العمل من المنزل في جائحة «كورونا»: مشكلات وتحديات

بطء النظام وخدمات التواصل والاتصالات

العمل من المنزل في جائحة «كورونا»: مشكلات وتحديات
TT

العمل من المنزل في جائحة «كورونا»: مشكلات وتحديات

العمل من المنزل في جائحة «كورونا»: مشكلات وتحديات

عندما بدأت جائحة فيروس كورونا، لم يأبه قادة الأعمال بتحسين تجربة العمل من المنزل لموظفيهم، لأن المديرين كانوا يركزون فقط على فكرة واحدة أكثر من أي شيء آخر، وهي إنجاز العمل.
في الواقع، أظهر تقرير صدر حديثاً عن «ريفربد» (Riverbed) أن ما يقرب من ثلاثة أرباع صناع القرار في مجال الأعمال في المملكة المتحدة لم يكونوا مستعدين لدعم العمل عن بُعد في بداية تفشي المرض، لأنهم كانوا يعتقدون أن الوضع مؤقت. لكن الآن، بعد بضعة أشهر مما يسمى بـ«الوضع الطبيعي الجديد»، يفكر قادة الأعمال في الآثار طويلة المدى لـCOVID – 19»»، وهذا دليل قاطع على أن العمل عن بعد باقِ حتى بعد انتهاء الأزمة.

مشكلات العمل المنزلي
> بطء النظام. ومع اعتياد الموظفين على العمل من المنزل، انهالت المكالمات والإيميلات على فرق تكنولوجيا المعلومات للشكوى من تبعات العمل من المنزل؛ إما بسبب مشكلات في الكومبيوتر، أو في كيفية استعمال تطبيقات التواصل في الهواتف، ولكن كان من أسوأ السيناريوهات حقاً هو أن يشتكي المستخدم من «بطء النظام».
من خلال عملي في قسم تقنية المعلومات للصحيفة، كان «البطء» هو التحدي الأكبر لنا، فعلى عكس العمل داخل مقر الشركة، حيث كل الأنظمة تحت تصرفنا، كنا لا ندري فعلياً ماهية البيئة التي يعمل بها الموظف في بيته. فربما يكون مشتركاً في خدمة إنترنت بطيئة، أو ربما يشاهد أولاده برامج على «نتفلكس»، بينما تشاهد الزوجة مقاطع فيديو لوصفة جديدة على «اليوتيوب»، وكل ذلك يؤثر سلباً على الأداء.كما أن على الموظفين أيضاً إدراك أن الحلول التي توفر إمكانية العمل عن بعد هي في الغالب حلول تقدمها شركات خارجية متخصصة في هذ المجال، ولذلك لا تتوفر أي إمكانية لقسم تقنية المعلومات لتقصي المشكلات وحلها، بل عليهم الاعتماد على هذه الشركات لحل المشكلات عند حدوثها.

تواصل واتصال
> خدمات التواصل. من أبرز هذه الحلول كانت خدمات مثل «Team Viewr» و«Log MeIn» التي كانت تقدم خدماتها لعدد معين من المؤسسات. ولكن بعد الجائحة، توافد عليهم ملايين الشركات للاستفادة من خدماتها، وبسبب ذلك لم تتمكن البنية التحتية لهذه الشركات من التعامل مع الزيادة في المستخدمين. وكان هذا فعلاً من أكبر التحديات التي واجهناها، وحينها ارتأينا استخدام أدوات بديلة ريثما يقوم مهندسو «Log MeIn» بترقية خدماتهم.
وأحد الدروس المستفادة في فترة العمل من المنزل بالنسبة لقسم تقنية المعلومات، وهي التكيف لمعطيات الأمور، لذلك كان من ضمن استراتجيتنا وضع حلول بديلة لكل خدمة نعتمد عليها في تسيير العمل، وجرى الاعتماد على «Any Desk» كحل بديل لـ«Log MeIn»، وأيضاً فعلنا خاصية «Intel vPro» في حواسيب المؤسسة التي تخول إطفاء وإعادة تشغيل الأجهزة عن بعد، وأيضاً استخدام خدمات التخزين السحابي كـ«One Drive»، ليتمكن المستخدمون من الوصول إلى بياناتهم بسرعة، سواء من هواتفهم أو أجهزتهم المحمولة ما داموا متصلين بالإنترنت.
> توصيلات سلكية. أما نصيحتنا بالنسبة للمستخدمين، فهي استعمال كابل الشبكة بدلاً من الاتصال اللاسلكي إن كان الخيار متاحاً في البيت، وأيضاً التقليل من استخدام خدمات بث الفيديو (يوتيوب ونتفلكس) أو البث المباشر لألعاب الفيديو، لأن هذه الخدمات تستهلك الكثير من البيانات عكس تصفح الويت ومواقع التواصل الاجتماعي مثلاً. وإن لم هذا الخيار سهلاً فيمكن شراء موزع 4G أو 5G لاسلكي يمكن شبكه مباشرة مع الجهاز عن طريق USB، أو يكون في شكل راوتر، وهذه الخدمات توفرها عادة شركات الاتصال بسرعة، حيث لا تتطلب توصيل كابل فعلي إلى المنزل.



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.