كيف تتخلصون من فوضى عالمكم الرقمي؟

لتخفيف أعباء العمل المنزلي خلال جائحة «كورونا»

كيف تتخلصون من فوضى عالمكم الرقمي؟
TT

كيف تتخلصون من فوضى عالمكم الرقمي؟

كيف تتخلصون من فوضى عالمكم الرقمي؟

إذا كنتم تشعرون بالملل من التنقل بين الأجهزة المحمولة طوال الأشهر الماضية، ستتعرفون فيما يلي إلى وسائل تتيح لكم الابتعاد عن أجهزتكم، وربما إلى «تصفير» صناديق بريدكم الإلكتروني. قد يكون العمل عن بُعد خلصكم من عبء المواصلات وأتاح لكم إمضاء يومكم وأنتم ترتدون المنامة، ولكنه في المقابل قادكم إلى حالة من الضجيج الناتج عن تلقي الاتصالات الرقمية في كل ثانية من يومكم... من الرسائل الشخصية والمهنية التي احتشدت في صندوق بريدكم، إلى الإشعارات التي تبلغكم بكل تطور أو خبر جديد، والإغراء الدائم لـ«تويتر» و«إنستغرام».
إذا كنتم تعانون من الإرهاق الرقمي أو تحاولون ببساطة أن تعززوا إنتاجيتكم الإلكترونية، ففيما يلي بعض الخطوات التي يمكنكم تطبيقها لتنظيم مشهدكم الرقمي.

فصل مسؤوليات الأعمال
يشير كال نيوبورت، أستاذ علوم الكومبيوتر في جامعة جورجتاون الذي يكتب مقالات حول تداخل التقنية والثقافة، إلى أن كثيراً من الأشخاص يستسلمون لما يسميه طريقة «التفاعل الفوري مع القوائم»، أي أنهم يتفاعلون بشكل آني مع الاتصالات كالنصوص والرسائل الإلكترونية ورسائل التطبيقات، بينما يحاولون تحقيق التقدم في عملهم. فقد يجيب الأهل عن رسالة إلكترونية مرسلة من أستاذ طفلهم، ثم ينتقلون فوراً إلى المشاركة في اجتماع للشركة عبر الهاتف، ما يؤدي إلى إضاعة الخط الفاصل بين المسؤوليات المهنية والشخصية.
ويضيف الدكتور نيوبورت أن «هذا الأمر يخلط الأمور الحياتية ببعضها ويحرم الأشخاص من الشعور بأنهم لا يعملون، ويدفعهم إلى الشعور بأنهم متأخرون».
لتفادي هذه الدائرة، يجب تحضير جدول رقمي ثابت يملي على صاحبه بوضوح متى يجب أن يعمل ومتى يجب أن يهتم بشؤون عائلته ومتى يجب أن يرتاح ويبتعد.

المعلمون والأساتذة
> رسم التوقعات. تحدثوا مع زملائكم أو مع طلابكم إذا كنتم أساتذة، لتحديد الوقت الذي تكونون فيه متوفرين للرد عليهم.
ترى لينيت أوكيفي، مديرة البحث والابتكار في جمعية «أونلاين ليرنينغ كونزورتيوم» غير الربحية التي تزود المعلمين والأساتذة بدليلٍ للتعليم الرقمي، أنه «يجب رسم توقعات للجميع»، لأن هذا الأمر من شأنه أن يساعد في تخفيف كم الرسائل التي تتلقونها، والتوضيح للآخرين بأن جدول أعمالكم قد لا يتوافق مع جدولهم.
على سبيل المثال، يجب على الأساتذة أن يعلموا طلابهم ما إذا كانوا سيجيبون عن رسائلهم الإلكترونية بعد عدة ساعات أم لا. علاوة على ذلك، يجب تحديد الطريقة التي تفضلون أن يتواصلوا معكم عبرها. ففي حال كنتم تتواصلون مع أولاد صغار في منازلهم وتقلقون من أن يفسدوا الصفوف عبر تطبيق «زوم»، اشرحوا لمديركم أنكم تفضلون الاتصالات الصوتية.
> أولويات الاستجابة. ترى أوكيفي أن المعلمين الذين يعطون الدروس إلكترونياً يجب أن يعرفوا كيف يفضل طلابهم تلقي دروسهم، وأن يحاولوا ملاقاتهم في منتصف الطريق. يتيح تطبيق «ريمايند» Remind مثلاً للأساتذة بأن يتلقوا رسائل نصية أو إلكترونية أو حتى إشعارات صوتية.
قد تشعرون بأنكم مجبرون على الإجابة فوراً عن كل رسالة إلكترونية أو رسالة عبر «تويتر» أو عبر تطبيق «سلاك» Slack. في هذا السياق، تقول دايان بايلي، أستاذة التواصل في جامعة كورنيل، إنه من الضروري أن نتذكر أن «ما نعتبره مقاطعة وإزعاجاً قد يكون بمثابة المساعدة لشخص آخر»؛ فبعض الطلبات عاجلة وملحة بينما بعضها الآخر ليس كذلك.

تنظيف صندوق الرسائل
> السيطرة على صندوق الرسائل. يُعتبر إلغاء الاشتراك بقوائم المراسلة الإلكترونية واحدة من أبسط الطرق لتنظيف صندوق الرسائل الواردة. يُعلِم تطبيقا «جي ميل» و«آبل ميل» مستخدميهما ما إذا كانت الرسالة من قائمة مراسلة، ويمنحانهم خيار إلغاء الاشتراك بها بنقرة واحدة.
يمكنكم أيضاً تنظيم وتحديد الرسائل الإلكترونية من خلال تصفيتها بحسب المرسِل والمتلقي أو موضوع الرسالة. بعدها، يجب أن تفكروا وتحددوا ما إذا كان جمع الرسائل الإلكترونية المهنية والشخصية في صندوق واحدٍ سيزيد من إنتاجيتكم.
وإذا كنتم قلقين من فقدان ملاحظات مهمة من أحد الصندوقين، وترتبكون بشكل مستمر بين الاثنين، يجب أن تجمعوهما تحت عنوانٍ واحد. يمكنكم تطبيق هذه الخطوة في «جي ميل» عبر استخدام خيار البريد الجالب أو على «آوتلوك» من خلال وضع أسماء مستعارة ترسل وتتلقى الرسائل الإلكترونية من حسابات مختلفة.
يملك النظامان أيضاً خصائص أخرى تستطيع تحويل جميع رسائلكم الإلكترونية من حساب إلى آخر.
> تقويم مشترك. لتجنب تضييع وقتكم في تبادل الرسائل الإلكترونية لتحديد اجتماع ما، استخدموا تقويماً مشتركاً كـ«يو كان بوك مي» YouCanBookMe و«كالندلي» Calendly و«إكس آي إيه» x.ia حيث يمكن لزملائكم أن يطلعوا على الأوقات التي تكونون متفرغين فيها وحجز لقاءاتهم معكم وفقاً لها. وإذا كنتم تنظمون اجتماعات دورية مع أشخاص من خارج مؤسستكم، يمكنكم دمج هذه الأدوات مع تقويمي «غوغل» و«آوتلوك» كي لا تضطروا إلى التبديل بين المنصات.
> وسيلة أخرى لتوفير الوقت: بدل طباعة الجواب نفسه للأسئلة أو الطلبات الشائعة، احفظوا نموذجاً تجيبون به فوراً عند الحاجة.

لائحة المهام
وأخيراً، يجب أن تعرفوا أن صندوق وارداتكم لن يصبح فارغاً أبداً إذا كنتم تتعاملون معه على أنه لائحة بالمهام التي يتوجب عليكم القيام بها.
عوضاً عن ذلك، يقترح الخبراء أن تؤسسوا مساحة منفصلة للضروريات من خلال استخدام أداة إلكترونية كـ«تريلو» Trello و«فلو - إي» Flow - e و«أسانا» Asana لصناعة لوائح تستعرض المهام وتنظم المسؤوليات حسب إلحاحها وتقدمها. إذا كانت هذه الأدوات لا تناسبكم، يمكنكم استخدام خاصية من «جي ميل» متوفرة في تطبيق التقويم اسمها «تو دو» to - do lists (وهي أداة مهمات كلاسيكية تراجع استخدامها في الآونة الأخيرة)، أو يمكنكم ببساطة أن تستعملوا قلماً وورقة لتدوين أولوياتكم اليومية.

تغيير العادات الرقمية
توجد بعض التغييرات التي يمكنكم إدخالها على أسلوب حياتكم لتنظيم أموركم عند الحاجة. توصي أوكيفي بفحص كل واحدة من الأدوات الرقمية التي تستخدمونها وأن تطرحوا على أنفسكم السؤال التالي: «كيف تتناسب هذه الأداة مع حياتي؟».
تتميز الهواتف الذكية بتعددية استخداماتها؛ إذ يمكننا استخدامها للعمل والتواصل وحتى لشراء السيارات، ولكن تذكروا أنكم أنتم الذين تتحكمون بكيفية استخدامها. قررت الدكتورة ليترات مثلاً أن تتوقف عن القراءة ومشاهدة البرامج على هاتفها الذكي، فاشترت جهاز «كيندل»، كما أصبحت تشغل تلفازها أكثر من قبل.
* خدمة «نيويورك تايمز»



دراسة جديدة: نماذج الذكاء الاصطناعي اللغوية تفتقر لفهم حقيقي للعالم

بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
TT

دراسة جديدة: نماذج الذكاء الاصطناعي اللغوية تفتقر لفهم حقيقي للعالم

بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)

أظهرت نماذج اللغة الكبيرة (LLMs)، مثل النماذج التي يقوم عليها نموذج «GPT-4»، قدرات مذهلة في توليد النصوص، سواء أكان ذلك في كتابة الشعر، أو تأليف المقالات، حتى تقديم حلول برمجية. تُدرَّب هذه النماذج، المعتمدة على بنى معمارية متقدمة تُعرف باسم «المحوّلات» (Transformers)، على توقع تسلسل الكلمات، ما يمكّنها من الاستجابة للمطالبات بطرق تحاكي فهماً يشبه البشري. ومع ذلك، تشير أبحاث حديثة إلى أن هذه النماذج، على الرغم من قدراتها المثيرة للإعجاب، قد لا تتعلم بالفعل الحقائق الكامنة عن العالم.

خريطة لمدينة نيويورك الأميركية (أدوبي)

التنقل في مدينة نيويورك دون خريطة

في دراسة حديثة قادها آشِش رامباتشان، أستاذ مساعد في الاقتصاد وباحث في مختبر نظم المعلومات واتخاذ القرار بمعهد ماساتشوستس للتكنولوجيا (LIDS)، قام الباحثون باختبار مدى قدرة نموذج لغوي مبني على «المحوّلات» على التنقل في مدينة نيويورك. وبينما أظهر النموذج دقة عالية في تقديم توجيهات دقيقة خطوة فخطوة عبر شبكة شوارع المدينة، تراجع أداؤه بشكل كبير عندما تمت إضافة عراقيل مثل إغلاق بعض الشوارع والتحويلات.

وعندما حلّل الباحثون أنماط التنقل التي أنتجها النموذج، اكتشفوا أن «خرائط» مدينة نيويورك التي كوّنها النموذج كانت تحتوي على مسارات غير واقعية، مثل شوارع غير موجودة وروابط غير دقيقة بين تقاطعات متباعدة. هذا الاكتشاف أثار تساؤلات حول حدود هذه النماذج، خاصة في البيئات التي تتطلب دقة كبيرة.

التداعيات في العالم الحقيقي

تنطوي هذه القيود على تداعيات هامة. فعلى الرغم من أن نماذج الذكاء الاصطناعي تبدو قادرة على التعامل مع مهام معقدة، فإن أداءها قد يتراجع بشكل كبير عندما تتغير المتغيرات البيئية، ولو بشكل بسيط. على سبيل المثال، قد يتمكن النموذج من التنقل في خريطة ثابتة لمدينة نيويورك، لكنه يتعثر عند مواجهة تحديات غير متوقعة، مثل إغلاق الشوارع. ويحذر فريق البحث من أن استخدام هذه النماذج في تطبيقات حقيقية قد يؤدي إلى فشل غير متوقع إذا واجهت سيناريوهات خارجة عن بيانات التدريب.

لعبة «أوثيللو» هي لعبة ألواح استراتيجية يشارك فيها لاعبان يلعبان على لوح مقسم إلى 8 × 8 مربعات غير مختلفة اللون (أدوبي)

مقاييس لتقييم الفهم

لمزيد من التعمق في مدى قدرة نماذج الذكاء الاصطناعي على تكوين «نماذج للعالم»، أي تمثيلات داخلية للقواعد والهيكليات، طوّر الفريق مقياسين جديدين للتقييم، هما «تمييز التسلسل» و«ضغط التسلسل».

يقيس «تمييز التسلسل» قدرة النموذج على التمييز بين سيناريوهات مختلفة، مثل تمييز موضعين مختلفين على لوحة لعبة «أوثيللو». ويقيّم المقياس ما إذا كان النموذج يفهم أن مدخلات مختلفة تحمل دلالات مختلفة.

أما مقياس «ضغط التسلسل» فيقيّم قدرة النموذج على إدراك الحالات المتطابقة، مثل وضعين متطابقين على لوحة لعبة «أوثيللو»، ويفهم أن خطوات التحرك التالية من كل وضع يجب أن تكون متشابهة.

قام الفريق باختبار هذه المقاييس على فئة معينة من المسائل تشمل تسلسلاً محدداً من الحالات والقواعد، مثل التنقل في شبكة شوارع أو لعب «أوثيللو». من خلال هذه التقييمات، سعى الباحثون لفهم ما إذا كانت النماذج قد طوّرت بالفعل نماذج منطقية للعالم.

العشوائية قد تؤدي إلى فهم أعمق

كشف البحث عن نتيجة غير متوقعة، حيث أظهرت النماذج التي دربت على تسلسلات عشوائية قدرة أكبر على بناء نماذج داخلية دقيقة مقارنة بتلك التي دربت على بيانات منظمة. على سبيل المثال، في لعبة «أوثيللو»، كانت النماذج المدربة على حركات عشوائية قادرة على التعرف على جميع الحركات الممكنة، حتى الحركات غير المثلى التي لا يلجأ إليها اللاعبون المحترفون.

وأوضح كيون فافا، الباحث الرئيسي وأستاذ زائر في جامعة هارفارد، أنه «من الناحية النظرية، عندما يتم تدريب النموذج على حركات عشوائية، فإنه يرى مجموعة كاملة من الاحتمالات، بما في ذلك الخيارات غير المحتملة». ويبدو أن هذا التعرض الواسع «يساعد النموذج في تكوين نموذج أكثر دقة للعالم، وإن لم يلتزم بالأسلوب الأمثل».

ورغم هذه النتائج، لم يستطع أي من النماذج تكوين نموذج منطقي متكامل للعالم في مهمة التنقل. وعندما أضاف الباحثون تحويلات إلى خريطة نيويورك، فشلت جميع النماذج في التكيف. وأشار فافا إلى أن «التراجع في الأداء كان مفاجئاً؛ إغلاق واحد في المائة فقط من الشوارع تسبب في انخفاض الدقة بشكل حاد، من أداء شبه مثالي إلى 67 بالمائة فقط».

تراجع أداء نماذج الذكاء الاصطناعي بشكل كبير عندما تتغير المتغيرات البيئية ولو بشكل بسيط (أدوبي)

بناء نماذج للعالم موثوقة

تسلط نتائج هذه الدراسة الضوء على تحدٍ كبير، يتمثل في أنه عندما تبدو المحوّلات قادرة على أداء مهام معينة، فإنها قد تفتقر إلى الفهم الأساسي للقواعد. وشدّد رامباتشان على ضرورة الحذر، قائلاً: «غالباً ما يفترض الناس أنه بما أن هذه النماذج تحقق نتائج رائعة، فلا بد أنها طوّرت فهماً جوهرياً للعالم. لكن دراستنا تشير إلى أننا بحاجة إلى النظر في هذا الافتراض بعناية وعدم الاعتماد على الحدس فقط».

ويخطط الباحثون لتوسيع دراستهم لتشمل تحديات أكثر تعقيداً حيث قد تكون القواعد غير معروفة كلياً أو متغيرة. وباستخدام مقاييسهم التقييمية على هذه المجالات، يأملون في فهم حدود نماذج الذكاء الاصطناعي بشكل أفضل وتوجيه تطويرها في المستقبل.

تداعيات أوسع وأهداف مستقبلية

تتجاوز تداعيات هذا البحث فهم العالم الافتراضي، وتمس التطبيقات العملية. إذا كانت نماذج الذكاء الاصطناعي غير قادرة على تكوين نماذج داخلية دقيقة للعالم، فإن ذلك يثير تساؤلات حول استخدامها في مجالات تتطلب منطقاً دقيقاً، مثل القيادة الذاتية، والأبحاث العلمية، والتخطيط اللوجستي. ويقول الباحثون إن الحاجة ملحة لإعادة التفكير في كيفية تدريب هذه النماذج وتقييمها لتكون أكثر تكيفاً وموثوقية.

هذا البحث مدعوم من قبل عدة مؤسسات، بما في ذلك مبادرة علوم البيانات في جامعة هارفارد، ومؤسسة العلوم الوطنية، ومؤسسة ماك آرثر. سيتم عرض الدراسة في مؤتمر نظم معالجة المعلومات العصبية، حيث سيواصل الباحثون مناقشة تعقيدات نماذج الذكاء الاصطناعي واستكشاف مسارات جديدة لتطويرها.