على الرغم من أن البيانات لديها القدرة على تعزيز الاقتصاد في المملكة المتحدة بشكل كبير، إلا أن الروابط بين البيانات والذكاء الاصطناعي ليست مفهومة بشكل كافٍ.
إذا أردنا الاستفادة من هذه الإمكانات ووضع المملكة المتحدة كقوة عظمى عالمية في مجال الذكاء الاصطناعي، الاستراتيجية الوطنية للذكاء الاصطناعي إن تحقيق هذه الرؤية يتطلب منا أن نسيطر على البنية الأساسية للبيانات حتى نتمكن من تحقيقها بالكامل. وهناك العديد من التحديات التي تنتظرنا، بدءاً من نقص المهارات الأساسية في مجال البيانات إلى المخاوف بشأن موثوقية البيانات والمخاوف بشأن تبادل البيانات، وكلها تحتاج إلى اهتمام عاجل إذا أردنا الاستفادة من الفرص التي توفرها الذكاء الاصطناعي.
كل منظمة هي منظمة بيانات
في القرن الحادي والعشرين، أصبحت كل منظمة عبارة عن منظمة بيانات وتحتاج إلى التفكير في كيفية استخدامها للبيانات ودورها في أنظمة البيانات الأوسع نطاقًا.مع اعتماد القطاعين العام والخاص بشكل متزايد على البيانات والتقنيات الجديدة – بما في ذلك الذكاء الاصطناعي – لتعزيز الكفاءة وتحسين الخدمات والمنتجات، فإننا جميعًا بحاجة إلى مزيد من الثقة في فهم الفرص والقيود.
لا تزال هناك فجوات في الوصول إلى البيانات والمعلومات، مما يخلق تقسيم رقمي وهذا يعوق التقدم الاجتماعي والتنمية الاقتصادية. ويقول حوالي 30% من سكان المملكة المتحدة إنهم لم يسمعوا عن أي من منتجات الذكاء الاصطناعي التوليدي الأكثر شهرة، بما في ذلك ChatGPT2. أولئك الذين هم إن الأشخاص الذين اعتادوا على أدوات الذكاء الاصطناعي التوليدية الجديدة ليسوا على دراية دائمًا بكيفية وينبغي استخدامها بشكل منتج ومسؤول.
نقص في مهارات البيانات
وفقًا لتقرير Peak’s AI Benchmarking (2022)، تتخلف الشركات في المملكة المتحدة بشكل كبير عن الهند والولايات المتحدة في نضج البيانات، مع وجود عدد أقل من المنظمات في المملكة المتحدة التي تستخدم الذكاء الاصطناعي أو لديها معايير واضحة لجمع البيانات ومعالجتها. وجد بنك لويدز أن عشرة ملايين شخص في المملكة المتحدة يفتقرون إلى المهارات الرقمية الأساسية للحياة اليوميةوفقًا لمجلس الاستراتيجية الصناعية، “قد يصبح خمسة ملايين عامل غير مؤهلين بشكل حاد في المهارات الرقمية الأساسية بحلول عام 2030”.
إن هذا الافتقار إلى مهارات البيانات من الممكن أن يؤثر على القدرة التنافسية للمملكة المتحدة. على سبيل المثال، يتطلب استخدام الذكاء الاصطناعي كمساعد للمهام المكتبية العامة مثل معالجة رسائل البريد الإلكتروني أو كتابة المستندات أو إنشاء الشرائح فهم كيفية عمل هذه التقنيات والبيانات التي تعتمد عليها وحدودها. هذه هي الطريقة الوحيدة التي يمكن بها للعمال التحقق من صحة ما يولد الذكاء الاصطناعي، وهو أمر عرضة لتلفيق الحقائق.
حجر الأساس لمحو أمية البيانات
أدركت الحكومة أهمية مهارات البيانات “من أجل اقتصاد قائم على البيانات وحياة غنية بالبيانات” من خلال جعلها أحد الركائز الأربع للاستراتيجية الوطنية للبيانات (NDS). ومع ذلك، يشير NDS إلى “التشرذم في القيادة والافتقار إلى العمق في مهارات البيانات على كافة المستويات”، وهو ما يمنع تطوير “ثقافة بيانات ناضجة”. كما يشير التقرير إلى الإفراط في التركيز على مخاطر إساءة استخدام البيانات، مما يؤدي إلى “الاستخدام غير الكافي المزمن للبيانات والافتقار المؤسف إلى فهم قيمتها”.
لا عجب إذن أن تقول إن “معرفة البيانات الأساسية ستكون مطلوبة من الجميع”. في تقريرها الصادر في مايو 2021 الرد على الاستشارة بشأن الاستراتيجية الوطنية للتنميةوأكدت الحكومة أن كبار القادة – بما في ذلك السياسيين – يحتاجون إلى مهارات البيانات من أجل “الترويج للبيانات والدفاع عنها” في إداراتهم وأن “جميع الموظفين المدنيين والعاملين في القطاع العام يجب أن يكون لديهم مستوى أساسي من معرفة البيانات”.
يحدد معهد البيانات المفتوحة (ODI) معرفة البيانات مثل “القدرة على التفكير النقدي حول البيانات في سياقات مختلفة وفحص تأثير الأساليب المختلفة عند جمع البيانات والمعلومات واستخدامها ومشاركتها”. ويتجاوز الأمر الأدوار المتخصصة مثل محللي البيانات أو العلماء أو المهندسين أو خبراء الأخلاقيات إلى الأدوار التي تشمل المنظمة بأكملها مثل أمناء البيانات ومديري الحوكمة ومسؤولي البيانات الرئيسيين.
القادة يجب أن يفهم الموظفون غير الفنيين أنهم بحاجة إلى تحسين معرفة البيانات لمساعدة مؤسساتهم على بناء نماذج أعمال فعالة تركز على البيانات وإنشاء عمليات وممارسات حوكمة بيانات جيدة من شأنها أن تؤدي إلى زيادة ثقتهم بالبيانات. يجب أن يكون لدى العمال غير الفنيين إمكانية الوصول إلى الأدوات والتدريب التي تساعدهم على فهم الروابط بين البيانات والذكاء الاصطناعي، بما في ذلك استخدام المطالبات بشكل فعال للحصول على أفضل استفادة من أدوات الذكاء الاصطناعي التوليدية.
فرصة الذكاء الاصطناعي التوليدي
بدلاً من استبدال البشر، فإن الذكاء الاصطناعي أداة مهمة ومفيدة لكل من العمال المهرة وغير المتمرسين. يمكن بناء نماذج الذكاء الاصطناعي وتدريبها لتطوير أدوات يمكن الوصول إليها للجميع للعثور على البيانات ونشرها وتحليلها دون الحاجة إلى تعلم البرمجة. الفرصة كبيرة؛ على سبيل المثال، أظهرت دراسة أجراها GitHub أن Copilot كان مفيدًا بشكل خاص لمطوري البرامج الأقل خبرة. كما ساعد العمال ذوي الخبرة، حيث أظهر أنه ساعد المشاركين على البقاء في التدفق (73٪)، والحفاظ على الجهد العقلي أثناء المهام المتكررة (87٪)، وإكمال المهام (56٪) بشكل أسرع من أولئك الذين لا يستخدمون Copilot..
من الممكن أن يستفيد الذكاء الاصطناعي من الإنتاجية في الصناعات الصديقة للمملكة المتحدة مثل الخدمات من خلال دعم العمال الأقل خبرة أو تأهيلاً. على سبيل المثال، تمكن وكلاء مراكز الاتصال الذين لديهم إمكانية الوصول إلى مساعد محادثة بالذكاء الاصطناعي من تحسين إنتاجيتهم بنسبة 14% في المتوسط، مع تحسن بنسبة 35% للعمال المبتدئين ومنخفضي المهارة.
فهم القيود
وجد الباحثون في كلية هارفارد للأعمال أنه في حين يمكن للذكاء الاصطناعي أن يوفر قيمة حقيقية، فإن نقاط فشله غير المتوقعة والغموض حول أفضل طريقة لاستخدام الأدوات يعني أن قيمة ومخاطر الذكاء الاصطناعي غير واضحة للعديد من المستخدمين والمؤسسات.. تحتوي نماذج اللغة الكبيرة (LLMs) على عيوب موثقة جيدًا بسبب مرحلتها المبكرة من التطوير، من المعاناة هلاوس لعدم الدقة.
نحن نعلم أنهم ما زالوا عرضة لاقتراح مجموعات بيانات خيالية، وإجراء تحليلات غير دقيقة، والاستشهاد بالمصادر بشكل غير صحيح (إذا ذكروا أيًا منها على الإطلاق).
وللحصول على أفضل استفادة من أدوات الذكاء الاصطناعي التوليدي، يتعين على الناس التكيف وتعلم كيفية العمل بفعالية مع الذكاء الاصطناعي، واستخدامه كأداة مصاحبة بدلاً من الاعتماد على مخرجاته دون أدنى شك. ويمكن للذكاء الاصطناعي التوليدي أن يساعد حتى في إنشاء برامج تعليمية أفضل، بما في ذلك البرامج المتعلقة بالبيانات، مما يساعد مستخدميه على تعلم مهارات الذكاء الاصطناعي الجديدة، والتي تمكننا من للتحقق من مخرجات الذكاء الاصطناعي التوليدي وتقديم إرشادات ماهرة لتحسين نتائجه.
حاليًا، يتم إجراء معظم التدريب إما على الذكاء الاصطناعي أو البيانات، ولكننا نحتاج أيضًا إلى التدريب على الذكاء الاصطناعي المرتكز على البيانات لفهم المشكلات المتعلقة بالبيانات المحددة التي تؤثر على بعض النماذج الأكثر شيوعًا مثل ChatGPT.
لقد حان وقت العمل
إن الذكاء الاصطناعي يوفر فرصًا كبيرة للكفاءة والنمو الاقتصادي والابتكار. وإذا أردنا إطلاق العنان لإمكانات الذكاء الاصطناعي في المملكة المتحدة وتأمين مكانتنا كقادة عالميين، فيجب علينا وضع البيانات في صميم ما نقوم به. نحن بحاجة ماسة إلى تحويل سرد الذكاء الاصطناعي من التركيز الحصري على تطوير النماذج إلى فهم أوسع للبيانات واحتياجات الأشخاص الذين يستخدمونها. إن ضمان قدرة الجميع على الوصول إلى البيانات واستخدامها بشكل فعال أمر بالغ الأهمية لتمكين الناس من اتخاذ قرارات أفضل وخلق نتائج عادلة للمجتمع.
هناك الكثير مما ينبغي القيام به، والتكنولوجيا تتقدم بسرعة البرق. ونحن بحاجة إلى العمل بسرعة لترجمة الأفكار إلى أفعال قبل أن يتفوق علينا المنافسون.
إيلينا سيمبرل هي أستاذة علوم الكمبيوتر من معهد البيانات المفتوحة وكلية كينجز لندن.
