أجريتُ على مدار العامين الماضيين مئات المحادثات حول الذكاء الاصطناعي، مع جهات تنظيمية ومؤسسات مالية ومهندسين ومديرين تنفيذيين وأشخاص متشككين. وما يبرز باستمرار هو حجم الالتباس والغموض المحيط بهذا المجال؛ فالجميع يتحدثون عن الذكاء الاصطناعي وكأنه تقنية واحدة تسير في اتجاه واحد، في حين أن الواقع أكثر تعقيداً وتفصيلاً بكثير؛ كما كتب شون كامكار*.
الذكاء الاصطناعي نقطة التقاء التنبؤ والاستدلال
يمثل الذكاء الاصطناعي نقطة التقاء لنظامين مختلفين جوهرياً: أحدهما مصمم للتنبؤ (to predict)، والآخر مصمم للاستدلال (to reason). وستحظى الشركات التي تدرك هذا الفرق وتتعلم كيفية الجمع بينهما بميزة كبيرة، متفوقة بذلك على الشركات التي تتعامل مع الذكاء الاصطناعي كأداة أحادية النمط.
الذكاء الاصطناعي التنبؤي مقابل الذكاء الاصطناعي التوليدي
الذكاء الاصطناعي التنبؤي، كان لسنوات كثيرة يدعم اتخاذ القرارات بصمت ومن وراء الكواليس؛ إذ تتفوق نماذج تعلم الآلة في رصد الأنماط عبر كميات هائلة من البيانات التاريخية. وعلى سبيل المثال، في قطاع الائتمان، تحلل هذه النماذج أحجاماً ضخمة من البيانات التاريخية لتحديد أنماط يعجز أي محلل بشري عملياً عن رصدها وسط ملايين النتائج؛ فهي تتنبأ باحتمالية سداد المبالغ المالية، ومخاطر الاحتيال، وتقلبات المحفظة الاستثمارية، بدقة تفوق بكثير دقة أنظمة التقييم التقليدية التي أُنشئت قبل عقود.
أما الذكاء الاصطناعي التوليدي، فيؤدي وظيفة مختلفة تماماً، فهو يجمع المعلومات، ويتعامل مع الغموض، ويتواصل بلغة بشرية. وبإمكانه شرح أهمية اتجاه معين، وتلخيص النتائج المعقدة، وإبراز المقايضات الاستراتيجية، ومساعدة الأشخاص على التفاعل مع أنظمة كانت تتطلب سابقاً خبرة متخصصة لفهمها. ولا تقتصر وظيفته على التنبؤ فحسب؛ بل تشمل الاستدلال والترجمة (تحويل البيانات إلى مفاهيم مفهومة).
الفرق والدمج بين الاثنين: وأبسط طريقة لفهم هذا الفرق هي التشبيه التالي: يمثل تعلم الآلة «المختبر التشخيصي» الذي يُجري الفحوصات، بينما يمثل الذكاء الاصطناعي التوليدي «الطبيب» الذي يساعد في تفسير النتائج وتحديد الخطوة التالية. لا يستغني أي منهما عن الآخر؛ بل إنهما يتكاملان معاً لإنشاء منظومة أكثر قوة وفعالية.
استخدم نوع الذكاء الاصطناعي المناسب للمهمة
تكتسب هذه التفرقة أهميتها لأن كثيراً من المؤسسات تحاول حالياً إقحام الذكاء الاصطناعي التوليدي في أدوار لم يُصمم أصلاً للقيام بها. فرغم القدرات الهائلة لنماذج اللغة الكبيرة، فإنها ليست أنظمة تنبؤ حتمية (أي لا تعطي نتائج ثابتة ومحددة بدقة رياضية).
إن مطالبة «روبوت محادثة» (chatbot) عمومي الأغراض، باتخاذ قرارات مالية أو تشغيلية مصيرية بشكل مستقل -دون وجود بنية تحتية تحليلية متخصصة تدعمه- تشبه إلى حد ما مطالبة طبيب بتشخيص حالة مريض دون الاستعانة بالمختبرات ولا الفحوصات الطبية ولا قياس المؤشرات الحيوية؛ فالاستدلال الذي يفتقر إلى بيانات موثوقة وراسخة يظل غير جدير بالثقة.
وفي الوقت نفسه، تخلق أنظمة التنبؤ التي تفتقر إلى القابلية للتفسير مشكلة من نوع آخر. ما ألاحظه هو أن المؤسسات باتت قادرة على توليد مخرجات تتسم بدقة متزايدة، ولكنها عصيَّة على الفهم، ولا يفهمها إلا عدد أقل من البشر. وهذا التباين هو ما يشكِّل ملامح المرحلة المقبلة من تبنِّي الذكاء الاصطناعي في مختلف القطاعات.
تطبيقات ميدانية متنوعة
على سبيل المثال، في مجال الرعاية الصحية، يمكن لنماذج التنبؤ تحديد المرضى الأكثر عرضة للمخاطر في وقت أبكر، مقارنة بأساليب الفحص التقليدية. ومع ذلك، لا يزال الأطباء بحاجة إلى أنظمة قادرة على تفسير النتائج، وتلخيص الاعتبارات العلاجية، والتواصل بوضوح مع المرضى. وفي مجال المركبات ذاتية القيادة، تعمل إحدى طبقات الذكاء الاصطناعي باستمرار على رصد المسارات والمشاة والمسافات والعوائق لحظة بلحظة، بينما تتولى طبقة أخرى تحديد كيفية استجابة المركبة للظروف المتغيرة.
ويتكرر هذا النمط في كل مكان: ذكاء تنبؤي مقترن بذكاء استنتاجي (قائم على المنطق والتحليل).
الجمع بين التنبؤ والاستنتاج... والتقدير البشري
تُعد عمليات الإقراض من أوضح الأمثلة على ذلك؛ إذ يجب أن تكون عملية التقييم الائتماني حتمية وقابلة للتكرار -بمعنى أن المُدخلات ذاتها يجب أن تُفضي إلى النتيجة والتفسير نفسيهما في كل مرة- وإلا فلن يكون القرار قابلاً للتبرير أمام الجهات الرقابية ولا المقترضين. وهنا تبرز قوة التعلم الآلي، غير أنه لا يوفر وسيلة لاستكشاف دلالات تلك الأرقام ومعانيها.
وهنا يأتي دور الذكاء الاصطناعي التوليدي لسد هذه الفجوة؛ فهو يتولى تفسير النتائج في سياقها الصحيح، واختبار سيناريوهات افتراضية بديلة (تحليل «ماذا لو؟») على المحافظ الائتمانية، ومحاكاة تأثير تغيير السياسات على قرارات الموافقة. فبدلاً من الاكتفاء بتقييم القروض، يساعد هذا الذكاء المقرضين على فهم مخرجات الأنظمة التي تتولى عملية التقييم الفعلية. ولا يلغي هذا المزيج دور التقدير البشري؛ بل يعزز قيمته؛ إذ يتيح للبشر تخصيص وقت أقل للتحليل الروتيني، وتكريس وقت أكبر للتعامل مع الحالات الاستثنائية، واتخاذ القرارات الاستراتيجية، وممارسة مهام الرقابة والإشراف.
إن المؤسسات التي تحقق أفضل النتائج هي تلك التي لا تستبدل بالبشر أنظمة الذكاء الاصطناعي؛ بل تبني أنظمة تتكامل فيها أشكال الذكاء المختلفة: نماذج إحصائية ترصد الأنماط على نطاق واسع، وأنظمة توليدية تحوِّل التعقيد إلى رؤى قابلة للتطبيق، وعنصر بشري يضيف السياق ويقوم بأدوار الرقابة والتقدير.
قدرات التحليل المتقدمة
على مدى عقود، تركزت القدرات التحليلية المتقدمة داخل كبرى المؤسسات العالمية؛ إذ كانت تلك المؤسسات وحدها تمتلك الموارد المالية اللازمة لتوفير البنية التحتية والخبرات المطلوبة لمعالجة المعلومات على نطاق واسع. غير أن الذكاء الاصطناعي بدأ يُغيِّر هذا الواقع؛ فالمنظمات التي ستجني أكبر قدر من الفوائد لن تكون تلك التي تسعى وراء الأتمتة الكاملة؛ بل تلك التي تدمج بين التنبؤ والاستدلال والتقدير البشري، في منظومات عمل تعزز من فاعلية الأفراد.
* الرئيس التنفيذي للتكنولوجيا في شركة «Zest AI»، مجلة «فاست كومباني».
