يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
3 مبادئ لحماية العالم من تحيز الذكاء الاصطناعي
في عام 1969، أوصى مؤتمر عقد بالبيت الأبيض أن تتحمل إدارة الغذاء والدواء الأميركية مسؤولية التأكد من مكونات الأغذية المعلبة. وقد استغرق تنفيذ هذه المهمة أكثر من عقدين من الزمن، حتى فرضت الإدارة عام 1990 القواعد التي تجبر الشركات على وضع ملصقات التغذية على علب الأطعمة المصنعة. الآن نواجه الأمر نفسه تقريباً فيما يتعلق بالذكاء الاصطناعي.
الاختلاف الرئيسي حالياً هو في السرعة التي يتطور بها الذكاء الاصطناعي، فليس لدينا 20 عاماً ولا حتى عامين لوضع تدابير السلامة في مكانها الصحيح. لذا، يمكن للشركات أن تتخذ الخطوة الأولى والأكثر أهمية، ألا وهي تعريف التحيز الضار أو غير المقبول في الذكاء الاصطناعي، ثم الاتفاق بسرعة على المبادئ التي من شأنها التخفيف من هذا التحيز.
ولحسن الحظ، ثمة مجموعة من المبادئ التي يمكننا اتباعها لوضعنا بسرعة على طريق الذكاء الاصطناعي المسؤول اجتماعياً، أو إدارة مخاطر الذكاء الاصطناعي بشكل عام:
- العدالة: يجب أن يمثل الذكاء الاصطناعي قيم وأخلاقيات المؤسسة التي تستخدمه. بمعنى أنه يجب أن يتخذ القرار الذي كان سيتخذه أفضل موظف في المؤسسة. باختصار، يجب أن يكون عادلاً وخالياً من التحيز، بناءً على من قام بإنشائه، ومن أين جاءت البيانات التي تم تغذيته بها، وأي عامل آخر قد يؤثر على رصانة قراراته.
- الجودة: بافتراض أن الذكاء الاصطناعي عادل في غايته النهائية، فإن جودة الذكاء الاصطناعي ترتبط ارتبطاً وثيقاً بجودة البيانات التي يحللها. بمعنى أنك إذا أدخلت للذكاء الاصطناعي بيانات سيئة فلا تتوقع منه نتائج جيدة. جودة البيانات تضمن أن يعمل الذكاء الاصطناعي على النحو المتوقع: بشكل دقيق، مع تقليل النتائج الإيجابية أو السلبية الكاذبة، وباستخدام المدخلات والمخرجات الصحيحة.
- الارتباط بالسياق: في العديد من الشركات، قد لا يكون القرار الصائب اليوم قراراً جيداً غداً. هذه هي طبيعة البيئات الديناميكية سريعة الحركة. لذلك، فمن الأهمية بمكان فهم كيف يتصرف الذكاء الاصطناعي عندما تتغير البيئة. ويمكننا النظر إلى مثال كوفيد-19 باعتباره تذكير صارخ بأن أساسيات البيئة يمكن أن تتغير. وبالتالي، ينبغي أن يتكيف الذكاء الاصطناعي معها في الوقت الفعلي.
الرؤية الحاسوبية لتشخيص فقر الدم
طور باحثون في مستشفى "رود آيلاند" في الولايات المتحدة نموذجاً مدعوماً بالذكاء الاصطناعي يعمل على تحليل الصور الداخلية للجفون السفلية للأشخاص، والمعروفة باسم "الملتحمة الجفنية"، والتي تبدو شاحبة مع فقر الدم.
ويقول الخبراء إن هذه التقنية يمكنها أن تحدد ما إذا كان شخص ما يعاني فقر الدم من خلال صور الهاتف الذكي، بدلاً من اختبارات الدم. وقد تم تدريب النظام على آلاف الصور لجفون المصابين بفقر الدم، وفي الاختبارات عُرضت صور جديدة على التطبيق، وكانت نسبة صحة تشخيصه عالية جداً.
فقر الدم يحدث عادة بسبب نقص الحديد في الجسم، وهو نقص في عدد أو جودة خلايا الدم الحمراء في الجسم. وقال الدكتور سليم سونر، الذي قاد الدراسة: "فقر الدم، الذي يُعرَّف بأنه انخفاض تركيز الهيموغلوبين، له تأثير كبير في صحة سكان العالم، وإن الإصابة بفقر الدم هي عامل خطر كبير للوفاة، خاصة في الفئات الضعيفة مثل الأطفال وكبار السن والمصابين بأمراض مزمنة". وأضاف: "أظهرت الدراسات السابقة أن الملتحمة الجفنية تبدو أكثر شحوباً مع فقر الدم، وهي مؤشر أكثر دقة للحالة من راحة اليد أو الظفر".
الرابط1
الرابط2 (إنجليزي- تفاصيل أوفى)
الذكاء الاصطناعي وكاميرات الأشعة تحت الحمراء يوفران نظرة ثاقبة على "أزمة الغليان"
لزيادة أمان عمل الحواسيب والمحطات النووية
يؤدي الغليان مهمة تبريد حيوية، فتحول السائل إلى غاز يزيل الطاقة من الأسطح الساخنة، ويمنع ارتفاع درجة حرارة كل شيء، بدءاً من محطات الطاقة النووية وحتى شرائح الكمبيوتر القوية. إلا أنه عندما تصبح الأسطح شديدة السخونة، قد تحدث ظاهرة تسمى "أزمة الغليان". تحدث أزمة الغليان عندما تتشكل الفقاعات بسرعة، وقبل أن تنفصل عن السطح الساخن تلتصق ببعضها البعض، مكونة طبقة بخار تعزل السطح عن سائل التبريد الموجود في الأعلى، فترتفع درجات الحرارة بشكل أسرع، الأمر الذي قد يسبب كارثة. لذا، يقدم بحث جديد نظرة ثاقبة على هذه الظاهرة، لمساعدتنا على توقع مثل هذه الإخفاقات.
كان هدف التجربة الجديدة -التي أجراها فريق بقيادة ماتيو بوتشي الأستاذ المساعد للعلوم والهندسة النووية في جامعة إم آي تي- هو تقدير مدى اقتراب المياه من أزمة الغليان. في بحث سابق، أمضى الفريق ما يقرب من خمس سنوات في تطوير تقنية يمكن من خلالها للتعلم الآلي تبسيط معالجة الصور الخاصة بهذه الظاهرة.
استخدم الفريق جهاز تسخين شفاف موضوع أسفل حوض ماء، وكاميرا تعمل بالأشعة تحت الحمراء موضوعة أسفل جهاز التسخين. في السابق، كان على الفريق عد الفقاعات يدوياً وقياس خواصها، إلا أن بوتشي درب شبكة عصبونية على القيام بهذه المهمة الروتينية، ما أدى إلى تخفيض مدة العملية من ثلاثة أسابيع إلى حوالي خمس ثوانٍ. ثم قام النظام بالبحث في 17 عاملاً محتملاً يمكن أن تسبب أزمة الغليان، تم تحديدها بواسطة تقنية معالجة الصور باستخدام الذكاء الاصطناعي.
ولجمع البيانات، قام الفريق بغلي الماء على أربعة أسطح مختلفة، ثم قاموا بتدريب شبكة عصبونية على 85٪ من البيانات من الأسطح الثلاثة الأولى، ثم اختبروها على الـ 15٪ المتبقية من بيانات تلك الأسطح بالإضافة إلى البيانات التي تم جمعها من السطح الرابع. وخلال التجربة، كانت نتائج الشبكة دقيقة بنسبة 96٪، على الرغم من عدم تدريبها على جميع الأسطح. كما حددوا ثلاثة عوامل وسيطة يمكنها تفسير هذه الظاهرة.
وأوضح بوتشي أن توقع اقتراب حدوث أزمة الغليان لا يؤدي إلى زيادة الأمان فحسب، بل يحسن الكفاءة أيضاً. فمن خلال مراقبة الظروف في الوقت الفعلي، يمكن للنظام دفع شرائح الحاسوب أو المفاعلات النووية إلى أقصى حدودها دون المخاطرة بحدوث أزمة غليان ودون الحاجة لبناء أجهزة تبريد غير ضرورية.
الرابط (إنجليزي)
|
