعرف بنماذج «عنق الزجاجة المفاهيمي». في هذا النهج، يُجبر النظام على بناء قراراته على مفاهيم يمكن للبشر فهمها. فبدلاً من الانتقال مباشرة من البيانات الخام إلى النتيجة، يمرّ النموذج بمرحلة وسيطة يحدد فيها خصائص أو مفاهيم محددة قبل الوصول إلى القرار. لكن هذا الأسلوب واجه سابقاً بعض التحديات، إذ إن تحسين قابلية التفسير كان أحياناً يأتي على حساب الدقة، أو يؤدي إلى تفسيرات غير واضحة بما يكفي.

نهج جديد

طوّر فريق «MIT» طريقة محسّنة تهدف إلى تجاوز هذه القيود. يعتمد النظام على مكونين من التعلم الآلي يعملان معاً. الأول يستخرج المعرفة من نموذج موجود، والثاني يحول هذه المعرفة إلى مفاهيم مفهومة للبشر. يتيح هذا الإطار المزدوج «ترجمة آلية» لآلية عمل النماذج المعقدة إلى صيغة قابلة للفهم. والأهم أن هذه التقنية يمكن تطبيقها على نماذج رؤية حاسوبية مدرّبة مسبقاً، ما يجعلها قابلة للتعميم على نطاق واسع.

ومن أبرز ما يميز هذا النهج أنه لا يضحي بالأداء من أجل الشفافية. بل تشير النتائج إلى أنه يمكن أن يحسن دقة التنبؤ وجودة التفسير في الوقت نفسه. وهذا يتحدى افتراضاً شائعاً في تطوير الذكاء الاصطناعي، وهو أن التفسير يأتي دائماً على حساب الأداء. يمثل الجمع بين الاثنين خطوة مهمة نحو تطبيقات عملية موثوقة.

باحثو جامعة «MIT» يطورون نهجاً جديداً يمكّن النماذج من تفسير تنبؤاتها بطريقة مفهومة (شاترستوك)

تفسيرات أوضح

يتميز النظام بجودة التفسيرات التي يقدمها. فبدلاً من مخرجات تقنية معقدة، ينتج أوصافاً مبنية على مفاهيم واضحة يمكن للمستخدم فهمها بسهولة. وتكتسب هذه الميزة أهمية خاصة في البيئات الحساسة، حيث تحتاج القرارات إلى مراجعة وتقييم. فالتفسير الواضح يتيح للمستخدم التأكد من منطق القرار.

الهدف الأوسع لهذا البحث هو تعزيز الثقة في أنظمة الذكاء الاصطناعي. فعندما يتمكن المستخدم من فهم كيفية اتخاذ القرار، يصبح أكثر قدرة على تقييم دقته واكتشاف الأخطاء المحتملة. ويبرز هذا الأمر بشكل خاص في مجالات، مثل الرعاية الصحية، حيث قد تكون لأي خطأ عواقب كبيرة. فالتفسير لا يعزز الفهم فقط، بل يدعم الاستخدام المسؤول للتقنية.

أثر عملي واسع

تمتد آثار هذا التطور إلى ما هو أبعد من تطبيق واحد. مع توسع استخدام الذكاء الاصطناعي، تتزايد الحاجة إلى الشفافية من قبل المستخدمين والجهات التنظيمية على حد سواء. وقد تلعب هذه التقنيات دوراً محورياً في تلبية هذه المتطلبات، من خلال جعل قرارات الذكاء الاصطناعي أكثر وضوحاً وقابلية للمساءلة.

يعكس هذا النهج خطوة ضمن اتجاه أوسع في أبحاث الذكاء الاصطناعي. فلم يعد التركيز مقتصراً على بناء نماذج عالية الأداء، بل يتجه نحو تطوير أنظمة قادرة على تفسير قراراتها. هذا التحول يعكس فهماً أعمق لدور الذكاء الاصطناعي في الواقع. فالأداء وحده لم يعد كافياً، بل يجب أن تكون الأنظمة مفهومة وموثوقة ومتوافقة مع التوقعات البشرية. وفي هذا السياق، تصبح القدرة على تفسير القرارات ليست مجرد ميزة إضافية، بل شرطاً أساسياً للجيل القادم من أنظمة الذكاء الاصطناعي.


«غوغل» تعيد تعريف البحث بالذكاء الاصطناعي المخصص

تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)
تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)
TT

«غوغل» تعيد تعريف البحث بالذكاء الاصطناعي المخصص

تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)
تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)

أعلنت شركة «غوغل» عن توسع جديد في قدرات الذكاء الاصطناعي لديها تحت مفهوم أطلقت عليه «الذكاء الشخصي» (Personal Intelligence) في خطوة تهدف إلى جعل أنظمة البحث والمساعدات الرقمية أكثر فهماً للسياق الفردي لكل مستخدم، بدلاً من الاكتفاء بإجابات عامة. هذا التوجه الذي جاء في مدونة رسمية عبر موقع الشركة يمثل تحولاً في طريقة عمل الذكاء الاصطناعي، من تقديم معلومات موحدة إلى تقديم استجابات مخصصة تستند إلى بيانات المستخدم ونشاطه عبر خدمات «غوغل» المختلفة.

تحول في البحث

لطالما اعتمدت محركات البحث على مطابقة الكلمات المفتاحية لتقديم نتائج ذات صلة. إلا أن «غوغل» ترى أن هذا النموذج لم يعد كافياً في ظل تنوع احتياجات المستخدمين. وبحسب ما أوضحته الشركة، فإن «الذكاء الشخصي» يهدف إلى تقديم إجابات تأخذ في الاعتبار السياق الفردي، بحيث يحصل كل مستخدم على نتائج تتناسب مع اهتماماته وتاريخه الرقمي.

يعتمد هذا النهج على ربط المعلومات بين عدد من تطبيقات «غوغل»، مثل «جيميل» و«صور غوغل» و«يوتيوب» وسجل البحث، وذلك في حال موافقة المستخدم على تفعيل هذه الميزة. ويتيح هذا التكامل لأنظمة الذكاء الاصطناعي، مثل (جيميناي) «Gemini» ووضع الذكاء الاصطناعي في البحث، الاستفادة من هذا السياق لتقديم إجابات أكثر دقة وارتباطاً باحتياجات المستخدم.

«غوغل» تطلق مفهوم «الذكاء الشخصي» لتقديم استجابات تعتمد على السياق الفردي لكل مستخدم (أ.ف.ب)

تجربة أكثر تخصيصاً

وفقاً لـ«غوغل»، يمكن للنظام الجديد «ربط النقاط» بين بيانات المستخدم المختلفة، ما يسمح بتقديم توصيات وملخصات واقتراحات أكثر تخصيصاً. فعلى سبيل المثال، بدلاً من تقديم اقتراحات عامة للسفر، يمكن للنظام الاستناد إلى اهتمامات المستخدم السابقة أو نشاطه الرقمي لتقديم خيارات أكثر ملاءمة. ويمثل ذلك انتقالاً من الذكاء الاصطناعي كأداة عامة إلى ما يشبه المساعد الشخصي الذي يتكيف مع المستخدم بمرور الوقت.

التحكم بيد المستخدم

أكدت «غوغل» أن استخدام هذه الميزة يعتمد على موافقة المستخدم، حيث يمكنه اختيار التطبيقات التي يرغب في ربطها، أو إيقاف الميزة بالكامل. وأوضحت الشركة أن البيانات الشخصية من خدمات مثل «جيميل» و«صور غوغل» لا تُستخدم لتدريب نماذج الذكاء الاصطناعي، بل تُستعمل لتوفير سياق ضمن التفاعل مع المستخدم فقط.

توازن مع الخصوصية

يبرز هذا التوجه تحدياً معروفاً في تطوير الذكاء الاصطناعي، وهو تحقيق التوازن بين التخصيص والخصوصية. فكلما زادت قدرة النظام على الوصول إلى البيانات، زادت دقة التوصيات، لكن ذلك يثير في الوقت نفسه تساؤلات حول حدود استخدام البيانات الشخصية. وتحاول «غوغل» معالجة هذا التحدي من خلال نموذج يعتمد على الشفافية ومنح المستخدم تحكماً أكبر في بياناته.

التحدي الرئيسي يتمثل في تحقيق توازن بين التخصيص العميق وحماية الخصوصية (شاترستوك)

ما بعد الإجابات

يعكس إطلاق «الذكاء الشخصي» توجهاً أوسع في مجال الذكاء الاصطناعي، حيث لم يعد الهدف مجرد الإجابة عن الأسئلة، بل فهم نية المستخدم والسياق المحيط به. ومن خلال دمج البيانات الشخصية، يمكن للأنظمة الانتقال من تقديم إجابات ثابتة إلى تفاعلات أكثر ديناميكية. من المتوقع أن ينعكس هذا التطور على الاستخدام اليومي للتكنولوجيا، حيث يمكن للأنظمة المخصصة أن تسهم في تسريع إنجاز المهام مثل التخطيط للسفر، أو العثور على معلومات سابقة، أو اتخاذ قرارات مبنية على بيانات شخصية. كما قد تقل الحاجة إلى إدخال نفس المعلومات بشكل متكرر، إذ يصبح النظام قادراً على استنتاج السياق من التفاعلات السابقة.

اتجاه مستقبلي

يمثل «الذكاء الشخصي» خطوة أولى نحو جيل جديد من أنظمة الذكاء الاصطناعي التي تجمع بين البحث والمساعدة الرقمية والتخصيص العميق. ومع ذلك، يبقى نجاح هذا النهج مرتبطاً بمدى ثقة المستخدمين، إذ ستلعب الشفافية والتحكم في البيانات دوراً حاسماً في تبني هذه التقنيات. في المحصلة، لا يتعلق هذا التوجه بجعل الذكاء الاصطناعي أكثر ذكاءً فحسب، بل بجعله أكثر ارتباطاً بالمستخدم نفسه، في تحول قد يعيد تعريف كيفية تفاعل الأفراد مع التكنولوجيا في حياتهم اليومية.