Arabic:الذكاء الاصطناعي والمجتمع

مقدمة

أصبح الذكاء الاصطناعي جزءًا من الدراسة والعمل والإعلام والترفيه والخدمات العامة. قد يقترح عليك مقطعًا مصورًا، أو يساعد في ترجمة نص، أو يتعرف على عناصر في صورة، أو يولد فقرة أو صورة جديدة. لكن كلمة «ذكي» لا تعني أن النظام يفهم العالم بالطريقة التي يفهمها الإنسان، ولا تعني أن كل مخرجاته صحيحة أو عادلة.

في هذه الدورة ستتعلم كيف تميز بين الذكاء الاصطناعي وتعلم الآلة والتعلم العميق، وكيف تعمل الشبكات العصبية على مستوى مبسط، وما المقصود بالذكاء الاصطناعي التوليدي. وستتعلم أيضًا كيف تفحص مصادر المعلومات، وتحمي الخصوصية، وتفكر في التحيز وحقوق المؤلف وتأثير التقنية في الوظائف، ثم تطبق قواعد للاستخدام المسؤول.

لا تحتاج إلى خبرة برمجية سابقة. يفيدك أن تكون قادرًا على قراءة الجداول والنسب البسيطة، وأن تميز بين الادعاء والدليل، وأن تعرف أن البيانات الرقمية قد تمثل أشخاصًا وأحداثًا وسلوكيات حقيقية.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

سؤال تمهيدي: عندما يعطيك نظام ذكاء اصطناعي إجابة تبدو مقنعة، ما الذي يجعلك تثق بها؟ فكّر في الدليل والمصدر والسياق، لا في سلاسة اللغة وحدها.

أهداف التعلم

بعد إكمال الدورة، يُتوقع أن تكون قادرًا على:

1. مفاهيم الذكاء الاصطناعي: التمييز بين الذكاء الاصطناعي وتعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي.
2. دورة حياة النموذج: شرح العلاقة بين بيانات التدريب والتدريب والنموذج والاستدلال والتقييم.
3. الشبكات العصبية الاصطناعية: وصف دور الطبقات والأوزان والخطأ والتعديل أثناء التدريب بصورة مبسطة.
4. جودة البيانات: تفسير أثر جودة البيانات وتمثيلها وتصنيفها في أداء النموذج.
5. الهلوسة في الذكاء الاصطناعي: التعرف على المخرجات الملفقة أو غير الموثوقة وتطبيق أساليب تحقق مناسبة.
6. التحيز الخوارزمي: تحليل كيف يمكن أن ينشأ التحيز من البيانات أو التصميم أو سياق الاستخدام.
7. الخصوصية الرقمية: اتخاذ قرارات أكثر أمانًا عند إدخال بيانات في أدوات الذكاء الاصطناعي.
8. حقوق المؤلف: تفسير سبب تعقيد قضايا بيانات التدريب والمخرجات المولدة وضرورة التحقق من القواعد المحلية والتراخيص.
9. مستقبل العمل: مناقشة كيف يمكن للذكاء الاصطناعي أن يغير المهام والمهارات والوظائف دون افتراض نتيجة واحدة محتومة.
10. أخلاقيات الذكاء الاصطناعي: استخدام مبادئ العدالة والشفافية والمساءلة والإشراف البشري في تقييم حالة واقعية.

ما الذكاء الاصطناعي وكيف يرتبط بتعلم الآلة؟

الذكاء الاصطناعي اسم واسع لأنظمة حاسوبية تؤدي مهام ترتبط عادة بقدرات مثل التعرف على الأنماط أو التنبؤ أو معالجة اللغة أو التخطيط. بعض الأنظمة تعتمد على قواعد يكتبها البشر مباشرة، وبعضها يعتمد على التعلم من البيانات.

تعلم الآلة فرع من الذكاء الاصطناعي تُضبط فيه معلمات النموذج باستخدام أمثلة أو بيانات بحيث يتحسن أداؤه في مهمة محددة وفق معيار قياس. أما التعلم العميق فهو نوع من تعلم الآلة يعتمد عادة على شبكات عصبية متعددة الطبقات. لذلك ليس كل ذكاء اصطناعي تعلمًا عميقًا، وليس كل نظام ذكي شبكة عصبية.

يمكن أن تتعلم الأنظمة بطرائق مختلفة. في التعلم الخاضع للإشراف تكون أمثلة التدريب مرتبطة بإجابات أو تسميات معروفة، مثل صور مصنفة إلى أنواع. في التعلم غير الخاضع للإشراف يبحث النظام عن بنى أو مجموعات في البيانات من دون تسميات جاهزة. وفي التعلم بالتعزيز يتعلم وكيل اتخاذ أفعال من خلال إشارات مكافأة مرتبطة بالنتائج.

مخطط دورة مبسطة لنظام قائم على تعلم الآلة:

بيانات مناسبة

← تُستخدم في ←

تدريب

← ينتج ←

نموذج مدرب

← يعالج ←

مدخل جديد

← يعطي ←

مخرجات

التدريب ليس حفظًا بسيطًا لقائمة إجابات. الهدف هو ضبط معلمات النموذج لاكتشاف أنماط تساعده على التعامل مع أمثلة جديدة. بعد التدريب تأتي مرحلة الاستدلال، أي استخدام النموذج المدرب على مدخل لم يكن جزءًا من عملية التدريب المباشرة للحصول على توقع أو تصنيف أو محتوى مولد.

تجربة صفية مصغرة: تخيل أن لديك بطاقات تصف ثمارًا بسمتين فقط: اللون والكتلة. اختر بعض البطاقات للتدريب وبعضها للاختبار. ضع قاعدة تصنيف، ثم غيّرها بعد رؤية أخطائك. ستلاحظ أن القاعدة التي تناسب أمثلة التدريب تمامًا قد لا تعمل جيدًا على بطاقات جديدة. هذه الفكرة تقود إلى مفهوم فرط التوافق، حيث يتعلم النموذج تفاصيل مجموعة التدريب أكثر مما يتعلم نمطًا قابلًا للتعميم.

بيانات التدريب والجودة والتقييم

جودة النموذج مرتبطة بالبيانات والهدف وطريقة التقييم. قد تكون البيانات ناقصة أو قديمة أو غير متوازنة، وقد تحتوي تسميات بشرية غير دقيقة. وإذا كانت مجموعة معينة من الناس ممثلة تمثيلًا ضعيفًا، فقد يكون أداء النظام عليها أسوأ حتى لو كان متوسط الأداء العام جيدًا.

من الممارسات الأساسية فصل بيانات للتدريب عن بيانات للتقييم. تساعد مجموعة الاختبار المنفصلة على تقدير قدرة النموذج على التعميم. ولا يكفي رقم دقة واحد دائمًا؛ فقد تحتاج إلى النظر في أنواع الأخطاء، ومن يتأثر بها، وما تكلفة الخطأ في السياق الحقيقي.

دراسة حالة: مرشح الرسائل المزعجة. إذا دُرّب مرشح بريد على رسائل من فترة أو لغة واحدة فقط، فقد يسيء تصنيف رسائل سليمة من أنماط لغوية أخرى. العلاج ليس «زيادة البيانات» فقط، بل فحص التمثيل وجودة التسميات ومعيار النجاح ومراقبة الأداء بعد النشر.

الشبكات العصبية: من المدخلات إلى المخرجات

الشبكة العصبية الاصطناعية نموذج حسابي مكوّن من وحدات مترابطة مرتبة غالبًا في طبقات. تستقبل طبقة الإدخال قيمًا، تمررها عبر طبقات وسيطة، ثم تنتج طبقة الإخراج نتيجة. لكل اتصال وزن يحدد مقدار تأثير الإشارة، وتُستخدم دوال رياضية لتحويل القيم بين الطبقات.

مخطط مبسط لشبكة عصبية اصطناعية

أثناء التدريب، تُقارن مخرجات الشبكة بالنتيجة المطلوبة أو بمعيار الهدف. يُحسب مقدار الخطأ بواسطة دالة خسارة، ثم تُعدّل الأوزان تدريجيًا لتقليل الخطأ. في كثير من الشبكات يتم ذلك باستخدام الانتشار العكسي مع طريقة تحسين مثل الانحدار المتدرج. لست بحاجة هنا إلى تنفيذ المعادلات؛ المهم أن تفهم أن التعلم يعني تعديل أعداد كثيرة داخل النموذج استنادًا إلى البيانات والهدف.

الشبكة العصبية ليست نسخة رقمية كاملة من الدماغ. الاسم مستوحى جزئيًا من فكرة الوحدات المترابطة، لكن الخلايا العصبية البيولوجية والدماغ أكثر تعقيدًا بكثير. كما أن كبر الشبكة لا يضمن وحده الدقة أو العدالة أو السلامة.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

تجربة توضيحية: ارسم ثلاث دوائر للمدخلات وأربعًا لطبقة مخفية ودائرتين للمخرجات، ثم صِلها بخطوط. تخيل أن سماكة كل خط تمثل وزنًا. غيّر وزنًا واحدًا واسأل: أي المخرجات قد يتغير؟ هذه التجربة لا تحاكي الحساب الحقيقي بالكامل، لكنها تبين أن النتيجة تعتمد على شبكة من تأثيرات متراكبة، لا على قاعدة لغوية واحدة مكتوبة يدويًا.

الذكاء الاصطناعي التوليدي والنماذج اللغوية

الذكاء الاصطناعي التوليدي يشير إلى نماذج تستطيع إنتاج محتوى جديد مثل النص أو الصورة أو الصوت أو الشفرة استجابة إلى مدخلات المستخدم. تتعلم هذه النماذج أنماطًا إحصائية من بيانات واسعة، ثم تولد مخرجات تتوافق مع تلك الأنماط ومع التعليمات والسياق المتاح.

في النماذج اللغوية الكبيرة يُقسّم النص إلى وحدات صغيرة تسمى رموزًا أو مقاطع رمزية، ويتعلم النموذج احتمالات العلاقات بينها. عند التوليد يختار تسلسلًا من الرموز اعتمادًا على السياق. هذه الآلية يمكن أن تنتج شرحًا أو تلخيصًا أو ترجمة أو أفكارًا مفيدة، لكنها لا تمنح ضمانًا آليًا بأن كل جملة حقيقة.

قدرات مفيدة: توليد مسودات، إعادة صياغة، تلخيص نص معطى، اقتراح أسئلة، شرح مفهوم بمستويات مختلفة، المساعدة في البرمجة، تحليل أنماط في بيانات ضمن حدود الأداة، وتوليد صور أو صوت في بعض الأنظمة متعددة الوسائط.

حدود مهمة: قد تكون المعرفة غير محدثة، وقد يفشل النموذج في الاستدلال في مسألة تبدو بسيطة، وقد يتأثر بصياغة السؤال، وقد لا يستطيع معرفة ما إذا كانت معلومة خاصة صحيحة إلا إذا قُدمت له ضمن سياق موثوق. كما أن النموذج لا يمتلك تلقائيًا نوايا بشرية أو مسؤولية أخلاقية عن قراراته.

عرض توضيحي بثلاث خطوات: اطلب من أداة توليدية تلخيص فقرة موثوقة أعطيتها لها، ثم اطلب منها إجابة عن سؤال لا تتضمن الفقرة جوابه، ثم اطلب تحديد ما الذي استندت إليه. قارن بين الحالات. إذا أضافت تفاصيل لا يدعمها النص، فقد رأيت مثالًا على ضرورة التحقق بدل الاعتماد على الأسلوب الواثق.

الهلوسة وكيف تتحقق من المخرجات

تسمى الإجابات الخاطئة أو الملفقة التي يقدمها نموذج توليدي بثقة أحيانًا هلوسة. قد تكون معلومة غير صحيحة، أو اقتباسًا غير موجود، أو مرجعًا مخترعًا، أو تفصيلًا يناقض السياق. السبب الأساسي أن النموذج يولد مخرجات مرجحة إحصائيًا، لا أنه يستشير دائمًا قاعدة حقائق مضمونة.

لا تجعل طلب «أعطني مصادر» بديلًا عن التحقق؛ فقد تُختلق المصادر نفسها. بدلاً من ذلك، استخدم خطوات عملية: حدد الادعاءات التي يمكن التحقق منها، وابحث عن المصدر الأصلي أو جهة موثوقة، وقارن أكثر من مصدر عند الحاجة، وتحقق من التاريخ والسياق، ولا تعتمد على نموذج توليدي وحده في قرار طبي أو قانوني أو مالي أو أمني عالي العواقب.

دراسة حالة: تقرير مدرسي. طلب طالب من نموذج توليدي مراجع لبحث عن تغير المناخ، فحصل على عناوين تبدو أكاديمية. عند البحث اكتشف أن أحدها غير موجود. الاستخدام المسؤول هنا هو العودة إلى قواعد بيانات أو مواقع مؤسسات موثوقة، ثم الاستشهاد بالمصادر التي قرأها الطالب فعلًا، لا بما اقترحه النموذج فقط.

التحيز والعدالة: عندما تعكس البيانات تفاوتات المجتمع

التحيز في نظام ذكاء اصطناعي لا يأتي من مصدر واحد. قد ينشأ من بيانات غير ممثلة، أو من تسميات بشرية متحيزة، أو من اختيار متغيرات لا تناسب الهدف، أو من معيار تقييم يخفي الفروق بين المجموعات، أو من استخدام نظام في سياق لم يُصمم له.

رمز للتفكير في التحيز الخوارزمي والعدالة

دراسة حالة: فرز طلبات تدريب مهني. تخيل نظامًا يتعلم من قرارات توظيف سابقة. إذا كانت البيانات التاريخية تعكس فرصًا غير متساوية، فقد يتعلم النموذج أنماطًا تعيد إنتاجها حتى من دون إدخال سمة حساسة مباشرة. لذلك يجب فحص البيانات والنتائج عبر مجموعات مناسبة، وتوثيق حدود النموذج، وتوفير مسار مراجعة بشرية حقيقي، وعدم جعل الأتمتة صاحبة القرار النهائي في الحالات الحساسة.

لكن الإشراف البشري ليس عصا سحرية؛ إذا كان الشخص يوافق على اقتراح النظام تلقائيًا، تبقى المشكلة. الإشراف الجيد يعني أن لدى الإنسان معلومات ووقتًا وسلطة لمراجعة القرار وتغييره، وأن هناك طريقة للاعتراض والمساءلة.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

الخصوصية وبياناتك الشخصية

قد تتضمن المدخلات إلى أدوات الذكاء الاصطناعي أسماء أو صورًا أو أصواتًا أو مواقع أو وثائق دراسية أو معلومات عن أشخاص آخرين. سياسات الاحتفاظ بالبيانات واستخدامها تختلف بين الخدمات، لذلك لا تفترض أن كل محادثة خاصة تلقائيًا.

الخصوصية تبدأ بتقليل البيانات التي تشاركها

طبّق مبدأ تقليل البيانات: شارك فقط ما تحتاج إليه للمهمة. لا تُدخل كلمات المرور أو أرقام الهوية أو السجلات الصحية أو بيانات مالية أو أسرارًا تخصك أو تخص غيرك في أداة غير معتمدة. إذا احتجت إلى مثال، استخدم بيانات مصطنعة أو أزل الأسماء والتفاصيل التي تسمح بالتعرف على الأشخاص. في المدرسة، اتبع سياسة المؤسسة وتعليمات المعلم، ولا ترفع أعمال زملائك أو صورهم دون إذن مناسب.

تجربة آمنة: خذ سيرة ذاتية خيالية بالكامل، وحدد الحقول التي لا يحتاجها نظام يساعد فقط على تحسين الصياغة. احذفها ثم قارن النتيجة. الهدف هو إدراك أن جودة المهمة لا تتطلب دائمًا مشاركة كل ما تملكه من بيانات.

حقوق المؤلف والمحتوى المولد

تتعلم النماذج التوليدية من كميات كبيرة من النصوص والصور والمواد الأخرى، وقد تتضمن بيانات التدريب أعمالًا محمية بحقوق المؤلف. تختلف القوانين والاستثناءات والتراخيص بين الدول، وما زالت بعض الأسئلة القانونية حول التدريب والمخرجات محل نقاش وتطور. لذلك لا توجد قاعدة عالمية بسيطة تقول إن كل استخدام مسموح أو إن كل مخرج ملك لك بلا شروط.

رمز حقوق المؤلف يذكرك بالتحقق من الترخيص والمصدر

للاستخدام المدرسي المسؤول، ميّز بين الفكرة والنص أو الصورة المحمية، واذكر المصادر التي اعتمدت عليها، وتحقق من تراخيص الصور والمواد، ولا ترفع كتابًا أو صورة محمية إلى خدمة خارجية إذا لم يكن لديك حق مناسب في مشاركتها. وعند استخدام مخرجات مولدة، راجعها للتأكد من أنها لا تنسخ جزءًا مميزًا من عمل معروف، والتزم بقواعد مدرستك والقانون المحلي وشروط الخدمة.

دراسة حالة: ملصق مدرسي. إذا ولدت صورة ثم أضفت إليها نصك وتصميمك، فما الذي يجب توثيقه؟ من الممارسات الجيدة تسجيل الأداة ودورها وتاريخ الاستخدام عند طلب المدرسة ذلك، والاحتفاظ بمصادر الحقائق والنصوص البشرية، والتحقق من أي عناصر مأخوذة من مواد خارجية.

الذكاء الاصطناعي والعمل والمجتمع

يمكن للذكاء الاصطناعي أن يؤتمت بعض المهام، وأن يسرع مهام أخرى، وأن يخلق مهامًا جديدة. من الخطأ افتراض أن كل وظيفة ستختفي أو أن كل وظيفة ستبقى كما هي. كثير من المهن تجمع مهامًا قابلة للأتمتة مع مهام تتطلب تواصلًا بشريًا أو حكمًا سياقيًا أو مسؤولية أو عملًا ميدانيًا.

مثال على تعاون الإنسان والآلة في بعض بيئات العمل

في الأعمال المكتبية قد يساعد الذكاء الاصطناعي في المسودات والبحث الأولي والتنظيم، وفي البرمجة قد يقترح شفرة تحتاج إلى اختبار ومراجعة، وفي التصميم قد يسرع توليد النماذج الأولية. لكن زيادة الإنتاجية لا تتوزع تلقائيًا بالتساوي؛ قد تظهر مخاطر تتعلق بجودة العمل والمراقبة والتفاوت في فرص التدريب والوصول إلى الأدوات.

بالنسبة لك كمتعلم، ركز على مهارات تكمل الأدوات بدل منافستها في مهمة واحدة: فهم المجال، طرح أسئلة جيدة، التحقق من الأدلة، تحليل البيانات، التواصل، الإبداع المقصود، التعاون، وفهم الآثار الأخلاقية. تعلم استخدام الأداة وتعلم متى لا تستخدمها.

تحميل الفيديو

يوتيوب

قد يقوم يوتيوب بجمع البيانات الشخصية. سياسة الخصوصية

استمرار تجاهل

دراسة حالة: محرر ومساعد توليدي. يستطيع المساعد اقتراح عنوان أو تلخيص مقابلة، لكن المحرر يظل مسؤولًا عن التحقق من الاقتباسات والسياق والإنصاف. هنا تتغير طريقة أداء المهمة أكثر مما تختفي الحاجة إلى الحكم المهني.

الأخلاقيات والاستخدام المسؤول

الأخلاقيات لا تعني مجرد سؤال «هل تستطيع التقنية فعل ذلك؟»، بل أيضًا «هل ينبغي فعل ذلك؟ ومن يستفيد؟ ومن قد يتضرر؟ ومن يستطيع الاعتراض؟». من المبادئ المهمة في أطر أخلاقيات الذكاء الاصطناعي: احترام كرامة الإنسان وحقوقه، العدالة وعدم التمييز، حماية الخصوصية، السلامة والأمن، الشفافية المناسبة، المساءلة، وإبقاء مسؤولية القرارات المهمة لدى البشر.

استخدم قائمة التحقق التالية قبل الاعتماد على أداة ذكاء اصطناعي:

1. الغاية: هل المهمة مناسبة للأداة، أم تحتاج خبيرًا أو مصدرًا أصليًا؟
2. البيانات: هل أشارك أقل قدر ممكن من البيانات، وهل لدي حق في مشاركتها؟
3. التحقق: ما الادعاءات التي تحتاج مصدرًا مستقلًا أو اختبارًا مباشرًا؟
4. العدالة: من قد يتأثر بالخطأ، وهل جرى فحص الأداء على مجموعات مختلفة؟
5. الشفافية: هل يجب أن أوضح أن الذكاء الاصطناعي ساهم في العمل؟
6. المساءلة: من يراجع النتيجة ومن يتحمل مسؤولية القرار النهائي؟

قاعدة عملية للدراسة: استخدم الذكاء الاصطناعي كأداة للتعلم لا كبديل عن تعلمك. اطلب شرحًا أو أسئلة تدريبية أو نقدًا لمسودة كتبتها، ثم تحقق من المعلومة وأعد بناء الفكرة بأسلوبك. إذا كانت المدرسة تطلب الإفصاح عن استخدام الأدوات، فالتزم به.

مهام تفاعلية

اختبار: اختبر معرفتك

أي عبارة تصف العلاقة بين تعلم الآلة والذكاء الاصطناعي بدقة؟ (تعلم الآلة فرع من الذكاء الاصطناعي) (!كل ذكاء اصطناعي شبكة عصبية) (!الذكاء الاصطناعي فرع من تعلم الآلة) (!تعلم الآلة لا يستخدم البيانات)

ما الغرض من بيانات اختبار منفصلة؟ (تقدير أداء النموذج على أمثلة جديدة) (!زيادة حجم التدريب فقط) (!حفظ الإجابات داخل النموذج) (!إخفاء أخطاء النموذج)

ماذا يعني فرط التوافق؟ (تعلم تفاصيل التدريب مع ضعف التعميم) (!فشل الحاسوب في فتح الملف) (!استخدام بيانات بلا تسميات) (!زيادة سرعة الاتصال)

ما وظيفة الوزن في شبكة عصبية بصورة مبسطة؟ (تحديد مقدار تأثير إشارة في الحساب) (!تخزين كلمة المرور) (!اختيار رخصة المحتوى) (!تحديد عمر المستخدم)

ما السمة الأساسية للذكاء الاصطناعي التوليدي؟ (إنتاج محتوى جديد اعتمادا على أنماط متعلمة) (!ضمان صحة كل معلومة) (!العمل بلا بيانات تدريب) (!امتلاك وعي بشري)

ما المقصود بالهلوسة في نموذج توليدي؟ (معلومة خاطئة أو ملفقة تقدم بثقة) (!توقف الشاشة عن العمل) (!ضغط ملف كبير) (!تغيير كلمة المرور)

أي عامل قد يسبب تحيزا خوارزميا؟ (بيانات تدريب غير ممثلة جيدا) (!استخدام خط أكبر في الصفحة) (!شحن الحاسوب بالكامل) (!ترتيب الملفات أبجديا)

ما الممارسة الأكثر حفاظا على الخصوصية؟ (مشاركة الحد الأدنى اللازم من البيانات) (!إدخال كلمات المرور في المحادثة) (!رفع بيانات الآخرين دون إذن) (!افتراض أن كل خدمة تحفظ السرية تلقائيا)

لماذا تحتاج قضايا حقوق المؤلف والذكاء الاصطناعي إلى انتباه؟ (لأن القواعد تختلف وقد تشمل التدريب والمخرجات) (!لأن كل محتوى مولد ملك عام دائما) (!لأن حقوق المؤلف لا تنطبق على الصور) (!لأن ذكر المصدر غير مهم)

ما الاستخدام الأكثر مسؤولية لنموذج توليدي في واجب مدرسي؟ (استخدامه للمساعدة ثم التحقق والإفصاح عند الحاجة) (!تسليم مخرجه دون قراءة) (!نسخ مراجع لم يتم التحقق منها) (!رفع بيانات خاصة لإقناع النموذج)

لعبة الذاكرة

تعلم الآلة	تعلم أنماط من البيانات لتحسين أداء مهمة
الوزن	قيمة تضبط مقدار تأثير إشارة داخل النموذج
الاستدلال	استخدام نموذج مدرب لمعالجة مدخل جديد
الهلوسة	مخرج غير صحيح أو ملفق يبدو مقنعا
التحيز	نمط قد يؤدي إلى فروق غير مبررة في النتائج
الخصوصية	حماية بيانات الأشخاص والتحكم في استخدامها

السحب والإفلات

طابق الإجراء مع الغرض الصحيح.	الغرض
تقليل البيانات	مشاركة أقل قدر لازم من المعلومات الشخصية
تحقق مستقل	مقارنة الادعاء بمصدر موثوق أو اختبار مباشر
اختبار منفصل	قياس قدرة النموذج على التعميم
إشراف بشري	مراجعة قرار مهم مع سلطة حقيقية لتغييره
توثيق الاستخدام	توضيح دور الأداة عندما تتطلب القواعد ذلك
تنويع البيانات	تقليل خطر ضعف التمثيل لبعض المجموعات

كلمات متقاطعة

خوارزمية	ما اسم مجموعة خطوات أو قواعد حسابية لمعالجة مهمة؟
بيانات	ما المادة التي يتعلم منها كثير من نماذج تعلم الآلة؟
هلوسة	ما اسم المخرج الملفق الذي قد يبدو واثقا؟
خصوصية	ما المبدأ الذي يحمي معلومات الأشخاص من الاستخدام غير المناسب؟
تحيز	ما النمط الذي قد يؤدي إلى فروق غير عادلة في النتائج؟
نموذج	ما الناتج الحسابي الذي يستخدم بعد التدريب لإنتاج توقعات أو مخرجات؟

مهام مفتوحة

سهل

1. خريطة مفاهيم للذكاء الاصطناعي: أنشئ مخططًا عربيًا يربط بين الذكاء الاصطناعي وتعلم الآلة والتعلم العميق والذكاء الاصطناعي التوليدي، وأضف مثالًا واحدًا لكل مفهوم.
2. بطاقة تحقق من الإجابة: صمم بطاقة صغيرة من خمس خطوات تساعد زميلًا على التحقق من إجابة مولدة قبل استخدامها في تقرير مدرسي.
3. يوميات استخدام آمن: سجّل ثلاثة مواقف افتراضية لاستخدام أداة ذكاء اصطناعي، وحدد في كل موقف ما البيانات التي ينبغي عدم مشاركتها ولماذا.
4. إنسان وآلة: أنشئ جدولًا يقارن مهمة يؤديها إنسان مع الطريقة التي قد يساعد فيها الذكاء الاصطناعي، ثم اذكر جزءًا يجب أن يبقى تحت مسؤولية بشرية.

متوسط

1. محاكاة مصنف: استخدم بطاقات ورقية بخصائص مصطنعة لتدريب قاعدة تصنيف بسيطة، ثم اختبرها على بطاقات جديدة وسجل أنواع الأخطاء التي ظهرت.
2. دراسة حالة تحيز: حلل سيناريو افتراضيًا لنظام يفرز طلبات تدريب مهني، وحدد مصادر التحيز المحتملة واقترح ثلاث وسائل للحد منها.
3. مقابلة مهنية: أجر مقابلة قصيرة مع شخص بالغ في مهنة تختارها حول المهام التي تغيرت بسبب الأتمتة أو الذكاء الاصطناعي، من دون تسجيل بيانات شخصية غير لازمة، ثم لخص ما تعلمته.
4. فيديو توعوي: أنشئ فيديو قصيرًا يشرح الفرق بين الإجابة السلسة والإجابة الموثوقة، واستخدم مثالًا تعليميًا آمنًا يوضح ضرورة التحقق من المصادر.

متقدم

1. تدقيق نموذج توليدي: اختر ثلاثة أسئلة معرفية غير حساسة، اجمع إجابات من أداة متاحة لك قانونيًا، ثم تحقق من كل ادعاء بمصادر موثوقة وصنف أنواع الأخطاء دون نشر بيانات حسابك.
2. مناظرة حقوق المؤلف: نظم مناظرة صفية حول استخدام الأعمال المحمية في تدريب النماذج، ووزع أدوارًا تمثل المبدعين والمطورين والمتعلمين والجمهور مع التأكيد أن القواعد القانونية تختلف بين الدول.
3. تقييم أثر مدرسي: صمم نموذجًا لتقييم أثر استخدام أداة ذكاء اصطناعي في المدرسة يشمل الفائدة والخصوصية والعدالة والدقة والشفافية والإشراف البشري.
4. سياسة استخدام مسؤول: اكتب مع فريقك مسودة سياسة من صفحة واحدة لاستخدام الذكاء الاصطناعي في التعلم، ثم اختبرها على حالتين متعارضتين وعدلها بناء على النتائج.

مجالات تعلم مرتبطة

الذكاء الاصطناعي والمجتمع كيف تتعلم الأنظمة من البيانات بنية الشبكات العصبية العدالة والمساءلة والإشراف حماية البيانات الشخصية حقوق المؤلف والتراخيص التحقق من المعلومات والمصادر المهام والمهارات والتحول المهني

مسرد

المصطلح	التعريف
الذكاء الاصطناعي	مجال يطور أنظمة تنفذ مهام ترتبط عادة بالإدراك أو التنبؤ أو معالجة اللغة أو اتخاذ قرارات محددة.
تعلم الآلة	طريقة لضبط نموذج باستخدام البيانات كي يتحسن في مهمة وفق معيار معين.
التعلم العميق	نوع من تعلم الآلة يعتمد على شبكات عصبية متعددة الطبقات.
بيانات التدريب	أمثلة أو سجلات تستخدم أثناء ضبط معلمات النموذج.
النموذج	بنية حسابية بمعلمات مدربة تحول المدخلات إلى توقعات أو مخرجات.
الاستدلال	تشغيل النموذج المدرب على مدخل جديد لإنتاج نتيجة.
الوزن	معلمة رقمية تحدد مقدار تأثير إشارة داخل شبكة عصبية.
فرط التوافق	تعلم تفاصيل مجموعة التدريب على حساب الأداء الجيد على أمثلة جديدة.
الذكاء الاصطناعي التوليدي	نماذج تنتج محتوى جديدًا مثل النص والصورة والصوت استنادًا إلى أنماط متعلمة.
الهلوسة	مخرج خاطئ أو ملفق قد يقدمه النموذج التوليدي بصياغة واثقة.
التحيز الخوارزمي	نمط في البيانات أو النظام أو الاستخدام قد يؤدي إلى نتائج غير متكافئة أو غير عادلة.
الخصوصية	حماية معلومات الأشخاص وضبط جمعها واستخدامها ومشاركتها.
الإشراف البشري	مراجعة بشرية ذات معنى تتيح فهم القرار وتغييره وتحمل المسؤولية عنه.
حقوق المؤلف	حقوق قانونية تتعلق بأعمال إبداعية وتختلف تفاصيل تطبيقها باختلاف الولاية القضائية.