يُعد الذكاء الاصطناعي من أهم التطورات التكنولوجية في العقود الأخيرة، حيث أحدث ثورة في العديد من المجالات وغيّر طريقة عمل الكثير من الصناعات. ومع تطور الذكاء الاصطناعي بشكل متسارع، أصبح من الضروري دراسة تأثيره على سوق العمل وفرص التوظيف.

فمن ناحية، ساعد الذكاء الاصطناعي على زيادة الإنتاجية وخفض التكاليف في كثير من المجالات مثل الصناعة والخدمات اللوجستية وغيرها. كما أدى إلى ظهور وظائف جديدة مثل مهندسي الذكاء الاصطناعي والروبوتات وعلماء البيانات. لكن من ناحية أخرى، تسبب الذكاء الاصطناعي في تراجع الكثير من الوظائف التقليدية التي يمكن أتمتتها مثل وظائف خدمة العملاء والمحررين وغيرها. وقد تكون الوظائف ذات المهارات المنخفضة هي الأكثر تضررًا مع انتشار أنظمة الذكاء الاصطناعي.

والواقع أن غالبية الدراسات تتفق على أن الذكاء الاصطناعي سيؤدي إلى خسارة الملايين من فرص العمل على مستوى العالم خلال العقود القليلة القادمة. فوفقًا لدراسة قامت بها منظمة التعاون والتنمية الاقتصادية* “OECD”، توصلت إلى أنه يمكن للذكاء الاصطناعي على المدى القصير، أن يؤدي إلى فقدان بعض الوظائف، ولكن على المدى الطويل، يمكن أن يكون له تأثير إيجابي على سوق العمل، مع إمكانية زيادة الإنتاجية والابتكار والنمو الاقتصادي.

لذلك، فإن التحدي الأكبر هو كيفية إعادة تأهيل وتدريب الموظفين على المهارات المطلوبة لوظائف المستقبل، والتي تتطلب برامج تعليمية مرنة ومستمرة مدى الحياة بالإضافة إلى سياسات حكومية داعمة.

في الختام، لا شك أن عالم العمل سيشهد تحولات كبيرة بفعل الثورة الصناعية الرابعة وانتشار الذكاء الاصطناعي. وتقع على عاتق جميع الأطراف مسؤولية التعامل مع هذا الواقع الجديد بما يضمن استفادة المجتمع ككل من منافع التقنية مع الحفاظ على فرص العمل المجزية للبشر.

• Artificial intelligence and jobs https://www.oecd.org/employment-outlook/2023

يقدم تقرير اليونسكو حول الذكاء الاصطناعي التوليدي في التعليم والبحث [1] نظرة شاملة ومعمّقة على هذه التقنية الناشئة وانعكاساتها المحتملة على قطاعي التعليم والبحث العلمي. وفيما يلي استعراض لأبرز ما جاء في التقرير:

يأتي التقرير في سياق الاهتمام المتزايد بتقنية الذكاء الاصطناعي التوليدي (Generative AI) بعد ظهور تطبيقات شهيرة مثل ChatGPT التي أحدثت ضجة كبيرة حول إمكانات هذه التقنية. ويهدف التقرير إلى تقديم إرشادات لصانعي القرار والمؤسسات التعليمية لضمان الاستفادة من هذه التقنية بصورة آمنة وأخلاقية وفعّالة.

يوضح التقرير بالتفصيل التقنيات المعقدة وراء الذكاء الاصطناعي التوليدي، ولا سيما الشبكات العصبية الاصطناعية ونماذج اللغة الضخمة التي تمكّن برامج مثل ChatGPT من إنتاج محتوى نصي متماسك. كما يسلط التقرير الضوء على التحديات والمخاطر الأخلاقية لهذه التقنية، ولا سيما مخاطر انتهاك الخصوصية وتفاقم عدم المساواة، بالإضافة إلى قضايا أخرى مثل انتشار المعلومات الخاطئة.

ويضم التقرير عددًا من التوصيات العملية لتنظيم استخدام الذكاء الاصطناعي التوليدي بطريقة آمنة ومفيدة، بما في ذلك وضع سياسات واضحة وتدريب المدرسين والطلاب على التعامل السليم مع هذه الأدوات.

وفي الختام، يطرح التقرير تساؤلات حول الانعكاسات طويلة المدى لهذه التقنية على المعرفة والتعلم والتقييم، مما يتطلب مزيدًا من المناقشات المجتمعية حول هذه القضايا المصيرية.

إجمالًا، يوفر التقرير رؤية شاملة وعملية لهذه التقنية الواعدة، والمثيرة للجدل في آنٍ واحد، مع إرشادات قيّمة لتوظيفها لخدمة التعليم والبحث بطريقة أكثر أمانًا وفاعلية.

للحصول على التقرير:

[1] UNESCO. (2023). Guidance for generative AI in education and research. In F. Miao & W. Holmes, (44 pages). ISBN 978-92-3-100612-8. [CC BY-SA 3.0 IGO].

مع انتشار تقنيات الذكاء الاصطناعي ووصولها لأيدي الجميع، برز مفهوم جديد يسمى No-code AI هو اختصار لـ No-code Artificial Intelligence أي الذكاء الاصطناعي الذي لا يتطلب كتابة تعليمات برمجية. ويشير إلى منصات وأدوات الذكاء الاصطناعي التي تتيح للمستخدمين من غير المبرمجين إمكانية تطوير تطبيقات الذكاء الاصطناعي والتعامل معها بسهولة دون الحاجة إلى كتابة أكواد برمجية. من هذه المنصات منصة nocode.ai | build ai solutions without code و Data Science without Code | Obviously AI و غيرها تجدها في هذا الموقع (1).

تتميز منصات No-code AI بما يلي:

• واجهات رسومية سهلة الاستخدام توجه المستخدم خطوة بخطوة.
• إمكانية رفع البيانات وتدريب النماذج ونشرها بسرعة.
• توفير نماذج مدربة مسبقًا ready-to-use يمكن توظيفها مباشرة.
• أدوات مدمجة لتقييم وقياس أداء النماذج.
• خيارات لنشر النماذج كواجهات برمجية APIs أو تطبيقات.

في هذا السياق، قام الباحثان (2) Leif Sundberg وJonny Holmström من جامعة أوميو بالسويد بدراسة حول كيفية استخدام منصات الذكاء الاصطناعي التي لا تتطلب كتابة تعليمات برمجية (No-code AI) في تعليم مبادئ وتطبيقات تعلّم الآلة لطلاب التخصصات غير التقنية مثل إدارة الأعمال والعلوم الاجتماعية.

اختبر الباحثان طريقتهما التعليمية في مقرر ماجستير إدارة تقنية المعلومات، حيث قام الطلاب بجمع بيانات وتدريب نماذج تعلّم آلة باستخدام منصة لا تتطلب كتابة تعليمات برمجية. وكان من أبرز نتائج الدراسة أن منصات No-code AI ساعدت الطلاب على التركيز على مراحل مهمة في تطوير تطبيقات تعلّم الآلة مثل جمع البيانات ذات الصلة وتفسير نتائج النماذج، بدلاً من الانشغال بتحسين أداء النموذج. كما واجه الباحثان بعض التحديات مثل صعوبة إيجاد حالة دراسية ملائمة لتطبيق تعلّم الآلة وإدارة حسابات المستخدمين على المنصة.

وخلص الباحثان إلى أن منصات No-code AI يمكن أن تكون أداة مفيدة لدمج مفاهيم وتطبيقات تعلّم الآلة في المناهج التعليمية للتخصصات غير التقنية، مما يتيح للطلاب من خلفيات متنوعة التدرب على تطبيقات تعلّم الآلة ذات الصلة بمجالاتهم.

وأخيراً، إليك بعض النصائح لاستخدام منصات No-code AI في البرمجة:

• ابدأ بمشكلة بسيطة يمكن حلها بتعلّم الآلة مثل تصنيف البيانات أو التنبؤ الخطي.
• حدد البيانات المناسبة ونظّفها وهيّئها للاستخدام في النموذج. البيانات هي أساس أي نموذج تعلّم آلي.
• استخدم النماذج الجاهزة pre-trained models المتوفرة على المنصة لتوفير الوقت والجهد.
• شغّل النموذج وقيّم أدائه باستخدام بيانات الاختبار. راقب مؤشرات الأداء مثل دقة التصنيف.
• قم بتحسين النموذج عبر تغيير المعلمات وإضافة المزيد من البيانات إذا لزم الأمر.
• ركّز على فهم نتائج النموذج وتفسيرها بدلاً من مجرد تعظيم أدائه.
• وثّق خطوات بناء النموذج للرجوع إليها أو إعادة إنتاجها مرة أخرى.
• فكّر في كيفية نشر النموذج كتطبيق أو واجهة برمجية API.

المصادر

(1) 45 No-Code AI Tools: The Complete No-Code AI Guide (Updated December 2022) (akkio.com)
(2) Sundberg, L & Holmström, J. (2024, forthcoming). Using No-code AI to Teach Machine Learning in Higher Education. Journal of Information Systems Education (JISE). Vol 35, Issue 1.