On the missing data layer and a potential solution

المكونات المفقودة لعقل محلي

تخيل أنك تحاول خبز كعكة مثالية، لكن كل وصفة تجدها كُتبت لمطبخ مختلف، باستخدام مكونات لم ترها من قبل وأفران تعمل بدرجات حرارة مختلفة. هذا هو الوضع الحالي للذكاء الاصطناعي في أمريكا اللاتينية. لفهم سبب أهمية ذلك، نحتاج إلى النظر في فكرتين بسيطتين. أولاً، نماذج الذكاء الاصطناعي تشبه الطلاب الأذكياء للغاية؛ فهم يتعلمون من خلال قراءة كميات هائلة من المعلومات (البيانات) لمعرفة كيفية حل المشكلات. ثانياً، المقاييس المرجعية (Benchmarks) تشبه الاختبارات المعيارية؛ وهي الامتحانات التي نضعها لهؤلاء الطلاب لنرى ما إذا كانوا يعرفون حقاً ما يتعلمونه أم أنهم يكتفون بالتخمين فقط.

في الوقت الحالي، يتم تعليم معظم "طلاب" الذكاء الاصطناعي في أمريكا اللاتينية بواسطة معلمين من دول أخرى باستخدام كتب مدرسية مكتوبة بلغات أخرى. وبينما يبدع هؤلاء الطلاب في المهام العامة مثل الرياضيات أو البرمجة، إلا أنهم غالباً ما يتعثرون عندما يُطلب منهم القيام بأشções خاصة بحيهم المحلي، مثل فهم العامية المحلية، أو التعرف على النباتات المحلية، أو التنقل في القوانين المحلية. السؤال الكبير ليس مجرد حول كيف يصبحون أكثر ذكاءً؛ بل يتعلق بما إذا كان بإمكان المنطقة بناء عقلها الخاص الذي يفهم شعبها حقاً، أم أن عليها الاعتماد للأبد على عقل بُني في مكان آخر قد لا يهتم باحتياجاتها المحددة.

---

الطبقتان المفقودتان في منزل الذكاء الاصطناعي

وفقاً لورقة بحثية جديدة من فريق SURUS، تفتقر أمريكا اللاتينية إلى طابقين حاسمين في منزل الذكاء الاصطناعي الخاص بها: طبقة مجموعة البيانات (dataset layer) وطبقة المقاييس المرجعية (benchmarks layer). فكر في طبقة مجموعة البيانات كأنها مكتبة الكتب التي يقرأها الذكاء الاصطناعي ليتعلم، وطبقة المقاييس المرجعية كأنها مركز الاختبار حيث نتحقق مما إذا كان الذكاء الاصطناعي ذكياً حقاً. بدون هذين الطابقين، لا يمكن للمنطقة بناء ذكائها الخاص، ولا يمكنها حتى التحقق بشكل صحيح مما إذا كان الذكاء الاصطناعي الأجنبي الذي تستخدمه يقوم بعمل جيد.

يرى المؤلفون أن هذا الغياب يخلق نوعين مختلفين من المشاكل. بالنسبة للشركات، المشكلة تشبه محاولة تحديد الآفات في مزرعة برازيلية باستخدام دليل مصمم للحقول الأوروبية. المهمة (إيجاد الحشرات) هي نفسها، لكن الحشرات مختلفة. إذا استخدمت البيانات الخاطئة، فقد يغفل ذكاؤك الاصطناعي عن الآفات التي تدمر المحصول فعلياً. أما بالنسبة للحكومات والمؤسسات العامة، فالمشكلة أعمق: إنها تتعلق بالهوية. إذا تم تدريب الذكاء الاصطناعي على قصص وقيم أجنبية، فقد يصف المواطنين المحليين بطرق لا تناسبهم، أو يتخذ قرارات لا تعكس الطريقة التي يعيش بها هؤلاء الناس فعلياً. الأمر يشبه امتلاك عمدة يتحدث لغة مختلفة ولا يفهم الثقافة المحلية؛ قد يكون مهذباً، لكنه لن يحكمكم جيداً.

رحلة البحث الكبرى عن البيانات

تشير الورقة البحثية إلى أن بيانات أمريكا اللاتينية ليست مفقودة؛ بل هي ضائعة فحسب. إنها مبعثرة عبر الإنترنت مثل قطع أحجية مخبأة في صناديق مختلفة—بعضها في أوراق بحثية، وبعضها على منصات مثل Hugging Face، وبعضها عالق في أرشيفات الشركات الخاصة. لا توجد خريطة واحدة للعثور عليها. وحتى لو استطعت العثور عليها جميعاً، فلا يوجد منها ببساطة ما يكفي مقارنة بما تمتلكه الولايات المتحدة أو أوروبا.

هذا يخلق حلقة مفرغة: نظرًا لعدم وجود مكان سهل لمشاركة البيانات حيث تحصل على التقدير، لا يشارك الناس. ولأن الناس لا يشاركون، فلا توجد مجموعة كبيرة تحفز الآخرين على الانضمام. يقترح المؤلفون حلاً يسمى DataHub، وهو مكتبة مركزية مصممة لكسر هذه الحلقة. إنه ليس مجرد قائمة؛ بل هو نظام يكافئ الناس على المشاركة. إذا ساهمت بمجموعة بيانات، فستحصل على الظهور والاعتراف، مما يجعل مشاركة بياناتك أمراً يستحق العناء.

طريقة جديدة لتنظيم المكتبة

أحد الأجزاء الأكثر إبداعاً في الورقة البحثية هو كيفية اقتراحهم لتنظيم هذه المكتبة الجديدة. بدلاً من تصنيف البيانات حسب "شكلها" (مثل الصور أو النصوص) أو "النموذج الذي تتبعه"، يقترحون تصنيفها حسب ما يحتاجه الذكاء الاصطناعي للقيام به.

تخيل مكتبة لا تُصنف فيها الكتب حسب اللون أو الحجم، بل حسب الوظيفة التي تساعدك على أدائها. يقترح المؤلفون سلماً من ثلاث خطوات:

1. المهمة (Task): ما هي الوظيفة؟ (مثلاً: "نسخ الصوت").
2. المجال (Domain): ما هو المجال المحدد؟ (مثلاً: "طبي" مقابل "قانوني").
3. اللغة والمنطقة (Language & Region): من المتحدث؟ (مثلاً: "الإسبانية الريوبلاتنسية" مقابل "الإسبانية الكولومبية").

هذا الأمر مهم لأن الطبيب في بوينس آيرس يحتاج إلى نوع مختلف من ذكاء اصطنا_ل النسخ الطبي مقارنة بمحامٍ في بوغوتا. قد يكتب الذكاء الاصطناعي العام الكلمات بشكل صحيح، لكنه قد يخطئ في المصطلحات الطبية المحددة أو اللهجة المحلية. من خلال تنظيم البيانات بهذه الطريقة، يضمن الـ DataHub أن الذكاء الاصطناعي الذي تبنيه مضبوط تماماً على احتياجاتك المحددة، مما يجعله يؤدي بشكل أفضل ويبدو أكثر "محلية".

أبواب مفتوحة وحوافز

تتخذ الورقة موقفاً قوياً بشأن كيفية بناء هذا النظام: مفتوح بالتصميم (Open by design). يعتقد المؤلفون أنه بالنسبة لمنطقة تحاول اللحاق بالركب، فإن التعاون هو السبيل الوحيد للفوز. إخفاء البيانات خلف الأبواب المغلقة لن يساعد؛ فمشاركتها علناً تسمح للجميع بالتعلم بشكل أسرع. ومع ذلك، فهم يدركون أيضاً أن الناس لن يشاركوا لمجرد طيبة القلب. يجب أن يكون النظام "مدفوعاً بالحوافز"، مما يعني أن المساهمين يحتاجون إلى رؤية فائدة، مثل الاعتراف بعملهم أو ربط اسم مؤسستهم بالبيانات.

الطريق أمامنا

المؤلفون واضحون في أن هذه مجرد بداية—إنها "دفعة انطلاق" وليست منتجاً نهائياً. وهم يعترفون بوجود عقبات كبيرة. فالبلدان المختلفة في أمريكا اللاتينية لديها قوانين مختلفة بشأن الخصوصية والبيانات، ولا توجد قواعد متفق عليها بعد لكيفية تسمية أو ترخيص هذه البيانات. هم لا يدعون أنهم حلوا هذه المشكلات؛ بل يدعون الجميع—الشركات، والجامعات، والحكومات—للمساعدة في إيجاد الحل.

تنتهي الورقة بدعوة للعمل: يجب بناء طبقة مجموعة البيانات للذكاء الاصطنا_ل في أمريكا اللاتينية بواسطة المنطقة ولأجل المنطقة، وإلا فلن تُبنى على الإطلاق. يعد الـ DataHub الخطوة الأولى، وهو دعوة حية لأي شخص لديه بيانات ليأتي، ويشارك، ويساعد في بناء مستقبل تمتلك فيه أمريكا اللاتينية صوتها الخاص في عالم الذكاء الاصطناعي.