يشيرُ الخبرُ المنشور قبل أيام إلى أهمية استخدام الذكاء الاصطناعي في العمليات الانتخابية، من حيث تسهيل الاقتراع الإلكتروني أو تقديم معلومات دقيقة عن مراكز الاقتراع وأوقات العمل والرقابة عليها، لضمان النزاهة والعدالة في العملية الانتخابية.

في متن ذلك الخبر من تفاصيل ما لا يشفي الغليل أبدا، حتى ولو استند إلى من وصفهم كاتب الخبر بالخبراء. فالصورة ظلت غائمة غير واضحة حول الكيفية التي يمكن لذلك الذكاء أن يفيدنا في الانتخابات لا سيما ونحن على بوابة انتخاب أعضاء للمجلس النيابي العشرين. أي أن الذكاء الاصطناعي غدا مطية لمن هبَّ ودبَّ، وصار البعض يحملونه أكثر مما يحتمل، لا لشيء إلا للفت الانتباه والأنظار أو الحصول على دعم لموقف، أو لأنه باختصار "موضة" مناسبة للحديث.

في هذا المقال القصير سأحاول أن أبدّد الفهم الخاطئ حول حقيقية الذكاء الاصطناعي، وألغي بعضا من الأساطير التي أقيمت على ضفافه، فالجهل في كثير من الأوقات يجعل البعض منا يجنح إلى تصديق ما يقال لهم بسرعة ودون تحقق حين يكون الخبر مدعوما بمصطلح لامع كالذكاء الاصطناعي، ويجبرهم على قبول أفكار لا تستحق.

اخترق مصطلح الذكاء الاصطناعي (AI) محادثاتنا اليومية وعناوين أخبارنا واختلط بأحاديث الكثير منا بمناسبة أو غير مناسبة. وقد دعم رواج هذا المصطلح أنه جاءنا من التصوير الهوليوودي للروبوتات الذكية، ومن الضجة التسويقية للسيارات ذاتية القيادة والمساعدين الذكيين، أي بات يُنظر إلى هذا الذكاء وكأنه تكنولوجيا مستقبلية شبه سحرية، مع أن الحقيقة أكثر واقعية.

لفهم الذكاء الاصطناعي، من الضروري فهم جذوره التاريخية، وقدراته الحالية، والأسباب وراء طفرة شعبيته الأخير،. فعلى الرغم من الضجة الحديثة، فإن مفاهيمه الأساسية ليست جديدة، فهي تستند إلى ثلاثة أعمدة غائرة في القدم وهي، الشبكات العصبية، التعرف على الأنماط، والتعلم الآلي القائم على القواعد، وهذه الأفكار موجودة منذ عقود.

فمثلا يعود مفهوم الشبكات العصبية إلى الأربعينيات من القرن الماضي مع أعمال "وارين مكولوك" و"والتر بيتس"، اللذين أنشأا نموذجًا رياضيًا للخلايا العصبية الاصطناعية يحاكي طريقة عمل الدماغ البشري من خلال "خلايا عصبية" مترابطة يمكنها التعلم واتخاذ القرارات.

أما دراسة الأنماط، فهذا مجال واسع النطاق بدأ منذ منتصف القرن العشرين، تشمل التطبيقات المبكرة معالجة الإشارات ورؤية الحاسوب، حيث تم تعليم الآلات التعرف على الأنماط في البيانات، مثل التعرف على الأشياء في الصور، في حين نشأ التعلم الآلي القائم على القواعد من تطوير الأنظمة الخبيرة في الستينيات والسبعينيات، ويتضمن وضع أنظمة تطبق قواعد منطقية على البيانات لاتخاذ القرارات.

وهنا نقول إذا كانت هذه المفاهيم موجودة منذ زمن طويل، فلماذا أصبح الذكاء الاصطناعي الآن ذا تأثير كبير؟ الجواب يكمن في تقاطع عدة تطورات حاسمة، أبرزها السرعة الهائلة في معالجة البيانات إذ أدى تقليل عقد التكنولوجيا (Technology Node) إلى 10 نانومتر و7 نانومتر والان في 2024 وصلت الى 3 نانوميتر إلى زيادة هائلة في القوة الحاسوبية، وهو ما سمح بإجراء حسابات أكثر تعقيدًا ومعالجة فائقة السرعة، الأمر الذي مكن الخوارزميات عموما وتلك المتعلقة بمجالات الذكاء الاصطناعي من العمل بفعالية أكبر، كما أن رقمنة المعلومات أدت إلى انفجار في كم البيانات الضرورية في تدريب نماذج الذكاء الاصطناعي.

بالمجمل فإن الذكاء الاصطناعي الحديث هو نتاج البحث متعدد التخصصات (Cross-disciplinary) مثل الجمع بين علوم الحاسوب والرياضيات وعلوم الأعصاب وغيرها من المجالات، اجتمعت وتكاملت لإنشاء نماذج ذكاء اصطناعي معقدة وفعالة للغاية، وأصبح تأثيره ملموسًا في تطبيقات حياتية متعددة كأنظمة التوصيت إذ تستخدم منصات مثل Netflix و Amazon نماذج الذكاء الاصطناعي لتوصية المحتوى والمنتجات بناءً على سلوك المستخدم. أما المساعدون الصوتييون مثل Siri و Alexa الذين يمكنهم الفهم والاستجابة للاستفسارات باللغة الطبيعية فهي عدد هائل من أنماط مختلفة للسؤال والأجوبة المحتملة حيث سهلت سرعة معالجة البيانات إلى إدراك السؤال واختيار جوابه المناسب بزمن قليل جداً حيث يبدو الموضوع وكأنه محادثة بين اثنين.

كان العائق الوحيد في إمكانية تطبيق الكثير مما نراه حولنا من معطيات وتطبيقات الذكاء الاصطناعي هو غياب السرعة اللازمة لمعالجة البيانات، فمثلا السيارة ذاتية القيادة قديما كان الزمن المستغرق في التعرف على النمط (العائق امام السيارة) والتعامل مع هذا النمط من خلال الحاسوب المركزي للسيارة واتخاذ القرار المناسب أطول من الزمن اللازم لوصول السيارة الى النمط وارتطامها به، ولذلك لم تكن السيارات ذاتية القيادة آنذاك ذات قيمة.

وللحديث بقية..