الشرق الأوسط... البقاء في مستقبل أكثر حرارة وجفافاً

معدل درجة الحرارة فيه ارتفع أسرع من «العالمي» بمرتين

الشرق الأوسط... البقاء في مستقبل أكثر حرارة وجفافاً
TT

الشرق الأوسط... البقاء في مستقبل أكثر حرارة وجفافاً

الشرق الأوسط... البقاء في مستقبل أكثر حرارة وجفافاً

كان 2023 العام الأكثر سخونة على الإطلاق، حيث حطم الأرقام القياسية التي يعود تاريخها إلى منتصف خمسينات القرن التاسع عشر، وأدى إلى شعور مزداد بالإلحاح بشأن العمل المناخي. وقد يكون عام 2024 أكثر سخونة، كما يتضح من موجة الحر الشديدة التي شهدتها الولايات المتحدة هذا الأسبوع.

معاناة الشرق الأوسط

وفي الشرق الأوسط؛ الذي يعدّ بالفعل من أعلى المناطق حرارة على وجه الأرض؛ ارتفعت درجات الحرارة بمعدل أسرع مرتين من المتوسط ​​العالمي. وتتسم بلدان هذه المنطقة ببيئاتها القاحلة، وتواجه مجموعة من التحديات والاحتياجات الخاصة بها، مما يستلزم إطاراً متميزاً لتعزيز سياسات وحلول الاستدامة.

لكن سكان الشرق الأوسط ليسوا وحدهم؛ إذ يعيش أكثر من ثلث سكان العالم في بلدان - مثل مناطق شاسعة من غرب آسيا، والأجزاء الشمالية الغربية من شبه القارة الهندية، وأميركا الجنوبية – موجودة ببيئات حارة وقاحلة.

حتى الآن؛ ركزت مناقشات الاستدامة العالمية إلى حد كبير على البلدان الاستوائية والمعتدلة. ويفترض الخبراء عادة أن التركيز الرئيسي يجب أن يكون على الحفاظ على الغابات الخضراء ذات إمدادات المياه الوفيرة، كما رأينا في أماكن مثل البرازيل وإندونيسيا.

استدامة المناطق الحارة

ومع ذلك، فإن البلدان الحارة والجافة (كثير منها غني بالطاقة) لا تملك النظم البيئية نفسها أو الموارد الطبيعية المتماثلة. وغالباً ما يُنظر إليها على أنها قاحلة أو فارغة، لكن الصحارى حية جداً.

وكتب غونزالو كاسترو دي لا ماتا؛ الباحث في منظمة «إرثنا»، وهي مركز غير ربحي لأبحاث السياسات والمناصرة ومقره قطر، يقول: «إننا نعمل على تطوير أطر الاستدامة المصممة خصيصاً للمناخات الحارة والجافة، ويمكن أن توفر مخططاً لمناطق مماثلة حول العالم».

إن إعادة التفكير في معنى التنوع البيولوجي لإنشاء أطر استدامة فعالة وقابلة للتنفيذ للمناطق الحارة والجافة، تتطلب أولاً فهم التحديات والفرص التي تواجهها هذه البيئات الطبيعية.

مشروع «مشيرب» في الدوحة

التنوع البيولوجي والتكيف

لنأخذ التنوع البيولوجي في قطر؛ على سبيل المثال... إن عملنا البحثي في ​​البلدان ذات درجات الحرارة القصوى يدرك أنه على الرغم من الظروف القاسية؛ بما فيها نقص المياه والحرارة الشديدة، فإن النظم البيئية القاحلة قد أنتجت نباتات وحيوانات قادرة على الصمود، التي اضطرت إلى التكيف بطرق فريدة ومبتكرة.

لقد طورت حيوانات الصحراء، مثل المَهَا، قدرة فطرية على الحفاظ على الطاقة والبقاء على قيد الحياة عندما تكون الأرض جافة والغذاء نادراً، ومعظم النباتات في الصحراء لا يحتاج إلى كثير من الماء ليزدهر. وأشجار المانغروف، التي لديها تكيفات خاصة لاستيعاب ثاني أكسيد الكربون الإضافي وإزالة الملح، تكيفت لتحمل الظروف التي قد تقتل معظم النباتات. تعمل هذه الأشجار الساحلية على تثبيت الخط الساحلي، والحفاظ على الشواطئ من التآكل، ويمكن أن تحمي من ارتفاع منسوب مياه البحر. وهي تعمل على تحسين الظروف لتنمية مصايد الأسماك، وتكون قادرة على امتصاص وتخزين ثاني أكسيد الكربون أكثر من معظم النباتات، مما يساعد في مكافحة تغير المناخ.

بناء مدن أكثر مرونة

عندما نفكر في مستقبل مدننا، وما تحتاجه لتحقيق الازدهار بطرق مستدامة، فمن المهم أن نتذكر أن الحضارات عاشت في مناخات حارة وجافة لآلاف السنين وطورت سلوكيات اجتماعية وثقافية فريدة للتكيف مع بيئاتها.

توفر معارف الأسلاف التقليدية مصدراً غنياً للفهم حول العالم الطبيعي الذي تجب الاستفادة منه لتوجيه الأساليب الحديثة نحو الاستدامة. وفي العاصمة القطرية الدوحة، حيث الطلب على الطاقة في البلاد هو الأعلى، يدمج المطورون مبادئ التصميم المستدام التي تنسق الممارسات القديمة والهندسة المعمارية الحديثة لتقليل الحرارة وتقليل البصمة الكربونية للمدينة.

ملقف الهواء من العصر العباسي

توظيف معارف الأسلاف

مشيرب؛ قلب الدوحة، من الأمثلة على ذلك؛ إذ إنها منطقة مدينة تاريخية جرى تجديدها على مدى 12 عاماً، وتتميز بعناصر معمارية تقليدية، مثل «الملقف»، وهو حاجز مرتفع يستخدم لإيجاد تهوية متقاطعة وتبريد سلبي، والمشربيات (الشبكات الزخرفية) التي توفر الظل والخصوصية، مما أدى إلى خفض استهلاك الطاقة بنسبة 30 في المائة. ويعني وجود نظام متطور لجمع النفايات أن معظم نفايات المنطقة يعاد تدويرها واستخدامها،

ريّ الأفلاج في عٌمان

كما تعمل أنظمة الري على تقليل استخدام المياه. وقد أيد المهندسون المعماريون المنطقة بوصفها مخططاً للتجديد الحضري المستدام.

وفي عمان، يعمل نظام ري الأفلاج القديم منذ أكثر من 2000 عام. تقسم المياه بين المستخدمين من خلال مجموعة معقدة من القنوات التي تجري صيانتها بشكل جماعي، مما يجعل إدارة المياه أكثر عدالة وفاعلية، فساعدها ذلك في الحصول على الاعتراف بها موقعاً من مواقع «التراث العالمي لليونيسكو». وفي أحد مواقع الري، وهو فلج الجيلة، تُستخدم المياه للأغراض الزراعية والمدنية؛ إذ توفر المياه من هذه المواقع ما بين 30 و50 في المائة من إجمالي المياه المستخدمة في عمان اليوم.

من الواضح أن المدن في المناطق الحارة والقاحلة تواجه تحديات مختلفة تماماً عن تلك الموجودة في مناخات أكثر اعتدالاً. ومع ذلك، على مر التاريخ، تكيفت هذه المدن وابتكرت لتزدهر، على الرغم من الظروف القاسية.

إن أطر الاستدامة التي نعمل عليها لا تأخذ في الحسبان درجات الحرارة القصوى والبيئات الجافة فحسب؛ بل إنها مصممة لتشمل الحلول القديمة والحديثة التي يمكن أن تفيد مدن اليوم.

هناك بالفعل طرق لتعزيز الاستدامة في المناخات الأكثر حرارة وجفافاً، على الرغم من التحديات، خصوصاً عندما يكون ذلك بالشراكة مع مجموعات أصحاب المصلحة الأساسيين؛ بمن فيهم الخبراء الفنيون والأكاديميون والحكومات والمنظمات غير الحكومية والشركات والمجتمع المدني.

شبكة المدن القاحلة

تتطلع «إرثنا» إلى إنشاء شبكة المدن القاحلة التي ستجمع خبراء في المدن ذات البيئات الحارة والقاحلة، ونحن نقود حالياً تقييماً عالمياً للاستدامة مع التركيز على 6 مدن قاحلة: الدوحة، ومسقط، وجايبور، ومراكش، وغرينادا، وليما. وكما هي الحال مع إنشاء منصب «كبير مسؤولي الحرارة» في الولايات المتحدة، فسنشارك أفضل الممارسات ونطور حلولاً عملية قائمة على السياسات لمعالجة تأثير تغير المناخ في مناطقنا. للمناخات الحارة والجافة دور كبير في الحد من الآثار الضارة لتغير المناخ، بغض النظر عن موقعها. تحتوي هذه المنطقة مخزوناً غنياً من المعرفة التقليدية والابتكارات المستقبلية لرسم مسار نحو مستقبل أكثر استدامة.

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

اقرأ أيضاً


مقالات ذات صلة

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

علوم ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

الأقوى من نوعها على الإطلاق ويمتد تأثيرها إلى بداية العالم المقبل

كريستين توسان (واشنطن)
المشرق العربي من السيول في إدلب (سانا)

أمطار الصيف تفاجئ السوريين وسط مخاوف من موجة فيضانات جديدة

حذّرت الحكومة السورية سكان محافظتي الرقة ودير الزور شرق سوريا من الزيادة ‏التدريجية في كميات المياه القادمة من «سد كديران» على نهر الفرات، السبت، ودعت إلى…

سعاد جروس (دمشق)
يوميات الشرق قوارب عالقة في الوحل في أحد فروع نهر الدانوب في أثناء موجة حر في النمسا (رويترز)

أوروبا تواجه خامس موجة حر خلال صيف استثنائي

أدت موجات الحر المتكررة وحالات الجفاف إلى صيف حار تاريخياً شهد حرائق غابات، كما أسهمت في وفاة آلاف الأشخاص حتى الآن

«الشرق الأوسط» (لندن)
يوميات الشرق مصر سجلت درجات حرارة مرتفعة (رويترز)

مصريون يواجهون موجة الحر الشديدة بتجنب العمل خلال الظهيرة

دفعت موجة الحر الشديدة التي تشهدها مصر بعض المصريين إلى إعادة ترتيب ساعات عملهم وتحركاتهم اليومية، لتجنب الوجود في الشوارع خلال ساعات الظهيرة، التي تسجل ذروة…

منى أبو النصر (القاهرة)
آسيا زائر ينظر إلى البحر مع اقتراب إعصار هايكوي من المنطقة على شاطئ سانسيت في تشاتان بمحافظة أوكيناوا باليابان (أرشيفية-رويترز)

مكتب الأرصاد الياباني يتوقع استمرار ظاهرة النينيو خلال الشتاء

أفادت وكالة الأرصاد الجوية اليابانية بأن هناك احتمالاً بنسبة 100 % لاستمرار ظاهرة النينيو، خلال فصل الشتاء في نصف الكرة الشمالي وحتى أوائل عام 2027.

«الشرق الأوسط» (طوكيو)

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»
TT

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

ظاهرة «إلنينو» الاستثنائية... لمحة عن مستقبل الأرض «الحراري»

تزداد ظاهرة «إلنينو» قوةً باستمرار، وقد تكون الظروف الجوية الحادة التي ستجلبها بمثابة لمحة عما ينتظرنا في عالم أكثر دفئاً.

الأقوى على الإطلاق

يقول خبراء الأرصاد الجوية إن ظاهرة «إلنينو»، هذا العام، قد تصبح الأقوى على الإطلاق؛ وهذا يعني احتمال حدوث تأثيرات مناخية شديدة، تتراوح بين فترات جفاف طويلة في بعض أنحاء العالم وزيادة في العواصف وهطول الأمطار بمناطق أخرى، ما قد يؤدي إلى فيضانات عارمة.

«إلنينو» ظاهرة تجتاح مياه المنطقة الاستوائية للمحيط الهادئ

عالم يشهد ارتفاعاً مؤقتاً في الحرارة بمقدار درجتين مئويتين

تعتمد شدة ظاهرة «إلنينو» على مدى ارتفاع درجات حرارة المحيطات عن معدلاتها الطبيعية؛ إذ تؤثر هذه المياه الأكثر دفئاً على الغلاف الجوي، ما يؤدي إلى تغيير أنماط الطقس وتضخيم حِدتها. وتتزامن ظاهرة «إلنينو»، هذا العام، مع درجات حرارة مرتفعة بالفعل في المحيطات ومع صيف شديد الحرارة.

وهذا يعني أن الحرارة التي تجلبها الظاهرة قد تدفع متوسط ​​درجة الحرارة العالمية الشهرية لتتجاوز حاجز الارتفاع بمقدار درجتين مئويتين (3.6 درجة فهرنهايت)؛ وهو الحد الذي طالما عددناه سقفاً ينبغي عدم تجاوزه لتجنب «الأضرار الواسعة وغير المتوقعة» الناجمة عن تغير المناخ.

تفاقم الآثار المناخية

في الواقع، تجدر الإشارة إلى أنه لا يوجد حد «آمن» للاحتباس الحراري. فنحن نشهد، بالفعل، آثار تغير المناخ، متمثلة في تسجيل الولايات المتحدة أكثر فصول الصيف حرارة على الإطلاق، وتوالي موجات الحر الشديدة في أنحاء أوروبا. ومع ذلك فإن كل زيادة، ولو طفيفة، في درجات الحرارة تؤدي إلى تفاقم الآثار المناخية، والحد من الاحترار يمكن أن يساعد في درء كوارث أكثر تطرفاً.

اختبار حقيقي لصمود كوكب الأرض

نحن لم نصل بعدُ إلى عالمٍ ترتفع فيه الحرارة بمقدار درجتين مئويتين؛ إذ يقول الخبراء إنه باستثناء تأثير دورة «إلنينو»، لن يصل كوكبنا إلى هذا المستوى من الاحترار قبل عقد أو عقدين آخرين. لكن إذا قادتنا ظاهرة «إلنينو» إلى هذا المستوى مؤقتاً، فقد نحصل على لمحة عما سيبدو عليه ذلك العالم.

وكتب روبرت رود، كبير العلماء بمنظمة «بيركلي إيرث» (Berkeley Earth)، على منصة «بلوسكاي» (Bluesky) تعليقاً على ظاهرة «إلنينو»، هذا العام: «قد تكون الأشهر الاثنا عشر المقبلة بمثابة اختبار حقيقي للقدرة على الصمود: حرارة قياسية، وطقس متطرف، وخسائر في المحاصيل، وتأثيرات متتابعة... إنها، جزئياً، لمحة عما يُخبئه لنا المستقبل».

من جهته يصف زيك هاوسفاذر، وهو عالم مناخ يعمل لدى منظمة «بيركلي إيرث» ويشغل منصب رئيس أبحاث المناخ بشركة «سترايب» (Stripe)، ظاهرة «إلنينو» الحالية بأنها بمثابة «آلة زمن»، إذ إن الاحترار الذي تجلبه هذه الظاهرة المناخية - الذي يمتد حتى نهاية عام 2026 ويدخل في عام 2027 - قد يماثل درجات الحرارة التي يتوقع العلماء أن تسود في عام 2037.

إلنينو ظاهرة لا تشبه الاحتباس الحراري

لكن ثمة أمراً مهماً يجب مراعاته؛ فلكل من ظاهرة «إلنينو» وغازات الدفيئة تأثيرات مختلفة. فقد كتب هاوسفاذر وعالِم المناخ أندرو ديسلر، في مقال نُشر على منصتهما المشتركة «ذا كلايمت برينك» (The Climate Brink) عبر خدمة «سابستاك »: «يمكن للعالم المستقبلي الذي ارتفعت حرارته بفعل الغازات الدفيئة، والعالم الحالي الذي ارتفعت حرارته مؤقتاً بفعل ظاهرة إلنينو، أن يتشاركا في متوسط ​​درجة الحرارة العالمية نفسه، رغم وجود اختلافات جوهرية في تأثيرات هذا الاحترار».

إن ما نشير إليه جميعاً باسم «التغير المناخي» يرتبط بالاحترار العالمي الناجم عن انبعاث الغازات الدفيئة في الغلاف الجوي؛ حيث تعمل هذه الانبعاثات على حبس الحرارة، ما يؤدي إلى رفع درجة حرارة الكوكب.

في المقابل، يرى خبراء المناخ أن ظاهرة «إلنينو» تشبه، إلى حد كبير، «إعادة توزيع للحرارة» الموجودة بالفعل داخل نظامنا المناخي؛ فخلال هذه الظاهرة، تتغير الرياح وتدفع مياه المحيط الدافئة نحو مناطق أخرى، ما يؤثر، بدوره، على حرارة الغلاف الجوي.

احترار «إلنينو» ليس متساوياً عبر العالم

وهذا يعني أن الاحترار المرتبط بظاهرة «إلنينو» ليس عالمياً بالمعنى الشامل؛ إذ تشهد بعض أجزاء الكوكب درجات حرارة أعلى، بينما تنخفض الحرارة في أجزاء أخرى. كما تُغير الظاهرة أنماط هطول الأمطار بطريقة متفاوتة ومتباينة حول العالم.

وبهذا المعنى، لن تحاكي ظاهرة «إلنينو» الحالية الصورة الكاملة للاحترار العالمي- الناجم عن الأنشطة البشرية وتراكم الغازات الدفيئة- الذي يتوقع العلماء أن يشهده الكوكب بحلول عام 2037.

ومع ذلك، ستجلب هذه الظاهرة لمناطق معينة من العالم بعضاً من تلك التأثيرات المتفاقمة التي يحملها في طياته كوكب أكثر سخونة- مثل درجات الحرارة القياسية وفترات هطول الأمطار الغزيرة للغاية- وبصورة غير مسبوقة، مقارنة بأي دورة سابقة لظاهرة «إلنينو».

* مجلة «فاست كومباني»

Your Premium trial has ended


لماذا تجمع أفضل استراتيجيات الذكاء الاصطناعي بين التنبؤ والاستدلال؟

لماذا تجمع أفضل استراتيجيات الذكاء الاصطناعي بين التنبؤ والاستدلال؟
TT

لماذا تجمع أفضل استراتيجيات الذكاء الاصطناعي بين التنبؤ والاستدلال؟

لماذا تجمع أفضل استراتيجيات الذكاء الاصطناعي بين التنبؤ والاستدلال؟

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».


هل يستطيع الذكاء الاصطناعي أن ينسى المريض؟

حين تتعلّم الخوارزمية كيف تنسى
حين تتعلّم الخوارزمية كيف تنسى
TT

هل يستطيع الذكاء الاصطناعي أن ينسى المريض؟

حين تتعلّم الخوارزمية كيف تنسى
حين تتعلّم الخوارزمية كيف تنسى

تخيّل مريضاً وافق قبل سنوات على استخدام بياناته الطبية في تدريب نظام ذكي يساعد الأطباء في اكتشاف الأمراض. وهكذا دخلت صوره وفحوصه وتاريخه المرضي ضمن آلاف، وربما ملايين، السجلات التي استخدمت لبناء النموذج. ثم غيّر رأيه، وطلب سحب موافقته وحذف بياناته.

في قاعدة البيانات التقليدية يبدو الحل بسيطاً: يُحذف السجل وتنتهي القصة. لكن المشكلة تصبح أكثر تعقيداً عندما يكون النظام قد تعلّم بالفعل من تلك البيانات؛ فأثناء التدريب لا يحتفظ النموذج بالضرورة بسجل المريض كما تفعل قاعدة البيانات، بل تتغير معاملاته الداخلية استناداً إلى الأنماط التي استخلصها. وهكذا يمكن حذف الملف الأصلي، بينما يبقى جزء من أثره الإحصائي فيما تعلّمته الخوارزمية.

عندما لا يكفي زر «الحذف»

هل يمكن حذف ما تعلّمته الآلة أيضاً؟ هذا هو السؤال الذي طرحه باحثون في دراسة تحليلية حديثة نُشرت في 18 يوليو (تموز) 2026، في دورية «إن بي جيه ديجيتال ميديسن» (npj Digital Medicine)، التابعة لمحفظة «نيتشر» (Nature Portfolio)، بعنوان «محو التعلّم الآلي بوصفه ضرورة لحوكمة الذكاء الاصطناعي السريري».

وتناقش الدراسة مفهوم «محو التعلّم الآلي» (Machine Unlearning)، أي محاولة إزالة تأثير بيانات محددة من نموذج سبق تدريبه، من دون الحاجة بالضرورة إلى إعادة تدريبه بالكامل من نقطة الصفر.

وإذا نجحت هذه الفكرة عملياً، فقد تضيف إلى الطب الرقمي قدرة لم تكن جزءاً تقليدياً من تصميم الخوارزميات: ألّا تتعلم فقط، بل أن تعرف أيضاً كيف تنسى.

ما «محو التعلّم»؟

يقوم تدريب أنظمة الذكاء الاصطناعي على استخلاص أنماط وعلاقات إحصائية من كميات كبيرة من البيانات، ثم ترميز ما تعلّمته بصورة موزعة داخل معاملات النموذج، بحيث يستطيع لاحقاً استخدامها في التصنيف أو التنبؤ أو دعم التشخيص.

أما «محو التعلّم» فيحاول السير في الاتجاه المعاكس: إزالة أثر بيانات بعينها بعد أن يكون النموذج قد تعلّم منها بالفعل. والهدف، بدلاً من إعادة التدريب من نقطة الصفر كلما طُلب حذف سجل، هو تعديل النموذج بحيث يصبح سلوكه قريباً قدر الإمكان من نموذج افتراضي لم يتدرب على تلك البيانات أصلاً. ويُعرف هذا النموذج المعاد تدريبه من دون البيانات المطلوب حذفها أحياناً بأنه «المعيار الذهبي» الذي تُقارن به فاعلية عملية المحو.

والفرق هنا جوهري؛ فحذف صورة أشعة أو نتيجة فحص من قاعدة البيانات لا يضمن اختفاء تأثيرها من النموذج الذي سبق أن تدرب عليها؛ لأن أثرها قد يكون توزع بالفعل عبر عدد كبير من معاملاته الداخلية.

ويمكن تشبيه ذلك بتمزيق صفحة من كتاب بعد أن يكون القارئ قد حفظ محتواها: اختفت الصفحة، لكن المعلومة لم تختفِ بالضرورة من الذاكرة.

حين يصبح النسيان ضرورة طبية

لماذا يحتاج الطب إلى «النسيان»؟

الحاجة إلى النسيان لا تبدأ أو تنتهي عندما يغيّر مريض رأيه ويسحب موافقته على استخدام بياناته؛ فقد يتبين بعد التدريب أن بعض السجلات احتوت على أخطاء، أو أن صوراً طبية صُنفت بتشخيص غير صحيح، أو أن مجموعة سكانية لم تُمثَّل بصورة متوازنة. وفي حالات أخرى، قد لا تكون المشكلة في البيانات نفسها، بل في أن المعرفة الطبية التي استندت إليها تغيّرت.

وهذه نقطة شديدة الأهمية في الطب؛ فالمعرفة السريرية ليست ثابتة. كما أن توصيات العلاج تتبدل مع ظهور تجارب وأدلة جديدة، وقد تُراجع ممارسات كانت مقبولة عندما جُمعت البيانات التي تعلم منها النظام.

ويستشهد الباحثون بجائحة «كوفيد-19» بوصفها مثالاً واضحاً، حين تغيرت الأدلة والتوصيات العلاجية بسرعة استثنائية؛ فإذا تعلم نموذج طبي من ممارسات ثبت لاحقاً أنها غير مناسبة، فإن مجرد إضافة بيانات أحدث قد لا يجيب دائماً عن سؤال أكثر صعوبة: هل يمكن إزالة أثر المعرفة التي لم نعد نريد للنظام أن يعتمد عليها؟

وهنا يكتسب «محو التعلّم» وظيفة تتجاوز حذف البيانات؛ فقد يصبح أداة لتصحيح الذاكرة السريرية للنموذج عندما يتغير العلم نفسه.

حين يصبح الحق في النسيان تحدياً للخوارزمية

هل يملك المريض حقاً في أن تنساه الخوارزمية؟

تزداد المسألة تعقيداً عندما تنتقل من علوم الحاسوب إلى القانون وحقوق المريض؛ فاللائحة العامة لحماية البيانات في الاتحاد الأوروبي (GDPR) تمنح الأفراد، بموجب المادة 17 وفي ظروف محددة، حق طلب محو بياناتهم الشخصية، وهو ما يُعرف أحياناً بـ«الحق في المحو» أو «الحق في أن يُنسى».

لكن النماذج الذكية تطرح مشكلة لم تكن قواعد البيانات التقليدية مصممة للتعامل معها؛ فإذا دخلت بيانات المريض بالفعل في عملية التدريب، فإن حذف السجل الأصلي لا يجيب بالضرورة عن سؤال آخر: ماذا عن الأثر الذي تركته تلك البيانات داخل النموذج؟

وتشير الدراسة إلى أن مدى انطباق التزامات المحو على معاملات النماذج المدربة، لا يزال مسألة قانونية غير محسومة بالكامل؛ فالمعلومة الأصلية قد لا تبقى محفوظة في موضع محدد يمكن ببساطة العثور عليه وحذفه، وإنما قد يكون تأثيرها موزعاً عبر بنية النموذج.

وهنا تظهر فجوة جديدة بين الحق القانوني في حذف البيانات والقدرة التقنية على جعل الخوارزمية تتصرف كما لو أنها لم تتعلم منها أصلاً. إنها منطقة يلتقي فيها الطب وعلوم الحاسوب والقانون، بينما لا تزال حدود «حق المريض في النسيان الرقمي» قيد التشكل.

النسيان ليس بلا مخاطر

لكن جعل النموذج ينسى ليس عملية بلا ثمن؛ فإزالة أثر مجموعة من البيانات قد تغير سلوكه بطرق تتجاوز المعلومات المستهدفة نفسها، وربما تؤثر في قدرته على التمييز بين الحالات أو في «معايرته»؛ أي مدى تطابق الاحتمالات التي يتنبأ بها مع النتائج التي تحدث فعلياً.

وقد لا يتوزع هذا التأثير بالتساوي؛ فعملية تبدو ناجحة عند قياس الأداء العام قد تترك أثراً أكبر لدى فئة معينة من المرضى، خصوصاً إذا كانت ممثلة أصلاً بعدد محدود من الحالات.

لذلك، يحذر الباحثون من التعامل مع محو التعلّم بوصفه «زر حذف»؛ فبعد أي تعديل جوهري ينبغي إعادة اختبار النموذج، ومقارنة أدائه بالنسخة السابقة، والتحقق من عدم ظهور آثار جانبية غير مقصودة، مع الاحتفاظ بإمكانية الرجوع إلى إصدار سابق إذا فشلت العملية.

ومن هنا تطرح الدراسة مفهوماً مهماً هو «الاستعداد لمحو التعلّم» (Unlearning Readiness): أي أن تُصمم الأنظمة الطبية منذ البداية بحيث يمكن لاحقاً تحديد البيانات المطلوب نسيانها، وإزالة أثرها، ثم التحقق من نجاح العملية وتوثيق ما تغير.

وبذلك يصبح «النسيان» خاصية ينبغي التفكير فيها عند بناء النموذج، لا بعد أن تظهر الحاجة إليها.

من «النموذج الثابت» إلى دورة حياة مستمرة

يغير «محو التعلّم» أيضاً الطريقة التي ننظر بها إلى الأنظمة الطبية بعد اعتمادها؛ فالنموذج لا ينبغي أن يُعامل منتجاً ثابتاً يحصل على الموافقة ثم يبقى على حاله؛ فالبيانات تتغير، والأدلة الطبية تتطور، وقد تُكتشف أخطاء جديدة، أو يسحب مرضى موافقتهم على استخدام معلوماتهم.

لذلك تقترح الدراسة التعامل معه ضمن دورة حياة مستمرة تبدأ بمعرفة مصدر البيانات وإمكانية تتبعها، وتمر بإدارة إصدارات النموذج وتحديد الظروف التي تستدعي إزالة أثر معلومات معينة، ثم اختبار النسخة المعدلة قبل استمرار استخدامها سريرياً.

وهذا يعني أن السؤال عند اعتماد نظام طبي جديد لا ينبغي أن يكون فقط: كيف تعلّم؟ بل أيضاً: هل نعرف كيف نصحح ما تعلّمه إذا اكتشفنا لاحقاً أنه لم يعد صالحاً؟

وتصبح الحوكمة، بهذا المعنى، إدارةً لدورة حياة الذكاء الاصطناعي الطبي، وليست موافقة تنظيمية تُمنح مرة واحدة عند دخوله المستشفى.

حين يصبح النسيان شكلاً من أشكال الحكمة

السؤال المقبل للذكاء الاصطناعي الطبي

قضينا السنوات الماضية نحاول بناء أنظمة تستطيع التعلم من أكبر قدر ممكن من البيانات. لكن الطب قد يحتاج الآن إلى قدرة مختلفة: أن تعرف الآلة ماذا يجب أن تنسى، ومتى، وكيف تثبت أنها نسيته من دون الإضرار بما تعلمته بصورة صحيحة. وقد كتب الفيلسوف الألماني فريدريش نيتشه قبل أكثر من قرن أن «النسيان ليس مجرد قوة خمول... بل قدرة فاعلة وإيجابية». كان يتحدث عن العقل الإنساني، لا عن الخوارزميات، لكن عبارته تكتسب اليوم معنى تقنياً لم يكن من الممكن تصوره في عصره؛ فبعد سنوات انصب فيها الاهتمام على كيفية تعليم الآلة، قد تبدأ المرحلة المقبلة بالسؤال عن كيفية جعلها تتراجع عما تعلمته عندما يصبح ذلك ضرورياً. وربما لا تُقاس ذاكرة الآلة بما تستطيع الاحتفاظ به فقط، بل بما تستطيع أن تنساه عندما يصبح التذكّر خطأً.

ففي الطب، قد لا يكون النسيان نقيضاً للتعلّم؛ بل أحد شروط استمرار التعلّم بصورة صحيحة.