ذكاء اصطناعي «شديد الحساسية للرائحة» يكتشف المصنوعات المقلَّدة

نجح في رصد المزيفة منها بنسبة 95 %

ذكاء اصطناعي «شديد الحساسية للرائحة» يكتشف المصنوعات المقلَّدة
TT

ذكاء اصطناعي «شديد الحساسية للرائحة» يكتشف المصنوعات المقلَّدة

ذكاء اصطناعي «شديد الحساسية للرائحة» يكتشف المصنوعات المقلَّدة

ابتكر أليكس ويلشكو، مؤسس شركة الذكاء الاصطناعي «أوسمو»، وفريقه نسخة «ألفا» من جهاز خيالي بحجم حقيبة الظهر مزودة بمستشعر شمّ يستخدم الذكاء الاصطناعي لتحديد المنتجات المقلدة من خلال تحليل تركيبها الكيميائي.

وأقامت شركة «أوسمو» (Osmo) شراكة مع منصات إعادة بيع الأحذية الرياضية لإظهار أن اختبار الشم عالي التقنية قادر على تحديد المنتجات المزيفة بدرجة عالية من الدقة.

الجزيئات المتطايرة تحدد الرائحة

كل شيء في العالم له رائحة، من الملابس إلى السيارات إلى جسمك. هذه الروائح هي جزيئات متطايرة، أو كيمياء «تطير» من تلك الأشياء وتصل إلى أنوفنا لتخبرنا بالأشياء. ويختبر الإنسان ذلك بوعي ووضوح عندما يكون هناك شيء جديد قرب أنفه، مثل شم سيارة جديدة أو زوج من الأحذية الرياضية. لكن حتى عندما لا تلاحظ الروائح، فإن الجزيئات موجودة دائماً.

رائحة المنتجات المقلَّدة

الأحذية المقلدة لها رائحة مختلفة عن الأحذية الحقيقية. إذ لا تختلف الأحذية الرياضية الأصلية والمقلدة في المواد، فحسب، لكن في التركيب الكيميائي. حتى الآن، اعتمدت شركات مثل «استوكس» (StockX) على اختبارات الشم البشري والفحص البصري لتمييز الأصالة - وهي عملية تتطلب عمالة مكثفة ومكلفة. وتهدف التقنية الجديدة إلى تبسيط العملية.

خريطة تحليل الفوارق اللونية

تدريب الذكاء الاصطناعي على الاختلافات الجزيئية

ووفقاً لويلشكو، درَّب فريقه «الذكاء الاصطناعي باستخدام أجهزة استشعار شديدة الحساسية للتمييز بين هذه الاختلافات الجزيئية».

وستغير هذه التكنولوجيا كيفية إجراء عمليات التحقق من الأصالة في الصناعات التي تعتمد تقليدياً على التفتيش اليدوي والحدس. وتهدف إلى رقمنة هذه العملية، وإضافة الاتساق والسرعة والدقة.

20 ثانية للتمييز بين المزيف والحقيقي

ويضيف أن آلة «أوسمو» تستغرق الآن نحو 20 ثانية للتمييز بين المنتج المزيف والحقيقي. وقريباً، كما يقول، ستقل الفترة إلى خمس ثوانٍ فقط. وفي النهاية، ستكون فورية تقريباً.

تم بناء أساس التقنية على سنوات من العمل المخبري باستخدام أجهزة استشعار شديدة الحساسية، كما يصفها ويلشكو، «بحجم غسالة الأطباق»، ويضيف: «تم تصميم أجهزة الاستشعار هذه لتكون حساسة مثل أنف الكلب، وقادرة على اكتشاف أضعف البصمات الكيميائية».

وتعمل هذه المستشعرات على مدار الساعة طوال أيام الأسبوع، وتجمع باستمرار البيانات حول التركيب الكيميائي لكل شيء من البرقوق والخوخ إلى المنتجات المصنعة»، كما يوضح ويلشكو.

خريطة الرائحة الرئيسية

تشكل البيانات التي تم جمعها العمود الفقري لعملية تدريب الذكاء الاصطناعي الخاصة بالشركة، والتي تساعد في إنشاء فهم عالي الدقة للروائح المختلفة ومنحها موقعاً في نظام إحداثيات يسمى خريطة الرائحة الرئيسية.

إذا كنت على دراية بكيفية ترميز ألوان الصورة في الصور الرقمية، فان الطريقة تعمل بشكل مماثل. إذ تقريباً، يتوافق لون البكسل مع مكان على خريطة RGB، وهي نقطة في مساحة ثلاثية الأبعاد بها إحداثيات حمراء وخضراء وزرقاء.

تعمل خريطة الرائحة الرئيسية بشكل مشابه، باستثناء أن الإحداثيات في تلك المساحة تتنبأ بكيفية ورود رائحة مجموعات معينة من الجزيئات في العالم الحقيقي. يقول ويلشكو إن هذه الخريطة هي الصلصة السرية لشركة «أوسمو» لجعل الاختبار ممكناً في الوحدات المحمولة ذات أجهزة استشعار ذات دقة أقل وحساسة تقريباً مثل أنف الإنسان.

من المختبر إلى الأدوات اليومية

يقول ويلشكو إنه في حين أن أجهزة الاستشعار المحمولة أقل حساسية من وحدات المختبر، فإن البيانات المكثفة التي يتم جمعها باستخدام أجهزة الاستشعار عالية الدقة تجعل من الممكن إجراء اكتشاف فعال للرائحة. مثل الذكاء الاصطناعي لقياس الصورة القادر على استنتاج محتويات الصورة لإنشاء نسخة بدقة أعلى بناءً على مليارات الصور من نموذجه المدرب، فإن هذا يحدث بالطريقة نفسها مع الرائحة. تعدّ هذه القدرة على التكيف أمراً بالغ الأهمية للتطبيقات في العالم الحقيقي، حيث لا يكون نشر جهاز بحجم المختبر ممكناً.

من جهته، يشير روهينتون ميهتا، نائب الرئيس الأول للأجهزة والتصنيع في «أوسمو»، إلى أن مفتاح عملية التعريف لا يتعلق كثيراً بالروائح التي يمكننا إدراكها، لكن بالتركيب الكيميائي للكائن أو الشيء، وما يكمن تحته. ويقول: «الكثير من الأشياء التي نريد البحث عنها والتحقق من صحتها قد لا يكون لها حتى رائحة محسوسة. الأمر أشبه بمحاولة تحليل التركيب الكيميائي».

وهو يصف اختباراً تجريبياً أجرته الشركة مؤخراً مع شركة إعادة بيع أحذية رياضية كبيرة حقق معدل نجاح يزيد على 95 في المائة في التمييز بين الأحذية المزيفة والأحذية الحقيقية.

إلا أن الطريقة لا تعمل إلا مع الأشياء ذات الحجم الكبير، في الوقت الحالي. ولا يمكن للتكنولوجيا التحقق من صحة الأشياء النادرة جداً التي تم صنع ثلاثة منها فقط، مثلاً.

هذا لأنه، كما أخبرني ويلشكو، يتعلم الذكاء الاصطناعي باستخدام البيانات. لكي يتعلم رائحة طراز جديد معين من الأحذية، تحتاج إلى إعطائه نحو 10 أزواج من الأحذية الرياضية الحقيقية. في بعض الأحيان، تكون رائحة البصمة خافتة لدرجة أنه سيحتاج إلى 50 حذاءً رياضياً أصلياً ليتعلم الطراز الجديد.

خلق روائح جديدة

لا يشم مختبر «أوسمو» الأشياء التي صنعها آخرون فحسب، بل يخلق أيضاً روائح جديدة داخل الشركة باستخدام أنظمة الذكاء الاصطناعي والروبوتات نفسها. أظهر علماء الشركة كيف يعمل هذا بطريقة عملية خلال تجربة أطلقوا عليها اسم مشروع نقل الرائحة. لقد التقطوا رائحة باستخدام مطياف الكتلة للتفريق اللوني الغازي (GCMS)، الذي يحللها إلى مكوناتها الجزيئية ويحمل البيانات إلى السحابة. أصبحت هذه البيانات الملتقطة إحداثيات على خريطة الرائحة الرئيسية. بمجرد رسم الخريطة، يتم توجيه روبوت التركيب في مكان آخر لخلط عناصر مختلفة وفقاً لوصفة الرائحة، وإعادة إنشاء الرائحة الأصلية بشكل فعال.

رائحة مصنّعة لتعريف المنتجات

باستخدام تقنية تصنيع الرائحة نفسها، يتخيل ويلشكو أن «أوسمو» يمكن أن تدمج جزيئات عديمة الرائحة مباشرة في المنتجات بصفتها معرفاتٍ فريدة؛ مما يخلق توقيعاً غير مرئي لن يكون لدى المزورين أي طريقة لاكتشافه أو تكراره. فكر في هذا باعتباره ختماً غير مرئي للأصالة.

وتعمل شركة «أوسمو» على تطوير هذه العلامات الفريدة لتُدمج في مواد مثل الغراء أو حتى في القماش نفسه؛ ما يوفر مؤشراً سرياً لا لبس فيه على الأصالة.

هناك فرصة كبيرة هنا. وكما أخبرني ويلشكو، فإن صناعة الرياضة هي سوق بمليارات الدولارات، حيث أعلنت شركة «نايكي» وحدها عن إيرادات بلغت 60 مليار دولار في العام الماضي. ومع ذلك، تنتشر النسخ المقلدة من منتجاتها على نطاق واسع، حيث أفادت التقارير بأن 20 مليار دولار من السلع المقلدة تقطع هذه الإيرادات. وقد صادرت الجمارك وحماية الحدود الأميركية سلعاً مقلدة بقيمة مليار دولار فقط في العام الماضي في جميع قطاعات الصناعة، وليس فقط السلع الرياضية. ومن الواضح أن تقنية الرائحة هذه يمكن أن تصبح سلاحاً حاسماً لمحاربة المنتجات المقلدة، خصوصاً في أصعب الحالات، حيث تفشل الأساليب التقليدية، مثل فحص العلامات المرئية.

الرائحة هي مفتاح المستقبل

يرى ويلشكو أن النظام جزء من استراتيجية أوسع لرقمنة حاسة الشم - وهو مفهوم بدأ العمل عليه عند عمله في قسم أبحاث «غوغل». إن أساس النظام يكمن في مفهوم يسمى العلاقة بين البنية والرائحة. وتتلخص هذه العلاقة في التنبؤ برائحة الجزيء بناءً على بنيته الكيميائية، وكان مفتاح حل هذه المشكلة هو استخدام الشبكات العصبية البيانية.

إمكانات طبية لرصد الأمراض

إن الإمكانات الطبية لهذه التقنية هي تحويلية بالقدر نفسه. ويتصور ويلشكو أن النظام يمكن استخدامه للكشف المبكر عن الأمراض - مثل السرطان أو السكري أو حتى الحالات العصبية مثل مرض باركنسون - من خلال تحليل التغييرات الدقيقة في رائحة الجسم التي تسبق الأعراض غالباً.

لكنه يقول إنه حذّر بشأن موعد حدوث هذا التقدم؛ لأنه يجب على العلماء أن يحددوا أولاً العلامات الجزيئية لهذه الروائح قبل أن تتمكن الآلة من اكتشاف أمراض مختلفة. وتعمل الشركة بالفعل مع عدد من الباحثين في هذا المجال.

* مجلة «فاست كومباني» - خدمات «تريبيون ميديا»


مقالات ذات صلة

علوم ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

الأدوات الذكية نجحت ببراعتها مع فرد ولم تثبت فاعليتها مع مجموعات العمل

إنريكي دانس
صحتك هناك مخاوف متزايدة من استخدام روبوتات الدردشة المعتمدة على الذكاء الاصطناعي في تقديم استشارات طبية لمرضى السرطان (أ.ف.ب)

دراسة: روبوتات الدردشة تروّج لبدائل خطيرة للعلاج الكيميائي للسرطان

كشفت دراسة حديثة عن مخاوف متزايدة من استخدام روبوتات الدردشة المعتمدة على الذكاء الاصطناعي في تقديم استشارات طبية لمرضى السرطان.

«الشرق الأوسط» (لوس أنجليس)
الاقتصاد شخص يتحدث هاتفياً في أثناء مروره قرب مبنى بورصة نيويورك (إ.ب.أ)

العقود الآجلة للأسهم الأميركية ترتفع بدعم تفاؤل الذكاء الاصطناعي

ارتفعت العقود الآجلة لمؤشرات الأسهم الأميركية يوم الثلاثاء، مدعومة بتجدد التفاؤل حول قطاع الذكاء الاصطناعي، مما ساعد في تعزيز معنويات الأسواق.

«الشرق الأوسط» (نيويورك)
الاقتصاد شعار شركة «أبل» على مبنى في مانهاتن (د.ب.أ)

بين إرث كوك وطموح تيرنوس... 7 ملفات شائكة تحدّد مستقبل «أبل»

في لحظة فارقة قد تغير خريطة قطاع التكنولوجيا العالمي، أعلنت شركة «أبل»، الثلاثاء رسمياً تنحي تيم كوك عن منصبه مديراً تنفيذياً.

«الشرق الأوسط» (كوبيرتينو (كاليفورنيا))

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟
TT

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

عندما طرح «تشات جي بي تي» في نوفمبر (تشرين الثاني) 2022، كان رد الفعل فورياً وقوياً: إنه يعمل! ولأول مرة، اختبر ملايين الأشخاص الذكاء الاصطناعي ليس بوصفه وعداً بعيد المنال، بل بوصفه شيئاً مفيداً وبديهياً. وحتى مع عيوبه، فقد ظهر أنه يتمتع بقدرات مذهلة.

حدس صحيح واستنتاج خاطئ

كان هذا الحدس صحيحاً. أما الاستنتاج الذي تلاه فكان خاطئاً. لأن ما ينجح ببراعة مع فرد أمام لوحة المفاتيح، أثبت عدم فاعليته بشكل مفاجئ داخل المؤسسة.

الشركات لا تُدار باللغة

بعد عامين، وبعد مليارات الدولارات من الاستثمارات، وعدد لا يحصى من التجارب، وتدفق مستمر من «المساعدين» الأذكياء، يتبلور واقع مختلف: الذكاء الاصطناعي التوليدي استثنائي في إنتاج اللغة... لكن الشركات لا تُدار باللغة: بل تُدار بالذاكرة والسياق والتغذية الراجعة والقيود.

وهذه هي الفجوة. ولهذا السبب تفشل الكثير من مبادرات الذكاء الاصطناعي في المؤسسات بهدوء. إذ حتى مع الانتشار الواسع، هناك تأثير محدود... وشعور متزايد بالتكرار.

فشل 95 % من المشاريع التجريبية

ليست هذه قصة عن تقنية فشلت في اكتساب زخم، بل على العكس تماماً.

وأظهر تحليل مدعوم من معهد ماساتشوستس للتكنولوجيا، والذي حظي باهتمام واسع، أن نحو 95 في المائة من المشاريع التجريبية للذكاء الاصطناعي التوليدي في المؤسسات تفشل في تحقيق نتائج ملموسة، حيث لا يصل سوى 5 في المائة منها إلى مرحلة الإنتاج المستدام. وتشير تغطيات أخرى للنتائج نفسها إلى النمط نفسه: تجارب مكثفة، وتحول محدود.

والتفسير واضح: المشكلة ليست في الحماس، ولا حتى في القدرة، بل في أن توظيف الأدوات لا يُترجم إلى تغيير عملي حقيقي... ليست هذه مشكلة للتبني، بل مشكلة هيكلية.

المفارقة المزعجة: ذكاء اصطناعي... لكن لا شيء يتغير

داخل معظم الشركات اليوم، يتعايش واقعان: من جهة، يستخدم الموظفون أدوات مثل «تشات جي بي تي» باستمرار. فهم يصيغون ويلخصون ويبتكرون ويسرّعون عملهم بطرق تبدو طبيعية وفعالة.

من جهة أخرى، تكافح مبادرات الذكاء الاصطناعي الرسمية في المؤسسات للتوسع خارج نطاق المشاريع التجريبية الخاضعة لرقابة دقيقة. يصف التحليل نفسه المتعلق بمعهد ماساتشوستس للتكنولوجيا فجوةً متزايدةً في «التعلم»: يجد الأفراد فائدة وقيمةً بسرعة، لكن المؤسسات تفشل في دمج هذه القيمة في سير العمل ذي الأهمية. والنتيجة هي ما يشبه «الذكاء الاصطناعي الخفي»: يستخدم الأفراد ما يُجدي نفعاً، بينما تستثمر الشركات فيما لا يُجدي.

الخطأ الأساسي: التعامل مع نموذج اللغة كنظام تشغيل

تركز معظم تفسيرات هذا الفشل على التنفيذ: بيانات غير دقيقة، حالات استخدام غير واضحة، نقص في التدريب. كل هذا صحيح، لكنه ثانوي.

المشكلة الحقيقية أبسط وأكثر جوهرية: نماذج اللغة الكبيرة مصممة للتنبؤ بالنصوص. هذا كل شيء. كل شيء آخر، من الاستدلال إلى التلخيص والمحادثة، إلخ، هو خاصية ناشئة عن هذه القدرة.

الأدوات الذكية التوليدية لا تعمل ضمن الواقع

لكن الشركات لا تعمل كسلاسل من النصوص. إنها تعمل كأنظمة متطورة ذات حالة وذاكرة وتوابع وحوافز وقيود... هذا هو التناقض. كما ذكرتُ سابقاً، هذا هو العيب البنيوي الأساسي للذكاء الاصطناعي: نماذج اللغة لا «ترى» العالم. فهي لا تحتفظ بحالة مستمرة. ولا تتعلم من ردود الفعل الواقعية إلا إذا صُممت خصيصاً لذلك... إنها تُنتج لغة مقنعة عن الواقع، لكنها لا تعمل ضمنه.

إجابات متميزة منفصلة عن النظام الفعلي

لا يمكنك إدارة شركة بناءً على تنبؤات الكلمات.اطلب من نموذج اللغة ما يلي:

-«زيادة مبيعاتي»

-«تصميم استراتيجية دخول السوق»

- «تحسين أداء الفريق»

وستحصل على إجابة. غالباً ما تكون جيدة جداً. إجابة منظمة، بليغة، ومقنعة. ولكنها منفصلة تماماً تقريباً عن النظام الفعلي الذي من المفترض أن تؤثر فيه.

وذلك لأن نموذج اللغة لا يستطيع تتبع مسار المبيعات، أو إدارة الحوافز، أو دمج بيانات إدارة علاقات العملاء، أو التكيف بناءً على النتائج. إذ يمكنه وصف استراتيجية، لكنه لا يستطيع تنفيذها.

وتؤكد نتائج معهد ماساتشوستس للتكنولوجيا هذه النقطة: أدوات الذكاء الاصطناعي التوليدي فعّالة في المهام الفردية المرنة، لكنها تعجز عن العمل في بيئات المؤسسات التي تتطلب التكيف والتعلم والتكامل. وبعبارة أخرى: يمكن للأداة الذكية كتابة المذكرة، لكنها لا تستطيع إدارة الشركة.

زيادة قدرات الحوسبة لن تحل المشكلة

كان ردّ فعل القطاع حتى الآن متوقعاً: بناء نماذج أكبر، ونشر بنية تحتية أوسع، وتوسيع نطاق كل شيء. لكن التوسع لا يُصلح خللاً في التصميم. إذا كان النظام يفتقر إلى أساس واقعي، فلن تُوفّر له المزيد من المعايير هذا الأساس. وإذا كان يفتقر إلى الذاكرة، فلن تُوفّر له المزيد من الرموز الذاكرة. وإذا كان يفتقر إلى حلقات التغذية الراجعة، فلن تُنشئها المزيد من مراكز البيانات.

يُضخّم التوسع ما هو موجود، لكنه لا يُنشئ ما هو مفقود. وما هو مفقود هنا ليس المزيد من اللغة، بل المزيد من العالم.

المرحلة المقبلة... نظم ذكية ضمن بيئات حقيقية

لن تُحدّد المرحلة التالية من الذكاء الاصطناعي المؤسسي بواجهات دردشة أفضل أو نماذج لغوية أكثر قوة، بل ستُحدّد بشيء آخر تماماً: أنظمة قادرة على الحفاظ على الحالة، والاندماج في سير العمل، والتعلم من النتائج، والعمل ضمن قيود.

أنظمة لا تُولّد نصوصاً فحسب، بل تعمل ضمن بيئات حقيقية. لهذا السبب؛ لن يُبنى مستقبل الذكاء الاصطناعي في الشركات على نماذج اللغة وحدها، بل على بنى تُدمجها ضمن نماذج أكثر ثراءً للواقع.

أقول ما يعرفه الكثيرون بالفعل... ولكن نادراً ما يقولونه: هناك زخم كبير، واستثمارات ضخمة، وسرديات كثيرة مبنية على فكرة أن توسيع نطاق نماذج اللغة سيحل كل شيء في النهاية. هذا لن يحدث.

فرصة حقيقية

هذه ليست نهاية الذكاء الاصطناعي المؤسسي، بل هي نهاية مفهوم خاطئ. فنماذج اللغة ليست بنية مؤسسية، بل هي طبقة واجهة. طبقة قوية، لكنها غير كافية بمفردها. الشركات التي تُدرك هذا أولاً لن تُحسّن فقط من استخدام الذكاء الاصطناعي، بل ستُنشئ شيئاً مختلفاً جذرياً.

مجلة «فاست كومباني»


الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل
TT

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

يتنافس الموظفون على تطوير مهاراتهم في الذكاء الاصطناعي. ووفقاً لتقرير جديد، فإنهم يستخدمونه أيضاً لتعزيز تعلمهم، سواءً كان ذلك لطلب مساعدة إضافية منه لتوضيح المفاهيم وحل المشكلات، أو لاكتساب مهارات جديدة، كما كتبت سارة بريغل (*).

تحسين المهارات

يستند التقرير إلى نتائج استطلاع أجرته شركة «فراكتل» لصالح الكلية الأميركية للتعليم (ACE)، شمل أكثر من 1000 موظف أميركي يستخدمون أدوات الذكاء الاصطناعي في عملهم اليومي.

وكما هو متوقع، تستخدم نسبة كبيرة من الموظفين الذكاء الاصطناعي لتحسين مهاراتهم. فقد أفاد 63 في المائة منهم بأنهم استخدموا الذكاء الاصطناعي لتعلم مهارات لم يتلقوا تدريباً رسمياً عليها من مؤسساتهم.

القلق من دقة المعلومات

ومع ذلك، أعرب 65 في المائة منهم عن قلقهم بشأن دقة الذكاء الاصطناعي. إلا أن 23 في المائة من الموظفين لا يزالون يعدّون الذكاء الاصطناعي خيارهم الأول عندما يحتاجون إلى تعلم شيء جديد.

فوائد سرعة الإجابات

قد يعود جزء من ذلك إلى سرعة توفير الذكاء الاصطناعي للإجابات: إذ قال ما يقرب من نصف الموظفين (46 في المائة) إنهم يستخدمون الذكاء الاصطناعي للبحث عن الإجابات لأنه أسرع من طلب المساعدة.

التعلّم سراً لتفادي الاتهامات بالجهل

وربما الأهم من ذلك، أن استخدام هذه التقنية يعني أيضاً أن الموظفين لا يضطرون إلى الاعتراف بجهلهم بشيء ما. فقد قال ما يقرب من ثلثهم (29في المائة) إنهم يستخدمون الذكاء الاصطناعي لتعلم مهارات جديدة دون الإفصاح عن ذلك. ويُعدّ المديرون أكثر عرضةً لهذا الأمر: إذ اعترف 32 في المائة منهم بأنهم يتعلمون سراً.

وبشكل عام، قال 69 في المائة من الموظفين إن استخدام الذكاء الاصطناعي حسّن إنتاجيتهم، وقال أكثر من 55 في المائة إنه ساعدهم على الشعور بمزيد من الثقة في وظائفهم.

الذكاء الاصطناعي نقطة انطلاق

ومع ذلك، فبينما يستخدم الموظفون الذكاء الاصطناعي بوضوح لسدّ فجوة ما، فإنهم ليسوا راضين تماماً عن قدراته التعليمية. فقد قال 7 في المائة فقط من الموظفين إنهم يشعرون بأن تعلم المهارات من الذكاء الاصطناعي كافٍ، وقال 39 في المائة إنهم يعدّون التدريب الذي يحصلون عليه من الذكاء الاصطناعي نقطة انطلاق لمزيد من التعلم.

الذكاء الاصطناعي يحفّز للانخراط في دورات تدريبية

أفاد ما يقارب نصف المشاركين (48 في المائة) بأنهم التحقوا بدورات تدريبية بعد أن عرّفهم الذكاء الاصطناعي على مواضيع معينة رغبوا في استكشافها بتعمق. والأكثر إثارة للإعجاب، أن 80 في المائة من العاملين أكدوا استمرارهم في التعلم بشكل أو بآخر بعد تعلمهم شيئاً ما باستخدام الذكاء الاصطناعي.

مع أن الذكاء الاصطناعي قد لا يحل محل التدريب العملي تماماً، فإنه يمثل حالياً نقطة انطلاق لغالبية العاملين الساعين لاكتساب مهارات جديدة.

* مجلة «فاست كومباني»


لسانك لا يكذب… «بصمة تنبئية» للأمراض

حين يقرأ الذكاء الاصطناعي ما لا تراه العين
حين يقرأ الذكاء الاصطناعي ما لا تراه العين
TT

لسانك لا يكذب… «بصمة تنبئية» للأمراض

حين يقرأ الذكاء الاصطناعي ما لا تراه العين
حين يقرأ الذكاء الاصطناعي ما لا تراه العين

في حضارات وادي الرافدين، حيث تشكّلت البدايات الأولى للطب المنهجي، لم يكن التشخيص يعتمد على أجهزة، أو تحاليل مختبرية، بل على ملاحظة الجسد نفسه. كان الطبيب ينظر، ويتأمل التفاصيل التي قد تبدو عابرة، ومن بينها اللسان.

حين كان اللسان مفتاح التشخيص

معاينة اللسان

لم يكن طلب الطبيب من المريض أن يمد لسانه إجراءً شكلياً، بل خطوة أساسية في قراءة ما يجري داخل الجسد: تغيّر اللون، جفاف السطح، أو ظهور طبقة غير طبيعية؛ كلها إشارات ذات دلالة تُفسَّر ضمن فهم مبكر للصحة والمرض.

اليوم، يعود هذا المشهد القديم بصيغة مختلفة تماماً. فبدل أن يقف الطبيب وحده أمام المريض، تقف معه خوارزميات الذكاء الاصطناعي، وتحلل صورة اللسان بدقة رقمية، وتبحث عن أنماط قد لا تراها العين البشرية. فهل يمكن أن يعود التشخيص القديم... عبر أكثر أدوات العصر تطوراً؟

خريطة بيولوجية مصغّرة

يُعد اللسان من أكثر أعضاء الجسم ثراءً بالمعلومات البيولوجية، فهو يعكس حالة الدورة الدموية، ومستوى الترطيب، والتوازن البكتيري في الفم، بل وحتى بعض الاضطرابات الجهازية. فاللون الشاحب قد يرتبط بفقر الدم، والاحمرار الزائد بالالتهاب، في حين أن الطبقة البيضاء أو الصفراء قد تعكس تغيّرات في الميكروبيوم الفموي، ذلك العالم المجهري الذي يعيش على سطح اللسان.

بهذا المعنى لم يعد اللسان مجرد عضو للكلام، أو التذوق، بل نافذة حيوية على توازن داخلي معقّد.

حين يلتقي الميكروبيوم بالخوارزمية

في السنوات الأخيرة بدأ الباحثون ينظرون إلى اللسان باعتبار أنه نظام بيئي متكامل يرتبط فيه الميكروبيوم الفموي بعدد من الأمراض المزمنة... من السكري وأمراض القلب، وصولاً إلى اضطرابات أيضية معقّدة.

اضطرابات الكبد والأمراض المزمنة

في هذا السياق أظهرت دراسة نُشرت عام 2025 في مجلة «Chinese Medicine»، بقيادة فريق بحثي من الصين، أن تحليل صور اللسان باستخدام الذكاء الاصطناعي وربطها بتركيب الميكروبيوم يمكن أن يكشفا أنماطاً دقيقة مرتبطة باضطرابات في وظائف الكبد، مع قدرة لافتة على التمييز بين الحالات المرضية.

وفي تطور أحدث، طرح باحثون عام 2026 مفهوماً جديداً عُرف بـ«عمر اللسان» (Tongue Age)، يجمع بين تحليل مظهر اللسان وتركيب الميكروبيوم، لتقدير العمر البيولوجي، ومخاطر الإصابة بأمراض مزمنة.

اللسان «بصمة تنبئية»

وتشير هذه الأبحاث إلى أن اللسان قد يحمل بصمة تنبئية لصحة الإنسان تتجاوز الفحص الظاهري التقليدي. وأظهرت أبحاث حديثة من جامعة ستانفورد في الولايات المتحدة أن الدمج بين الصور الطبية والبيانات الحيوية يفتح آفاقاً جديدة لاكتشاف الأمراض قبل ظهور أعراضها بسنوات.

هنا لا تتحدث الخوارزمية بلغة التشخيص التقليدي، بل بلغة الأنماط الخفية، أنماط لم نكن نبحث عنها، لكنها كانت موجودة طوال الوقت.

حين ينتقل التشخيص إلى الهاتف

من الملاحظة إلى النمط

الفرق بين الطبيب القديم والخوارزمية الحديثة ليس في المبدأ، بل في الاتساع. الطبيب يرى إشارة واحدة، ويؤولها ضمن خبرته، أما الذكاء الاصطناعي فإنه يرى آلاف الإشارات في اللحظة نفسها، ويربط بينها داخل شبكة معقّدة من العلاقات.

وبينما كان التشخيص قائماً على الملاحظة المدعومة بالحدس، أصبح اليوم قائماً على البيانات المدعومة بالخوارزميات.

من العيادة إلى الهاتف... حين يصبح التشخيص مستمراً

لم تعد هذه التقنيات حبيسة المختبرات. فقد بدأت نماذج تحليل صور اللسان تنتقل إلى أدوات أبسط، بل وحتى إلى الهواتف الذكية. وفي هذا النموذج الجديد قد يتحول فحص اللسان من إجراء يتم داخل العيادة إلى عملية مستمرة تعمل في الخلفية، وترصد التغيرات الدقيقة قبل أن يشعر بها الإنسان.

وهنا يتغير معنى التشخيص نفسه. لم يعد حدثاً مؤقتاً، بل عملية ديناميكية لا تتوقف...

حدود الفهم... وحدود الثقة

رغم هذا التقدم، يبقى هناك فرق جوهري بين «الرؤية» و«الفهم». فالذكاء الاصطناعي قادر على اكتشاف الأنماط، لكنه لا يدرك السياق الإنساني الذي يمنح هذه الأنماط معناها.

قد يشير تغيّر في اللسان إلى مرض كامن، لكنه قد يكون أيضاً نتيجة غذاء معيّن، أو حالة عابرة. وهنا يظل دور الطبيب محورياً، ليس في رؤية العلامة فقط، بل في فهمها، وتفسيرها ضمن سياق الإنسان الكامل.

بين وادي الرافدين والذكاء الاصطناعي

إذا عدنا إلى الوراء، نجد أن أطباء وادي الرافدين أدركوا أن الجسد يرسل إشارات خفية، وأن مهمة الطبيب هي قراءتها. اليوم يعيد الذكاء الاصطناعي إحياء هذه الفكرة، لكن بدقة أعلى، ونطاق أوسع. ومع ذلك يبقى السؤال الجوهري كما كان: من يقرأ الإشارة... ومن يفهمها؟

الخلاصة: ما الذي لم نتعلم قراءته بعد؟

في زمن أصبح فيه الهاتف قادراً على تحليل صورة اللسان، لم يعد التشخيص حكراً على العيادة. لكن هذا التقدم يطرح سؤالاً أعمق: هل أصبحنا نرى أكثر... أم نفهم أقل؟

فاللسان، كما كان قبل آلاف السنين، لا يكذب. لكن التحدي الحقيقي لا يكمن فيما يكشفه، بل في قدرتنا على تفسيره. ولهذا، لم يعد السؤال: ماذا يخبرنا اللسان؟ بل أصبح: ما الذي تراه الخوارزميات فيه... ولم نتعلم بعد كيف نقرأه نحن؟