تقنيات حديثة تُطور صناعة السيارات ذاتية القيادة

أحدثها روبوتات الدردشة الذكية

تجربة عملية لاختبار روبوت الدردشة في السيارات ذاتية القيادة (جامعة بوردو)
تجربة عملية لاختبار روبوت الدردشة في السيارات ذاتية القيادة (جامعة بوردو)
TT

تقنيات حديثة تُطور صناعة السيارات ذاتية القيادة

تجربة عملية لاختبار روبوت الدردشة في السيارات ذاتية القيادة (جامعة بوردو)
تجربة عملية لاختبار روبوت الدردشة في السيارات ذاتية القيادة (جامعة بوردو)

تتطور صناعة السيارات ذاتية القيادة بسرعة، مدفوعة بعدة تقنيات حديثة في مقدمتها الذكاء الاصطناعي الذي يتيح للسيارات تحليل البيانات واتخاذ القرارات في الوقت الحقيقي، بالإضافة لأجهزة الاستشعار المتطورة مثل الرادارات والكاميرات التي تساعد في اكتشاف العقبات وتحديد المسارات والتعامل مع حركة المرور، وتجنب العوائق.

كما تساهم أنظمة الملاحة الذكية في تحسين تجربة القيادة، حيث توفر توجيهات دقيقة وتحديثات حية حول حركة المرور. بالإضافة إلى ذلك، تسهم تقنيات الاتصال المتطور في تعزيز التواصل بين السيارات والبنية التحتية، ما يزيد من تحسين السلامة على الطرق، وتقليل الحوادث الناتجة عن الخطأ البشري، وتقديم حلول نقل أكثر كفاءة وراحة.

التجربة أثبتت قدرة النماذج اللغوية الكبيرة على تعزيز أداء السيارات ذاتية القيادة (جامعة بوردو)

روبوتات الدردشة

وبعدما اقتحمت تقنيات الذكاء الاصطناعي التوليدي، مثل روبوت الدردشة الشهير «تشات جي بي تي»، العديد من المجالات، جاء الدور على السيارات ذاتية القيادة.

تخيل أنك تقول لسيارتك: «أنا في عجلة من أمري»، فتقوم السيارة تلقائياً باختيار الطريق الأسرع للوصول إلى وجهتك. ووجد مهندسو جامعة بوردو الفرنسية أن السيارة ذاتية القيادة يمكنها تنفيذ ذلك بمساعدة «تشات جي بي تي» أو روبوتات الدردشة الأخرى، وذلك بعد إجراء تجربة عملية.

وأوضح الباحثون أن دراستهم، التي عُرضت في 25 سبتمبر (أيلول) 2024، أمام المؤتمر الدولي السابع والعشرين لأنظمة النقل الذكية (IEEE) في كندا، تُعد من بين أولى التجارب التي تختبر قدرة السيارات ذاتية القيادة على تفسير الأوامر الصوتية البشرية وتنفيذها بدقة. وتعتمد هذه النماذج على كميات هائلة من البيانات النصية وتتعلم بمرور الوقت، ما يجعلها قادرة على الاستجابة للأوامر بشكل أكثر إنسانية مقارنة بأنظمة التحكم التقليدية.

شملت التجارب أوامر مباشرة مثل «قُدْ بسرعة أكبر»، وأخرى غير مباشرة مثل «أشعرُ بالغثيان»، مع تزويد النماذج بالمعايير اللازمة، مثل قواعد المرور وحالة الطرق وأجهزة الاستشعار الخاصة بالسيارة. وأثبتت التجارب أن هذه النماذج تُحسّن استجابة السيارة، ما يجعل تجربة القيادة أكثر راحة.

وأوضح الباحثون أن الأنظمة التقليدية في السيارات تتطلب الضغط على أزرار أو استخدام نظام التعرف على الصوت الذي يحتاج إلى دقة في الكلام، بينما تتميز النماذج اللغوية الكبيرة بقدرتها على فهم الأوامر الصوتية البشرية بصورة أكثر دقة.

تحديات الاستجابة السريعة والهلوسة

الدكتور ران وانغ، الأستاذ المساعد في كلية الهندسة بجامعة بوردو والباحث الرئيسي للدراسة، يرى أن التجارب أثبتت قدرة النماذج اللغوية الكبيرة على تعزيز أداء السيارات ذاتية القيادة، لكن لا تزال هناك تحديات تحتاج إلى معالجة.

وأضاف لـ«الشرق الأوسط» أن دمج روبوتات الدردشة بالكامل في المركبات ذاتية القيادة يتطلب تحسينات ضرورية، أبرزها تقليل زمن الاستجابة للأوامر إلى أقل من 1.6 ثانية لضمان التصرف السريع في الحالات الطارئة، ومعالجة مشكلة «الهلاوس» التي قد تؤدي إلى تفسير الأوامر بشكل خاطئ، مما يشكل تهديداً للسلامة، إلى جانب اختبار هذه النماذج في بيئات متنوعة مثل الظروف الجوية المتغيرة وحركة المرور المعقدة لضمان دقتها.

وتوقع وانغ تطوراً في المستقبل لتلك النماذج لتعزيز التواصل بين الركاب والمركبات ذاتية القيادة، مشيراً إلى أن دمج وسائل متعددة للتواصل مثل الصوت والنص والصور سيساهم في تحسين التفاعل الطبيعي بين الركاب والمركبة، كما يمكن لتلك النماذج التفاعل بشكل استباقي عبر اقتراح مسارات أو تقديم تحذيرات بناءً على سلوك الركاب، ما يعزز من فعالية وسلامة حركة المرور.

تقنيات القيادة الذاتية

وتعد السيارات ذاتية القيادة واحدة من أبرز الابتكارات التي تعتمد على مجموعة متكاملة من التقنيات المتطورة التي تعزز من قدرتها على التنقل بأمان وفعالية.

من بين هذه التقنيات، تبرز تقنية «الليدار» (Lidar)، التي تعني «كشف الضوء وتحديد المدى». وتستخدم هذه التقنية الليزر لإنشاء خرائط ثلاثية الأبعاد عالية الدقة للبيئة المحيطة بالسيارة، من خلال إرسال أشعة ليزر، وقياس الوقت الذي تستغرقه للعودة، ما يوفر معلومات دقيقة حول المسافات والأشكال. وتُعتبر هذه التقنية حيوية لاكتشاف العقبات مبكراً.

أيضاً، تُتيح تقنية «الاتصال بين المركبات وكل شيء» (V2X Communication) للمركبات التواصل مع بعضها البعض ومع البنية التحتية، مثل إشارات المرور، لتحسين إدارة حركة المرور وزيادة الأمان. وتساعد هذه التكنولوجيا في تقليل الحوادث وزيادة كفاءة حركة المرور.

تأتي أيضاً تقنية الحوسبة السحابية (Cloud Computing)، التي توفر بنية تحتية قوية لتخزين البيانات ومعالجتها بشكل مركزي. ومن خلال استخدام السحابة، يمكن للسيارات جمع كميات هائلة من البيانات من حساسات متعددة وتبادل المعلومات بشكل فوري؛ ما يتيح تحديثات في الوقت الحقيقي ويُحسن نماذج التعلم الآلي. وتساهم هذه العملية في تعزيز دقة وموثوقية أنظمة القيادة الذاتية.

ومع اعتماد السيارات على الاتصال الشبكي لتبادل المعلومات، يصبح تأمين هذه البيانات أمراً بالغ الأهمية. وهنا يأتي دور تقنيات الأمن السيبراني لحماية المركبات من الاختراقات والتهديدات الأمنية، من خلال تشفير البيانات لحماية المعلومات الحساسة ونظم اكتشاف التسلل للكشف عن الأنشطة المشبوهة قبل أن تتسبب في ضرر.



لماذا يفقد الجمهور ثقته في الذكاء الاصطناعي التوليدي؟

لماذا يفقد الجمهور ثقته في الذكاء الاصطناعي التوليدي؟
TT

لماذا يفقد الجمهور ثقته في الذكاء الاصطناعي التوليدي؟

لماذا يفقد الجمهور ثقته في الذكاء الاصطناعي التوليدي؟

انطلق عصر الذكاء الاصطناعي بوعودٍ واسعة النطاق ونقاشاتٍ حول إمكانياتٍ لا حدود لها، كما تكتب لويز ك. ألين(*).

تفاؤل وخيبة

والآن، وبعد سنواتٍ من الخبرة العملية، لا يزال الخبراء متفائلين بشأن التأثير طويل الأمد للذكاء الاصطناعي. وفي الوقت نفسه، يتفق معظم الناس على أن مساهماته في الحياة اليومية كانت مخيِّبة للآمال، إن لم تكن أسوأ من ذلك.

وحتى بصفتي واحدة من العاملات في القيادة التقنية بهذا المجال، لا بد لي من الاعتراف بأن استياء المستهلكين من الذكاء الاصطناعي له ما يبرره إلى حد كبير، فقد اتسمت تجربة المواطن الأميركي العادي مع الذكاء الاصطناعي التوليدي، حتى الآن، بتراجع الجودة وازدياد انعدام الثقة.

قصص وهمية في وسائل الاتصال الاجتماعي

تعجّ وسائل التواصل الاجتماعي بأشخاصٍ وقصصٍ وهمية، وتمتلئ الأسواق الإلكترونية بشكلٍ متزايد بعمليات الاحتيال المدعومة بالذكاء الاصطناعي. وغالباً ما تفشل مبادرات الشركات في تحقيق التوقعات المالية، بل إن عدداً منها زاد من صعوبة حياة العاملين.

لقد بات فشل أدوات الذكاء الاصطناعي العام في تحقيق الضجة الإعلامية الكبيرة التي أثيرت حولها، أمراً مُسلَّماً به عالمياً، حتى إن قاموس ميريام-ويبستر نفسه أعلن اختياره كلمة «هراء» ككلمة عام 2025.

«التحديد الدقيق والموجّه»

ومع ذلك، تتاح للجمهور، الآن، فرصة لتغيير هذا الواقع في عام 2026. ويبدأ ذلك بتوظيف مفهوم «التحديد الدقيق (specificity)» ككلمة تُعرِّف ما هو مقبل.

وفي حقيقة الأمر، فإن شركات التكنولوجيا وباحثي الذكاء الاصطناعي بالغوا في تقدير القدرات الفعلية لهذه التقنية منذ البداية، فقد ركّز هؤلاء الرواد على الإمكانات الكامنة، بدلاً من النتائج العملية. لقد صوّروا الذكاء الاصطناعي على أنه ضرورة يجب على الشركات اتباعها لمواكبة التطورات، بدلاً من كونه أداةً يمكن للمؤسسات والأفراد استخدامها لتحقيق أهداف محددة.

التكنولوجيا وسيلة وليست غاية

لتطوير هذه التقنية وتحقيق رؤيتهم لمستقبل مُحسَّن بالذكاء الاصطناعي، سيتعيّن على القادة التوقف عن مناشدة الجمهور لتغيير الخطاب حول الذكاء الاصطناعي.

إن الطريق إلى الأمام بسيط للغاية، إذ يحتاج قادة التكنولوجيا إلى العودة إلى أساسيات المنتج. عليهم أن يتقبلوا فكرة أن التكنولوجيا وسيلة لتحقيق غاية، وليست غاية في حد ذاتها، وهذا يعني إعادة تركيز استراتيجيات التطوير والتواصل على حلول للمشاكل الحقيقية.

خطوات التحديد الدقيق «الموجّه»

1. التصميم الموجَّه للأفراد لا «المستخدمين»

إن إغراء بناء أدوات عامة الأغراض مفهوم، لكن القيام بذلك باستخدام التكنولوجيا الحالية يُضعف فائدتها. وستكون أدوات الذكاء الاصطناعي، اليوم، أكثر فاعلية عندما تُصمم خصوصاً لأفراد محددين في أدوار محددة. يجب أن تُوجه هذه المعرفة عملية ابتكار المنتج، والتدريب، والتسويق، وتكتيكات المبيعات.

2. التركيز على النتائج بدلاً من القدرات

الذكاء الاصطناعي ليس مختلفاً عن أي منتج آخر. لن يستخدمه الناس إلا إذا حل مشكلة موجودة لديهم بالفعل. ويفشل كثير من أدوات الذكاء الاصطناعي في تحقيق هذا الهدف، فهي تركز على ما يمكن للنموذج فعله، بدلاً من التمعن في فهم أسباب أهمية ما يفعله.

3. التوقف عن تقديم وعود خيالية

قد يُمثل الذكاء الاصطناعي، اليوم، مستقبلاً يمكن فيه تحقيق التحسين الشامل، لكن هذا ليس صحيحاً. يجب أن تعكس خطط تطوير المنتجات هذه الحقيقة. إنّ الوضوح والمباشرة بشأن ما هو متاح الآن وما سيكون متاحاً في المستقبل يُساعدان على تخفيف الإرهاق الناتج عن الضجة الإعلامية واستعادة الثقة.

حان وقت إعادة النظر

بصفتي مديرة للمنتجات، شاهدتُ عدداً من الأمثلة على الاستخدام الأمثل للذكاء الاصطناعي، خلال السنوات القليلة الماضية.

ومع ذلك، أُدرك أن أسباب انعدام ثقة الجمهور أو عدم اهتمامه الواسع النطاق تقع في معظمها على عاتق قطاع التكنولوجيا، ذلك أن رغبة هذا القطاع في إنجاز كل شيء دفعة واحدة، خلقت بيئةً لا يثق فيها الناس بقدرة التكنولوجيا على القيام بأي شيء مفيد.

إنها حقيقةٌ يصعب تقبّلها، لكن أي قائد تقني يُنكر ذلك يُخدع نفسه. ومع ذلك، لم يفت الأوان بعدُ لتصحيح الوضع. إذا كان القادة على استعداد لتقبُّل هذه الحقيقة وإعادة توجيه استراتيجياتهم نحو «التحديد»، فسيكون هناك متسع من الوقت لإعادة النظر، وإعادة التقييم، وتحقيق رؤية مستقبلٍ مُحسَّن. يجب أن يحدث هذا قريباً، وإلا فسيضيع مستقبل الذكاء الاصطناعي هباءً.

*مجلة «إنك»، خدمات «تريبيون ميديا»


مجتمعات كاملة وتجارب إنسانية... لا تزال خارج نطاق الذكاء الاصطناعي

نافذة على عالمين_ أحدهما لا يفهم الآخر
نافذة على عالمين_ أحدهما لا يفهم الآخر
TT

مجتمعات كاملة وتجارب إنسانية... لا تزال خارج نطاق الذكاء الاصطناعي

نافذة على عالمين_ أحدهما لا يفهم الآخر
نافذة على عالمين_ أحدهما لا يفهم الآخر

في القاعات الكبرى، حيث تُصاغ البيانات وتُعلن المبادئ بلغة تبدو مكتملة، يظهر الذكاء الاصطناعي كأنه يسير بثقة نحو مستقبل أكثر عدلاً وإنصافاً. تُرفع شعارات الشفافية، وتُكرَّر مفاهيم الحوكمة، وتُقدَّم العدالة الخوارزمية كأنها حقيقة قريبة لا جدال فيها.

لكن خلف هذا الانسجام الظاهري، يبقى سؤال أكثر إزعاجاً، وأقل حضوراً:

هل ما يُقال في هذه القاعات يعكس فعلاً ما يحدث خارجها، أم أنه يكتفي بصياغة عالمٍ مثالي لا وجود له في الواقع؟

أخلاقيات داخل حدود البيانات

تركّز معظم النقاشات العالمية حول أخلاقيات الذكاء الاصطناعي على قضايا تبدو مكتملة: التحيّز، والخصوصية، والشفافية، والمسؤولية. وهي دون شك قضايا حقيقية، لكنها تنطلق من افتراض خفيّ نادراً ما يُناقش: أن المشكلة تكمن في كيفية استخدام البيانات، لا في حدودها.

لكن السؤال الأكثر عمقاً، والأقل طرحاً، هو: ماذا عن أولئك الذين لا تُمثّلهم البيانات أصلاً؟ فالذكاء الاصطناعي، مهما بلغ من تعقيد، لا يرى العالم كما هو، بل كما يُقدَّم له. وما لا يدخل في بياناته، لا يدخل في حساباته... ولا في قراراته. وهنا لا يكون الخطأ في الخوارزمية، بل في العالم الذي اختُصر داخلها.

ما لا تراه الخوارزميات

عالم خارج الرؤية الخوارزمية

في مساحات واسعة من هذا العالم، لا تُقاس المعاناة ولا تُسجَّل، ولا تتحول إلى بيانات يمكن للآلة أن تفهمها. هناك أمراض لا تصل إلى مرحلة التشخيص، وصدمات لا تُوثَّق، وواقع صحي كامل يظل خارج أي نموذج تنبؤي.

في مثل هذه البيئات، لا يكون التحيّز نتيجة خلل تقني في الخوارزمية، بل نتيجة غياب الصورة من الأساس. فالمشكلة ليست في طريقة التحليل... بل فيما لم يُحلَّل أصلاً.

وهنا يتبدّل معنى العدالة نفسها. فكيف يمكن الحديث عن «عدالة خوارزمية» في عالمٍ لم يُمثَّل رقمياً بعد؟ وهل يمكن للذكاء الاصطناعي أن يكون منصفاً... إذا كان لا يرى الجميع؟

عندما لا تكفي الأخلاقيات

في القمم العالمية، يُقدَّم الذكاء الاصطناعي كأداة يمكن تهذيبها أخلاقياً، وكأن المشكلة تكمن فقط في ضبط سلوك الخوارزمية من داخل النظام الذي أنشأها. تُناقش المبادئ، وتُصاغ الأطر، ويبدو وكأن الحل يكمن في تحسين ما هو قائم. لكن هذا التصور يخفي افتراضاً أعمق: أن جميع المشكلات قابلة للحل من داخل النظام نفسه. بينما يهمس الواقع بشيء مختلف تماماً.

فهناك معاناة لا تنتظر «حوكمة» الخوارزمية... بل تنتظر أن تُرى. وهناك بشر لا يحتاجون إلى خوارزميات أكثر عدلاً، بل إلى أن يدخلوا أصلاً في مجال رؤيتها.

ما بين الخطاب والواقع: درس من قمة الهند

كما ظهر في نقاشات القمة العالمية للذكاء الاصطناعي في الهند، التي رفعت شعار «الذكاء الاصطناعي المسؤول»، بدا أن التركيز ينصب على مبادئ الحوكمة، والشفافية، وتقليل التحيّز داخل الأنظمة. لكن ما تكشفه هذه النقاشات، رغم أهميتها، هو فجوة أعمق: أن الخطاب الأخلاقي العالمي يفترض وجود عالم ممثَّل بالكامل داخل البيانات... بينما الواقع مختلف تماماً. فما لا يُقال في هذه القاعات، ليس فقط حدود التقنية، بل حدود الرؤية نفسها... إذ توجد مجتمعات كاملة خارج نطاق النماذج، وتجارب إنسانية لا تصل إلى أنظمة الذكاء الاصطناعي، وبالتالي لا تدخل في أي إطار أخلاقي يُناقش.

* عدم الاستقرار البيئي أو الضغوط النفسية من العوامل التي لا يمكن قياسها ولا تدخل إلى الأدوات الذكية *

حدود ما يمكن قياسه

في دراسة حديثة نُشرت عام 2026 في مجلة «نيتشر ميديسن» (Nature Medicine)، أظهرت نماذج تنبؤية طوّرها باحثون في جامعة ستانفورد قدرة متقدمة على تحليل البيانات الصحية، واستباق المخاطر قبل حدوثها. ومع ذلك، توقفت هذه النماذج عند حدود واضحة عندما يتعلق الأمر بعوامل لا تُقاس بسهولة، مثل عدم الاستقرار البيئي أو الضغوط النفسية التي لا تجد طريقها إلى السجلات الطبية.

وهنا لا تنكشف حدود التقنية فحسب، بل حدود الفكرة التي تقوم عليها.

فالمشكلة ليست في دقة ما نقيس، بل في افتراضٍ أعمق: أن كل ما هو مهم... يمكن قياسه.

لكن الواقع أكثر تعقيداً من ذلك. فبعض أهم محددات الصحة لا تُكتب في البيانات، ولا تُترجم إلى أرقام، ومع ذلك تظل الأكثر تأثيراً في حياة الإنسان.

ما بعد الأخلاقيات

قد تنجح القمم في صياغة مبادئ أخلاقية للذكاء الاصطناعي، وتبدو هذه المبادئ مكتملة في نصوصها ومنطقها. لكن التحدي الحقيقي لا يبدأ داخل هذه الأطر، بل خارجها.

في تلك المساحات التي لا تصلها البيانات، ولا تلامسها النماذج، ولا تختزلها الأرقام، هناك يتغيّر السؤال نفسه. فلا يعود السؤال:

هل الذكاء الاصطناعي أخلاقي؟ بل يصبح أكثر عمقاً وإلحاحاً: هل يستطيع أن يرى ما يجب أن يكون أخلاقياً تجاهه؟


أول مهمة مأهولة إلى القمر منذ 50 عاماً

شكل تصويري لمركبة «أوريون» قرب القمر
شكل تصويري لمركبة «أوريون» قرب القمر
TT

أول مهمة مأهولة إلى القمر منذ 50 عاماً

شكل تصويري لمركبة «أوريون» قرب القمر
شكل تصويري لمركبة «أوريون» قرب القمر

سترسل وكالة الطيران والفضاء الاميركية ناسا، أربعة رواد فضاء في مهمة أرتميس 2 في رحلة تستغرق 10 أيام حول القمر للتمهيد لهبوط على سطحه في المستقبل وإقامة قواعد دائمة عليه.