في بداية العام، حددت أهدافًا ونتائج رئيسية (OKRs) لتحفيز نموي الشخصي والمهني. عملت على تحقيق أهدافي ونتائجي الرئيسية من خلال المساهمة في مشروع بحثي، وتوجيه وتدريب متدرب في علم البيانات، وتوسيع معرفتي من خلال قراءة 28 كتابًا وتحسين درجتي في امتحان EFSET بمقدار 15 نقطة لتأهيل كفاءتي في اللغة الإنجليزية. بالإضافة إلى ذلك، عمقت خبرتي في التعلم الآلي للإنتاج (MLOps) من خلال إكمال تخصص بأعلى الدرجات في دورات متعددة.
وتقديرًا لهذه الإنجازات، شرفتني شركة Galaksiya بفرصة حضور مؤتمر ECAI، وهو حدث مرموق قدم رؤى لا تقدر بثمن حول أحدث التطورات في مجال الذكاء الاصطناعي. أقيم المؤتمر في مدينة سانتياغو دي كومبوستيلا الخلابة، وهو مكان بدا وكأنه يعود بالزمن إلى الوراء. فبينما كنت أسير عبر شوارعها المرصوفة بالحصى وعمارتها التي تعود إلى العصور الوسطى، شعرت وكأنني انتقلت فجأة إلى القرن الرابع عشر، وأنا أتجول بين صفحات كتاب التاريخ. وقد جعل جمال المدينة وتراثها الغني هذه التجربة أكثر إثارة للإعجاب. وفي هذه المدونة، سأشارككم رحلتي وأهم الدروس المستفادة من المؤتمر.
المؤتمر الأوروبي السابع والعشرون للذكاء الاصطناعي (ECAI)
انعقد مؤتمر ECAI في الفترة من 19 إلى 24 أكتوبر 2024، وضم أكثر من 1,600 مندوب من مجتمع أبحاث الذكاء الاصطناعي العالمي.
تضمن المؤتمر برنامجًا شاملًا، شمل عروضًا لأوراق بحثية تقنية، وورش عمل، ودورات تدريبية، ومحاضرات مدعوة، وجلسات خاصة. سأقدم في هذه المدونة ملخصًا للعروض التقديمية والدورات التدريبية التي حضرتها خلال المؤتمر. جميع المقالات منشورة في [1].
المواضيع الرئيسية
أ. الأخلاق والعدالة
المساءلة في أنظمة الذكاء الاصطناعي: معالجة المخاطر المرتبطة بالذكاء الاصطناعي للأغراض العامة وإنشاء آليات لضمان النشر الآمن والأخلاقي.
إساءة استخدام الذكاء الاصطناعي: معالجة المعضلات الأخلاقية مثل الاستخدامات الخبيثة للذكاء الاصطناعي، وخاصة في المجالات الحساسة مثل وسائل التواصل الاجتماعي.
العدالة والشمولية: الدعوة إلى تمثيل عادل ومتناسب في أنظمة صنع القرار التي تعتمد على الذكاء الاصطناعي.
قابلية التفسير في الذكاء الاصطناعي: ضمان أن تكون أنظمة الذكاء الاصطناعي شفافة وقابلة للتفسير لتعزيز الثقة والفهم، مما يُمكّن أصحاب المصلحة من فهم كيفية اتخاذ القرارات.
ب. الاستدامة
الأثر البيئي للذكاء الاصطناعي: الاعتراف بالبصمة الكربونية المتزايدة لعمليات التعلم الآلي وتعزيز الممارسات المستدامة.
الاستخدام الفعال للموارد: التركيز على تقليل هدر الموارد وتحسين كفاءة أنظمة الذكاء الاصطناعي للحد من الضرر البيئي.
ج. تعزيز التعلم النشط والتحسين
التعلم النشط: تطوير خوارزميات أكثر ذكاءً يمكنها تحسين نفسها باستخدام الاستعلامات المستهدفة والأمثلة المضادة، مما يؤدي إلى كفاءة أفضل للنموذج.
التحسين: إجراء دراسات لتحسين أداء أنظمة التخطيط الكلاسيكية للذكاء الاصطناعي، مما يجعلها أكثر فعالية وموثوقية.
د. تطبيقات الذكاء الاصطناعي في العمليات والأنظمة
العمليات التصريحية: استخدام الذكاء الاصطناعي لتحسين استخراج العمليات وتمثيلها وتوليفها من أجل أتمتة أفضل لسير العمل.
التعاون بين عدة وكلاء: استكشاف التحديات والفرص المتاحة لأنظمة الوكلاء المتعددين، لا سيما في معالجة السيناريوهات المعقدة متعددة الأهداف.
كشف الحالات الشاذة: الاستفادة من الذكاء الاصطناعي لتحديد الأنماط أو الانحرافات غير المعتادة في البيانات التي قد تشير إلى أخطاء أو احتيال أو أعطال في النظام. ويشمل ذلك المراقبة الآنية والتحليلات التنبؤية لتحسين عملية اتخاذ القرارات والحفاظ على سلامة النظام.
هـ. الذكاء الاصطناعي للأغراض العامة
تعريف وتقييم وتحسين الذكاء الاصطناعي العام: التركيز المتزايد على تحديد القيود واقتراح حلول موحدة للذكاء الاصطناعي الذي يمكنه العمل عبر مهام متنوعة.
الأساليب الرئيسية
أ. نماذج اللغة الكبيرة
ب. التعلم التعزيزي
ج. أنظمة متعددة الوكلاء
د. رؤية الكمبيوتر
أبرز ما جاء في المؤتمر
1. الأخلاق والعدالة
استكشفت ورشة عمل "تطبيق أخلاقيات الذكاء الاصطناعي من منظور سلوكي " [2] كيفية مواءمة أنظمة الذكاء الاصطناعي مع القيم الإنسانية، مع التركيز على العدالة والحد من التحيز والشفافية. وسلطت الضوء على ضرورة تجاوز معايير الدقة التقليدية واعتماد أساليب تقييم تعكس تحديات العالم الحقيقي، مثل المعايير التي تركز على المريض في الرعاية الصحية. كما ناقشت الورشة أهمية منع تسريب البيانات وتطبيق عمليات تقييم قوية متعددة المراكز لضمان الموثوقية.
ومن المساهمات البارزة الأخرى دراسة بعنوان " الحوكمة الأخلاقية للذكاء الاصطناعي: أساليب تقييم الذكاء الاصطناعي الجدير بالثقة" [3] ، والتي صنّفت أساليب تقييم الذكاء الاصطناعي إلى مناهج مفاهيمية، ويدوية، وشبه آلية، وآلية. وأكدت الدراسة على أنه على الرغم من قدرة الأدوات الآلية على كشف التحيز ومشاكل قابلية التفسير بكفاءة، إلا أن الإشراف البشري يظل ضروريًا لاتخاذ قرارات أخلاقية دقيقة. كما تناولت الدراسة تحديات أخرى، مثل غياب التوحيد القياسي والتناقضات في تقييمات الجدارة بالثقة، مُشددةً على الحاجة إلى أطر تقييم موحدة.
بالإضافة إلى ذلك، قدمت ورقة بحثية بعنوان "PEACE" (تقديم التفسيرات والتحليلات لمكافحة خطاب الكراهية) [1] أداةً إلكترونية مصممة لكشف خطاب الكراهية الخفي والمُبطّن الذي غالبًا ما تتجاهله النماذج التقليدية. ومن خلال دمج أدوات التصور وتقنيات الذكاء الاصطناعي القابلة للتفسير، تُساعد "PEACE" مُشرفي المحتوى على فهم خطاب الكراهية الصريح والضمني على المنصات الإلكترونية ومعالجته بشكل أفضل.
2. الاستدامة
تناولت دراسة "الأكثر (الكافي) أفضل: نحو تجزئة نفايات مدافن النفايات غير القانونية باستخدام عدد قليل من الأمثلة " [1] تحدي اكتشاف مواقع النفايات غير القانونية في الصور الجوية باستخدام بيانات مصنفة قليلة. وقد استفاد النهج المقترح من تقنيات التعلم باستخدام عدد قليل من الأمثلة وتوليد البيانات الاصطناعية لتحسين دقة الاكتشاف مع تقليل الحاجة إلى التعليقات التوضيحية اليدوية المكثفة. وأكد هذا البحث كيف يمكن استخدام الذكاء الاصطناعي لمعالجة المشكلات البيئية في العالم الحقيقي بكفاءة.
قدمت ورقة بحثية أخرى مهمة، بعنوان " التعلم الآلي الخالي من النفايات " [1] ، منهجًا مستدامًا لتحسين نماذج الذكاء الاصطناعي. اقترح الباحثون إطار عمل مستوحى من مبادئ الاقتصاد الدائري، يركز على إعادة استخدام العمليات الحسابية والمعرفة لتعزيز كفاءة النموذج. وشملت التقنيات الرئيسية الحوسبة الشرطية، والتعلم المستمر، وإعادة تدوير الموارد، مما يضمن بقاء أنظمة الذكاء الاصطناعي فعالة من حيث استخدام الموارد دون المساس بالأداء.
تم استكشاف التحدي الأوسع نطاقًا المتمثل في إدارة عملية صنع القرار متعددة الوكلاء والأهداف في سياقات الاستدامة في دراسة بعنوان "العالم نظام متعدد الأهداف ومتعدد الوكلاء: ماذا بعد؟" [1] . تناولت هذه الدراسة كيفية معالجة الذكاء الاصطناعي للأولويات المتضاربة، مثل الموازنة بين الاستدامة البيئية والأهداف الاقتصادية. ومن خلال دمج قابلية التفسير والشفافية في أنظمة الذكاء الاصطناعي، سعى البحث إلى تعزيز الثقة واعتماد هذه الأنظمة في تطبيقات صنع القرار واسعة النطاق.
3. تعزيز التعلم النشط والتحسين
قدّمت الدورة التدريبية "ما وراء التجربة والخطأ: دليل تعليمي حول التعلم المعزز الآلي" [4] رؤىً قيّمة حول أتمتة عمليات التعلم المعزز. تهدف أساليب التعلم المعزز الآلي إلى تبسيط المهام اليدوية التقليدية، مثل ضبط المعلمات الفائقة واختيار الخوارزمية، مما يجعل التعلم المعزز أكثر سهولةً وقابليةً للتطبيق في العالم الحقيقي. كما تناولت الدورة التدريبية تأثير المعلمات الفائقة على حساسية النموذج وأدائه، مؤكدةً على أهمية تقنيات التحسين الآلي.
استكشفت دراسة ذات صلة، بعنوان "تحليل أهمية المعلمات الفائقة للتعلم الآلي التلقائي متعدد الأهداف" [1] ، دور ضبط المعلمات الفائقة في تحقيق التوازن بين الأهداف المتنافسة، مثل دقة النموذج مقابل التكلفة الحسابية. وقدّم الباحثون تقنيات تحليلية جديدة لتحديد المعلمات الفائقة ذات التأثير الأكبر، مما يوفر رؤى قيّمة لتحسين نماذج الذكاء الاصطناعي متعددة الأهداف.
بالإضافة إلى ذلك، قدمت دراسة "البقاء للأصلح: التكيف التطوري للسياسات مع التحولات البيئية " [1] منهجًا تطوريًا للتعلم المعزز. واقترحت الدراسة تقنية "تحسين السياسات التطوري القوي" (ERPO)، وهي تقنية تمكّن نماذج الذكاء الاصطناعي من التكيف مع البيئات المتغيرة دون الحاجة إلى إعادة تدريب مكثفة. ولهذا البحث آثارٌ على التطبيقات التي تتطلب فيها أنظمة الذكاء الاصطناعي العمل في بيئات ديناميكية وغير متوقعة، مثل الروبوتات والنمذجة المالية.
4. تطبيقات الذكاء الاصطناعي في العمليات والأنظمة
قدمت الورقة البحثية " مجموعات نماذج متكيفة مع الذاكرة ومتخصصة مكانيًا للكشف عن الشذوذات الصناعية " [1] إطار عمل يدمج ديناميكيًا نماذج متخصصة متعددة للكشف عن الشذوذات في الأنظمة الصناعية. ومن خلال الجمع بين التكيف مع الذاكرة والتخصص المكاني، يعزز إطار العمل قدرة الذكاء الاصطناعي على التعامل مع توزيعات البيانات المتنوعة والمتغيرة. وقد أثبت هذا النهج فعاليته العالية في التطبيقات الصناعية حيث تواجه النماذج الثابتة التقليدية صعوبة في التعامل مع تغير المفاهيم وتغير ظروف التشغيل.
تناولت دراسة أخرى ذات صلة، بعنوان "ذاكرة متتالية للكشف عن الشذوذ غير الخاضع للإشراف" [1] ، تحدي التعميم المفرط في النماذج غير الخاضعة للإشراف. تعاني العديد من طرق الكشف عن الشذوذ الحالية من صعوبة التمييز بين البيانات الطبيعية وغير الطبيعية، مما يؤدي إلى ارتفاع معدلات الإنذارات الكاذبة. تعمل بنية الذاكرة المتتالية المقترحة على تحسين التركيز على الأنماط الطبيعية مع تمكين النظام من عزل الشذوذ بشكل أكثر فعالية. وقد أظهرت هذه الطريقة أداءً متميزًا عبر مجموعات بيانات مرجعية متنوعة، لا سيما في سيناريوهات العالم الحقيقي المعقدة.
تناولت دراسة "نحو التحقق غير الخاضع للإشراف من صحة النماذج " [1] مسألة التحقق من صحة نماذج كشف الشذوذ دون بيانات مصنفة . اقترحت هذه الدراسة استخدام مجموعة نماذج "متنوعة بدقة" لتقييم أنظمة كشف الشذوذ، مستفيدةً من تقنيات التصنيف القائمة على الارتباط لتقييم موثوقية النموذج. من خلال توفير منهجية منظمة للتحقق غير الخاضع للإشراف، ساهم البحث في جعل كشف الشذوذ المدعوم بالذكاء الاصطناعي أكثر قوة وقابلية للتوسع.
5. الذكاء الاصطناعي للأغراض العامة
استكشفت ورشة العمل " فهم اللغة في عصر التفاعل بين الإنسان والآلة " [5] الدور المتطور لنماذج اللغة الكبيرة (LLMs) في تطبيقات مثل الذكاء الاصطناعي التفاعلي والترجمة الآلية. ورغم أن نماذج اللغة الكبيرة أظهرت قدرات مبهرة، إلا أن ورشة العمل أكدت على محدوديتها في فهم اللغة البشرية فهمًا حقيقيًا، لا سيما في السياقات التي تتطلب تفكيرًا عميقًا وإدراكًا للسياق.
أخيرًا، تناولت ورقة "محاذير وحلول لتوصيف الذكاء الاصطناعي للأغراض العامة " [1] التحدي الأوسع نطاقًا المتمثل في قياس عمومية وقدرات الذكاء الاصطناعي للأغراض العامة. واقترح الباحثون استراتيجيات قياس أداء جديدة، بما في ذلك اختبارات التكيف التي تقيّم أداء الذكاء الاصطناعي عبر مهام متنوعة ومتغيرة. كما دعوا إلى الاستفادة من رؤى متعددة التخصصات من الفلسفة والعلوم المعرفية لتحسين مفهوم الذكاء الاصطناعي للأغراض العامة، مؤكدين على أهمية الشفافية وقابلية التفسير في تقييم الذكاء الاصطناعي.
ملخص
تناولت القمة العالمية للذكاء الاصطناعي الموضوعات الرئيسية التي تشكل مستقبل الذكاء الاصطناعي، بما في ذلك الأخلاقيات والاستدامة والتحسين والتطبيقات في العالم الحقيقي. وأكدت المناقشات حول الأخلاقيات والعدالة على أهمية أنظمة الذكاء الاصطناعي الشفافة وغير المتحيزة التي تتوافق مع القيم الإنسانية.
ركزت جهود الاستدامة على الحد من التأثير البيئي للذكاء الاصطناعي من خلال أساليب موفرة للطاقة واستخدام الموارد بشكل مسؤول. سلطت التطورات في التعلم النشط والتحسين الضوء على تقنيات أتمتة وتكييف أنظمة الذكاء الاصطناعي مع البيئات الديناميكية. في الذكاء الاصطناعي التطبيقي، عرضت ابتكارات تحسين العمليات واتخاذ القرار حلولاً عملية للتحديات الصناعية والمجتمعية. كما بحث المؤتمر تعقيدات الذكاء الاصطناعي للأغراض العامة، مشددًا على الحاجة إلى القدرة على التكيف والشفافية والتعاون بين التخصصات. بشكل عام، أكد مؤتمر الذكاء الاصطناعي الأوروبي على تطوير أنظمة الذكاء الاصطناعي الأخلاقية والفعالة والقابلة للتكيف لمعالجة التحديات العالمية الملحة.
مراجع حسابات
[1] وقائع مؤتمر ECAI 2024 - المؤتمر الأوروبي السابع والعشرون للذكاء الاصطناعي (ECAI)، 19-24 أكتوبر 2024، سانتياغو دي كومبوستيلا، إسبانيا. دار نشر IOS. متاح على الرابط: https://ebooks.iospress.nl/volume/ecai-2024-27theuropean-conference-on-artificial-intelligence-1924-october-2024santiago-de-compostela-spain-including-pais-2024
[2] ورشة عمل AIEB-ECAI 2024 - تطبيق أخلاقيات الذكاء الاصطناعي من منظور سلوكي. مؤتمر ECAI 2024. متاح على الرابط التالي: https://aieb-ecai2024.framer.ai/
[3] ماكورماك، ل.، وبيندشاش، م. (2024) . حوكمة الذكاء الاصطناعي الأخلاقية: أساليب تقييم الذكاء الاصطناعي الجدير بالثقة. arXiv. متاح على الرابط: https://arxiv.org/abs/2409.07473
[4] دورة ECAI 2024 التعليمية حول التعلم المعزز الآلي - ما وراء التجربة والخطأ: دليل تعليمي حول التعلم المعزز الآلي. متاح على الرابط التالي :
[5] ورشة عمل LUHME، المؤتمر الأوروبي للذكاء الاصطناعي 2024 - فهم اللغة في عصر التفاعل بين الإنسان والآلة. متاح على الرابط التالي: https://luhme.web.uah.es/
