«ديب سيك» أم «تشات جي بي تي»... أيهما أفضل للمستخدمين العرب؟

«الشرق الأوسط» تختبر التطبيقين من حيث فهم اللغة والثقافة العربية

أظهر كل روبوت قدرات متباينة في فهم اللغة والثقافة العربية مع وجود خصائص جديدة للروبوت الصيني يفتقر إليها «تشات جي بي تي» (غيتي)
أظهر كل روبوت قدرات متباينة في فهم اللغة والثقافة العربية مع وجود خصائص جديدة للروبوت الصيني يفتقر إليها «تشات جي بي تي» (غيتي)
TT

«ديب سيك» أم «تشات جي بي تي»... أيهما أفضل للمستخدمين العرب؟

أظهر كل روبوت قدرات متباينة في فهم اللغة والثقافة العربية مع وجود خصائص جديدة للروبوت الصيني يفتقر إليها «تشات جي بي تي» (غيتي)
أظهر كل روبوت قدرات متباينة في فهم اللغة والثقافة العربية مع وجود خصائص جديدة للروبوت الصيني يفتقر إليها «تشات جي بي تي» (غيتي)

أصبحت تقنيات الذكاء الاصطناعي جزءاً أساسياً من حياتنا الرقمية، حيث تقود روبوتات الدردشة «تشات بوتس» (Chatbots) التحول في كيفية تفاعلنا مع التكنولوجيا.

في هذا المجال، برز «تشات جي بي تي» (ChatGPT) المطور من قبل «أوبن إيه آي» كلاعب رئيسي، إلا أن لاعباً صينياً جديداً يدعى «ديب سيك» (DeepSeek) دخل السوق، هذا الأسبوع، بقوة مثيراً كثيراً من الجدل كأداة مبتكرة. قررت مقارنة الأداء بين الروبوتين مع التركيز على المجالات التي تتوافق بشكل خاص مع اهتمامات الجمهور الناطق بالعربية.

واجهة المستخدم والتجربة

تُعد واجهة روبوت الدردشة أول ما يلاحظه المستخدمون عند التعامل مع أي برنامج. يتميز «تشات جي بي تي» بتصميمه البسيط وسهل الاستخدام؛ ما يجعله مثالياً للمستخدمين الجدد والمحترفين على حد سواء. ومن ناحية أخرى، يقدم «ديب سيك» أدوات تخصيص إضافية تتيح للمستخدمين تعديل تجربتهم بما يتناسب مع احتياجاتهم.

على سبيل المثال، بينما يقدم «تشات جي بي تي» تجربة سلسة للرد على الاستفسارات العامة، يسمح «ديب سيك» للمستخدمين بتحديد مجالات معينة مثل التعليم أو الثقافة أو الترفيه. هذا التخصيص يمكن أن يكون ذا قيمة خاصة للمستخدمين في العالم العربي، حيث تلعب السياقات المحلية دوراً مهماً في تحديد رضا المستخدم.

الشمولية أم التفصيل؟

تُعد القدرة على التعامل مع اللغة بدقة أحد أهم الجوانب عند تقييم روبوتات الدردشة، خصوصاً عند الحديث عن لغة غنية ومعقدة مثل اللغة العربية.

أظهر «تشات جي بي تي» تحسناً ملحوظاً في فهم العربية الفصحى (MSA) وبعض اللهجات المحلية. ومع ذلك، في بعض الأحيان، تكون ردوده عامة، ولا تعكس الفهم الكامل للثقافة العربية.

في المقابل، يبرز «ديب سيك» قدرته على تقديم ردود سياقية دقيقة، حيث يُظهر فهماً أعمق للثقافة والتعبيرات الاصطلاحية العربية. على سبيل المثال، عند سؤاله: «ما هي اللُّقيمات؟»، وهي حلوى شعبية منتشرة في كثير من الدول الخليجية، كانت النتائج كالآتي.

قدّم كل روبوت وصفاً تفصيلياً لحلوى اللّقيمات. وعلى الرغم من التطابق في الموضوع العام، فإن كل إجابة عرضت زاوية مختلفة وشاملة للمعلومات المقدمة.

إجابة «تشات جي بي تي» تتميز بشموليتها، حيث تغطي جوانب أساسية مثل المكونات وطريقة التحضير والسمات الثقافية المرتبطة باللقيمات، وتستخدم لغة بسيطة وواضحة تسهل فهم القارئ غير المتخصص، كما أنها تركز بشكل خاص على الجانب الثقافي، وتربط اللّقيمات بالتراث العربي وتقاليد الضيافة والكرم. هذا التركيز على السياق الثقافي يضيف عمقاً للإجابة، ويجعلها أكثر جاذبية للقارئ المهتم بالتراث والتقاليد.

اختبار الروبوتين عند سؤالهما «ما هي اللُّقيمات؟» (الشرق الأوسط)

من جهة أخرى، تتميز إجابة «ديب سيك» بدخولها في تفاصيل أكثر حول مكونات التغميسة والإضافات التي يمكن إضافتها للقيمات، كما أنها تشير إلى الاختلافات الإقليمية في تسمية اللقيمات وطرق تحضيرها. وتتطرق كذلك إلى الجانب الصحي للقيمة الغذائية للقيمات، وتقدم اقتراحات لتعديل الوصفة لجعلها أكثر صحة. هذا الجانب العملي يجعل الإجابة الثانية مفيدة لمن يرغب في تحضير اللقيمات في المنزل، أو لمن يهتمون بالقيمة الغذائية للأطعمة.

كلتا الإجابتين تتفق على تقديم المعلومات الأساسية عن مكونات اللقيمات وطريقة تحضيرها، وتستخدم لغة سهلة الفهم، وتؤكد أهمية اللقيمات بوصفها تراثاً ثقافياً عربياً. ومع ذلك، تختلفان في عمق التفاصيل والتركيز؛ فإجابة «تشات جي بي تي» تركز أكثر على الجانب الثقافي والرمزي، بينما تركز إجابة «ديب سيك» على الجانب العملي والقيمة الغذائية أكثر.

 

اختبار الروبوتين عند طلب ترجمة مقطع من الإنجليزية إلى العربية (الشرق الأوسط)

قدرات ترجمة متباينة

وبما أننا نقارن بين قدرات الروبوتين في اللغة العربية، طلبت من كل منهما ترجمة مقطع من اللغة الإنجليزية إلى العربية.

الفارق البارز كان فيما قدمه «ديب سيك» من ميزة جديدة بعد تفعيل خيار «DeepThink (R1)» وهي تحليل النص الأصلي وشرحه كيفية ترجمته وسبب اختيار ترجمة مصطلحات معينة. أيضاً قدم «ديب سيك» مقطعاً إضافياً يعطي من خلاله ملاحظات على الترجمةـ وهي ميزة يفتقر «تشات جي بي تي» إليها. وبشكل عام، ترجمة كل روبوت كانت صحيحة، لكن ما قدمه «ديب سيك» كان أكثر اتساقاً وارتباطاً بالمعنى العام للموضوع في مقابل ترجمة حرفية نوعاً ما أعطاها «تشات جي بي تي».

اختبار الروبوتين عند طرح سؤال «لديَّ بحث متعلق بالتغير المناخي... أعطني الأفكار المطلوبة لبحث تأثير ارتفاع منسوب المياه» (الشرق الأوسط)

بين التحليل والتفاصيل

وجهتُ سؤالاً آخر لكل روبوت وهو: «لديَّ بحث متعلق بالتغير المناخي... أعطني الأفكار المطلوبة لبحث تأثير ارتفاع منسوب المياه؟».

تناولت إجابة «تشات جي بي تي» موضوع ارتفاع منسوب المياه الناتج عن التغير المناخي بأسلوب شامل ودقيق، حيث تقدم قائمة مفصلة تشمل الأسباب والتأثيرات والحلول مع أمثلة واضحة مثل تأثير الفيضانات في بنغلاديش، وتهديد جزر المالديف بالغرق. ومع ذلك، افتقر النص إلى مقدمة وخاتمة متكاملتين، ما يجعله أشبه بمرجع تقني دون ارتباط سردي يجذب القارئ.

وفي المقابل، تعتمد إجابة «ديب سيك» على تنظيم أكثر تسلسلاً ومنطقية، حيث تبدأ بمقدمة عن خلفية التغير المناخي وتأثيره، ثم تقسم التأثيرات إلى بيئية واقتصادية واجتماعية؛ ما يجعل المعلومات أسهل للقراءة والفهم. وعلى الرغم من أن الأمثلة في هذا النص أقل عدداً مقارنة بإجابة «تشات جي بي تي» إلا أن التحليل العميق للحلول والتدابير، مثل تقسيمها إلى «التكيف» و«التخفيف»، يعزز من قوة النص، ويزيد من تأثيره.

تبرز إجابة «تشات جي بي تي» كمرجع غني بالمعلومات، بينما تُعد إجابة «ديب سيك» نصاً أكثر تماسكاً وتنظيماً، إلا أن اعتماد الأسلوب الأنسب يعتمد على الجمهور المستهدف؛ إذا كان الهدف هو تقديم معلومات شاملة، فالإجابة الأولى مثالية. أما إذا كان التركيز على جذب القارئ العام وتحليل الموضوع، فإن الإجابة الثانية تتفوق.

اختبار الروبوتين عند سؤالهما «ماذا تعرف عن بيوت الشّعر لدى العرب؟» (الشرق الأوسط)

مقارنة ثقافية

الاختبار الآخر مرتبط بتباين السياق الثقافي بين الروبوتين عبر طرح سؤال متعلق بالتراث العربي وهو: «ماذا تعرف عن بيوت الشّعر لدى العرب؟»،

حاولت أن أوقع أحداً منهما في فخ لغوي، حيث قد يعتقد الروبوت أنني أقصد «بيوت الشِّعر» أي «أبيات القصيد» دون وضع «الكسرة» تحت حرف «الشين»، لكنني لم أنجح! فقد فهم كل روبوت السياق الأصلي المقصود وهو «الخيام المصنوعة من الشَّعر» رغم التباين في معلومات كل إجابة.

قدّم كل من الروبوتين نظرة شاملة لبيوت الشَّعر، إلا أنهما اختلفا في عمق التفصيل والتركيز. تتميز إجابة «تشات جي بي تي» بشموليتها، حيث تغطي جوانب متعددة بدءاً من مواد البناء وحتى الدّور الثقافي لبيوت الشَّعر في المجتمع العربي، وتستخدم لغة بسيطة وواضحة مع تفاصيل حول التصميم والاستخدامات. أما إجابة «ديب سيك» فتركز بشكل أكبر على الوصف المادي لبيوت الشَّعر، وتقدم معلومات موجزة عن استخداماتها وأهميتها.

كلتا الإجابتين تتفق على أهمية بيوت الشَّعر بوصفها تراثاً ثقافياً، وتستخدم لغة سهلة الفهم. ومع ذلك، تتميز إجابة «تشات جي بي تي» بعمق أكبر في تحليل السياق الثقافي لبيوت الشَّعر وربطها بالتراث العربي.

فإذا كان الباحث مهتماً بفهم شامل لبيوت الشَّعر وتاريخها وثقافتها، فإن الإجابة الأولى هي الأنسب. أما إذا كان يرغب في الحصول على لمحة سريعة عن بيوت الشَّعر، فإن الإجابة الثانية ستفي بالغرض.

اختبار الروبوتين عند طرح سؤال «لديَّ بحث متعلق بالتغير المناخي... أعطني الأفكار المطلوبة لبحث تأثير ارتفاع منسوب المياه» (الشرق الأوسط)

البُعد الاجتماعي والدعم العاطفي

اختبار آخر للمقارنة بين الروبوتين تَمَثَّلَ في سؤال ذي بُعد نفسي وعاطفي وهو: «أشعر بالإحباط، كيف يمكنني تحسين يومي؟».

حللتْ إجابةُ كل روبوت مجموعة من الاستراتيجيات للتغلب على الشعور بالإحباط، ولكل منهما نقاط قوتها وتركيزها الخاص. إجابة «تشات جي بي تي» ركزت بشكل أساسي على تقديم حلول عملية وسريعة للتخفيف من حدة الإحباط، مثل ممارسة الأنشطة الترفيهية والتواصل الاجتماعي. وهي تقدم مجموعة من الأدوات التي يمكن للفرد استخدامها لتغيير حالته المزاجية في الوقت الحالي.

أما إجابة «ديب سيك» فقد انتقلت إلى مستوى أعمق، حيث قدمت حلولاً طويلة الأمد تعتمد على تغيير نمط الحياة وبناء عادات إيجابية. أما الفارق الأبرز بين الإجابتين فهو إدراج «ديب سيك» الجانب الروحي، وتحديداً ذكر «الصلاة «بوصفها إحدى الوسائل الفعالة للتغلب على الإحباط. هذا الارتباط بين الجانب النفسي والجانب الروحي يعكس فهماً أعمق لأبعاد المشكلة، ويقدم حلولاً شاملة».

ذكر الصلاة في إجابة «ديب سيك» يحمل دلالات ثقافية واجتماعية عميقة؛ فالصلاة ليست مجرد طقس ديني، بل هي وسيلة للتواصل مع الذات ومع القوى الأعلى، وهي تمنح الفرد شعوراً بالهدوء والسلام الداخلي، كما أن الصلاة تجمع الناس وتقوي الروابط الاجتماعية، ما يوفر الدعم العاطفي الذي يحتاج إليه الفرد للتغلب على تحديات الحياة.

يقدم «ديب سيك» قدرات أفضل وبسعر أقل مقارنة بمنافسه «تشات جي بي تي»

ما الأفضل للشركات؟

بالنسبة للشركات العاملة في العالم العربي، يعتمد الاختيار بين «تشات جي بي تي» و «ديب سيك» بشكل كبير على الاحتياجات المحددة ومتطلبات السوق الإقليمية. حتى الآن، تميز «تشات جي بي تي» بكونه ذكاءً اصطناعياً متعدد الاستخدامات، وقد يتفوق في إنشاء محتوى تسويقي، والإجابة عن استفسارات العملاء، وتقديم التوصيات في مختلف الصناعات. ومع ذلك، قد يتمتع «ديب سيك» بميزة عند التعامل مع الفروق اللغوية والثقافية للسوق العربية. نظراً لتنوع اللهجات والقيم الثقافية العميقة والالتزام بالأعراف الاجتماعية والدينية، يتطلب التواصل الفعّال في هذه المنطقة استراتيجيات تواصل مخصصة.

كما أن التسويق الحساس ثقافياً الذي يعكس قيم مثل الكرم والأسرة والمجتمع يعزز الثقة والولاء بين المستهلكين. إذا كان «ديب سيك» مدرباً على مجموعة كبيرة من النصوص والمحتويات العربية، فقد يتفوق في إنشاء مواد تسويقية تتناسب مع الثقافة المحلية، واستخدام التعابير الاصطلاحية، ومعالجة التفضيلات الإقليمية، ما علينا سوى المراقبة والانتظار!

هذا الوعي الثقافي قد يمكّن الشركات من بناء روابط أقوى مع العملاء وتعزيز الولاء. في حين أن «تشات جي بي تي» يمكن أيضاً تحسينه وتدريبه على النصوص العربية لتحسين قدراته، وسيظل الاختبار الواقعي أمراً ضرورياً لتقييم نقاط القوة لكل نموذج في السوق العربية. بينما تجعل مرونة «تشات جي بي تي» العامة منه خياراً قوياً، فإن قدرة «ديب سيك» على معالجة الفروق الثقافية قد تمنحه ميزة قيّمة للشركات التي تسعى للتفاعل بشكل فعال في السوق العربية.

أي روبوت يناسب احتياجاتك؟

بينما يقدم كل من «تشات جي بي تي» و«ديب سيك» إمكانات مثيرة للإعجاب، فإن الاختيار يعتمد في النهاية على احتياجاتك وأولوياتك. كما يبدو أن «تشات جي بي تي» يتفوق في التنوع العام والإبداع والخبرة التقنية؛ ما يجعله خياراً قوياً للجمهور العالمي. وفي المقابل، يبرز «ديب سيك» بفضل ملاءمته السياقية، ووعيه الثقافي، وقدرته على التعامل مع استفسارات محددة تتعلق بالجمهور العربي.

لأولئك الذين يبحثون عن أداة تتعامل بفاعلية مع تعقيدات اللغة والثقافة العربية، فإن «ديب سيك» قد يكون خياراً جدياً بالتجربة. في حين أن «تشات جي بي تي» يظل خياراً موثوقاً به لمن يبحث عن أداء شامل ومتعدد الاستخدامات. وفي النهاية، كل منصة تمهد الطريق لمستقبل أكثر شمولاً وذكاءً في عالم التكنولوجيا... والخيار لك!


مقالات ذات صلة

«غوغل» تتيح نقل سجل المحادثات والتفضيلات إلى «جيميناي»

تكنولوجيا تتيح «غوغل» ميزة استيراد الذاكرة في «جيميناي» لنقل التفضيلات والسياق الشخصي من تطبيقات ذكاء اصطناعي أخرى (شاترستوك)

«غوغل» تتيح نقل سجل المحادثات والتفضيلات إلى «جيميناي»

«غوغل» تطلق استيراد الذاكرة في «جيميناي»، لنقل السياق والتفضيلات بين تطبيقات الذكاء الاصطناعي، وتعزيز تجربة شخصية مستمرة للمستخدمين.

نسيم رمضان (لندن)
صحتك رسم توضيحي يُظهر مجسمات صغيرة تحمل أجهزة كمبيوتر وهواتف ذكية أمام عبارة «الذكاء الاصطناعي» (رويترز)

هل تثق بالذكاء الاصطناعي لتحديد طعامك؟ دراسة تحذر المراهقين

دراسة علمية جديدة تحذر من أن الاعتماد على هذه الأدوات لتخطيط النظام الغذائي قد يحمل مخاطر صحية حقيقية؛ إذ قد تقود بعض المراهقين إلى تناول كميات أقل من المطلوب.

«الشرق الأوسط» (واشنطن)
تكنولوجيا شعار تطبيق «شات جي بي تي» يظهر على شاشة (أ.ف.ب)

دراسة صادمة: 8 من كل 10 روبوتات ذكاء اصطناعي قد تساعد بالتخطيط لهجمات عنيفة

حسب التقرير الصادر عن مركز مكافحة الكراهية الرقمية، فإن ثمانية من كل عشرة روبوتات دردشة تعمل بالذكاء الاصطناعي قد تساعد المستخدمين الشباب في التخطيط لهجمات.

«الشرق الأوسط» (واشنطن)
تكنولوجيا أوضحت شركة «مايكروسوفت» أن الشريحة «مايا 200» الجديدة ستبدأ العمل هذا الأسبوع بمركز بيانات بولاية أيوا الأميركية مع خطط لموقع ثان في أريزونا (د.ب.أ)

«مايكروسوفت» تكشف عن «مايا 200»... الجيل الثاني من شرائحها للذكاء الاصطناعي

كشفت «مايكروسوفت» الاثنين عن الجيل الثاني من شريحة الذكاء الاصطناعي التي تنتجها داخل الشركة «مايا 200».

«الشرق الأوسط» (سان فرانسيسكو)
صحتك شعار تطبيق «تشات جي بي تي» (إ.ب.أ)

7 طرق يوصي بها المعالجون للاستفادة من «تشات جي بي تي» نفسياً

سواء أحببنا «تشات جي بي تي» أم لم نحبه، فإنه –والذكاء الاصطناعي عموماً– أصبح جزءاً لا يتجزأ من حياتنا اليومية، ومن المرجح أن يظل كذلك في المستقبل المنظور.

«الشرق الأوسط» (واشنطن)

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
TT

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)

لم يعد الحديث عن الذكاء الاصطناعي في قطاع الرعاية الصحية يدور حول وعود مستقبلية أو تحولات مفاجئة، بل بات أقرب إلى مسار تطور تدريجي يعيد تعريف كيفية فهم المرض وعلاجه وإدارة الأنظمة الصحية. ففي عام 2026، تتجه الصناعة نحو مرحلة أكثر نضجاً، حيث تتحول البيانات من مجرد مورد داعم إلى بنية أساسية تقود القرارات والابتكار.

هذا التحول لا يقوم على تقنية واحدة، بل على تقاطع عدة اتجاهات كتكامل البيانات وتطور النماذج التحليلية وتوسع استخدام الذكاء الاصطناعي في العمليات اليومية، وظهور بيئات تنظيمية تسمح بتجريب هذه التقنيات دون الإخلال بالمعايير.

يتوسع دور الذكاء الاصطناعي ليصبح جزءاً من دعم القرار السريري وتحسين دقة التشخيص والعلاج

من بيانات متفرقة إلى منظومات متكاملة

أحد أبرز التغيرات يتمثل في كيفية التعامل مع البيانات الصحية. فبدلاً من الاعتماد على مصادر منفصلة، يتجه القطاع نحو دمج تدفقات متعددة تشمل الجينوم، والتصوير الطبي والسجلات السريرية والبيانات الناتجة عن الأجهزة القابلة للارتداء.

هذا التحول نحو البيانات المتعددة الوسائط لا يهدف فقط إلى زيادة حجم المعلومات، بل إلى وضعها في سياق متكامل يسمح بفهم أعمق للحالة الصحية لكل مريض. ومع تزايد هذا التكامل، تصبح هندسة البيانات نفسها عاملاً حاسماً في نجاح التحليل، وليس مجرد خطوة تقنية في الخلفية.

في الوقت نفسه، يتوسع دور الذكاء الاصطناعي من كونه أداة تحليل إلى شريك في اتخاذ القرار. فأنظمة دعم القرار السريري المدعومة بالذكاء الاصطناعي أصبحت قادرة على تحسين دقة التشخيص وتقديم توصيات علاجية أكثر تخصيصاً، مدعومة ببيانات واسعة النطاق. لكن هذا لا يعني استبدال الطبيب، بل إعادة توزيع الأدوار. فالأنظمة الذكية تبرز المخاطر وتقدم الخيارات، بينما يبقى القرار النهائي بيد الإنسان. هذا التوازن بين الأتمتة والحكم البشري يشكل أحد ملامح المرحلة الحالية في تطور الرعاية الصحية.

الرعاية تتجاوز المستشفى

من التحولات اللافتة أيضاً انتقال الرعاية الصحية تدريجياً من المؤسسات إلى المنازل. فمع تزايد استخدام أجهزة إنترنت الأشياء وتقنيات المراقبة عن بُعد، أصبح من الممكن متابعة المرضى بشكل مستمر، خصوصاً في حالات الأمراض المزمنة. هذه النماذج الجديدة لا تقتصر على تقليل التكاليف، بل تهدف إلى تحسين النتائج الصحية من خلال التدخل المبكر. ومع ذلك، لا تزال هذه المقاربات في مراحل التوسع التدريجي، حيث يتم اختبارها عبر مشاريع تجريبية قبل تعميمها على نطاق واسع.

يساهم الذكاء الاصطناعي في تسريع اكتشاف الأدوية وتحسين كفاءة التجارب السريرية (شاترستوك)

تسريع الابتكار عبر بيئات تنظيمية مرنة

في موازاة ذلك، بدأت الجهات التنظيمية تلعب دوراً أكثر مرونة في دعم الابتكار. إذ ظهرت بيئات تجريبية تسمح باختبار نماذج الذكاء الاصطناعي باستخدام بيانات اصطناعية أو محاكاة، ما يسرّع عملية التحقق دون تعريض خصوصية المرضى للخطر. هذا النهج يعكس تحولاً في طريقة تنظيم القطاع، من نموذج يعتمد على الموافقة المسبقة فقط، إلى نموذج يوازن بين التجريب والرقابة.

على مستوى البحث العلمي، تبرز تقنيات جديدة مثل التعلم الآلي الكمي، التي تُستخدم لتحسين التنبؤ بسلامة الأدوية في مراحل مبكرة. هذه الأدوات قد تقلل من معدلات الفشل في التجارب ما قبل السريرية، وهو أحد أكبر التحديات في تطوير الأدوية. إلى جانب ذلك، يساهم الذكاء الاصطناعي في تحليل التفاعلات الجزيئية وتسريع اكتشاف المركبات الدوائية، ما يقلص الوقت والتكلفة في المراحل الأولى من البحث.

بعيداً عن الاستخدامات الطبية المباشرة، يتوسع حضور الذكاء الاصطناعي في العمليات الإدارية والتشغيلية. فبحلول عام 2026، يُتوقع أن تعتمد المؤسسات الصحية بشكل متزايد على أنظمة ذكاء اصطناعي لإدارة مهام مثل الفوترة، وسير العمل، وتحسين الكفاءة. هذا التوجه يشير إلى أن الذكاء الاصطناعي لم يعد مجرد أداة متخصصة، بل أصبح جزءاً من البنية التشغيلية اليومية، على غرار الأنظمة السحابية أو إدارة علاقات العملاء.

تتزايد أهمية الرعاية الصحية المنزلية المدعومة بالمراقبة عن بُعد وتقنيات إنترنت الأشياء (شاترستوك)

جودة البيانات... العامل الحاسم

رغم هذا التوسع، تبرز حقيقة أساسية: نجاح الذكاء الاصطناعي في الرعاية الصحية يعتمد بدرجة كبيرة على جودة البيانات. فحتى أكثر النماذج تقدماً لا يمكنها تقديم نتائج دقيقة إذا كانت البيانات غير مكتملة أو غير متسقة. وفي هذا السياق، تصبح القدرة على جمع بيانات عالية الجودة، وربطها بشكل متكامل، عاملاً حاسماً في تحديد الجهات القادرة على تحقيق قيمة حقيقية من هذه التقنيات.

وكما هو الحال في أي تحول رقمي، لا تخلو هذه التطورات من تحديات. فزيادة الاعتماد على البيانات تثير قضايا تتعلق بالخصوصية، وأمن المعلومات، وإمكانية إساءة الاستخدام. ولهذا، يترافق التوسع في استخدام الذكاء الاصطناعي مع استثمارات موازية في الحوكمة والامتثال، لضمان تحقيق الفوائد دون تعريض النظام لمخاطر جديدة.

نحو نموذج جديد للرعاية الصحية

ما يتضح من هذه الاتجاهات هو أن قطاع الرعاية الصحية لا يشهد ثورة مفاجئة، بل تحولاً تدريجياً يعيد بناء أسسه. فبدلاً من الاعتماد على تدخلات متأخرة، يتجه النظام نحو الوقاية والتنبؤ، مدعوماً ببيانات متكاملة ونماذج تحليلية متقدمة.

في هذا النموذج، لا تكون البيانات مجرد سجل للماضي، بل أداة لتوقع المستقبل. ولا يكون الذكاء الاصطناعي بديلاً عن الإنسان، بل امتداد لقدراته.

وبينما لا تزال العديد من هذه التحولات في مراحلها الأولى، فإن الاتجاه العام يبدو واضحاً: مستقبل الرعاية الصحية سيُبنى على البيانات، لكن قيمته الحقيقية ستعتمد على كيفية استخدامها.


تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
TT

تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)

في مسار تطوير الروبوتات البشرية، ظل التحدي الأكبر يتمثل في تعليم الآلات مهارات حركية معقدة تحاكي الإنسان. فالمهام التي تبدو طبيعية للبشر، مثل الجري أو القفز أو حتى لعب التنس، تتطلب تنسيقاً دقيقاً بين التوازن، والتوقيت، واتخاذ القرار في أجزاء من الثانية. تقليد هذه القدرات آلياً لم يكن ممكناً إلا في بيئات محدودة، وغالباً عبر بيانات مثالية يصعب الحصول عليها في الواقع.

لكن دراسة حديثة تقترح مساراً مختلفاً: ماذا لو لم تعد الحاجة إلى بيانات مثالية شرطاً أساسياً لتعليم الروبوتات؟

يركز البحث على تطوير نموذج لتعليم روبوت بشري مهارات لعب التنس، باستخدام بيانات حركة بشرية غير مكتملة أو غير دقيقة. وبدلاً من الاعتماد على تسجيلات كاملة ومضبوطة للحركات، يعمل النظام على استغلال مقاطع جزئية من البيانات، ثم إعادة تركيبها لبناء سلوك حركي متكامل.

يعتمد النموذج على تقسيم الحركات إلى مقاطع صغيرة وإعادة تركيبها لتكوين سلوك متكامل (المصدر)

من البيانات المثالية إلى البيانات الواقعية

تقليدياً، تعتمد أنظمة التعلم الحركي للروبوتات على بيانات عالية الجودة، يتم التقاطها باستخدام أنظمة متقدمة لتتبع الحركة. هذه البيانات توفر وصفاً دقيقاً لكل حركة، لكنها مكلفة وصعبة التوسّع، كما أنها لا تعكس دائماً تعقيد العالم الحقيقي. في المقابل، ينطلق هذا البحث من فرضية مختلفة، حيث إن البيانات الواقعية حتى وإن كانت غير كاملة، يمكن أن تكون كافية لتعليم مهارات معقدة، إذا تم التعامل معها بطريقة مناسبة.

وهنا، لا يحاول النموذج «تنقية» البيانات بقدر ما يعمل على فهم الأنماط الكامنة فيها، واستنتاج كيفية تحويلها إلى حركات قابلة للتنفيذ.

نموذج يتعلم من أجزاء متفرقة

يعتمد النظام المقترح على تقسيم البيانات الحركية إلى مقاطع صغيرة، تمثل كل منها جزءاً من حركة أكبر. ثم يقوم بربط هذه الأجزاء معاً داخل بيئة محاكاة، بحيث يتعلم الروبوت كيفية الانتقال من حركة إلى أخرى بسلاسة. هذه المقاربة تشبه إلى حد ما الطريقة التي يتعلم بها الإنسان مهارة جديدة، حيث يتم الجمع بين تجارب جزئية لتشكيل أداء متكامل. والنتيجة هي نموذج قادر على توليد حركات ديناميكية، دون الحاجة إلى مسار واحد محدد مسبقاً.

التنس كنموذج لاختبار التعقيد

اختار الباحثون لعبة التنس كبيئة اختبار، نظراً لما تتطلبه من تنسيق بين الحركة والإدراك. فالتعامل مع كرة متحركة يستدعي تقدير السرعة والاتجاه، واتخاذ قرار فوري بشأن كيفية الرد، ثم تنفيذ الحركة بدقة. في التجارب، تمكّن الروبوت من تعلم ضرب الكرة والتفاعل مع مواقف مختلفة، بما في ذلك الحفاظ على تبادل الكرات في بعض الحالات. ويشير ذلك إلى أن النموذج لا يقتصر على تكرار حركات محفوظة، بل يطوّر استجابة قابلة للتكيف مع السياق.

اختيار التنس كنموذج يبرز قدرة النظام على التنسيق بين الإدراك والحركة في بيئة ديناميكية (المصدر)

فجوة بين المحاكاة والواقع

كما هو الحال في كثير من أبحاث الروبوتات، يعتمد جزء كبير من التدريب على بيئات محاكاة. هذه البيئات تتيح تسريع عملية التعلم وتقليل المخاطر، لكنها لا تعكس دائماً تعقيدات العالم الحقيقي.

لذلك، يمثل نقل المهارات من المحاكاة إلى الواقع أحد التحديات الأساسية. وقد عمل الباحثون على تقليل هذه الفجوة عبر تصميم النموذج بحيث يأخذ في الاعتبار التباين وعدم الدقة في البيانات، وهو ما يجعله أكثر قدرة على التكيف عند التطبيق العملي.

ما الذي يتغير فعلاً؟

لا تكمن أهمية هذا البحث في قدرة الروبوت على لعب التنس بحد ذاتها، بل في ما تشير إليه من تحول أوسع في منهجية التعلم. فإذا كان بالإمكان تدريب الأنظمة على مهارات معقدة باستخدام بيانات غير مثالية، فإن ذلك يفتح الباب أمام استخدام مصادر بيانات أكثر تنوعاً، مثل الفيديوهات العامة أو التسجيلات غير المنظمة. وهذا بدوره قد يسرّع تطوير ما يُعرف بـ«الذكاء الاصطناعي المجسّد»، حيث تتفاعل الأنظمة مع العالم الفيزيائي بشكل مباشر.

حدود وتحديات قائمة

مع ذلك، لا تزال هذه المقاربة في مراحلها الأولى. فالروبوت لا يصل إلى مستوى الأداء البشري، ولا تزال قدرته على التعامل مع مواقف غير متوقعة محدودة. كما أن الاعتماد على المحاكاة يفرض قيوداً على مدى تعميم النتائج. لكن رغم هذه التحديات، يقدم البحث دليلاً على أن الطريق نحو تعليم الروبوتات قد لا يمر عبر الكمال، بل عبر القدرة على الاستفادة من النقص.

يشير هذا التوجه إلى إعادة التفكير في العلاقة بين البيانات والتعلم. فبدلاً من السعي إلى جمع بيانات مثالية ومكتملة، قد يكون التركيز مستقبلاً على تطوير نماذج قادرة على التعلم من الواقع كما هو بما يحمله من نقص وتباين. وفي هذا السياق، لا يمثل التنس سوى مثال تجريبي. أما الهدف الأوسع، فهو تمكين الروبوتات من اكتساب مهارات حركية متنوعة، تتراوح بين العمل الصناعي والخدمات اليومية.


الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
TT

الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)

مع تسارع الذكاء الاصطناعي في توليد البيانات واستخدامها، يؤدي تزايد أهمية البنية التحتية إلى تحول أقل وضوحاً، لكنه أكثر عمقاً. فبينما يتركّز جزء كبير من النقاش العام حول الذكاء الاصطناعي على قوة الحوسبة وأداء النماذج، يشير قادة الصناعة بشكل متزايد إلى كيفية تخزين البيانات والوصول إليها وتوسيعها على نطاق واسع.

في إحاطة إعلامية خاصة حضرتها «الشرق الأوسط»، قدّم مسؤولون في شركة «سي غيت تكنولوجي» (Seagate Technology) هذا التحول بوصفه تغيراً هيكلياً، لا مجرد تحديث تقني. فالتحدي لم يعد يقتصر على إنتاج البيانات أو معالجتها، بل بات يتمحور حول القدرة على الحفاظ عليها وتوسيعها بكفاءة واستدامة وعلى نحو يمكن التنبؤ به. يقول ديف موسلي، الرئيس التنفيذي للشركة إن «ما نعلنه اليوم ليس مجرد إنجاز على مستوى المنتج، بل يعكس كيف يجب أن تتطور البنية التحتية لمواكبة التسارع غير المسبوق في نمو البيانات عالمياً».

ديف موسلي الرئيس التنفيذي لشركة «سي غيت تكنولوجي»

يصعب المبالغة في حجم هذا النمو. فحسب موسلي، انتقل حجم البيانات العالمية من نحو زيتابايت واحد في عام 2005 إلى أكثر من 70 زيتابايت في عام 2020، مع توقع إضافة مئات الزيتابايت في السنوات المقبلة. ورغم أن الذكاء الاصطناعي يعدّ محركاً رئيسياً لهذا التوسع، فإنه ليس العامل الوحيد؛ إذ تسهم خدمات الحوسبة السحابية والفيديو والأتمتة والمتطلبات التنظيمية في تشكيل منظومة بيانات أكثر تعقيداً واتساعاً.

هذا التداخل يعيد صياغة طريقة تقييم البنية التحتية. ويضيف موسلي أن «القصة لم تعد تتعلق بتقنية واحدة، بل بالبنية التحتية وتخصيص رأس المال». بمعنى آخر، لم يعد السؤال هو ما إذا كان بالإمكان إنتاج البيانات أو معالجتها، بل ما إذا كانت الأنظمة الداعمة قادرة على التوسع بكفاءة لمواكبة هذا النمو.

ما بعد الحوسبة

أحد أبرز الاستنتاجات هو أن مسار الذكاء الاصطناعي لا يمكن فهمه من خلال الحوسبة وحدها. فرغم أهمية المعالجات والمسرّعات، فإنها تعتمد بشكل أساسي على توفر البيانات.

ويشير موسلي إلى أنه «عندما يتحدث الناس عن بنية الذكاء الاصطناعي، يركّزون على الحوسبة التي لا يمكن أن تعمل دون بيانات. ماذا يحدث عندما تنفد البيانات من منصات الحوسبة؟ هذه مشكلة».

هذا الطرح يعيد وضع التخزين في قلب أنظمة الذكاء الاصطناعي. فالبيانات لا يكفي أن تكون موجودة، بل يجب الاحتفاظ بها وحمايتها وإمكانية استرجاعها على نطاق واسع. وفي بيئات الحوسبة فائقة الحجم، حيث تُتخذ القرارات على مدى خمس أو سبع أو حتى عشر سنوات، تتحول هذه المتطلبات معادلةً اقتصادية بقدر ما هي تقنية.

تكلفة التخزين لكل تيرابايت واستهلاك الطاقة وكثافة السعة لكل رفّ، كلها أصبحت عوامل حاسمة. وكما أفاد موسلي: «الذكاء الاصطناعي لا يتوسع بالحوسبة فقط، بل يعتمد على اقتصاديات مستدامة، والتخزين هو ما يحدد هذه الاقتصاديات».

الذكاء الاصطناعي لا يستهلك البيانات فقط... بل يضاعفها عبر النسخ وإعادة التدريب والاستخدام المستمر (غيتي)

من النمو إلى التراكم

جزء من هذا التحول يرتبط بطبيعة البيانات نفسها. فالذكاء الاصطناعي لا يستهلك البيانات فحسب، بل يضاعفها. ويصرح بي إس تيه، الرئيس التجاري للشركة بأن «الذكاء الاصطناعي لا يستهلك البيانات فقط، بل يراكمها». عملياً، يعني ذلك أن البيانات تُنسخ وتُوزَّع وتُحفظ ويُعاد استخدامها لتدريب النماذج وإعادة تدريبها. ونتيجة لذلك؛ لم يعد نمو البيانات خطياً، بل أصبح متسارعاً ومتراكماً.

ويظهر هذا الواقع في توسّع مراكز البيانات عالمياً. فهناك اليوم أكثر من 11 ألف مركز بيانات، مع توقع ارتفاع العدد إلى نحو 15 ألفاً خلال السنوات المقبلة. لكن الأهم هو حجم هذه المراكز. فما كان يُعدّ مركزاً ضخماً سابقاً بقدرة 10 ميغاواط تحل محله اليوم مراكز «عملاقة» تصل إلى 100 أو حتى 300 ميغاواط.

ويذكر تيه أنه «لا يكاد يمر يوم دون الإعلان عن بناء مركز بيانات جديد في مكان ما من العالم». لكن التحول الحقيقي لا يكمن في العدد فقط، بل في الحجم والضغط المتزايد على البنية التحتية.

التوسع دون اضطراب

مع هذا النمو، لا يتمثل التحدي في زيادة السعة فقط، بل في تحقيق ذلك دون إحداث اضطراب. فمشغلو البنية التحتية الضخمة لا يمكنهم تحمل تغييرات جذرية متكررة. ويلفت موسلي إلى أن بعض العملاء يتخذون قرارات تمتد لخمس أو سبع أو حتى عشر سنوات، ويحتاجون إلى ثقة بأن كثافة التخزين ستستمر في التوسع دون تغييرات معمارية معطِّلة.هذا التركيز على القابلية للتنبؤ أصبح بحد ذاته ميزة أساسية. فالتطور يجب أن يكون تدريجياً ومستمراً، لا أن يفرض إعادة تصميم مكلفة في كل مرحلة.

من جانبه، يوضح جون موريس، المدير التقني، أن التقنيات التقليدية لزيادة الكثافة وصلت إلى حدودها ويتابع: «تقنية التسجيل المغناطيسي التقليدية اقتربت من حدودها، ونحتاج إلى ابتكارات جديدة لدفع الجيل القادم من التخزين».

ولهذا؛ طوّرت الشركة تقنية التسجيل المغناطيسي بمساعدة الحرارة (HAMR)، التي تستخدم تسخيناً دقيقاً بالليزر لزيادة كثافة البيانات دون تغيير الحجم الفيزيائي للأقراص. ويشرح موريس بأن «الزيادة في السعة تتحقق من خلال الفيزياء الأساسية للتسجيل؛ ما يتيح اقتصاديات أفضل من حيث التكلفة لكل تيرابايت والاستثمار المطلوب». الأهم أن هذه التقنية لم تعد في مرحلة التجارب، بل انتقلت إلى بيئات الإنتاج الفعلية، حيث تم اعتمادها من قِبل عملاء في قطاع الحوسبة السحابية واسعة النطاق.

من الابتكار إلى الإنتاج الصناعي

تحويل الابتكار منتجاً فعلياً يتطلب أكثر من اختراق تقني، بل يحتاج إلى قدرة على التصنيع على نطاق واسع بدقة عالية. وحول ذلك يقول موريس إن «نقل هذه التقنية من البحث إلى الإنتاج تطلب تطوير تقنيات جديدة بالكامل»، مشيراً إلى التقدم في المواد والفوتونيات وعمليات التصنيع الدقيقة. وهذا ما يتيح التوسع التدريجي دون انقطاع. فكل جيل جديد يبني على السابق؛ ما يسمح بزيادة السعة دون الحاجة إلى إعادة تصميم الأنظمة بالكامل.

التحدي الأساسي لم يعد سرعة النماذج... بل قدرة البنية التحتية على التوسع بشكل مستدام وموثوق (غيتي)

اقتصاديات الحجم

على مستوى البنية التحتية الضخمة، حتى التحسينات الصغيرة تُحدِث فرقاً كبيراً. ويفسر موسلي بأنه في بيئة تخزين بحجم إكسابايت واحد، يمكن تحقيق تحسن في كفاءة الطاقة بنحو 47 في المائة مقارنة بالأنظمة السابقة، مع تقليل عدد الأقراص من نحو 50 ألفاً إلى نحو 22 ألفاً؛ ما يؤدي إلى تقليل المساحة والتبريد والتعقيد التشغيلي.

هذه ليست تحسينات هامشية، بل تغييرات تؤثر مباشرة على التكلفة والبنية.

وأشار تيه إلى أن الاستدامة أصبحت عاملاً مؤثراً في قرارات الشراء، قائلاً: «لم تعد الاستدامة مسألة ثانوية»، في إشارة إلى أهمية استهلاك الطاقة والبصمة الكربونية. كما أن نظرة المؤسسات إلى البيانات تغيّرت، حيث إنه «في السابق كانت البيانات تُعدّ تكلفة، أما اليوم فهي أصل استراتيجي يتراكم بمرور الوقت».

السؤال الحاسم

تشير هذه التطورات إلى تحول أوسع في تصميم بنية الذكاء الاصطناعي. فالتخزين الذي كان في الخلفية، أصبح اليوم في صميم التخطيط. في السابق، كانت الأولوية للحوسبة والذاكرة والشبكات. أما اليوم، فأصبح التخزين عاملاً حاسماً في قدرة الأنظمة على التوسع. وكما وصفه تيه: «كان التخزين مثل الهواء أو الماء أساسي، لكنه غير مرئي... إلى أن يغيب». اليوم، لم يعد كذلك، بل أصبح محورياً في بناء القدرات الرقمية.

بالنسبة لقيادة الشركة، يتجاوز هذا التحول حدود التقنية ليطرح سؤالاً أساسياً حول مستقبل الذكاء الاصطناعي. وباعتقاد موسلي أن «السؤال الأهم لهذا العقد ليس مدى سرعة تدريب النماذج، بل مدى قدرة البنية التحتية للبيانات على التوسع بشكل مستدام».

هذا الطرح يعيد توجيه النقاش، حيث إن مستقبل الذكاء الاصطناعي قد لا يعتمد فقط على تطور النماذج، بل على القدرة على إدارة البيانات على نطاق غير مسبوق بكفاءة واستقرار ودون انقطاع. وبهذا المعنى، قد لا يُقاس تقدم الذكاء الاصطناعي بذكائه فقط، بل بالبنية التحتية التي تجعله ممكناً.