💻 computer science

AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains

تقترح هذه الورقة "الذكاء الاصطناوي للتعلم 2.0" (AI to Learn 2.0)، وهو إطار حوكمة موجه نحو المخرجات ومقياس نضج مصمم لمعالجة "فشل الوكيل" في الذكاء الاصطناعي التوليدي ضمن المجالات كثيفة التعلم، وذلك من خلال ضمان بقاء المخرجات النهائية قابلة للاستخدام، وقابلة للتدقيق، ومبررة دون الاعتماد على نماذج الذكاء الاصطناعي الأصلية، مما يحافظ على القدرة البشرية والمسؤولية.

المؤلفون الأصليون: Seine A. Shintani

نُشر 2026-04-23

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Seine A. Shintani

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح لورقة "الذكاء الاصطناعي للتعلم 2.0" (AI to Learn 2.0) باستخدام لغة بسيطة وتشبيهات إبداعية.

المشكلة الكبرى: "الزيف المصقول"

تخيل أنك طاهٍ تعلمك طالباً كيف يطبخ. يقدم لك الطالب قطعة لحم (ستيك) رائعة، منسقة بشكل مثالي. تبدو مذهلة. لكنك تدرك أن الطالب لم يطبخها؛ بل طلبها فقط من مطعم فاخر، ووضعها في صندوق أنيق، وقدمها لك.

اللحم حقيقي، لكن "المهارة" مزيفة.

هذه هي المشكلة الجوهرية التي تعالجها الورقة. فالذكاء الاصطناعي التوليدي (مثل روبوتات الدردشة التي نستخدمها اليوم) يمكنه كتابة مقالات، وكتابة أكواد برمجية، وحل مسائل رياضية تبدو مثالية. ولكن في المدارس وبرامج التدريب، الهدف ليس مجرد الحصول على "نتيجة جيدة"؛ بل هو إثبات أنك أنت من استوعب المادة. إذا قام الذكاء الاصطناعي بالعمل الشاق، فإن "النتيجة الجيدة" لم تعد تثبت أنك تعلمت أي شيء. وهذا ما يسمى بـ "فشل الوكيل" (Proxy Failure)؛ أي أن الأثر الناتج (المقال أو الكود) هو وكيل سيء للقدرة البشرية الفعلية.

الحل: "الذكاء الاصطناعي للتعلم 2.0"

تقترح المؤلفة، سين شيتاني، قواعد جديدة تسمى "الذكاء الاصطناعي للتعلم 2.0".

لا تنظر إلى هذا كحظر على الذكاء الاصطناعي، بل كـ "عملية تقطير" (Distillation Process).
تخيل أنك تصنع حساءً. يمكنك استخدام خلاط عالي التقنية وسحري (الذكاء الاصطناعي) لتقطيع جميع الخضروات، وخلط التوابل، وطهي المرق. هذا أمر رائع لـ عملية الطبخ.

ومع ذلك، عندما تقدم الحساء لضيوفك (المنتج النهائي)، لا يمكنك القول: "إليكم الحساء، ولكن يجب أن يظل الخلاط السحري متصلاً بالكهرباء ليبقى دافئاً، ولا يمكنك تذوقه إلا إذا كان الخلاط يعمل".

قاعدة "الذكاء الاصطناعي للتعلم 2.0" تقول: يمكنك استخدام الخلاط السحري لصنع الحساء، ولكن وعاء الحساء النهائي الذي تقدمه يجب أن يكون مكتفياً ذاتياً. يجب أن يكون لذيذاً، وآمناً، ومفهوماً دون الحاجة لبقاء الخلاط متصلاً بالكهرباء.

القاعدتان الرئيسيتان (المتبقيات)

لكي يجتاز أي مشروع هذه القواعد الجديدة، يجب أن يستوفي شرطين:

1. متبقي الأثر (الحساء المستقل)
المنتج النهائي (المقال، الكود، التقرير) يجب أن يعمل بمفرده.

سيء: "إليك الكود الخاص بي، ولكن إذا قمت بتشغيله، فستحتاج لاستدعاء واجهة برمجة التطبيقات (API) الخاصة بي ليعمل".
جيد: "إليك الكدي الخاص بي. إنه يعمل على أي جهاز كمبيوتر، ويمكنني شرح كل سطر فيه دون الحاجة للذكاء الاصطناعي".

2. متبقي القدرة (معرفة الطاهي)
في مواقف التعلم (مثل المدرسة أو التدريب الوظيفي)، يجب على الإنسان إثبات أنه لا يزال يعرف كيفية القيام بالعمل.

سيء: يقدم الطالب مقالاً كتبه الذكاء الاصطناعي ويقول: "لا يمكنني شرح هذه الفقرة، الذكاء الاصطناعي هو من كتبها".
جيد: يقدم الطالب المقال، ثم يجتاز اختباراً شفهياً سريعاً يشرح فيه لماذا اختار تلك الحجج. لقد ساعده الذكاء الاصطناعي في الصياغة، لكن الطالب هو من يمتلك المنطق.

الأدوات: "حزمة التسليم"

لا يمكنك مجرد تسليم المقال النهائي. لإثبات أنك اتبعت القواعد، يجب عليك تقديم "حزمة من 5 أجزاء" (مثل دليل السلامة الذي يأتي مع الآلة):

الأثر المقطر: العمل النهائي النظيف (بدون تبعات للذكاء الاصطناستخدام).
مسار التدقيق: إيصال يوضح أدوات الذكاء الاصطناعي المستخدمة، والبيانات التي تم تغذيتها إليها، وما الذي غيره الإنسان.
خريطة "أين يعمل": بيان واضح لما يصلح له العمل وما لا يصلح له (مثلاً: "هذا الكود يعمل مع البيانات الصغيرة، ولكنه سيتعطل مع البيانات الضخمة").
مكابح الطوارئ: تعليمات حول ما يجب فعله إذا ساءت الأمور (مثلاً: "إذا بدت الأرقام غريبة، توقف واسأل بشراً").
ملاحظة الموارد: قائمة بما هو مطلوب لتشغيل العمل (مثلاً: "هذا يعمل على كمبيوتر محمول عادي، ولا يحتاج إلى كمبيوتر خارق").

نظام التقييم: "مقياس النضج"

تقدم الورقة نظام تسجيل (من 0 إلى 4) لتقييم هذه المشاريع. الأمر يشبه اختبار رخصة القيادة لسير عمل الذكاء الاصطناعي.

هناك 7 أبعاد للتقييم، ولكن 4 منها هي "حراس البوابة". إذا فشلت في أحد حراس البوابة، ستفشل في الاختبار بأكمله، بغض النظر عن مدى جودتك في الأجزاء الأخرى.

الحارس 1 (غموض المتبقي): هل يمكنك استخدام المنتج النهائي بدون الذكاء الاصطناعي؟
الحارس 2 (السيادة البشرية): هل قال إنسان بالفعل "نعم، هذا جيد" وتحمل المسؤولية؟
الحارس 3 (الصلاحية/الفشل): هل تعرف أين قد يتعطل عملك؟
الحارس 4 (الخصوصية): هل قمت بالخطأ بتغذية بيانات سرية للذكاء الاصطناي؟

إذا اجتزت البوابات وحصلت على درجة عالية، تحصل على "رخصة للتشغيل".

أمثلة من الواقع الواردة في الورقة

تختبر الورقة هذه الفكرة في سيناريوهات مختلفة:

الطالب "المزيف" (فشل): طالب يقدم تقريراً كتبه الذكاء الاصطناعي دون أي شرح. النتيجة: فشل. "الحساء" يتطلب وجود الخلاط لكي يوجد.
الطالب "الذكي" (نجاح): طالب يستخدم الذكاء الاصطناعي لصياغة مسودة تقرير، ثم يدافع عنه في امتحان شفهي. النتيجة: ينجح في اختبار "القدرة"، لكنه قد يفشل في اختبار "التدقيق" إذا لم يوثق العملية.
مثال "الرياضيات" (نجاح): باحث يستخدم الذكاء الاصطناعي لإيجاد صيغة رياضية معقدة. الصيغة مكتوبة على الورق. النتيجة: نجاح! الصيغة تعمل بدون الذكاء الاصطناعي. ولكن، إذا لم يذكر أين تتوقف هذه الصيغة عن العمل، فسيفشل في بوابة "الصلاحية".
مثال "المعلم" (نجاح): معلم يستخدم الذكاء الاصطناعي لإنشاء 100 سؤال اختبار تجريبي للطلاب. يقوم المعلم بمراجعتها، وتصحيح الأخطاء، ووضعها على موقع إلكتروني ثابت. النتيجة: نجاح! ساعد الذكاء الاصطناي في بناء البنية التحتية، لكن الأداة النهائية آمنة، قابلة للتدقيق، ولا تحتاج للذكاء الاصطناعي لكي تعمل.

الخلاصة

الذكاء الاصطناعي للتعلم 2.0 هو تحول في العقلية.

الطريقة القديمة: "هل الذكاء الاصطناعي غش؟" (نعم/لا).
الطريقة الجديدة: "ما الذي يتبقى بعد إغلاق الذكاء الاصطناعي؟"

إنه يسمح لنا باستخدام أدوات الذكاء الاصطناي القوية لتسريع العمل، ولكنه يتطلب منا أن نترك خلفنا منتجاً نظيفاً، مفهوماً، ومملوكاً للبشر. إنه يضمن أننا عندما نقول "لقد تعلمت هذا"، فإننا نعني ذلك حقاً.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "الذكاء الاصطنا-للتعلم 2.0: إطار حوكمة موجه نحو المخرجات ومقياس نضج للذكاء الاصطناعي غير الشفاف في المجالات كثيفة التعلم."

1. بيان المشكلة

تتناول الورقة مشكلة "فشل الوكيل" (proxy failure) في المجالات كثيفة التعلم (مثل التعليم، التدريب البحثي، والشهادات المهنية).

القضية الجوهرية: يمكن للذكاء الاصطنا التوليدي (GenAI) إنتاج مخرجات (artifacts) مصقولة وعالية الجودة (تقارير، أكواد، تحليلات) لم تعد تعمل كدليل موثوق على الفهم البشري، أو القدرة على التقدير، أو القدرة على نقل المعرفة. قد يكون التسليم صحيحاً من الناحية التقنية، ولكنه "فارغ" تعليمياً إذا لم يكن بمقدور الإنسان شرحه أو الدفاع عنه دون الاستعانة بالذكاء الاصطناعي.
محدودية الأطر الحالية: تركز نماذج الحوكمة الحالية (مثل إطار عمل NIST للذكاء الاصطناعي أو إرشادات اليونسكو) على السياسة التنظيمية، أو قابلية تفسير النموذج، أو تصميم العمليات. وهي تفتقر إلى آلية رسمية للحكم على المخرج النهائي (deliverable) نفسه لضمان بقائه قابلاً للاستخدام، وقابلاً للتدقيق، وصالحاً للتعلم البشري أو الاعتماد بعد استخدام الذكاء الاصطناعي غير الشفاف.
الفجوة: لا يوجد نموذج رسمي عابر للمجالات يميز بين سير العمل الذي يكتفي بـ استبدال العمل البشوي بالذكاء الاصطناعي (مما يخلق فشل الوكيل) وبين سير العمل الذي يدعم التعلم مع الحفاظ على أدلة القدرة البشرية.

2. المنهجية

تقترح الورقة إطار عمل "الذكاء الاصطنا-للتعلم 2.0" (AI to Learn 2.0)، وهو إطار حوكمة ينقل وحدة التحليل من نموذج الذكاء الاصطناعي إلى حزمة المخرج النهائي. ويقدم تعريفاً رسمياً، وحزمة مخرجات مهيكلة، ومقياس نضج.

أ. التعريفات الرسمية

يعرف إطار العمل سير عمل مدعوم بالذكاء الاصطناعي $w$ ويضع "متطلبات متبقية" (Residual Requirements) حاسمة:

المتبقي المادي للمنتج ($ArtRes$): يجب أن يكون المخرج النهائي قابلاً للاستخدام، والتدقيق، والنقل، والتبرير دون الحاجة إلى نموذج الذكاء الاصطناعي الأصلي أو واجهة برمجة تطبيقات السحابة (Cloud API). يجب القضاء على التبعية لـ "الصندوق الأسود" في الاستخدام الروتيني.
المتبقي للقدرة ($CapRes$): في سياقات التعلم المكثف، يجب أن يحتفظ المستخدم البشري بقدرة كافية على الشرح أو النقل لتكون دليلاً على التعلم. وهذا يختلف عن المنتج نفسه؛ فهو يتعلق بقدرة الإنسان على الدفاع عن العمل.

ب. حزمة المخرج ( $D$ )

لتحقيق "المتبقي المادي للمنتج"، يفرض إطار العمل حزمة مكونة من خمسة عناصر لكل مخرج مدعوم بالذكاء الاصطناعي:

المنتج المقطر ( $A$ ): المخرج الخالي من الصندوق الأسود (مثل كود، معادلة، قائمة تحقق) المخصص للاستخدام الروتيني.
سجل المصدر/التدقيق ( $P$ ): تتبع للأدوات المستخدمة، والبيانات التي تم الكشف عنها، والتعديلات البشرية، وخطوات التحقق.
بيان نطاق الصلاحية ( $V$ ): الحدود الصريحة لمكان تطبيق المنتج، والافتراضات الموضوعة، والاستثناءات.
قاعدة الفشل/التصعيد ( $F$ ): أنماط الفشل المحددة، وعلامات التحذير، ومحفزات المراجعة البشرية.
ملاحظة الموارد التشغيلية ( $R$ ): التبعيات (مثل السحابة مقابل المحلي، تكاليف الحوسبة) ومتطلبات وقت التشغيل.

ج. مقياس النضج

نظام تسجيل ذي 7 أبعاد ( $m_1$ إلى $m_7$ ) على مقياس من 0 إلى 4 يقيم نضج سير العمل:

أبعاد البوابة (العتبات الحرجة):
- $m_1$ : غموض المتبقي (هل المخرج النهائي خالٍ من الصندوق الأسود؟)
- $m_2$ : السيادة البشرية (هل هناك سلطة إصدار بشرية مسؤولة؟)
- $m_4$ : الوعي بنطاق الصلاحية والفشل (هل تم تحديد الحدود وقواعد الفشل؟)
- $m_5$ : حماية المعلومات (هل تم حماية البيانات الحساسة؟)
الأبعاد غير البوابية: القابلية للتدقيق ( $m_3$ )، تناسب الموارد ( $m_6$ )، وجاهزية التسليم لطرف ثالث ( $m_7$ ).
سلم دليل القدرة الرفيق ( $C$ ): مقياس منفصل من 0 إلى 3 للسياقات كثيفة التعلم لتقييم الدليل البشري (مثل الدفاع الشفهي، نقاط التفتيش التي لا تستخدم الذكاء الاصطناعي).

منطق الامتثال: يتطلب الامتثال الكامل اجتياز البوابة (جميع أبعاد البوابة $\ge$ 3)، واستيفاء الشروط الجوهرية (المتبقي المادي + السيادة البشرية + حماية المعلومات + اكتمال الحزمة)، وتلبية عتبة المتبقي للقدرة بناءً على مخاطر السياق.

3. المساهمات الرئيسية

الحوكمة الموجهة نحو المخرج: تتجاوز مفهوم "الذكاء الاصطنا في الحلقة" أو "قابلية تفسير النموذج" لتركز على حالة المنتج النهائي بعد استخدام الذكاء الاصطناعي.
متطلب مزدوج المتبقيات: يفصل صراحة بين المتبقي المادي للمنتج (الأداة يجب أن تعمل بدون الذكاء الاصطناعي) والمتبقي للقدرة (الإنسان يجب أن يفهم الأداة).
أداة تشغيلية: توفر حزمة مخرجات مكونة من 5 أجزاء ومقياس نضج ذي 7 أبعاد مصمم للمراجعة الهيكلية من قبل طرف ثالث، مما ينقل العمل من المبادئ المجردة إلى الفحوصات القابلة للتنفيذ.
مبدأ "الذكاء الاصطنا للجانب المعلم / الدليل للجانب المتعلم": يقترح إمكانية استخدام الذكاء الاصطناعي على نطاق واسع للبنية التحتية (تصميم العناصر، توليد التغذية الراجعة) بشرط أن تظل الأدلة المستخدمة لادعاءات الإتقان منسوبة إلى المتعلم البشري عبر نقاط تفتيش غير قابلة للتفويض.

4. النتائج (حالات عملية)

تم تطبيق إطار العمل على سبع حالات متباينة لإظهار قدرته على التمييز بين "الاستبدال" و"التعلم المدعوم":

C1 (تقرير روبوت الدردشة): فشل. غموض عالٍ، لا يوجد تدقيق، لا يوجد دليل على القدرة البشرية. (الدرجة: 6/28، فشل البوابة).
C2 (تقرير + دفاع شفهي): تحسن جزئي. قدم الدفاع الشفهي دليلاً على القدرة، لكن الحزمة افتقرت إلى القابلية للتدقيق وحدود الصلاحية. (الدرجة: 17/28، فشل البوابة).
C3 (الانحدار الرمزي، بدون حدود): فشل. المعادلة كانت مقروءة (غموض منخفض)، لكنها افتقرت إلى بيان نطاق الصلاحية/قواعد الفشل. أثبت أن القابلية للتفسير $\neq$ كفاية الحوكمة.
C4 (الانحدار الرمزي + حدود): ممتثل. أضاف بيانات الصلاحية وقواعد الفشل. (الدرجة: 27/28، اجتاز البوابة).
C5 (نماذج ممارسة مدققة من المعلم): ممتثل. استُخدم الذكاء الاصطنا للبنية التحتية (السكربتات، الهيكلة)، لكن الأداة النهائية ثابتة ومدققة من المعلم. لا مطلوب للمتبقي للقدرة بالنسبة للأداة نفسها.
C6 (دورة دراسية تتضمن C5 + نقاط تفتيش بدون ذكاء اصطناعي): ممتثل. جمعت بين البنية التحتية (C5) ونقاط تفتيش الإتقان البشرية فقط. استوفت كلاً من المتبقي المادي والمتبقي للقدرة.
C7 (خط إنتاج L2Q مستضاف ذاتياً): ممتثل. توليد باستخدام نموذج لغوي محلي مع رقابة جودة حتمية، ونشر خالٍ من الصندوق الأسود.

النتيجة الرئيسية: الدرجات التقنية العالية (مثل الكود المقروء) لا تضمن الامتثال إذا كانت أبعاد البوابة (الصلاحية، السيادة، حماية المعلومات) مفقودة. وعلى العكس من ذلك، فإن استخدام الذكاء الاصطنا الغامض أثناء التطوير مقبول إذا كان المخرج النهائي مقطراً ومحدوداً.

5. الأهمية

الربط بين الحوكمة والتعلم: يوفر جسراً عملياً بين حوكمة الذكاء الاصطنا عالية المستوى (NIST، اليونسكو) والاحتياجات المحددة للتقييم التعليمي والتدريب البحثي.
منع "الإتقان الزائف": يوفر آلية لاكتشاف ومنع السيناريوهات التي تخفي فيها مخرجات الذكاء الاصط المصقولة نقص الفهم البشري، وهو أمر بالغ الأهمية للاعتماد والتوثيق.
تمكين التبني الآمن للذكاء الاصطناعي: بدلاً من حظر الذكاء الاصطناعي، يوفر مساراً لاستخدامه المشروع عبر تحديد أين يمكن أن يبقى (الاستكشاف، المسودة) وما الذي يجب إزالته (التبعية وقت التشغيل، الافتراضات غير المفحوصة).
المراجعة القابلة للتوسع: يسمح المقياس للمؤسسات، والمراجعين، والأطراف الثالثة بتقييم سير العمل المدعوم بالذكاء الاصطناعي بشكل منهجي دون الحاجة إلى الوصول إلى المطالبات الأصلية أو الأوزان الداخلية لنموذج الذكاء الاصطناعي.

في الختام، يعيد "الذكاء الاصطنا-للتعلم 2.0" صياغة تحدي الحوكمة: الأمر لا يتعلق بـ ما إذا كان قد تم استخدام الذكاء الاصطنا، بل بـ ما يتبقى بعد استخدامه. إنه يضمن أن المخرج النهائي هو منتج موثوق، ومحدد النطاق، ومنسوب للبشر.