Uncovering AI Governance Themes in EU Policies using BERTopic and Thematic Analysis

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "الكشف عن موضوعات حوكمة الذكاء الاصطناعي في سياسات الاتحاد الأوروبي باستخدام BERTopic والتحليل الموضوعي."

1. بيان المشكلة

أدى الانتشار السريع لسياسات وإرشادات الذكاء الاصطناعي إلى خلق مشهد مجزأ لحوكمة الذكاء الاصطناği. وبينما يعد الاتحاد الأوروبي رائدًا عالميًا في هذا المجال — حيث انتقل من الإرشادات غير الملزمة (مثل إرشادات HLEG لعام 2019) إلى التشريعات الملزمة (قانون الذكاء الاصطناعي للاتحاد الأوروبي لعام 2024) — إلا أن هناك نقصًا في الفهم الشامل لكيفية توافق هذه الوثائق أو تباينها.

تختلف وثائق السياسة الحالية بشكل كبير من حيث:

• النطاق والتركيز: يتراوح من الابتكار إلى إدارة المخاطر.
• الإلزامية: من الإرشادات الطوعية إلى اللوائح الملزمة.
  apart.
• الصلة الزمنية: قد لا تتناول الوثائق القديمة القدرات الحديثة للذكاء الاصطناعي (مثل الذكاء الاصطناي التوليدي).

سؤال البحث الجوهري هو: ما هي الموضوعات السائدة في سياسات وإرشادات الذكاء الاصطناعي في الاتحاد الأوروبي بعد عام 2018 فيما يتعلق بحوكمة الذكاء الاصطناعي، وكيف تطورت؟

2. المنهجية

يقترح المؤلفون منهجية هجينة تجمع بين أساليب العلوم الاجتماعية النوعية ومعالجة اللغات الطبيعية (NLP) الكمية للتغلب على قيود التحليل اليدوي (الذاتية، وقابلية التوسع) والتحليل الآلي (نقص الدقة والعمق). تتكون العملية من أربع خطوات رئيسية:

أ. إنشاء المتن (Corpus Creation)

• النطاق: وثائق سياسة الذكاء الاصطناعي في الاتحاد الأوروبي المنشورة بين يناير 2018 وأغسطس 2025.
• المحتوى: يشمل التشريعات، والإرشادات الرسمية، ومدونات قواعد الممارسة من مؤسسات الاتحاد الأوروبي (مثل: EU HLEG، المفوضية الأوروبية، المجلس الأوروبي/البرلمان الأوروبي).
• حجم العينة: 8 وثائق رئيسية، بما في ذلك قانون الذكاء الاصطناعي للاتحاد الأوروبي (2024)، وإرشادات HLEG الأخلاقية (2019)، وإرشادات عام 2025 بشأن الممارسات المحظورة والذكاء الاصطناعي للأغراض العامة (GPAI).

ب. التحليل الموضوعي النوعي (اليدوي)

• الأداة: NVivo (برنامج تحليل البيانات النوعية بمساعدة الحاسوب).
• العملية: قام باحث قانوني بإجراء ترميز استقرائي على مجموعة فرعية من الوثائق (قانون الذكاء الاصطناعي وإرشادات HLEG).
• النتيجة: تم توليد 59 موضوعًا لقانون الذكاء الاصطناعي و52 موضوعًا لإرشادات HLEG. وقد عملت هذه النتائج كـ "الحقيقة الأرضية" (ground truth) للتحقق من صحة النموذج الآلي.

ج. نمذجة الموضوعات الكمية (الآلية)

• اختيار الخوارزمية: قارن المؤلفون بين توزيع ديريكليه الكامن (LDA) و BERTopic. تم اختيار BERTopic باعتباره متفوقًا من حيث الدقة والقابلية للتفسير في سياق نصوص سياسات الذكاء الاصطناعي.
• المعالجة المسبقة:
  • استخراج النصوص عبر PyMuPDF وتقسيمها إلى جمل.
  • معالجة مسبقة دنيا: تحويل الأحرف إلى حالة صغيرة، إزالة الرموز غير الأبجدية، إزالة الرموز الرقمية فقط، واستبعاد الرموز التي يقل طولها عن حرفين.
  • قرار حاسم: لم يتم تطبيق حذف كلمات التوقف (Stop words) أو التجذير (Lemmatization) قبل عملية التضمين (Embedding) للحفاظ على السياق للنماذج التحويلية (Transformer-based embeddings). تم حذف كلمات التوقف فقط بعد توليد التضمين باستخدام CountVectorizer.
• التنفيذ: تم تطبيق BERTopic على كامل المتن، مع التعامل مع كل وثيقة كمجموعة من الجمل الصغيرة لتمكين النمذجة على أعداد محدودة من الوثائق.

د. التحليل الخبير متعدد التخصصات

• التحقق: قام خبراء في القانون وعلوم الحاسوب والعلوم الاجتماعية بمقارنة مخرجات BERTopic مع التحليل الموضوعي اليدوي للتحقق من الدقة.
• اشتقاق الموضوعات: قام خبيران في سياسات الاتحاد الأوروبي بتعيين موضوعات دلالية بشكل مستقل لـ 2 sets من 227 عنقود موضوع (topic clusters) تم توليدها.
• التنقيح: أدت عملية التوافق إلى دمج الموضوعات، مما نتج عنه 100 موضوع متميز. تم تطبيق قيد بتعيين موضوع بحد أقصى 3 لكل عنقود لضمان البساطة.

3. المساهمات الرئيسية

1. إطار تحليلي هجين: يبرهن على نهج مبتكر يجمع بين BERTopic والتحليل الموضوعي بقيادة الخبراء. يضمن ذلك قابلية التوسع (التعامل مع متون نصية ضخمة) مع الحفاظ على الدقة البشرية والقدرة على التفسير.
2. تتبع التطور الزمني: يوفر رؤية شاملة لخطاب حوكمة الذكاء الاصطناعي في الاتحاد الأوروبي، وتتبع التحولات من حقبة الإرشادات (ما قبل 2024) إلى حقبة التنظيم (ما بعد 2024).
3. تحديد الموضوعات بدقة: يحدد 100 موضوع حوكمة محدد، متجاوزًا الفئات العامة للكشف عن الفروق الدقيقة التشغيلية والتنظيمية (مثل التمييز بين "إدارة المخاطر" و"الإنفاذ التنظيمي").
4. المقارنة المرجعية للمنهجية: يثبت أن BERTopic يتفوق على LDA في نصوص القانون والسياسة، مما يوفر مسارًا قابلاً للتكرار لتحليل السياسات المستقبلي.

4. النتائج والنتائج الرئيسية

أ. التطور الموضوعي (ما قبل مقابل ما بعد قانون الذكاء الاصطناعي)

• ما قبل قانون الذكاء الاصطناعي (2019–2023): هيمنت عليه الموضوعات الطموحة.
  • التركيز: أخلاقيات الذكاء الاصطناعي، حوكمة البيانات، الهشاشة، ورفع مستوى الوعي.
  • الطبيعة: غير ملزمة، وخرائط طريق استراتيجية.
• ما بعد قانون الذكاء الاصطناعي (2024–2025): تحول نحو الموضوعات القانونية التشغيلية.
  • التركيز: الإنفاذ التنظيمي، الشهادات، مراقبة السوق، التوثيق، ومهام الامتثال المحددة.
  • الطالب: ملزمة، تقنية، ومركزة على "سلسلة قيمة الذكاء الاصطناعي" (المطورون، الناشرون، المستخدمون).

ب. الموضوعات المتسقة مقابل المتباينة

• المتسقة: ظلت إدارة المخاطر وحماية البيانات (المتأثرة باللائحة العامة لحماية البيانات GDPR) مركزية طوال الفترتين.
• المتباينة (الناشئة): تركز وثائق ما بعد القانون بشدة على البيومتريات (السمات الحيوية)، الممارسات المحظورة، نماذج الذكاء الاصطناعي للأغراض العامة (GPAI)، وتنسيق القواعد.
• المتباينة (المتراجعة): انخفض الاهتمام بـ الآثار البيئية للذكاء الاصطناعي ومستقبل العمل (آثار سوق العمل) في حقبة ما بعد القانون، مما يشير إلى أنه تم إعطاء الأولوية للامتثال التنظيمي الفوري على حساب هذه القضايا.

ج. المخرجات الكمية

• إجمالي العناقيد (Clusters): تم توليد 227 عنقود موضوع بواسطة BERTopic.
• الموضوعات النهائية: تم تحديد 100 موضوع متميز بعد تنقيح الخبراء.
• التماسك: تم اعتبار حوالي 14% من العناقيد غير متماسكة واستبعادها من التفسير الموضوعي.

5. الأهمية والعمل المستقبلي

• الأهمية: توفر هذه الدراسة أداة حاسمة لصناع السياسات والباحثين لمراقبة الطبيعة "الحية" لتنظيم الذكاء الاصطناعي. ومع تطور قانون الذكاء الاصطناعي للاتحاد الأوروبي من خلال القرارات المفوضة ومدونات قواعد الممارسة، تسمح هذه المنهجية بالتتبع المستمر للأولويات المتغيرة.
• الاتجاهات المستقبلية:
  • التوسع: تحليل الإرشادات الصادرة عن الهيئات فوق الوطنية (اليونسكو، منظمة التعاون الاقتصادي والتنمية OECD، مجلس أوروبا).
  • تحليل المعاياي: استقصاء الموضوعات في المعايير التقنية (ISO/IEC, CEN/CENELEC) لفهم التفاعل بين التنظيمات عالية المستوى والتنفيذ التقني.
  • تحسين النماذج: دمج نماذج موضوعات أكثر قابلية للتفسير لتحسين التعاون بين الإنسان والذكاء الاصطناعي في تحليل السياسات.

باختصار، نجحت الورقة في سد الفجوة بين اللغويات الحاسوبية والتحليل القانوني/السياسي، مقدمةً إطارًا قويًا لفهم المشهد المعقد والمتطور لحوكمة الذكاء الاصطناعي في الاتحاد الأوروبي.