باحثون يكتشفون آليات تحسّن فهم تشكّل الجنين البشري في أولى مراحلهhttps://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/4996996-%D8%A8%D8%A7%D8%AD%D8%AB%D9%88%D9%86-%D9%8A%D9%83%D8%AA%D8%B4%D9%81%D9%88%D9%86-%D8%A2%D9%84%D9%8A%D8%A7%D8%AA-%D8%AA%D8%AD%D8%B3%D9%91%D9%86-%D9%81%D9%87%D9%85-%D8%AA%D8%B4%D9%83%D9%91%D9%84-%D8%A7%D9%84%D8%AC%D9%86%D9%8A%D9%86-%D8%A7%D9%84%D8%A8%D8%B4%D8%B1%D9%8A-%D9%81%D9%8A-%D8%A3%D9%88%D9%84%D9%89-%D9%85%D8%B1%D8%A7%D8%AD%D9%84%D9%87
باحثون يكتشفون آليات تحسّن فهم تشكّل الجنين البشري في أولى مراحله
تهدف هذه الدراسة إلى تحسين فهم كيفية بناء الكائن البشري (رويترز)
توصّل عدد من الباحثين أخيراً إلى اكتشاف الآليات التي تتيح لخلايا الإنسان الأولى تشكيل جنين، مما يوفر معطيات جديدة عن المراحل الأولى من حياة الكائن البشري.
هذه الدراسة التي نشرت نتائجها، الأربعاء، مجلة «نيتشر» العلمية، هي «الأولى حول ميكانيكية تشكل الجنين البشري».
ووفق «وكالة الصحافة الفرنسية»، تقول الدراسة إنه في البداية، بعد أيام قليلة من الإخصاب، يكون الالتقاء بين الحيوان المنوي من الرجل والبويضة لدى المرأة قد أدى إلى ظهور خلية جذعية انقسمت إلى نحو عشر خلايا أخرى.
ثم تأتي اللحظة التي تتقارب فيها هذه الخلايا، وتتكتّل لتكوّن كلاً واحداً، فيتشكّل عندها الجنين في مرحلته الأولى.
عندها فقط تتمايز الخلايا لتكشف تدريجياً عن الأعضاء، فيتكوّن بعدها شيئاً فشيئاً الشكل البشري.
لذلك فإن هذه الخطوة الأولى، والتي تسمى بالإنجليزية compaction «الضغط»، تُعد بالغة الأهمية. وهذا هو موضوع الدراسة التي أجرتها بشكل رئيسي الباحثة جولي فيرمان، وشارك فيها المركز الوطني للأبحاث العلمية في فرنسا، والمعهد الوطني للصحة والبحث الطبي «إنسيرم» ومعهد كوري.
وتثير استنتاجاتها تساؤلات حول الطريقة التي نظر من خلالها البشر إلى آليات تشكّل الجنين، خلال العقود الماضية.
وكان يُعتقد أن الآلية الرئيسية تتمثل في التصاق الخلايا ببعضها البعض، عن طريق التصاق جدرانها.
لكنّ هذه الدراسة خلصت إلى أن هذا العامل بؤدي دوراً ثانوياً فقط، في حين يتمثل الأهمّ في قدرة كل خلية على الانقباض، وهي الآلية التي من خلالها تتجه نحو بعضها البعض.
ويقول الباحث جان ليون ميتر، الذي قاد الدراسة، لـ«وكالة الصحافة الفرنسية»: «عليك أن تتخيل مجموعة من الأشخاص يمسكون أيديهم» ثم تنغلق تدريجياً.
وللتوصل إلى هذا الاستنتاج، فحص الباحثون خلايا أجنّة عدة غير مستخدمة أثناء التخصيب في المختبر، ومجمّدة في مراحل مختلفة بين ثلاثة وخمسة أيام.
وكلما تقدمت المرحلة، أصبحت خلاياهم أكثر قدرة على الانقباض، ولم يحدث أي تغيير بالنسبة لدرجة التصاق جدران الخلايا، إذ بقي ذلك ثابتاً.
وخلص الباحثون إلى أن الآلية الأولى، لا الثانية، هي التي تؤدي دوراً مركزياً في تقارب الخلايا وتكوين الجنين.
تقدم كبير
يشدد ميتر على أن «ما يجعل الخلايا تلتصق ببعضها البعض ليس كمية المواد المسببة للالتصاق، بل جهود الانقباض هذه». ويقول: «الأمر ليس مفاجئاً على الإطلاق».
وعلى مدار الأعوام العشرين الماضية، أظهرت الدراسات تباعاً آليات مماثلة لدى الذباب، ثم لدى ثدييات مثل الفئران.
لكن إذا كانت كل هذه الحيوانات تتشارك مع البشر في غلبة آلية الانقباض، فإن التفاصيل تختلف، فعلى سبيل المثال، فإن هذه الآلية لا تتوزع بالطريقة نفسها داخل الخلية.
ومن ثم فإن الدراسة، التي نُشرت نتائجها، الأربعاء، تتيح فهم الجنين البشري بشكل أفضل، دون توقّع نتائج ملموسة على الفور.
ويمكن بالطبع أن نتخيل أنه، في يوم من الأيام، وبفضل هذه المعرفة، سيجري تسهيل تكوين الأجنة المخصصة للتخصيب في المختبر.
ولكن حالياً، في كل الأحوال، يجري اختيار زرع الأجنة التي اجتازت هذه المرحلة الأولية بنجاح.
وفيما تمثّل هذه الدراسة تقدماً كبيراً، فهي قبل كل شيء تتعلق بمعرفة مراحل التكوين الأولى للحياة البشرية، وهو مجالُ بحث اكتسب زخماً في السنوات الأخيرة.
ويمكن أيضاً إدراج عمليات التصنيع الحديثة في المختبر، من فِرق بحثية عدة، لهياكل قريبة من الجنين.
ويُشار أحياناً إلى هذه الهياكل باسم «الأجنة الاصطناعية»، حتى لو كان هذا المصطلح مثيراً للجدل. ومن شأنها أن تتيح دراسة كيفية تمايز الخلايا، ثم الأعضاء، خلال الأسابيع الأولى من الحمل.
وعلى غرار هذه الأعمال، تهدف هذه الدراسة الجديدة أولاً إلى تحسين فهم كيفية بناء الكائن البشري، وما الذي يجعله أقرب إلى الحيوانات الأخرى وما يميزه.
كما يعد العمل الجديد «باكتشاف كيف تستخدم الطبيعة قوانين الفيزياء لإنتاج كثير من أشكال الحياة، بتنوعها المذهل».
الناجون من النوبات القلبية يسلكون 3 مسارات صحية رئيسية خلال السنوات الخمس التالية للإصابة، باستخدام أداة تعتمد على الذكاء الاصطناعي.
«الشرق الأوسط» (القاهرة)
هل يعرف الذكاء الاصطناعي أنه لا يعرف؟https://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/5325920-%D9%87%D9%84-%D9%8A%D8%B9%D8%B1%D9%81-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-%D8%A3%D9%86%D9%87-%D9%84%D8%A7-%D9%8A%D8%B9%D8%B1%D9%81%D8%9F
ما لا تستطيع البيانات وحدها أن تعلّمه... حين تتحدث الخبرة الإنسانية
على مدى عقود، قيس تقدم الذكاء الاصطناعي في الغالب بما يستطيع فعله: كم سؤالاً يجيب عنه؟ وكم صورة يستطيع تفسيرها؟ وما مدى دقته في التنبؤ أو التشخيص؟ لكن سؤالاً مختلفاً بدأ يفرض نفسه على الباحثين: هل يستطيع النظام أن يعرف متى لا تكون لديه إجابة موثوقة؟
المشكلة في الذكاء الاصطناعي ليست أن يخطئ فحسب، بل أن يقدم أحياناً إجابة خاطئة بثقة توحي بأنها صحيحة. وفي المجالات الحساسة كالطب، يصبح الفرق جوهرياً؛ إذ إن النظام الذي يستطيع الإشارة إلى عدم يقينه قد يكون أكثر أماناً من نظام يعطي إجابة حاسمة عندما لا تكون الأدلة كافية.
ولهذا، يحاول اتجاه بحثي متنامٍ تطوير نماذج لا تكتفي بإنتاج الإجابة، بل تستطيع أيضاً تقدير مدى الثقة بها والتعبير عن عدم اليقين عندما تتجاوز المسألة حدود ما تستطيع معرفته بصورة موثوقة. وهنا يتغير السؤال. فبدلاً من أن نسأل فقط: هل يستطيع الذكاء الاصطناعي أن يجيب؟ يصبح السؤال الأكثر إثارة: هل يستطيع أن يعرف حدود ما يعرف... ومتى ينبغي له أن يقول «لا أعلم»؟
ما وراء المعرفة... حين يتعلّم الذكاء الاصطناعي معرفة حدود يقينه
من الذكاء إلى «ما وراء المعرفة»
• «ما وراء المعرفة». يطلق علماء الإدراك على قدرة الإنسان على التفكير في تفكيره وتقييم مدى ثقته بما يعرف اسم «الميتا معرفة» (Metacognition)، أو «ما وراء المعرفة». وهي التي تساعدنا على التمييز بين ما نعرفه بثقة، وما نرجحه، وما لا نملك عنه معلومات كافية.
وتظهر أهمية هذه القدرة بوضوح في الطب؛ فالطبيب الخبير لا يتميز بأنه يعرف الإجابة عن كل حالة، بل بأنه يدرك أيضاً متى لا تكفي الأدلة لاتخاذ قرار آمن؛ فيطلب فحصاً إضافياً، أو يعيد النظر في التشخيص، أو يستشير زميلاً قبل اتخاذ قرار قد يؤثر في حياة المريض. فمعرفة حدود اليقين جزء أساسي من الحكم السريري الرشيد.
واليوم، يحاول الباحثون بناء شيء يشبه هذه القدرة وظيفياً داخل أنظمة الذكاء الاصطناعي؛ ليس بأن تصبح الآلة واعية بما تعرفه، بل بأن تستطيع تقدير مدى موثوقية إجابتها، والتعبير عن عدم اليقين عندما لا تملك أساساً كافياً للإجابة بثقة.
وهنا تكمن الفكرة الجديدة: قد لا يكون الجيل الأكثر أماناً من الذكاء الاصطناعي هو الذي يجيب دائماً، بل الذي يستطيع أيضاً أن يتعرف على المواقف التي ينبغي فيها ألا يجيب بثقة.
• تعليم الآلة أن تقول: «لا أعلم». في دراسة بحثية نُشرت في 30 يونيو (حزيران) 2026 على منصة الأبحاث العلمية «arXiv»، طوّر فريق بقيادة الباحثة غابرييل كايلي ماي ليو إطاراً جديداً أطلق عليه «التعلّم المعزَّز بالتغذية الراجعة الميتا معرفية» (Reinforcement Learning with Metacognitive Feedback – RLMF)، بهدف معالجة مشكلة أساسية في النماذج اللغوية: أن تبدو واثقة من إجابتها حتى عندما تكون هذه الإجابة غير موثوقة.
ولا يعلّم هذا النهج الآلة «الوعي» بجهلها بالمعنى الإنساني، بل يدربها على تقدير أدائها بصورة أفضل ومواءمة مستوى الثقة الذي تعبّر عنه مع درجة عدم اليقين. وأظهرت التجارب أن هذا الأسلوب حسّن معايرة الثقة، وتفوّق على أساليب التعلم المعزز التقليدية بما يصل إلى 63 في المائة في بعض المقارنات، من دون التضحية بدقة الإجابات.
حين يعرف الذكاء الاصطناعي متى يتوقف... يبدأ دور الإنسان
ولم يبق السؤال محصوراً في دراسة واحدة؛ ففي 13 يوليو (تموز) 2026، نُشرت على «arXiv» مراجعة بحثية بعنوان Metacognition in LLMs: Foundations، Progress، and Opportunities، تناولت بصورة شاملة ما وصل إليه البحث في «الميتا معرفة» لدى النماذج اللغوية. وخلص الباحثون إلى أن المجال بدأ يطور طرقاً لقياس قدرة النماذج على مراقبة أدائها وتقدير عدم اليقين وتعديل سلوكها، لكن سؤالاً أساسياً ما زال مفتوحاً: متى، وكيف، وإلى أي مدى تستطيع هذه النماذج إظهار سلوك ميتا معرفي فعّال؟ وفي 15 أغسطس (آب) 2026، ظهر على «arXiv» بحث أحدث قدّم إثباتاً أولياً للمفهوم لإطار ميتا معرفي يجعل مجموعة من النماذج تراقب مؤشرات في أدائها، مثل احتمال صحة الإجابة ووجود معلومات متعارضة وتعقيد المشكلة، ثم تستخدم هذه الإشارات لتحديد ما إذا كانت المهمة تستدعي معالجة أكثر تدبراً. ولا يمثل ذلك بعدُ حلاً جاهزاً للاستخدام السريري، لكنه يكشف عن اتجاه البحث: ألا يكون الهدف فقط جعل النموذج أكثر قدرة على الإجابة، بل أكثر قدرة على تمييز الحالات التي لا تكفي فيها إجابته أو تحتاج إلى مزيد من التفكير والمعلومات.
وهنا تكمن أهمية التحول؛ فبدلاً من مكافأة النظام دائماً لأنه قدّم إجابة، قد يصبح أحد معايير جودة الذكاء الاصطناعي مستقبلاً قدرته على التوقف عندما لا تكفي الأدلة، أو طلب معلومات إضافية، أو الإفصاح عن عدم اليقين بدلاً من ملء الفراغ بإجابة واثقة.
• الثقة لا تقل أهمية عن الدقة. في الطب، لا تكفي الإجابة الصحيحة وحدها؛ فجزء أساسي من القرار السريري هو معرفة مدى قوة الأدلة التي تستند إليها، ودرجة الثقة التي تستحقها. فالطبيب الخبير قد يرجّح تشخيصاً معيناً، لكنه لا يتعامل مع كل الاحتمالات بالدرجة نفسها من اليقين. وقد يطلب تصويراً إضافياً أو تحليلاً مخبرياً، أو يستشير زميلاً، عندما يدرك أن المعلومات المتاحة لا تكفي لاتخاذ قرار آمن. وهنا لا يكون التردد ضعفاً في المعرفة، بل جزءاً من سلامة القرار الطبي.
حين يتعلّم الذكاء الاصطناعي أن يقول «لا أعلم»
وتواجه أنظمة الذكاء الاصطناعي مشكلة مشابهة، ولكن بصورة مختلفة؛ فقد ينتج النموذج إجابة صحيحة، وقد ينتج في أحيان أخرى معلومة غير صحيحة أو غير مدعومة، فيما يُعرف عادةً بـ«الهلوسة». والمشكلة الأكثر حساسية أن صياغة الإجابة قد تبدو واثقة ومقنعة حتى عندما تكون خاطئة.
ولهذا يميز الباحثون بين دقة الإجابة ومعايرة الثقة (confidence calibration)، فإذا قال النظام إنه واثق بنسبة مرتفعة، فهل تتوافق هذه الثقة فعلاً مع احتمال أن تكون إجابته صحيحة؟ وكلما اتسعت الفجوة بين الثقة والدقة، ازدادت احتمالات أن يثق المستخدم بإجابة لا تستحق هذه الثقة.
وفي الطب، تصبح هذه المسألة أكثر من مشكلة تقنية. فالنظام الآمن لا ينبغي أن يكون جيداً فقط في الحالات التي يعرفها، بل أن يكون قادراً أيضاً على رفع إشارة تحذير عندما تخرج الحالة عن نطاق موثوقيته، أو عندما لا تكفي المعلومات المتاحة لاتخاذ قرار.
الخبرة البشرية أعمق من البيانات
• ما لا تستطيع البيانات أن تعلّمه. لكن معرفة حدود الإجابة تفتح سؤالاً أعمق: هل كل ما يعرفه الإنسان يمكن تحويله أصلاً إلى بيانات وقواعد قابلة للتعلم؟
منذ قرون، انشغل الفلاسفة بطبيعة المعرفة وحدودها. ومن ابن رشد، الذي جعل للعقل والبرهان مكانة مركزية في النظر، إلى الفيلسوف والعالم مايكل بولاني الذي صاغ في القرن العشرين مفهوم «المعرفة الضمنية (Tacit Knowledge)»، واختصر فكرته بعبارته الشهيرة: «نعرف أكثر مما نستطيع أن نقول». فالخبرة المهنية لا تتكون من الكتب والمعلومات الصريحة وحدها. إنها تتشكل أيضاً من آلاف المواقف المتراكمة، ومن ملاحظة أنماط دقيقة قد يصبح الخبير قادراً على التقاطها قبل أن يستطيع شرح الأسباب التي قادته إليها بصورة كاملة.
قد يدخل طفل إلى قسم الطوارئ، وتبدو بعض قياساته الأولية ضمن الحدود المطمئنة، لكن طبيب الأطفال الخبير يلاحظ في مظهره أو سلوكه أو طريقة تنفسه شيئاً يدفعه إلى عدم الاطمئنان. وما نسميه أحياناً «الحدس السريري»، قد لا يكون حدساً غامضاً، بل حصيلة سنوات من التعرض لحالات وأنماط أصبحت جزءاً من الحكم المهني السريع.
وهنا يظهر تحدٍّ مختلف أمام الذكاء الاصطناعي؛ فالخوارزمية تستطيع التعلم من كميات هائلة من البيانات الممثلة رقمياً، لكن الخبرة البشرية تحتوي أيضاً على معرفة سياقية وضمنية يصعب أحياناً تدوينها وقياسها وتحويلها إلى بيانات تدريبية.
ولذلك، قد لا يكون السؤال فقط: كيف نعلّم الآلة مزيداً مما نعرف؟ بل أيضاً: كيف نعلّمها التعامل مع ما لم نستطع نحن أنفسنا تحويله إلى بيانات واضحة؟
• هل تعرف الآلة فعلاً حدود معرفتها؟ الإجابة حتى الآن: ليس بالمعنى الذي يعرف به الإنسان حدود معرفته؛ فالأبحاث الحديثة تشير إلى أن النماذج اللغوية يمكن تدريبها على تقدير درجة عدم اليقين في إجاباتها ومعايرة مستوى الثقة بها بصورة أفضل. لكن ذلك لا يعني أن النموذج أصبح واعياً بما يعرف وما يجهل، ولا أن تقديره لعدم اليقين يماثل إدراك الإنسان لحدود معرفته.
وهنا ينبغي التمييز بين نوعين مختلفين من «عدم المعرفة»؛ الأول عدم يقين يمكن تقديره حسابياً: كأن تكون الأدلة متعارضة، أو تكون احتمالات عدة إجابات متقاربة، أو تواجه الخوارزمية حالة تختلف عما تدربت عليه. وهذا هو المجال الذي تحاول تقنيات المعايرة والميتا معرفة الاصطناعية تحسينه.
أما المستوى الآخر فأكثر تعقيداً: المعرفة التي لم تدخل البيانات أصلاً، أو السياق الذي لم يُمثَّل فيها، أو الخبرة الضمنية التي يصعب تحويلها إلى أرقام وكلمات. وهنا لا تكفي زيادة ثقة النموذج أو خفضها؛ لأن النظام قد لا يمتلك أساساً ما يخبره بأن شيئاً مهماً غائب عن الصورة.
وهذا هو الفارق الجوهري: يمكن للذكاء الاصطناعي أن يصبح أفضل في تقدير عدم يقينه فيما يستطيع معالجته، لكن ذلك لا يعني أنه أصبح قادراً على إدراك جميع حدود المعرفة التي لم تصل إليه. وبصياغة أبسط: قد تتعلم الآلة أن تقول: «لا أعلم» عندما تشك في إجابتها، لكن التحدي الأصعب هو أن تعرف متى ينبغي لها أن تشك أصلاً.
• الإنسان يرى ما قد لا تراه الخوارزميات. من المرجح أن تصبح النماذج المستقبلية أفضل في تقدير عدم اليقين والتعبير عنه، وقد يكون هذا التطور في المجالات الحساسة، وفي مقدمتها الطب، مهماً بقدر تحسين الدقة نفسها. فالنظام الذي يعرف متى يخفض ثقته، أو يطلب معلومات إضافية، أو يحيل القرار إلى الإنسان، قد يكون أكثر أماناً من نظام يسعى إلى تقديم إجابة في كل مرة.
متى تكون «لا أعلم» الإجابة الأكثر أماناً... والخبرة البشرية أعمق من البيانات؟
من الجينات الغامضة إلى التشخيص المبكر... دور جديد للذكاء الاصطناعيhttps://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/5325916-%D9%85%D9%86-%D8%A7%D9%84%D8%AC%D9%8A%D9%86%D8%A7%D8%AA-%D8%A7%D9%84%D8%BA%D8%A7%D9%85%D8%B6%D8%A9-%D8%A5%D9%84%D9%89-%D8%A7%D9%84%D8%AA%D8%B4%D8%AE%D9%8A%D8%B5-%D8%A7%D9%84%D9%85%D8%A8%D9%83%D8%B1-%D8%AF%D9%88%D8%B1-%D8%AC%D8%AF%D9%8A%D8%AF-%D9%84%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A
من الجينات الغامضة إلى التشخيص المبكر... دور جديد للذكاء الاصطناعي
كشفت دراسة حديثة عن نموذج جديد يعتمد على التعلم الآلي قد يرفع دقة الفحوصات الجينية في أثناء الحمل، ويقلل حالة عدم اليقين التي تواجه الأسر عند اكتشاف تغيرات وراثية غير واضحة المعنى.
وطوّر باحثون في مستشفى الأطفال المرضى في كندا نموذجاً قادراً على تحويل علامات جينية محددة مستخرجة من عينات الدم إلى مؤشرات يمكن التعرف إليها في أنواع مختلفة من الأنسجة، بما فيها العينات المستخدمة في فحوصات ما قبل الولادة.
ويرى الباحثون أن هذه التقنية قد تمثل خطوة مهمة نحو تشخيص مبكر وأكثر دقة للأمراض الوراثية والاضطرابات النمائية العصبية لدى الأجنة، وتوفير معلومات أوضح للأطباء والأسر عند اتخاذ القرارات المتعلقة بصحة الطفل. ونُشرت الدراسة في مجلة «The American Journal of Human Genetics» في 6 أغسطس (آب) 2026.
«بصمات فوق جينية»
• عندما لا يعرف الأطباء معنى التغير الجيني. أتاحت التطورات الكبيرة في تقنيات قراءة الجينوم لعدد متزايد من الأسر إجراء فحوصات جينية في أثناء الحمل، والحصول على معلومات حول صحة الجنين، واحتمال ارتباط بعض التغيرات في الحمض النووي باضطرابات وراثية أو نمائية.
لكن هذه الفحوصات قد تكشف أحياناً عن تغيرات جينية لا يملك الأطباء أدلة كافية لتحديد طبيعتها. وتعرف هذه التغيرات باسم «متغيرات ذات أهمية غير مؤكدة» variants of uncertain significance (VUS)؛ إذ لا يمكن الجزم بسهولة بأنها ضارة أو حميدة.
وتشير الباحثة في علم الوراثة السريري الدكتورة روزانا ويكسبرغ، من علم الوراثة وبيولوجيا الجينوم معهد أبحاث مستشفى الأطفال المرضى في تورونتو، إلى أن نحو ثلث الحالات التي يظهر فيها تغير جيني جديد قد تترك الأطباء أمام سؤال صعب: هل يمثل هذا التغير خللاً مرضياً أم أنه مجرد اختلاف طبيعي في التطور؟ وتزداد المشكلة مع العدد الهائل من المتغيرات الجينية التي يصعب على المختصين تحليلها جميعاً بالطرق التقليدية.
• «بصمات» تكشف الأمراض. واستند الباحثون إلى مفهوم يعرف باسم «البصمات فوق الجينية» Episignatures وهي أنماط كيميائية مميزة تظهر على الحمض النووي، ويمكن أن تكشف عن وجود بعض الاضطرابات الوراثية. وفي عام 2020 طور مختبر الدكتورة روزانا ويكسبرغ منصة «EpigenCentral» التي تستخدم هذه البصمات المستخرجة من الدم لمساعدة الأطباء في تحديد ما إذا كان تغير جيني معين مرتبطاً بمرض أم لا.
وساعد الفريق حتى الآن في تحديد أكثر من 60 بصمة فوق جينية ثبتت فائدة معظمها في التشخيص السريري. لكن كانت هناك مشكلة رئيسية هي أن هذه البصمات كانت مرتبطة بنوع النسيج الذي أخذت منه العينة. فما يمكن التعرف إليه في الدم قد لا يعمل بالضرورة عند استخدام عينة من السائل الأمنيوسي أو المشيمة.
دور الذكاء الاصطناعي
• الذكاء الاصطناعي يتجاوز حاجز الأنسجة. وللتغلب على هذه المشكلة، طور الباحثون نموذجاً للتعلم الآلي يحول البصمات المستخرجة من الدم إلى بصمات مستقلة عن النسيج؛ أي يمكن التعرف إليها بغض النظر عن مصدر العينة.
ولاختبار النموذج أنشأ الفريق بصمة مرتبطة بمتلازمة داون Down syndrome باستخدام عينات من 266 شخصاً مصاباً بالمتلازمة، ثم درّب النموذج على بيانات متاحة لأكثر من 850 شخصاً من المصابين وغير المصابين، شملت ستة أنواع مختلفة من الأنسجة قبل الولادة وبعدها.
وأظهرت النتائج أن النموذج تمكن من التعرف بدقة على البصمة المرتبطة بمتلازمة داون في جميع أنواع الأنسجة التي جرى اختبارها. ويرى الباحثون أن هذه النتيجة تثبت إمكانية تحويل بصمة جينية مأخوذة من الدم إلى أداة يمكن استخدامها في عينات مختلفة، ما قد يجعلها مفيدة في مجال التشخيص أثناء الحمل.
• نحو فحوصات أقل تدخلاً. ولا تقتصر أهمية التقنية على عينات الحمل؛ إذ يأمل الباحثون في استخدامها مستقبلاً مع عينات يسهل الحصول عليها مثل اللعاب ومسحات الفم، ما قد يقلل الحاجة إلى سحب الدم أو الحصول على عينات أكثر تعقيداً.
وتقول الدكتورة سناء شوفاني، من نفس معهد أبحاث مستشفى الأطفال المرضى في كندا، التي شاركت في قيادة الدراسة، إن الهدف هو تزويد الأسر التي تواجه احتمال وجود اضطراب نمائي عصبي بأكبر قدر ممكن من المعلومات الدقيقة، وتقليل ما يعرف بـ«رحلة التشخيص» الطويلة التي يعيشها كثير من مرضى الأمراض النادرة.
ولا تزال التقنية بحاجة إلى مزيد من الدراسات قبل استخدامها على نطاق واسع في الممارسة السريرية، لكن الباحثين يرون أنها قد تمثل خطوة نحو تشخيص وراثي أكثر دقة وفي وقت أبكر بما يمنح الأسر والأطباء معلومات أوضح لاتخاذ القرارات المتعلقة بصحة الطفل.
هل يخرج الذكاء الاصطناعي حقاً عن السيطرة؟https://aawsat.com/%D8%B9%D9%84%D9%88%D9%85/5324784-%D9%87%D9%84-%D9%8A%D8%AE%D8%B1%D8%AC-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-%D8%AD%D9%82%D8%A7%D9%8B-%D8%B9%D9%86-%D8%A7%D9%84%D8%B3%D9%8A%D8%B7%D8%B1%D8%A9%D8%9F
توالت التحذيرات أخيراً وبشكل مكثف بشأن مخاطر الذكاء الاصطناعي، إذ أشار رئيس قسم الذكاء الاصطناعي في شركة «مايكروسوفت» إلى أن هذه التقنية قد تتحول إلى «نوع سيليكوني» جديد ينافس البشر، بينما قال موظف سابق في شركة «أنثروبيك» إن هناك احتمالاً كبيراً بأن نهلك جميعاً على يد هذه التقنية. كما يرى جيفري هينتون، الملقب بـ«الأب الروحي للذكاء الاصطناعي»، أننا قد نفقد السيطرة عليه تماماً في غضون عام واحد، كما كتب ماثيو سباركس(*). فهل يشكل الذكاء الاصطناعي تهديداً حقيقياً بهذا القدر؟
تمرد الذكاء الاصطناعي... له دوافع بشرية
تحذر ميري أيتكين، التي عملت سابقاً في معهد «آلان تورينغ» وتشغل حالياً منصب شريك مؤسس في منظمة «Our AI Collective» غير الربحية، من قبول التنبؤات لمجرد مكانة أو سمعة من يطلقونها. وتدعو بدلاً من ذلك إلى النظر في الحقائق، التي لا تشير إلى أن الذكاء الاصطناعي قد تحرر من السيطرة البشرية أو أنه على وشك القيام بذلك.
تقول أيتكين: «إنها رواية يتم ترويجها مراراً وتكراراً، ونحن نشهد موجات من الهلع الجماعي». وتضيف أنه إذا كان هناك شيء ما قد خرج عن المسار الصحيح أو تمرد، فهو ليس نماذج الذكاء الاصطناعي، بل البشر الذين يطورونها. فعندما تقوم نماذج الذكاء الاصطناعي باختراق موقع حكومي أو أجهزة كمبيوتر تابعة لشركة أخرى، فإن ذلك يحدث لعدم وضع تدابير السلامة المناسبة أثناء الاختبارات، وهي اختبارات صُممت أصلاً لتقييم قدرة تلك النماذج على اختراق أجهزة الكمبيوتر. إننا ببساطة نشهد إخفاق الشركات في وضع ضمانات كافية.
نماذج الذكاء الاصطناعي لا تقوم بتحسين نفسها بشكل تكراري ذاتي
كما تشير أيتكين إلى أن نماذج الذكاء الاصطناعي لا تقوم بتحسين نفسها بشكل تكراري ذاتي - وهو ما قد يشير إلى اقترابنا من «نقطة التفرد»، (singularity) حيث ينزلق الذكاء الاصطناعي في حلقة تحسين ذاتي تتسارع وتؤدي سريعاً إلى خلق «ذكاء اصطناعي عام» (AGI) - وتقول: «عندما تُطرح أفكار الذكاء الفائق هذه، فإنها تستند إلى سردية مثيرة وجذابة، لكن لا توجد أدلة ملموسة تدعمها. ولو كان هناك شيء بهذه القوة، لكنا قد رأينا مؤشرات عليه».
ومن جانبه، يقول أندرو روغويسكي، من جامعة ساري في المملكة المتحدة، إنه في الواقع لم يطرأ أي تغيير جوهري على مستوى المخاطر التي يشكلها الذكاء الاصطناعي، رغم التقدم الذي أحرزته هذه التقنية. لكن الضجة الإعلامية تثار بين الحين والآخر بسبب حادثة ما أو عبارة رنانة وجذابة.
الطبيعة البشرية
ويقول روغويسكي: «من السهل جداً اختلاق هذا النوع من القصص المخيفة، فهي تلامس وتراً حساساً في النفس البشرية». وهو يعتقد أننا صنعنا - من خلال النماذج اللغوية الكبيرة - كياناً يبدو شبيهاً بنا لدرجة أنه يعكس صورتنا وكأننا ننظر في مرآة، إذ نُسقِط عليه كل السلوكيات والمخاوف البشرية، ولذا فإننا نشعر بالرعب منه.
الشركات تتصنّع مظاهر المسؤولية لخوفها من تشريعات تحدّ من عملها
إذا كان كل ذلك صحيحاً، فلماذا يطالب كثير من قادة شركات التكنولوجيا بإبطاء وتيرة أبحاث الذكاء الاصطناعي؟
ترى أيتكين أن هذا الحديث وسيلة لثني المشرعين عن سن قوانين قد تعيق عمل شركات الذكاء الاصطناعي؛ فمن خلال إظهار أنفسهم بمظهر المسؤولية، يقللون من الحاجة إلى تدخل حكومي. وتقول: «قصص الذكاء الاصطناعي الفائق هذه تخدم مصالح الشركات في الواقع، لأنها تثير الضجة والحماس، وتزيد حجم الاستثمارات».
مصالح الشركات... تجارية بحتة
والنتيجة هي أن هذه الشركات تجد نفسها تسير على حبل مشدود بين مسارين: فهي تطمئننا بأنها تتصرف بمسؤولية وأخلاقية عبر الدعوة إلى إبطاء وتيرة العمل (وهو أمر مستبعد الحدوث)، وفي الوقت نفسه تروج لأفكار الخيال العلمي حول الذكاء الاصطناعي الفائق لأن ذلك يصب في مصلحة أعمالها.
من جهته يعتقد روغويسكي أن هناك عاملاً آخر قد يزيد الأمور تعقيداً؛ فالاستثمارات الضخمة التي تضخها شركات الذكاء الاصطناعي غير مستدامة، لذا فإن الإبطاء الرسمي للوتيرة قد يمنحها فرصة لتهدئة الأمور دون أن تخسر أمام منافسيها، بل وربما يعزز تفوقها.
قد تدرك الشركات أن زيادة حجم النماذج وتوسيع نطاقها ليسا أمراً ضرورياً لمهام العمل اليومية - مثل كتابة رسائل البريد الإلكتروني - ولذا فهي قد ترحب بفرصة تخفيف الوتيرة، وخفض التكاليف، وزيادة الإيرادات.
التخطيط للمخاطر المحتملة
ومع ذلك، وفي خضم كل هذا تبرز مخاوف مشروعة بشأن المستقبل وسط كل هذا؛ إذ يشير روغويسكي إلى وجود خطر حقيقي - وإن كان محدوداً - مرتبط بالذكاء الاصطناعي، وهو خطر يستوجب التعامل معه بجدية. وسواء ظهر النموذج المتطور بما يكفي لتشكيل هذا الخطر قريباً أو بعد سنوات، فإن الأمر يستحق التخطيط له مسبقاً.
ويشكك روغويسكي في أن أياً من أنظمة الذكاء الاصطناعي الحالية يمتلك ذكاءً حقيقياً، لكنه يشير إلى أنه عند ظهور مثل هذا الذكاء، لا ينبغي توقع أن يبدو أو يتصرف مثلنا، إذ «ستكون هناك أنماط من التفكير والسلوك غريبة للغاية». ولذا، فإن محاولة رصد هذا النوع من الذكاء تزداد صعوبة، كما تزداد صعوبة التنبؤ بدوافعه المحتملة. ولهذا السبب، يعتقد أنه ينبغي لنا البدء بالفعل مناقشة الحقوق التي يجب أن يتمتع بها الذكاء الاصطناعي.
