مقال تقني

ما الذكاء الاصطناعي؟ كيف يعمل، وما أنواعه واستخداماته ومستقبله

Sistem Yöneticisiوقت القراءة: 16 دقيقة

ما الذكاء الاصطناعي (AI)، وكيف يعمل، وأين يُستخدم؟ نشرح بالتفصيل تعلّم الآلة والتعلّم العميق والذكاء الاصطناعي التوليدي والرؤية الحاسوبية وكاميرات الأمن والمزايا والمخاطر ومستقبل الذكاء الاصطناعي.

yapay zeka nedir

يُعدّ الذكاء الاصطناعي من أسرع التقنيات تطوراً اليوم. وتُستخدم تقنياته في مجالات كثيرة، من الهواتف الذكية والسيارات إلى الرعاية الصحية والإنتاج الصناعي، ومن كاميرات الأمن إلى تحليلات البيع بالتجزئة، وهي تغيّر أساليب عمل الشركات وطرق تفاعل الناس مع الأنظمة الرقمية.

فما الذكاء الاصطناعي، وكيف يعمل، وما الفرق بينه وبين برمجيات الحاسوب التقليدية؟

الذكاء الاصطناعي (Artificial Intelligence – AI) مصطلح عام للتقنيات التي تتيح لأنظمة الحاسوب تحليل البيانات لتحقيق أهداف محددة، وإنتاج مخرجات مثل التنبؤات والتصنيفات والتوصيات والمحتوى أو القرارات.

يمكن لأنظمة الذكاء الاصطناعي تحليل الصور ومعالجة اللغة البشرية وتحويل الكلام إلى نصوص وتحديد الأنماط في البيانات، فضلاً عن دعم أتمتة مهام محددة.

لكن لا ينبغي الاعتقاد بأن الذكاء الاصطناعي واعٍ كالبشر، أو أنه يعطي نتائج صحيحة دائماً، أو أنه لا يحتاج إلى إشراف بشري. فإمكانات أنظمته تعتمد على تصميمها وتدريبها والبيانات المستخدمة وظروف تطبيقها.

ما الذكاء الاصطناعي؟

الذكاء الاصطناعي مجال علمي وتقني يُعنى بتمكين الحواسيب والأنظمة الآلية الأخرى من أداء مهام ترتبط عادةً بالعمليات الإدراكية، مثل الإدراك والتعلّم والاستدلال واتخاذ القرار.

يُسمّى بالإنجليزية Artificial Intelligence، ويُعرف اختصاراً بـAI.

لا يقتصر مفهوم الذكاء الاصطناعي على تطبيقات المحادثة القادرة على التحدث مع الناس.

على سبيل المثال:

  • تمييز كاميرا الأمن بين الأشخاص والمركبات

  • تصنيف نظام البريد الإلكتروني للرسائل غير المرغوب فيها

  • رصد النظام المصرفي للمعاملات غير المعتادة

  • اكتشاف المنتجات المعيبة بصرياً على خط الإنتاج

  • توقّع نظام الملاحة لظروف حركة المرور

  • إنشاء برنامج نصوصاً أو صوراً أو شيفرات

كلها أمثلة على تطبيقات الذكاء الاصطناعي.

تعرّف منظمة التعاون الاقتصادي والتنمية (OECD) أنظمة الذكاء الاصطناعي بأنها أنظمة قائمة على الآلات يمكنها العمل بمستويات متفاوتة من الاستقلالية وإنتاج تنبؤات أو محتوى أو توصيات أو قرارات استناداً إلى المدخلات التي تتلقاها.

ومن الجوانب المهمة لهذا التعريف أن الذكاء الاصطناعي لا يقتصر على برمجيات تحاكي السلوك البشري.

كيف يعمل الذكاء الاصطناعي؟

تختلف طريقة عمل أنظمة الذكاء الاصطناعي باختلاف التقنية المستخدمة. وتُعد البيانات والخوارزميات والبنية التحتية الحاسوبية مكونات أساسية، ولا سيما في الأنظمة القائمة على تعلّم الآلة.

1. جمع البيانات

في المرحلة الأولى، تُحدَّد البيانات المناسبة للمهمة التي سيؤديها النظام.

قد تأتي البيانات من المصادر التالية:

  • صور الكاميرات

  • قياسات المستشعرات

  • المستندات النصية

  • التسجيلات الصوتية

  • معاملات البيع

  • بيانات الإنتاج

  • سجلات تشغيل الآلات

على سبيل المثال، يمكن استخدام بيانات صور مُعدّة على نحو ملائم لتطوير خوارزمية لكاميرا أمنية ترصد الأشخاص والمركبات.

2. إعداد البيانات

تُنظَّم البيانات المجمّعة للتحليل أو لتدريب النموذج.

وفي هذه المرحلة، يمكن مراجعة السجلات الخاطئة أو الناقصة أو غير المتسقة.

وتُوسم البيانات عند الحاجة.

فعلى سبيل المثال، يمكن وسم العناصر في صورة بأنها شخص أو سيارة أو شاحنة.

يمكن لجودة البيانات ومدى تمثيلها أن يؤثرا مباشرةً في أداء النموذج قيد التطوير.

3. تدريب النموذج

تحاول الخوارزمية في أساليب تعلّم الآلة تعلّم العلاقات والأنماط الموجودة في بيانات التدريب.

فعلى سبيل المثال، قد يتعلم نموذج دُرّب على آلاف الصور لمركبات مختلفة سمات تمكّنه من تصنيف المركبات في صور جديدة.

لكن نجاح النموذج على بيانات التدريب لا يعني أنه سيحقق الأداء نفسه في ظروف الاستخدام الفعلية.

4. اختبار النموذج

يُقيَّم النموذج المدرّب باستخدام بيانات اختبار مناسبة لم تُستخدم أثناء التدريب.

في هذه المرحلة، يمكن قياس الدقة والإيجابيات الكاذبة والسلبيات الكاذبة ومؤشرات الأداء الأخرى.

5. الاستدلال (Inference)

بعد اكتمال التدريب، يحلل النموذج بيانات جديدة ويصدر مخرجات.

فعلى سبيل المثال، يُعد رصد شخص في صور واردة من كاميرا IP عملية استدلال يجريها نموذج مدرّب.

6. المراقبة والتحديث

قد يتغير أداء أنظمة الذكاء الاصطناعي المستخدمة في البيئات الفعلية بمرور الوقت.

قد يؤثر تغيير زاوية الكاميرا أو استخدام منتجات جديدة أو اختلاف الظروف المحيطة في أداء النموذج.

لذلك ينبغي مراقبة الأنظمة واختبارها بانتظام وتحديثها عند الضرورة.

ما الفرق بين الذكاء الاصطناعي والبرمجيات التقليدية؟

تُنفَّذ العمليات في البرمجيات التقليدية عموماً وفق قواعد يحددها المبرمج صراحةً.

أما في أنظمة الذكاء الاصطناعي القائمة على تعلّم الآلة، فيمكن تعلّم قواعد اتخاذ قرارات محددة من البيانات.

الخاصية

البرمجيات التقليدية

الذكاء الاصطناعي القائم على تعلّم الآلة

آلية العمل

قواعد محددة صراحةً

علاقات متعلَّمة من البيانات

التكيف مع الحالات الجديدة

قد يلزم تحديث القواعد

يمكنه التعميم استناداً إلى الأنماط المتعلَّمة

متطلبات البيانات

تعتمد على التطبيق

تتطلب بيانات تدريب مناسبة

المخرجات

حتمية عادةً

قد تكون احتمالية

أنواع الأخطاء

أخطاء المنطق والتنفيذ

أخطاء النموذج والبيانات والتعميم

قابلية التفسير

أسهل في بعض الأنظمة

قد تكون أصعب بحسب النموذج

لكن ليست كل أنظمة الذكاء الاصطناعي قائمة على تعلّم الآلة. فقد تندرج الأنظمة المعرفية القائمة على القواعد أيضاً ضمن النطاق التاريخي والتقني للذكاء الاصطناعي.

ما أنواع الذكاء الاصطناعي؟

يمكن تصنيف الذكاء الاصطناعي وفق مناهج مختلفة.

يستند أحد أكثر التصنيفات شيوعاً إلى نطاق قدرات الأنظمة، فيما يستند تصنيف آخر إلى الأساليب التقنية المستخدمة.

الذكاء الاصطناعي الضيق (Artificial Narrow Intelligence – ANI)

يشير الذكاء الاصطناعي الضيق إلى الأنظمة المطوّرة لأداء مهام محددة.

على سبيل المثال:

  • التعرّف على لوحات المركبات

  • رصد الأشخاص

  • التعرّف على الكلام

  • التوصية بالمنتجات

  • تصنيف الصور

  • عدّ الأشخاص

كلها تطبيقات للذكاء الاصطناعي الضيق.

طُوّرت غالبية حلول الذكاء الاصطناعي المستخدمة اليوم لمهام محددة أو مجموعات من المهام.

الذكاء الاصطناعي العام (Artificial General Intelligence – AGI)

الذكاء الاصطناعي العام مفهوم يُستخدم لوصف أنظمة قادرة على إظهار قدرات بمستوى بشري، أو قدرات واسعة مماثلة، في طيف كبير من المهام الإدراكية.

لا يوجد إجماع علمي على المعايير التي ينبغي اعتمادها لتعريف الذكاء الاصطناعي العام، أو على موعد إمكان تحقيقه.

لا يدل نجاح نماذج الذكاء الاصطناعي الحالية في كثير من المهام على امتلاكها جميع القدرات الإدراكية البشرية.

الذكاء الاصطناعي الفائق (Artificial Superintelligence – ASI)

يشير الذكاء الاصطناعي الفائق إلى أنظمة افتراضية تتجاوز الأداء الإدراكي البشري في مجالات واسعة جداً.

وعلى خلاف أنظمة الذكاء الاصطناعي التجارية المستخدمة اليوم، يشكل هذا المفهوم موضوعاً لنقاشات نظرية تتناول المستقبل.

ما تعلّم الآلة؟

يشمل تعلّم الآلة أساليب للذكاء الاصطناعي تتيح للحواسيب تعلّم الأنماط من البيانات وإجراء تنبؤات أو تصنيفات لمهام محددة.

أهم مناهج تعلّم الآلة هي:

التعلّم الخاضع للإشراف

يُدرَّب النموذج على أمثلة تُعرف إجاباتها الصحيحة أو قيمها المستهدفة.

فعلى سبيل المثال، يمكن تطوير نموذج لتصنيف العناصر باستخدام صور موسومة بأشخاص ومركبات.

التعلّم غير الخاضع للإشراف

يبحث النموذج عن البنى أو أوجه التشابه في البيانات من دون تسميات مستهدفة محددة مسبقاً.

فعلى سبيل المثال، يمكن تحليل أنماط معينة في بيانات مشتريات العملاء.

التعلّم بالتعزيز

يمكن للنظام تعلّم استراتيجيات سلوكية محددة من خلال التفاعل مع بيئة وتقييم إشارات المكافأة التي يتلقاها.

يمكن استخدامه في تطبيقات الروبوتات والتحكم والتحسين.

ما التعلّم العميق؟

التعلّم العميق منهج في تعلّم الآلة يستخدم شبكات عصبية اصطناعية متعددة الطبقات.

وله تطبيقات مهمة، لا سيما في معالجة الصور والكلام واللغة الطبيعية.

يمكن لخوارزميات التعلّم العميق أن:

  • ترصد العناصر في الصور.

  • تحوّل الكلام إلى نص.

  • تحلل العلاقات بين النصوص.

  • تتعلم أنماطاً معقدة في البيانات.

  • تنشئ محتوى جديداً في ظروف معينة.

لكن نجاح أنظمة التعلّم العميق يعتمد على جودة البيانات وبنية النموذج وموارد الحوسبة وأساليب التقييم.

ما الذكاء الاصطناعي التوليدي (Generative AI)؟

يشير الذكاء الاصطناعي التوليدي إلى نماذج وأنظمة قادرة على إنشاء محتوى جديد بالاستناد إلى أنماط البيانات التي تعلمتها.

وقد يكون هذا المحتوى على شكل:

  • نصوص

  • صور

  • صوت

  • فيديو

  • شيفرات برمجية

  • تصميمات

  • بيانات اصطناعية

وما إلى ذلك.

فعلى سبيل المثال، يمكن استخدام نماذج اللغة الكبيرة (Large Language Models – LLM) في مهام مثل إنشاء النصوص وتلخيصها وترجمتها والإجابة عن الأسئلة.

لكن أنظمة الذكاء الاصطناعي التوليدي قد تنتج معلومات غير صحيحة أو مصادر مختلقة أو شروحاً تقنية غير دقيقة.

لذلك يجب التحقق من المعلومات المُنتجة في مجالات مثل القانون والرعاية الصحية والهندسة والأمن.

الفرق بين الذكاء الاصطناعي وتعلّم الآلة والتعلّم العميق

غالباً ما تُستخدم هذه المصطلحات بالتبادل، لكنها لا تعني الشيء نفسه.

الذكاء الاصطناعي (AI)

أوسع مجالات التقنية والبحث

تعلّم الآلة (ML)

أساليب تتعلم من البيانات

التعلّم العميق (DL)

شبكات عصبية اصطناعية متعددة الطبقات

لا يشكّل الذكاء الاصطناعي التوليدي طبقة مستقلة في هذا التسلسل الهرمي، بل هو مجال تطبيقي يشمل مناهج مختلفة للنماذج.

ما الرؤية الحاسوبية؟

الرؤية الحاسوبية أحد مجالات تطبيق الذكاء الاصطناعي المهمة، وتركز على تحليل بيانات الصور والفيديو.

يمكن لأنظمة الرؤية الحاسوبية تحليل العناصر والمناطق وأنماط الحركة المحددة داخل الصور.

أهم التطبيقات:

  • رصد العناصر

  • تصنيف الصور

  • تتبّع العناصر

  • تقسيم الصور

  • التعرّف الضوئي على الأحرف

  • رصد الأشخاص والمركبات

  • مراقبة الجودة الصناعية

  • تحليلات الفيديو

تُعد الرؤية الحاسوبية، ولا سيما في قطاع الأمن الإلكتروني، إحدى التقنيات الأساسية لأنظمة CCTV المدعومة بالذكاء الاصطناعي.

أين يُستخدم الذكاء الاصطناعي؟

الرعاية الصحية

يمكن استخدام الذكاء الاصطناعي لتحليل صور طبية معينة، وفي أنظمة دعم القرار السريري وتخطيط العمليات الصحية.

لكن ينبغي تقييم مخرجات الذكاء الاصطناعي وفق المعايير الطبية ذات الصلة وتحت إشراف بشري.

التمويل والخدمات المصرفية

يمكن استخدامه لتحليل الحالات الشاذة في المعاملات المالية وتحديد مخاطر الاحتيال وأتمتة العمليات.

الصناعة والتصنيع

يمكن الاستفادة من الذكاء الاصطناعي لمراقبة الجودة على خطوط الإنتاج والتنبؤ بالأعطال ومراقبة المعدات وتحسين الإنتاج.

الخدمات اللوجستية والنقل

تُستخدم تطبيقات الذكاء الاصطناعي في تحليل حركة المركبات وتحسين المسارات والتنبؤ بحركة المرور وعمليات المستودعات.

البيع بالتجزئة

يمكن استخدام الذكاء الاصطناعي لتحليل حركة المتسوقين والمخزون والتنبؤ بالمبيعات والتوصية بالمنتجات وبعض تطبيقات الحد من الخسائر.

التعليم

يمكن استخدامه لإعداد المواد التعليمية وتحسين إمكانية الوصول إلى المحتوى ودعم تطبيقات تعليمية معينة.

لكن يجب أيضاً تقييم حماية بيانات الطلاب وآثار القرارات الآلية.

الأمن الإلكتروني

يمكن استخدام كاميرات الأمن المدعومة بالذكاء الاصطناعي في تطبيقات مثل التحقق من الإنذارات وأمن المحيط وتحليل الحوادث.

وهذا أحد الاستخدامات المهمة لتقنيات الرؤية الحاسوبية.

كيف يُستخدم الذكاء الاصطناعي في كاميرات الأمن؟

تؤدي أنظمة CCTV التقليدية أساساً وظائف التصوير والتسجيل.

أما حلول تحليلات الفيديو المدعومة بالذكاء الاصطناعي، فيمكنها استخراج معلومات عن عناصر وأحداث محددة من الصور.

رصد الأشخاص والمركبات

يمكن لخوارزميات AI تمييز الأشخاص والمركبات في الصورة وفق الفئات التي يدعمها النظام.

وقد يقلل ذلك التنبيهات غير الضرورية الناتجة عن الحركة في سيناريوهات إنذار معينة.

كشف التسلل وأمن المحيط

يمكن رصد الدخول إلى مناطق محددة باستخدام تحليلات تجاوز الخطوط الافتراضية أو اختراق المناطق.

لكن الخوارزمية لا تستطيع وحدها تحديد ما إذا كان الشخص غير مخوّل فعلاً.

تتبّع العناصر المدعوم بالذكاء الاصطناعي

يمكن تحليل حركة الأشخاص أو المركبات عبر إطارات الفيديو المتعاقبة.

وقد تتضمن الأنظمة الأكثر تطوراً وظائف مثل تتبّع عناصر متعددة وإعادة مطابقتها بين الكاميرات.

أنظمة التعرّف على لوحات المركبات

يمكن قراءة لوحات المركبات باستخدام تقنيات معالجة الصور والتعرّف على الأحرف.

يعتمد أداء قراءة اللوحات على زاوية الكاميرا وجودة الصورة والإضاءة وحركة المركبة.

أنظمة التعرّف على الوجه

يمكن لأنظمة التعرّف على الوجه التحقق من الهوية أو تحديدها باستخدام السمات البيومترية.

وقد تترتب على هذه التطبيقات متطلبات لمعالجة البيانات الشخصية الحساسة.

كشف الحرائق المدعوم بالذكاء الاصطناعي

يمكن لبعض حلول تحليلات الفيديو القائمة على AI إصدار إنذارات مبكرة عبر رصد أنماط تشبه الدخان أو اللهب في صور الكاميرات.

لكن هذه الأنظمة لا تحل تلقائياً محل أنظمة كشف الحرائق المصممة وفق المعايير المناسبة والمستوفية لشروط الاعتماد المطلوبة.

تحليل الحوادث المشبوهة

يمكن تحليل أحداث ملموسة، مثل البقاء في منطقة معينة أو دخول منطقة محظورة أو ترك غرض.

لكن الذكاء الاصطناعي لا يستطيع تحديد نية الشخص ارتكاب جريمة أو مدى خطورته على نحو موثوق.

الفرق بين الذكاء الاصطناعي الطرفي والذكاء الاصطناعي السحابي

يمكن تنفيذ معالجة الذكاء الاصطناعي على بنيات أجهزة مختلفة.

الذكاء الاصطناعي الطرفي (Edge AI)

يعني Edge AI تنفيذ استدلال الذكاء الاصطناعي على أجهزة قريبة من موقع إنشاء البيانات.

فعلى سبيل المثال، يُعد رصد كاميرا IP للأشخاص باستخدام معالجها الداخلي تطبيقاً للذكاء الاصطناعي الطرفي.

الذكاء الاصطناعي السحابي

في أنظمة الذكاء الاصطناعي السحابي، يمكن إجراء التحليل أو تقديم خدمات النماذج عبر بنية مراكز بيانات بعيدة.

مقارنة

المعيار

الذكاء الاصطناعي الطرفي

الذكاء الاصطناعي السحابي

موقع المعالجة

الجهاز المحلي

خادم بعيد

الاعتماد على الإنترنت

منخفض في بعض التطبيقات

يختلف بحسب الخدمة

زمن الاستجابة

قد تمنح المعالجة المحلية ميزة

قد يتأثر بظروف الشبكة

قدرة المعالجة

محدودة بإمكانات أجهزة النظام

قد تكون قابلة للتوسّع

الإدارة المركزية

قد تتطلب بنية تحتية إضافية

يمكن تيسيرها عموماً

حماية البيانات

قد تمنح المعالجة المحلية ميزة

ينبغي تقييم نقل البيانات واستضافتها

التكلفة

الأجهزة والصيانة

الاستخدام والاشتراك ونقل البيانات

في البنى الهجينة، يمكن إجراء بعض العمليات على الأجهزة المحلية وأخرى على خادم مركزي أو في السحابة.

ما مزايا الذكاء الاصطناعي؟

يمكن لتقنيات الذكاء الاصطناعي أن توفر للشركات مزايا متعددة عند تطبيقها على نحو صحيح.

الكفاءة التشغيلية

يمكن لأتمتة مهام التحليل والتصنيف المتكررة أن تخفف أعباء العمل عن الموظفين.

تحليل البيانات الضخمة

يمكن تحديد أنماط في مجموعات البيانات الكبيرة التي يصعب على الأشخاص مراجعتها يدوياً.

الإنذار المبكر

قد يكون من الممكن رصد حالات شاذة أو أحداث معينة مبكراً.

دعم القرار

يمكن لنتائج التنبؤ والتحليل دعم عمليات اتخاذ القرار لدى المديرين.

الاستمرارية

يمكن للأنظمة، عند توافر بنية تحتية مناسبة، أداء مهام معينة باستمرار.

أداء قابل للقياس

يمكن تحديد مؤشرات أداء لعمليات معينة في الأنظمة المصممة جيداً.

لكن تحقيق هذه المزايا يعتمد على التحقق من أداء نظام الذكاء الاصطناعي في ظروف الاستخدام الفعلية.

ما مخاطر الذكاء الاصطناعي وسلبياته؟

النتائج الخاطئة

قد تصدر أنظمة الذكاء الاصطناعي تنبؤات أو تصنيفات غير صحيحة.

مشكلات جودة البيانات

قد تؤثر البيانات الناقصة أو الخاطئة أو ضعيفة التمثيل سلباً في أداء النموذج.

التحيّز الخوارزمي

قد تُظهر بعض الأنظمة فروقاً منهجية في الأداء بين فئات مختلفة من الأشخاص أو البيانات.

البيانات الشخصية والخصوصية

قد تترتب على معالجة صور الوجوه ومعلومات الموقع وغيرها من البيانات الشخصية التزامات لحماية البيانات.

الأمن السيبراني

قد تتعرض البنية التحتية للذكاء الاصطناعي لمخاطر مثل تسرب البيانات والوصول غير المصرح به والتلاعب.

قابلية التفسير

قد يصعب تفسير سبب صدور مخرج معين، ولا سيما في نماذج التعلّم العميق المعقدة.

الإفراط في الأتمتة

قد تتفاقم آثار القرارات الخاطئة في الأنظمة التي لا تخضع لإشراف بشري كافٍ.

لذلك تكتسب الرقابة البشرية المناسبة والاختبارات وآليات الاعتراض أهمية في التطبيقات الحيوية.

كيف تُقاس الدقة في أنظمة الذكاء الاصطناعي؟

يُقيَّم أداء الذكاء الاصطناعي بمقاييس مختلفة بحسب نوع التطبيق.

فعلى سبيل المثال، لا يُقاس أداء كاميرا أمنية في رصد الأشخاص وجودة إنشاء النصوص لدى نموذج لغوي بالأساليب نفسها.

الإحكام (Precision)

Precision = TP / (TP + FP)

يقيس نسبة النتائج المصنفة إيجابية التي تكون صحيحة.

الاستدعاء (Recall)

Recall = TP / (TP + FN)

يوضح نسبة أحداث الهدف الفعلية التي جرى رصدها.

F1-Score

المتوسط التوافقي لقيمتي Precision وRecall.

مقاييس أخرى

بحسب التطبيق، يمكن استخدام:

  • Accuracy (الدقة)

  • mAP

  • MAE

  • RMSE

  • معدل الإنذارات الكاذبة

  • زمن تأخر المعالجة

  • توافر النظام

وغيرها من المقاييس.

المهم ليس مجرد تحقيق نسبة دقة مرتفعة، بل وضع معايير أداء ملائمة لسيناريو الاستخدام الفعلي.

كيف ينبغي اختيار أنظمة الذكاء الاصطناعي؟

ينبغي للشركات أن تحدد بوضوح المشكلة التي تريد حلها قبل الاستثمار في الذكاء الاصطناعي.

1. حدّدوا الغرض من الاستخدام

ينبغي تحديد المشكلة المطلوب حلها والمخرج اللازم.

2. قيّموا البيانات

ينبغي مراجعة جودة البيانات التي يحتاج إليها النظام وإمكانية الوصول إليها، إلى جانب الشروط القانونية لمعالجتها.

3. تحقّقوا من قدرات الخوارزمية

ينبغي توثيق الوظائف التي يقدمها المورّد والقيود التقنية.

4. راجعوا التكامل

ينبغي تقييم التوافق مع البرمجيات والكاميرات والمستشعرات والأنظمة الأخرى القائمة.

5. نفّذوا مشروعاً تجريبياً

ينبغي إجراء اختبار محدود النطاق في بيئة فعلية.

6. قيسوا الأداء

ينبغي قياس الدقة والإنذارات الكاذبة وزمن الاستجابة والفوائد التشغيلية.

7. تحقّقوا من أمن البيانات

ينبغي تقييم متطلبات حماية البيانات الشخصية والأمن السيبراني.

8. احسبوا التكلفة الإجمالية

ينبغي تقييم تكاليف الأجهزة والتراخيص والتكامل والتدريب والصيانة والتحديث مجتمعةً.

الذكاء الاصطناعي وقانون KVKK

عندما تعالج أنظمة الذكاء الاصطناعي بيانات شخصية، قد تنشأ التزامات ذات صلة في تركيا بموجب قانون حماية البيانات الشخصية رقم 6698.

ينبغي تقييم غرض المعالجة وسندها القانوني بعناية، ولا سيما في تطبيقات تحليل الصور والتعرّف على الوجه ومراقبة الموظفين وتصنيف العملاء.

تشمل المبادئ الأساسية:

  • الامتثال للقانون وقواعد حسن النية

  • أغراض محددة وواضحة ومشروعة

  • استخدام بيانات مرتبطة بغرض المعالجة ومحدودة ومتناسبة معه

  • الاحتفاظ بها للمدة اللازمة فقط

  • أمن البيانات

  • حماية حقوق أصحاب البيانات

وغيرها.

لا يجعل استخدام الذكاء الاصطناعي معالجة البيانات الشخصية مشروعة تلقائياً.

ما قانون الذكاء الاصطناعي للاتحاد الأوروبي (AI Act)؟

قانون الذكاء الاصطناعي للاتحاد الأوروبي إطار قانوني يحدد التزامات لمعالجة مخاطر معينة تطرحها أنظمة الذكاء الاصطناعي.

يتناول التنظيم حالات الاستخدام المختلفة بحسب مخاطرها.

فعلى سبيل المثال، حُظرت بعض تطبيقات الذكاء الاصطناعي، وفُرضت متطلبات أشمل على أنظمة معينة عالية المخاطر.

الهدف الأساسي من هذا النهج هو دعم السلامة وحماية الحقوق الأساسية عند استخدام الذكاء الاصطناعي.

لكن لا تخضع جميع أنظمة الذكاء الاصطناعي للالتزامات نفسها. وينبغي تقييم القواعد المنطبقة بحسب الغرض المقصود من النظام وأدوار الأطراف والجدول الزمني لدخولها حيز التنفيذ.

مستقبل الذكاء الاصطناعي

يواصل تطور تقنيات الذكاء الاصطناعي إيجاد مجالات تطبيق جديدة في قطاعات مختلفة.

من أبرز مجالات البحث والتطوير:

الذكاء الاصطناعي متعدد الوسائط

نماذج قادرة على معالجة أنواع مختلفة من البيانات معاً، مثل النصوص والصور والصوت والفيديو.

الذكاء الاصطناعي الطرفي (Edge AI)

تنفيذ عمليات الذكاء الاصطناعي في الكاميرات والمستشعرات والأجهزة المحلية.

وكلاء الذكاء الاصطناعي (AI Agents)

أنظمة برمجية قادرة على تنفيذ مهام متعددة المراحل باستخدام الأدوات لتحقيق أهداف محددة.

الذكاء الاصطناعي الفيزيائي

استخدام الذكاء الاصطناعي في الروبوتات والأنظمة التي تتفاعل مع البيئة المادية.

الذكاء الاصطناعي القابل للتفسير

أساليب تهدف إلى تحسين فهم النتائج التي تنتجها الأنظمة وتقييمها.

الذكاء الاصطناعي الجدير بالثقة

تطوير خصائص مثل السلامة والمتانة والخصوصية والإشراف البشري والأداء القابل للقياس.

يعتمد مدى سرعة انتشار هذه التقنيات وكيفية استخدامها في القطاعات المختلفة على الظروف التقنية والاقتصادية والقانونية.

الأسئلة الشائعة

ما الذكاء الاصطناعي باختصار؟

الذكاء الاصطناعي مصطلح عام للتقنيات التي تمكّن أنظمة الحاسوب من تحليل البيانات وإنتاج تنبؤات أو تصنيفات أو توصيات أو قرارات أو محتوى.

ما المقابل الإنجليزي لمصطلح «الذكاء الاصطناعي»؟

المقابل الإنجليزي للذكاء الاصطناعي هو Artificial Intelligence، واختصاره AI.

كيف يتعلم الذكاء الاصطناعي؟

تحدّث الأنظمة القائمة على تعلّم الآلة معلمات النموذج من خلال تحليل الأنماط في بيانات التدريب. لكن ليست كل أنظمة الذكاء الاصطناعي تستخدم طريقة التعلّم نفسها.

هل الذكاء الاصطناعي وتعلّم الآلة شيء واحد؟

لا. تعلّم الآلة أحد الأساليب المستخدمة في مجال الذكاء الاصطناعي.

هل ChatGPT ذكاء اصطناعي؟

نعم. ChatGPT تطبيق للذكاء الاصطناعي التوليدي يستفيد من نماذج اللغة الكبيرة.

هل يستطيع الذكاء الاصطناعي التفكير كالبشر؟

يمكن للذكاء الاصطناعي أداء بعض مهام الاستدلال وحل المشكلات. لكن لا ينبغي اعتبار هذه القدرات مكافئة للوعي أو التفكير البشري.

كيف يُستخدم الذكاء الاصطناعي في كاميرات الأمن؟

يمكن استخدامه في وظائف مثل رصد الأشخاص والمركبات وتتبع العناصر واكتشاف حوادث أمنية محددة والبحث التحليلي في تسجيلات الفيديو.

هل يعطي الذكاء الاصطناعي نتائج صحيحة دائماً؟

لا. فقد ينتج نتائج خاطئة تبعاً لجودة البيانات والخوارزمية وظروف الاستخدام.

هل سيحل الذكاء الاصطناعي محل الوظائف؟

قد يكون من الممكن أتمتة بعض المهام. لكن كيفية تحول الوظائف تعتمد على القطاع وبنية المهام والتقنية والظروف الاقتصادية.

هل الذكاء الاصطناعي آمن؟

تعتمد سلامة أنظمة الذكاء الاصطناعي على تصميمها وأغراض استخدامها وعمليات اختبارها والتدابير التقنية والتنظيمية المتخذة.

الخلاصة

الذكاء الاصطناعي مجال تقني واسع يتيح إنتاج مخرجات ذات معنى من البيانات وأتمتة مهام محددة.

تتيح أساليب مثل تعلّم الآلة والتعلّم العميق والذكاء الاصطناعي التوليدي والرؤية الحاسوبية فرصاً تطبيقية جديدة في قطاعات مختلفة.

يؤدي الذكاء الاصطناعي دوراً مهماً، ولا سيما في قطاع الأمن الإلكتروني، في تطبيقات مثل رصد الأشخاص والمركبات وتتبع العناصر وأمن المحيط والتعرّف على لوحات المركبات وتحليلات الفيديو.

لكن نجاح مشروع للذكاء الاصطناعي لا يقتصر على امتلاك خوارزمية متطورة.

ينبغي النظر معاً في البيانات المناسبة والأجهزة الملائمة والتكامل الموثوق واختبارات الأداء والأمن السيبراني وحماية البيانات الشخصية.

لا تتحدد القيمة الحقيقية للذكاء الاصطناعي بمدى تطور التقنية بقدر ما تتحدد بقدرته على حل مشكلة بعينها بموثوقية وقابلية للقياس ومسؤولية.

المصادر

محتوى إضافي حول الموضوعات الواردة في هذا المقال

مقال تقني

الذكاء الاصطناعي لمراقبة إلقاء النفايات غير القانوني: مراجعة بشرية بعد التنبيه

تُظهر تجربة APAMAN التي أوردتها Brivo كيف يمكن أن يؤدي التنبيه بشأن إلقاء النفايات غير القانوني إلى اتخاذ إجراء عبر مراجعة الموظفين وطلب إزالة النفايات. لكن روايات الحالات لا تقيس بمفردها أداء النظام في الكشف.

أخبار القطاع

موصل MCP لمنصة Genetec Security Center: وصول مضبوط لمساعدي الذكاء الاصطناعي

أعلنت Genetec عن موصل MCP لمنصة Security Center. ويمكن استخدام مساعدات الذكاء الاصطناعي مثل ChatGPT وClaude وMicrosoft Copilot لإجراء فحوصات الأنظمة المصرح بها، وضبط الأجهزة، وتنفيذ مهام إدارة الأمن.

مقال تقني

أمن الغابات: الكشف المبكر عن الحرائق والكاميرات الحرارية وأنظمة الذكاء الاصطناعي

يتطلب أمن الغابات الاستخدام المتكامل للكاميرات والتصوير الحراري والذكاء الاصطناعي ومصائد الكاميرات والطائرات المسيّرة وتقنيات الأقمار الصناعية للكشف المبكر عن الحرائق ومنع الأنشطة غير المصرح بها وحماية المناطق الطبيعية. نستعرض مبادرة ORİKEM التابعة للمديرية العامة للغابات (OGM)، وأبراج المراقبة الذكية، والكشف عن الدخان بالذكاء الاصطناعي، وأنظمة الاتصالات عن بُعد والطاقة الشمسية، ومعايير الاختيار الفنية، والمتطلبات القانونية في تركيا.

تفضيلات ملفات تعريف الارتباط

يدعم التخزين الضروري وظائف الموقع ويحفظ اختيارك. تعتمد تحليلات Google القائمة على الإذن على اختيارك وتفعيل منفصل. الوضع المتقدم معطل افتراضياً؛ وإذا فُعّل منفصلاً فقد يرسل إشارات بلا كوكيز عند الرفض. وإذا فُعّل Umami فهو يقيس مشاهدات الصفحات بمعزل عن اختيار الكوكيز. اقرأ سياسة الكوكيز

ضروري — مفعّل دائماً

أمان الجلسة وحفظ تفضيلات ملفات تعريف الارتباط.

قياس استخدام الصفحات وعمليات البحث والتفاعل مع الرعاة؛ Google Analytics / Google Tag Manager عند إعدادهما.

استخدام ملفات تعريف الارتباط المرتبطة بالإعلانات. يمكن عرض الرعايات السياقية دون هذا الإذن.

تفضيل مشاركة بيانات المستخدم مع خدمات إعلانات Google. لا يحدث نقل ما لم تُفعّل الميزة بشكل منفصل.

تفضيل تخصيص إعلانات Google، وهو مستقل عن إذن التحليلات.

يمكنك تغيير اختياراتك أو سحبها عبر تفضيلات ملفات تعريف الارتباط أسفل الصفحة.