أبرز أخبار الذكاء الاصطناعي — الصورة الكاملة — 2026-10-10 (السبت) أخبار المساء

الذكاء الاصطناعي يرفع أرقام الاستثمار، ويعيد كتابة تخطيط القوى العاملة في الشركات، ويدخل مجال الرعاية الطبية المنزلية وتشخيص الأمراض عبر الفحص المرضي. وتبدو التقارير المتتابعة على مدى نصف اليوم الماضي وكأنها تتنافس على إظهار مدى سرعة تقدم الاعتماد عليه. لكن عند النظر إلى خفض أمازون 30,000 وظيفة والتقارير التي تفيد بأن روبوتات الدردشة تفشل في ربط المستخدمين الذين يمرّون بأزمة نفسية بالدعم، يتضح أن الفارق لا يكمن في السرعة. السؤال هو هل يوجد نظام يتيح للناس تتبّع نتائج قراراتهم والتحقق منها. إن مجرد إحصاء ما تم تفويضه لا يكشف ما إذا كان هذا النظام موجودًا أم لا. في هذا المقال، سنتناول مواضع وسائل التحقق في كل من الحالات التالية: الاستثمار والتوظيف، والعمل المستقل لساعات طويلة، والرعاية الطبية ورعاية المسنين، واكتشاف الأدوية، والمنافسة بين الولايات المتحدة والصين.

أرقام الاستثمار والتوظيف هي أول ما يتحرك

أفادت Quartz بأن الاستثمار في الذكاء الاصطناعي يشكّل جزءًا كبيرًا من النمو الاقتصادي الأمريكي. بدأ يظهر في الأرقام الاقتصادية الكلية نمط يدفع فيه الاستثمارُ النموَّ. ووفقًا لموقع Yellow.com، ستلغي Amazon 30,000 وظيفة، وقال Bezos: 'سيجعل الذكاء الاصطناعي أسبوع العمل من ثلاثة أيام واقعًا'. ويجري الحديث عن أرقام المساهمة في النمو وعدد الوظائف المخفَّضة في السياق نفسه. غير أنه لا يمكن التأكد من هذين المقالين وحدهما مما إذا كانت هناك علاقة سببية بينهما. وقراءة حجم الاستثمار على أنه دليل على الأثر في التوظيف قد تكون مضلِّلة.

على صعيد الاستثمار، يُستخدم توسع وكلاء الذكاء الاصطناعي مبررًا. ووفقًا لـ CNBC، اتخذ Bank of America نظرة متفائلة تجاه Penguin Solutions بسبب النمو السريع للوكلاء. ويستند سبب التقييم إلى افتراض أن الانتشار سيتقدم، لا إلى النتائج الحالية.

على صعيد التوظيف، تتباين تفسيرات الشركات. فإلى جانب مغادرة Warner Bros. Discovery لمنصب القيادة، أفادت Ragan Communications بأن HubSpot نفت وجود أي صلة بين تسريح الموظفين والذكاء الاصطناعي. وأُبلغ عن تخفيضات Amazon إلى جانب الحديث عن أسبوع عمل من ثلاثة أيام. ونفت HubSpot وجود أي صلة بين التخفيضات والذكاء الاصطناعي. وحتى في ما يخص «خفض النفقات»، تقول بعض الشركات إن الذكاء الاصطناعي هو السبب، بينما تقول أخرى خلاف ذلك. وقد لا يرى القرّاء الواقع نفسه، بل التفسير الذي اختارته الشركة.

تزيد الخلافات حول طريقة التعامل مع الذكاء الاصطناعي من فجوة التفسير أيضًا. ووفقًا لموقع ContentGrip، رفعت USA Today دعوى قضائية ضد OpenAI تركز على حقوق الذكاء الاصطناعي. تصل مبالغ الاستثمار وعمليات التخفيض والدعاوى القضائية أولًا في صورة أرقام ووقائع. لكن معناها يُترك لكل شركة كي تشرحه. في القسم التالي، سنوجّه اهتمامنا إلى كيفية تحقق متلقي الشرح من نتائج ما أوكله.

دور الشخص الذي يشرف على العمل الطويل

عند تفويض مهمة طويلة إلى وكيل، ينتقل دور الشخص من اتخاذ القرارات الفردية إلى الإشراف على التنفيذ المستقل. غير أن سجل العمل ضخم، وأساس القرارات مبعثر في أماكن كثيرة، مما يصعّب على الناس معرفة القرارات التي ينبغي التحقق منها. ولمعالجة هذه المشكلة، اقترح المؤلفون EBG (Evidence-Grounded Behavior Graph)، وهي طريقة لا تتطلب تدريبًا تنظّم الأدلة المرتبطة بالمصدر في وحدات «سلوك» داخل رسم بياني، ومعيارًا لتقييمها هو AgentMonBench (على موقعهم الخاص). ومن خلال إظهار ما فعله الوكيل فعلًا مدعومًا بالأدلة، صُممت لمساعدة الناس على العثور على الأحكام التي ينبغي لهم التأكد منها. وللنجاح بصفة مشرف، فإن قدرة الشخص المكلَّف بالمهمة على تضييق ما يجب التحقق منه أهم من قدرته على قراءة السجلات قراءة مستوفاة.

تظهر فكرة التحقق أيضًا في التحسين الذاتي للوكلاء. يتيح Memento 3 لوكيل يعتمد نموذجًا لغويًا بأوزان ثابتة أن يكتب فرضيات حول كيفية عمل البيئة في صورة كتاب قواعد بلغة طبيعية. حوّل كتاب القواعد هذا إلى شيفرة قابلة للتنفيذ، واستخدمه في التنبؤ والتخطيط، واجعل كتاب القواعد والشيفرة يُصححان معًا في كل مرة تخطئ فيها التنبؤات (موقع المؤلفين). ويصنّف المؤلفون هذا بوصفه تعلّمًا «تعاوديًا قائمًا على النموذج»، لا يغيّر النموذج نفسه، بل يكتفي بتحديث ذاكرة خارجية عبر التحقق. وهنا يتحدد إمكان التحسين بحدث يمكن التحقق منه، وهو التنبؤ الخاطئ.

حتى في وكلاء البحث، تكون وحدات التحقق دقيقة الحبيبات. SearchJev نموذج صغير مخصص للحكم فقط، يصدر أحكامًا قصيرة مثل "هل هذه الوثيقة ذات صلة؟" و"هل الأدلة كافية؟" و"ما الذي ينبغي البحث عنه تاليًا؟" عبر تسجيل الخيارات مباشرةً دون توليد جمل، ومعايرة مستوى الثقة. وقد اقتُرح كوكيل بحث ثنائي النظام لا ينقل إلى الجانب المسؤول عن الاستدلال والتوليد سوى القرارات غير المؤكدة (موقعنا). ووفقًا للمؤلفين، فإن جعل نموذج لغوي توليدي يجيب عن هذه الأحكام بالنص يستغرق وقتًا، كما أن مستوى ثقة النموذج غير موثوق. أما إذا عُوير مستوى الثقة، فسيصبح دليلًا للتمييز بين الأحكام التي ينبغي أن يراجعها الأشخاص والأحكام التي يمكن تركها للنموذج.

تمتد الأسئلة نفسها إلى تقييم السلامة والأداء البشري. يناقش اتحاد العلماء الأمريكيين سبل ضمان سلامة الذكاء الاصطناعي المتقدم استناداً إلى الأدلة. وتتناول دراسة نشرها موقع dev.ua كيف يمكن أن يؤدي أسلوب تفاعلنا مع الذكاء الاصطناعي إلى تراجع التفكير النقدي. الأول يتساءل عن آلية التحقق من الجانب المؤسسي، والثاني يتساءل عن قدرة الشخص الذي يتحقق من الجانب الفردي. وحتى لو قدّم النظام أدلة، فإذا لم يكن لدى الناس القدرة على التحقق من الأمور، فلن تكون الرقابة سوى إجراء شكلي. إن إمكانية التحقق من النتائج تعتمد على تصميم الأداة وعلى عادات الناس معاً.

العمليات المطلوبة في بيئات الرعاية الطبية والتمريضية

في الرعاية الطبية المنزلية والتشخيص المرضي، يتوسع استخدام الذكاء الاصطناعي انطلاقًا من الميدان. سلّطت Modern Healthcare الضوء على أدوات ذكاء اصطناعي تلبي متطلبات الرعاية الصحية المنزلية. وتفيد Clinical Lab Products بأن Aiforia، العاملة في الذكاء الاصطناعي للأمراض الرقمية (digital pathology)، وPathAI تتعاونان لتوسيع استخدامه في التشخيص المرضي. بدأ دمج الذكاء الاصطناعي في الممارسة في المجالات التي تعاني نقصًا في الكوادر أو تتطلب قراءة كميات كبيرة من الصور.

من ناحية أخرى، ظهرت في الفترة نفسها تقريبًا تقارير تشير إلى نقاط ضعف تشغيلية. فقد أفادت مجلة Time بأن روبوت الدردشة بالذكاء الاصطناعي عجز عن توجيه المستخدمين الذين يمرّون بأزمة نفسية إلى المساعدة. وتنقل Healthcare Leader مخاوف من أن يؤدي الذكاء الاصطناعي الطبي إلى ترسيخ التحيز الجنسي. ويرى موقع Bioengineer.org أن المخاطر الأخلاقية المحيطة بالذكاء الاصطناعي في الرعاية لا تكمن في الخوارزميات نفسها بقدر ما تكمن في طريقة تشغيلها. القاسم المشترك بين الثلاثة هو أن مخرجات النموذج قد تكون جيدة في المتوسط، لكنها قد لا تكون كافية في حالات الأزمات أو للمستخدمين ذوي خصائص معينة. ويقع على عاتق جانب التشغيل أن يقرر ما إذا كان سيحدد مثل هذه الحالات مسبقًا ويعدّ إجراءات للتحويل إلى جهة أخرى.

عند وضع هذه القضايا الثلاث جنبًا إلى جنب، تتغيّر الأسئلة التي يطرحها من يفكرون في الاعتماد. يمكن أن تكون أرقام الدقة نقطة انطلاق للاختيار، لكنها غير كافية. ستُطرح أسئلة حول تصميم التشغيل، مثل من سيتولى الأمر عند ظهور علامات أزمة، ومن سيتحقق من وجود تحيّز في النتائج بحسب الجنس وسمات أخرى، وكم مرة. وفي المجالات التي يتزايد فيها استخدام النظام، مثل الرعاية الطبية المنزلية وعلم الأمراض، سيتأثر التقييم اللاحق بمدى وجود منظومة لمراقبة النظام بعد اعتماده.

كلما اتسع نطاق المسؤولية، أصبح من الضروري أكثر أن يُحدَّد مسبقًا ما الذي يجب التحقق منه ومن سيتحمل المسؤولية. ولا يقتصر نظام التأكيد هذا على الرعاية الطبية والتمريضية. في القسم التالي، سنرى كيف يظهر السؤال نفسه في مجالات أخرى.

التمويل والبنية التحتية لاكتشاف الأدوية

في مجال الذكاء الاصطناعي لاكتشاف الأدوية، تتحرك الأموال والبنية التحتية في وقت واحد عبر كل مرحلة من مراحل العمل، بدءًا من التمويل الأولي وصولًا إلى الطروحات العامة والاستحواذات والنشر الداخلي لدى شركات الأدوية الكبرى. ففي مراحلها المبكرة، حصلت Phyraxis AI على تمويل أولي (seed) في وقت تدفقت فيه 3 مليارات دولار نحو الذكاء الاصطناعي المادي لاكتشاف الأدوية (Dealroom). وبالنظر إلى طرح عام في المجال نفسه، تسعى شركة التقنية الحيوية العاملة بالذكاء الاصطناعي Iambic، المدعومة من Nvidia، إلى جمع ما يصل إلى 159 مليون دولار في طرحها العام الأولي (MedWatch). وتفيد The Pharma Letter بأن الشركة حددت شروط طرحها العام الأولي وتهدف إلى جمع 150 مليون دولار للمضي قدمًا في تطوير أدوية السرطان المصممة بالذكاء الاصطناعي. ولأن المبالغ تختلف بين الوسيلتين الإعلاميتين، ينبغي قراءة الأرقام بقدر من المرونة بحسب طريقة نقلها.

الشركات التي لديها أعمال قائمة بالفعل تجذب أيضًا التمويل والإنجازات. حققت Tempus AI (TEM) 382.5 مليون دولار في الربع الثاني، مع الإشارة إلى نماذج الأورام التي طوّرتها لصالح AstraZeneca كبيانات رئيسية (TradingView). كما تجري إعادة هيكلة، إذ تستحوذ Sopris Capital على Blackford Analysis من Bayer وتخطط لدمجها مع Azra AI (citybiz). وفي الوقت نفسه، تحصل الشركات الناشئة على التمويل، وتجمع الأموال عبر الطرح العام، وتُنقل الأعمال القائمة إلى شركات أخرى وتُدمج معها.

تتقدم التطورات أيضًا داخل شركات الأدوية الكبرى. تتيح Pfizer الذكاء الاصطناعي لقادة وحدات الأعمال، ويتسارع اعتماده (Business Model Analyst). وهذا يعني أن الذكاء الاصطناعي بدأ يصل إلى أيدي قادة الأعمال، لا إلى بعض العاملين في أقسام البحث فحسب.

ما يمكننا استنتاجه من ذلك هو أن حجم التمويل وتطوير الحوكمة على مستوى الشركة يسيران جنبًا إلى جنب. فمع اتساع عدد الأقسام التي يُعتمد فيها النظام، سيلزم الاتفاق على النماذج التي ستُستخدم في أي قرارات وعلى من سيتحقق من النتائج، بالسرعة نفسها التي يتوافر بها التمويل. وفي مجالات مثل اكتشاف الأدوية، حيث يستغرق تأكيد النتائج وقتًا، سيحدد وجود هذه الاتفاقات من عدمه ما إذا كان بالإمكان تحويل الأموال المجموعة إلى نتائج.

المنافسة بين الولايات المتحدة والصين وجاهزية البشر

تزداد حدة المنافسة بين الولايات المتحدة والصين على النماذج وأشباه الموصلات. تشير Goldman Sachs إلى أن المنافسة في نماذج الذكاء الاصطناعي الصينية تشتد وأن أشباه الموصلات تحرز تقدمًا أيضًا. وعلى صعيد السياسات، نشرت Washington Examiner رأيًا مفاده أن على ترامب التعامل بحزم مع تقطير الذكاء الاصطناعي الصيني. ويبيّن هذا أن محور المنافسة اتسع من أداء النماذج ليشمل ترتيبات توريد أشباه الموصلات وكيفية التعامل مع النماذج القادمة من دول أخرى. وبالنسبة للقراء، فإن مصدر الذكاء الاصطناعي المراد اعتماده ومسار الشراء من البنود المهمة للتحقق، إلى جانب مقارنات الأداء. وتحدث التحركات في أرقام الاستثمار والتوظيف التي رأيناها في الأقسام السابقة ضمن هذه المنافسة أيضًا.

من ناحية أخرى، هناك أيضًا أصوات تتساءل عن مدى استعداد الناس. يرى موقع Unite.AI أنه ينبغي توسيع تعليم الثقافة الرقمية في مجال الذكاء الاصطناعي ليشمل جميع صفوف مراحل K-12. ووفقًا لوكالة Agerpres، قال الفيلسوف Kodovan: “إن النوع الجديد من الباحثين الذين سيفوزون بجائزة نوبل سيعملون بالشراكة مع الذكاء الاصطناعي.” وتُظهر أبحاث جامعة Purdue أن مهارات التواصل لا تزال مهمة حتى في عصر الذكاء الاصطناعي. القاسم المشترك بين هذه البيئات الثلاث — التعليم والبحث وأماكن العمل — هو أنها لا تتطلب القدرة على استخدام الذكاء الاصطناعي فحسب، بل أيضًا القدرة على شرح مخرجاته للآخرين وتوفيق القرارات معهم.

إذا كانت المنافسة على جانب العرض هي ما يحدد السرعة، فإن مدى قدرة الناس على التحقق من النتائج التي يوكلونها إليها تحدده درجة استعدادهم. أما كيفية تنظيم هذا الاستعداد داخل المؤسسة فهي سؤال القسم التالي.

عند النظر إلى أرقام الاستثمار والتوظيف، وأساليب الإشراف على الأعمال طويلة الأمد، وعمليات الرعاية الطبية والتمريضية، وتمويل اكتشاف الأدوية، والمنافسة بين الولايات المتحدة والصين وجاهزية البشر، يبقى الأمر نفسه. فنطاق المهام الموكلة إلى الذكاء الاصطناعي يتسع بالفعل. وما يحدد النجاح أو الفشل ليس حجم النطاق بقدر ما هو قدرة الناس على تتبّع النتائج إلى مصدرها. وتشير هذه النقاط كلها في الاتجاه نفسه: فأسلوب إظهار أساس السجلات أصبح الآن شرطًا للإشراف، وقد أُشير إلى أن مواطن الضعف في الرعاية الطبية والتمريضية تكمن في البنية التشغيلية، وأُضيف مسار الشراء كذلك إلى القائمة، وكلها تشير في الاتجاه نفسه. ويتحول محور الحكم لدى القراء من مدخل ما يُوكَل إليه الأمر إلى مخرج كيفية التأكد منه. وإذا اتسع نطاق المسؤولية دون وجود وسيلة للتحقق، فمن غير الواضح من سيتحمل المسؤولية عن النتيجة.

س1: إذا كانت نتائج العمل الذي تُسنده حاليًا غير صحيحة، فهل حدّدتَ تحديدًا من سيلاحظ الخطأ أولًا وكيف؟ س2: عند فحص مخرجات الذكاء الاصطناعي، إلى أي مدى تُحفظ سجلات تتيح تتبّع أساس الحكم وصولًا إلى مصدره؟ س3: إلى أي مدى تستند الأرقام المُبلَّغ عنها كآثار لتطبيق الذكاء الاصطناعي إلى أدلة، بما في ذلك التحقق من النتائج وتحديد المسؤول عنها؟

وأخيرًا، ثلاثة أسئلة

- إذا كانت نتائج العمل الذي تكلّفون به حاليًا غير صحيحة، فهل حدّدتم تحديدًا من سيكون أول من يلاحظ الخطأ وكيف؟ Q2: عند فحص مخرجات الذكاء الاصطناعي، إلى أي مدى تُحفظ سجلات تتيح تتبّع أساس الحكم وصولًا إلى مصدره؟ Q3: إلى أي مدى تستند الأرقام المُبلَّغ عنها كأثر لتطبيق الذكاء الاصطناعي إلى ما يدعمها، بما في ذلك التحقق من النتائج وتحديد المسؤول؟ - عند فحص مخرجات الذكاء الاصطناعي، إلى أي مدى تُحفظ سجلات تتيح تتبّع أساس الحكم وصولًا إلى مصدره؟ Q3: إلى أي مدى تستند الأرقام المُبلَّغ عنها كأثر لتطبيق الذكاء الاصطناعي إلى ما يدعمها، بما في ذلك التحقق من النتائج وتحديد المسؤول؟ - إلى أي مدى تستند الأرقام المُبلَّغ عنها كأثر لإدخال الذكاء الاصطناعي إلى ما يدعمها، بما في ذلك التحقق من النتائج وتحديد المسؤول؟