أسئلة واجابات عن الذكاء الاصطناعي مع الباحث في الذكاء الاصطناعي د. هيثم خضر

مقدمة الحلقة

هذه الحلقة عبارة عن جلسة أسئلة وأجوبة عن الذكاء الاصطناعي، وضيف الحلقة كان د. هيثم خضر — باحث أكاديمي وشغال حاليًا في مجال الـAI بشركة ميتا (فيسبوك سابقًا). الحوار بدأ بمقدمة من المقدم وضّح فيها إن الأسئلة هتكون من المذيع نفسه وكمان من الجمهور، وهيغطوا تأثير الذكاء الاصطناعي على حياتنا، والمستقبل، وتعليم الطلبة، وكمان الوضع برا في أمريكا وأوروبا… اليكم ملخص ما جاء في الحلقة.

خلفية الضيف

– الاسم: هيثم خضر
– مكان الإقامة: كاليفورنيا – الولايات المتحدة
– التعليم: هندسة كمبيوتر بجامعة عين شمس، ماجستير ودكتوراه من جامعة كاليفورنيا في إرفاين
– مجالات البحث: أمان الذكاء الاصطناعي، القيادة الذاتية، الرؤية الحاسوبية (Computer Vision)، النماذج اللغوية (Language Models)

أهمية الـGPU في الذكاء الاصطناعي

– الـGPU بيعمل عمليات حسابية كتيرة في وقت واحد (Parallel Processing)
– النماذج الحديثة للـAI بتحتاج سرعة عالية عشان بتعمل تريليونات من العمليات
– NVIDIA متفوقة لأنها وفرت أدوات برمجية مبكرًا للمطورين، وده خلّى المجتمع التقني يتبناها
– الفرق بين GPU و CPU: الـGPU فيه “معالجات صغيرة” كتيرة مخصصة لأنواع معينة من العمليات، بينما الـCPU متعدد الاستخدامات لكن بعدد أنوية أقل

آلية عمل الذكاء الاصطناعي

– فكرة عامة: بدل ما نكتب برنامج خطوة خطوة، بندرب الكمبيوتر يتعلم من بيانات ضخمة
– مثال: بنمرن الكمبيوتر على صور لكلاب + أماكن تواجدها الى أن يستطيع أن يعرف يحدد الكلب في صور جديدة
– التوليد بيحصل لما النموذج يتدرّب كفاية لإنتاج حاجات مشابهة لكن جديدة
– الضوابط والإطار بييجي من البيانات البشرية اللي اتدرب عليها

تحسين النماذج بعد الإطلاق

– تدريب أساسي قبل الإطلاق
– جمع ملاحظات المستخدمين وإعادة التدريب
– لسه التعلم الذاتي المستمر  بدون اعادة تدريب هو شيئ تحت البحث

السوشيال ميديا و استخدامات الذكاء الاصطناعي

– تحسين تجربة المستخدم (إعلانات، توصيات، بحث ذكي، تعديل المحتوى)
– تخصيص المحتوى لكل مستخدم حسب تاريخه
– الهدف: زيادة التفاعل ومدة الاستخدام لجذب المعلنين

نصائح للطلبة لدخول المجال

– دراسة الرياضيات، التعلم الالي والبرمجة
– مشاريع عملية لتنفيذ النماذج بنفسك
– فرصة للعمل على مستوى البرمجيات أو العتاد (Hardware)

مستقبل البرمجة

– المهام البسيطة والروتينية ممكن الـAI ينفذها
– الأساسيات تفضل مهمة لفهم الأخطاء وتصميم الأنظمة
– الجامعات بتشجع على عدم الاعتماد الكلي على الأدوات المساعدة

معنى كلمة “AI Model”

– هو التصميم أو البنية اللي بيمثل طريقة عمل النظام
– التسمية جاية من النماذج الإحصائية اللي بتحاكي الواقع
– الإصدارات بتختلف في البيانات أو المهام أو تحسينات بسيطة في التصميم

جودة البيانات في مرحلة تدريب الAI

– أهم عامل في نجاح أي نموذج
– مش كل البيانات بتتراجع بشريًا لضخامة الحجم
– طرق تحسين: فلترة، إنتاج بيانات صناعية، وزن البيانات النادرة

معالجة الصور والفيديو

– بعض النماذج بتحوّل المدخلات لنص، لكن الشائع الفهم المباشر
– الفيديوهات بتُنتج كمجموعات فريمات في نفس الوقت

دقة إنتاج النصوص

– حاليًا مستحيل ضمان خلو النصوص من الأخطاء تمامًا
– بعض المجالات أوضح للـAI زي الترجمة والبرمجة
– الدقة بتزيد لو المخرجات قابلة للفحص أو الاختبار

الخوارزميات المرنة

– الاتجاه المستقبلي: أنظمة تتكيف مع المستخدم وتحارب السلوكيات الضارة تلقائيًا
– التطبيق العملي لسه محدود

التفرقة بين المحتوى الحقيقي والمولّد

– قريب جدًا هيكون صعب التمييز
– مقترحات قوانين لتوضيح المحتوى المولّد
– الكشف بنسبة 100% مستحيل

هل الـAI بيفكر؟

– بيقلد أنماط من بيانات سابقة
– أحيانًا ينتج حاجة تبدو جديدة لكن مبنية على المعرفة السابقة
– إنتاج نظريات جديدة لسه بعيد

الانحياز والتحيز في الذكاء الاصطناعي

– سببه الأساسي البيانات، وقد تزوده الخوارزميات
– حلول: وزن البيانات النادرة، إنتاج بيانات صناعية

الذكاء الاصطناعي في الطب

– مفيد أكتر في المهام المتخصصة (قراءة الأشعة، متابعة الأورام)
– مش بديل للتشخيص العام حاليًا

الخاتمة

– المجال بيتوسع، ودور البشر مستمر
– جودة النماذج مرتبطة بالبيانات ومعالجتها
– التعليم العملي مفتاح الدخول
– مستقبل مشرق مع تحديات تقنية وقانونية وأخلاقية

جدول المصطلحات:

GPU: معالج رسومي — وحدة معالجة رسوميات
CPU: معالج مركزي — وحدة المعالجة المركزية
Parallel Processing: المعالجة المتوازية — تنفيذ عمليات متعددة في وقت واحد
Computer Vision: الرؤية الحاسوبية — تمكين الكمبيوتر من فهم وتحليل الصور والفيديو
Language Models: النماذج اللغوية — برامج تتعامل مع اللغة البشرية
Deep Learning: التعلم العميق — نوع من التعلم الآلي يعتمد على الشبكات العصبية العميقة
Synthetic Data: بيانات صناعية — بيانات يتم توليدها اصطناعيًا
Bias: انحياز — ميل أو تحيز في النتائج بسبب البيانات أو التصميم

رابط الحلقة كاملة https://youtu.be/u3qBSCTwDS0

*تم تلخيص الحلقة لهذا المقال البسيط بمساعدة الذكاء الاصطناعي