التحديات التي تواجه الذكاء الاصطناعي في العالم العربي

لم يعد يخفى على أحد الدور الكبير الذي يلعبه الذكاء الاصطناعي في إعادة تشكيل الاقتصاد العالمي، حيث دخل في كل القطاعات تقريبًا من الزراعة والصناعة والرعاية الصحيَّة إلى الأمن والتعليم والطاقة وغيرها. وفي العالم العربي، بدأت بعض الحكومات والجامعات والشركات الناشئة بدخول هذا المجال بخطوات ثابتة، وطموحات كبيرة واستثمارات متزايدة. لكن لسوء الحظ، وراء هذا التقدُّم توجد تحديَّات كبيرة ويكمن واقعٌ أكثر تعقيدًا!

فعلى الرغم من تزايد الاهتمام به، يواجه تطوير الذكاء الاصطناعي ونشره في البلاد العربيَّة عقباتٍ كبيرة. بدءًا من ندرة البيانات العربيَّة عالية الجودة اللازمة لتدريب أنظمة الذكاء الاصطناعي وصولًا إلى نقص الكفاءات، لا يُعد الطريق إلى تطوير الذكاء الاصطناعي في العالم العربي سهلًا على الإطلاق.

وفي هذا المقال، سنتعمَّق في العقبات الرئيسيَّة التي تُبطئ تقدُّم الذكاء الاصطناعي في العالم العربي، ونُثبت لماذا لا يُعد الأمر بالسهولة التي قد يبدو عليها!

اقرأ أيضًا: أفضل تطبيقات الذكاء الاصطناعي التي أحدثت تحولا في مجالات متعددة

ما هي التحديات التي تواجه الذكاء الاصطناعي في العالم العربي؟

فيما يلي أهم التحديَّات التي يجب التغلُّب عليها لتطوير أنظمة ذكاء اصطناعي في العالم العربي تنافس نظيراتها في باقي العالم:

استكشف معنا عالم الذكاء الاصطناعي! انغمس في عالم التكنولوجيا المتقدمة واكتسب فهمًا عميقًا لمعرفة كيف يُعزِّز الذكاء الاصطناعي حياتنا اليومية. تعلم الذكاء الاصطناعي!

1. محدوديَّة الوصول إلى بيانات عالية الجودة

يقوم الذكاء الاصطناعي في الأساس على البيانات. في الواقع، غالبًا ما تُعتبر البيانات بمثابة الوقود الذي يُشغّل خوارزميات الذكاء الاصطناعي. فبدون كميَّات هائلة من البيانات عالية الجودة والمُنظَّمة، لا تستطيع حتى أكثر أنظمة الذكاء الاصطناعي تقدُّمًا العمل بفعالية. في العالم العربي، تُعدّ محدودية توافر هذه البيانات إحدى أكبر العوائق أمام تطوير الذكاء الاصطناعي، لا سيَّما البيانات المفتوحة والنظيفة والمحلية باللغة العربيَّة.

لا يقتصر التحدي على قلة البيانات فحسب. ففي العديد من الدول العربيَّة، توجد كميات كبيرة من البيانات، لكن الكثير منها غير متاح. غالبًا ما تُبقي المؤسسات الحكومية والشركات الخاصَّة ومراكز الأبحاث البيانات في صوامع معزولة، مع ضعف التنسيق أو الرغبة في مشاركتها. 

وبالتالي، فإنَّ بعض هذه البيانات قديمة، والبعض الآخر مُخزّن بصيغ يصعب استخدامها، والعديد منها غير رقمي على الإطلاق. وهذا يُنشئ بيئة صعبة لتطوير الذكاء الاصطناعي، حيث يُكافح الباحثون والمُطوِّرون للعثور على المعلومات التي يحتاجونها لتدريب أنظمة ذكاء اصطناعي موثوقة مُصممة خصيصًا لتلبية الاحتياجات المحليَّة في العالم العربي.

اقرأ أيضًا: ما هي معالجة اللغات الطبيعية (NLP) في الذكاء الاصطناعي؟

ونتيجةً لعدم توافر البيانات، لا يُمكن للشركات الناشئة بناء منتجات ذكاء اصطناعي فعّالة بدونها، ولن تتمكَّن الحكومات أيضًا من استخدام التحليلات التنبؤية للخدمات العامة. وحتى عندما تكون البيانات متاحةً تقنياً، فإنها غالباً ما تكون مُقيّدةً بحواجز قانونية أو أنظمة قديمة تُصعّب الوصول إليها أو معالجتها أو مشاركتها. 

كحل لهذه المشكلة، اتّخذ بعض الدول خطوات لمعالجة هذا الأمر. على سبيل المثال، أطلقت الإمارات العربية المتحدة والمملكة العربية السعودية بوابات بيانات مفتوحة تديرها الحكومة، تتيح للجمهور الوصول إلى مجموعات بيانات مختارة في مجالات مثل الصحة والتعليم والنقل. 

ومع ذلك، لا تزال هذه الجهود في مراحلها الأولى، ونادرًا ما توفر العمق أو الحجم أو الجودة اللازمة لتدريب نماذج ذكاء اصطناعي فعّالة. علاوة على ذلك، غالبًا ما تفتقر هذه البوابات إلى بيانات مُفصَّلة لمعالجة اللغة الطبيعية (NLP) باللغة العربيَّة، أو التعرُّف على الصور، وهي بلا شك  مجالات بالغة الأهميَّة لتطوير حلول ذكاء اصطناعي محليَّة.

اقرأ أيضًا: كيف يمكن لتطبيقات مثل Siri أو Google Assistant التواصل معنا بلغات مختلفة؟

2. بنية تحتيَّة غير كافية للبحث والابتكار

لا يعتمد تقدُّم الذكاء الاصطناعي على البيانات فحسب، بل يعتمد أيضًا على منظومة قويَّة للبحث والابتكار. في العالم العربي، لا تزال هذه المنظومة في مراحلها التكوينيَّة، وفي كثير من الحالات، تظل هشة وغير مُتطوِّرة. وفي حين أحرزت بعض الدول تقدمًا ملحوظًا، تعاني بعض الدول الأخرى من نقص في الاستثمار المُنسَّق في أبحاث الذكاء الاصطناعي، ومحدوديَّة الوصول إلى المختبرات الحديثة.

بالإضافة إلى ذلك، يُعد نقص التمويل أحد أهم التحديَّات الأخرى، حيث تتطلَّب أبحاث الذكاء الاصطناعي استثمارات ماليَّة كبيرة، ليس فقط للرواتب والبرمجيات، ولكن أيضًا للبنية التحتيَّة للحوسبة المُتقدِّمة، والخوادم عالية الأداء، وتخزين البيانات على نطاق واسع، وبرامج البحث طويلة الأجل. 

في العديد من الدول العربية، لا يزال التمويل العام للبحث والتطوير أقل بكثير من المُتوِّسطات العالمية، خاصةً عند مقارنته بدول مثل الولايات المتحدة والصين وكوريا الجنوبيَّة. حتى في الدول الغنية نسبيًا، مثل دول الخليج، غالبًا ما يُركِّز التمويل على مشاريع التكنولوجيا التطبيقيَّة بدلًا من أبحاث الذكاء الاصطناعي الأساسيَّة.

اقرأ أيضًا: أفضل مواقع التصميم بالذكاء الاصطناعي

ومن المشكلات الرئيسيَّة الأخرى هي قلة أعداد مُختبرات أبحاث الذكاء الاصطناعي ومراكز الابتكار المُتخصِّصة في الدول العربيَّة. فبينما قطعت دول مثل الإمارات العربية المتحدة والمملكة العربية السعودية شوطًا كبيرًا في هذا المجال من خلال مؤسسات مثل جامعة محمد بن زايد للذكاء الاصطناعي وجامعة الملك عبدالله للعلوم والتقنية، لا تزال هذه المرافق تُمثل الاستثناء لا القاعدة. 

وتفتقر العديد من الجامعات العربيَّة الأخرى إلى مختبرات مُتخصِّصة في الذكاء الاصطناعي مجهزة بالموارد اللازمة لإجراء تجارب متطورة أو النشر في مجلات عالية التأثير. 

أضف إلى ذلك أنَّ تشتُّت جهود البحث يُفاقم المشكلة، فغالبًا ما تُجرى الأبحاث المُتعلِّقة بالذكاء الاصطناعي في العالم العربي في بيئات معزولة، داخل قسم جامعي هنا، أو شركة خاصة هناك، أو مشروع حكومي في مكان آخر دون تنسيق كافٍ أو تبادل للمعرفة. 

وعلى الرغم من هذه التحديَّات، هناك بعض الجوانب الإيجابيَّة. فقد بدأت مبادرات مثل معهد قطر لبحوث الحوسبة (QCRI) والهيئة السعوديَّة للبيانات والذكاء الاصطناعي (SDAIA) في تعزيز مناهج قائمة على البحث في الاستراتيجيَّة الوطنية للذكاء الاصطناعي. وتقوم بعض الجامعات بإقامة شراكات مع مؤسسات دولية للمشاركة في تطوير البرامج وتبادل الخبرات.

اقرأ أيضًا: ما هو تطبيق Gemini ؟ وما هي مميزاته؟

3. صعوبة تطوير نموذج ذكاء اصطناعي باللغة العربيَّة

يُعد تطوير نظام ذكاء اصطناعي باللغة العربيَّة أمرًا صعبًا، لا سيَّما في مجالات معالجة اللغة الطبيعيَّة (NLP)، والتعرُّف على الصوت، والترجمة الآليَّة. فعلى عكس الإنجليزيَّة أو الماندرين الصينيَّة، اللتين تستفيدان من قواعد بيانات ضخمة وتركيز بحثي عالمي، غالبًا ما تُعامل اللغة العربية كلغة ثانويَّة أو قليلة الموارد في أبحاث الذكاء الاصطناعي.

في الواقع، تُشكّل ندرة مجموعات بيانات اللغة العربيَّة، وخاصةً مجموعات البيانات الخاصة باللهجات، عائقًا تقنيًا كبيرًا. فمعظم مجموعات البيانات المُتاحة التي يُمكن استخدامها لتدريب أنظمة الذكاء الاصطناعي صغيرة، أو مُجزَّأة، أو خاصة، مما يُصعّب على المطورين بناء أدوات شاملة وموثوقة.

علاوةً على ذلك، قد يكون من الصعب استخدام اللغة العربيَّة في أبحاث الذكاء الاصطناعي بسبب التعقيد المُتأصِّل في اللغة نفسها. فاللغة العربية لغة غنية صرفيًا بنظام قائم على الجذر، حيث يُمكن لجذر واحد أن يُولِّد كلمات عديدة من خلال أنماط مختلفة، مما يُصعّب على نماذج الذكاء الاصطناعي فهم المعنى أو التنبؤ به دون تدريب مُتخصِّص. 

اقرأ أيضًا: أهم 30 أداة من أدوات الذكاء الاصطناعي | دليلك الشامل!

إضافةً إلى ذلك، إذا تم استخدام اللهجات العربيَّة المحليَّة قد يزيد ذلك من صعوبة الأمر، فغالبًا ما تكون هذه اللهجات غير مكتوبة وتفتقر إلى قواعد إملائيَّة مُوحَّدة، مما يُصعِّب جمع نماذج الذكاء الاصطناعي وتصنيفها وتدريبها. وبالتالي، قد يُعاني نظام الذكاء الاصطناعي المُدرّب على العربيَّة الفصحى من ضعف الأداء في التطبيقات العمليَّة مثل المساعدين الافتراضيين أو روبوتات الدردشة لخدمة العملاء، إذا تواصل المستخدمون بلهجاتهم المحليَّة. 

ومع ذلك، من خلال تخصيص بيانات ضخمة باللغة العربيَّة لتدريب انظمة الذكاء الاصطناعي عليها باللغة العربيَّة، يُمكن التغلُّب على هذه الحوجز. صحيحٌ أنَّه ليس من السهل البحث عن هذه البيانات، ولكن إذا قامت مؤسسات البحث وشركات التكنولوجيا بالتعاون لبناء مجموعات بيانات معالجة لغة طبيعيَّة (NLP) كبيرة ومفتوحة المصدر باللغة العربيَّة، فستكون خطوة هامَّة جدًا للوصول إلى أول نموذج ذكاء اصطناعي عربي.

اقرأ أيضًا: ما هو تطبيق Sora من OpenAI؟ شرح الأداة التي أذهلت الجميع !

4. ضعف التعاون بين الصناعة والأوساط الأكاديميَّة

يُعد العلاقة الفعّال بين المؤسسات الأكاديميَّة والصناعة أمرًا أساسيًا لأي دولة تسعى إلى الريادة في مجال الذكاء الاصطناعي. فهي تضمن ترجمة الأبحاث النظريَّة إلى تطبيقات عمليَّة، واستفادة الشركات الناشئة من أحدث الأبحاث، وتخرُّج الطلاب بمهارات ملائمة لسوق العمل. ومع ذلك، لا تزال الجامعات ومراكز الأبحاث في العديد من الدول العربيَّة تعمل بمعزل عن بعضها البعض، وبمعزلٍ عن احتياجات القطاع الخاص ووتيرة عمله. 

غالبًا ما يُركِّز البحث الأكاديمي على المُشكلات النظريَّة أو المُجرَّدة، مع قلة مساهمة شركاء الصناعة حول ما هو مطلوب عمليًا. من ناحيةٍ أخرى، قد تُطوّر الشركات تطبيقات الذكاء الاصطناعي دون الاعتماد على الأبحاث المحلية أو الخبرات الأكاديميَّة، مُعتمدةً بدلاً من ذلك على أدوات مستوردة، أو نماذج مُدرّبة مسبقًا، أو استشاريين خارجيين.

نتيجةً لذلك، قد لا تُطبّق الأفكار الرائدة المُطوّرة في مختبرات الجامعات تجاريًا، بينما تُفوّت الشركات فرصًا للتوطين والابتكار باستخدام الأبحاث المحليَّة. 

وأسوأ ما في الأمر هو أنَّه عندما لا تتوافق الجامعات مع مُتطلِّبات الصناعة أو لا يحدث تعاون بينهما بالشكل المطلوب، غالبًا ما يتخرج الطلاب دون اكتساب المعرفة العمليَّة أو التعرُّض للتقنيَّات الحديثة التي يطلبها أصحاب العمل. ونتيجةً لذلك، غالبًا ما تُكافح الشركات للعثور على متخصصي الذكاء الاصطناعي القادرين على العمل، بينما يواجه الخريجون صعوبةً في التعلّم عند دخول سوق العمل. وبالتالي، يُعد سد هذه الفجوة أمرًا بالغ الأهميَّة إذا أردنا للذكاء الاصطناعي في العالم العربي أن ينتقل من المختبرات إلى الحياة الواقعيَّة. 

اقرأ أيضًا: مستقبل الذكاء الاصطناعي: هل يمكن أن يتفوق على ذكاء البشر؟

5. التمويل المحدود لشركات الذكاء الاصطناعي الناشئة في بعض البلاد العربية

في حين يتزايد الاهتمام بالذكاء الاصطناعي في بعض الدول العربيَّة، لا يزال التمويل والاستثمار في شركات الذكاء الاصطناعي الناشئة محدودًا مما يُصعّب عليها التوسُّع. فغالبًا ما تحتاج شركات الذكاء الاصطناعي الناشئة إلى مزيد من الوقت ورأس المال لتطوير منتجات قابلة للتطبيق مقارنةً بمشاريع التكنولوجيا الأخرى. سواءً كان الأمر يتعلَّق بتدريب نماذج التعلُّم الآلي، أو بناء مجموعات بيانات خاصة، أو تطوير خوارزميات مُصممة خصيصًا للغة العربيَّة، فإنَّ هذه العمليَّات تتطلب استثمارًا أوليًا كبيرًا ووقتًا طويلًا للبدء في تحقيق الأرباح. 

نتيجةً ذلك، ينجذب العديد من المستثمرين في العالم العربي نحو المشاريع منخفضة المخاطر وسريعة العائد، مثل التجارة الإلكترونيَّة، والتكنولوجيا الماليَّة، والخدمات اللوجستيَّة، مما يترك شركات الذكاء الاصطناعي الناشئة تتنافس على شريحة محدودة من رأس المال الاستثماري.

علاوة على ذلك، يُبلغ العديد من مؤسسي الشركات الناشئة في المنطقة العربيَّة عن تحديَّات في إقناع المستثمرين بالإمكانات والقيمة طويلة المدى لحلول الذكاء الاصطناعي، خاصةً عندما تخدم هذه الحلول مجالات مُتخصِّصة أو مكثفة البحث مثل تشخيصات الرعاية الصحيَّة، ومعالجة اللغة الطبيعيَّة باللغة العربية، أو التكنولوجيا الزراعية. 

وفي حين أنَّ بعض الحكومات في المنطقة - وأبرزها الإمارات العربية المتحدة والمملكة العربيَّة السعوديَّة - أطلقت استراتيجيَّات وطنيَّة للذكاء الاصطناعي وموّلت العديد من مراكز الأبحاث، إلا أنَّ الدعم المالي المباشر للشركات الناشئة في مجال الذكاء الاصطناعي في مراحلها المبكرة لا يزال محدودًا.

اقرأ أيضًا: أفضل 7 مواقع الرسم بالذكاء الاصطناعي

6. نقص الكفاءات المؤهَّلة في العالم العربي

على الرغم من الاهتمام المتزايد بالذكاء الاصطناعي في العالم العربي، لا تزال هناك عقبة رئيسيَّة وهي نقص الكفاءات المُؤهَّلة. فتطوير ونشر أنظمة الذكاء الاصطناعي يتطلَّب مجموعة مُتنوِّعة من المهارات، بدءًا من علم البيانات والتعلُّم الآلي وصولًا إلى هندسة البرمجيَّات والإحصاء. ومع ذلك، لا تزال العديد من الدول العربية تعاني من نقص في أعداد الكفاءات المتخصصة في هذه المجالات، وحتى عندما تُطور الكفاءات محليًا، فإن الحفاظ عليها وتشجيعها للبقاء في الداخل يُمثِّل تحديًا مستمرًا.

تكمن جذور هذه الفجوة في الكفاءات غالبًا في النظام التعليمي. فبينما طرحت بعض الجامعات برامج مُتعلِّقة بالذكاء الاصطناعي في السنوات الأخيرة، لا تزال معظم المناهج قديمة، أو نظريَّة بشكلٍ مُفرط، أو منفصلة عن احتياجات الصناعة في العالم الحقيقي. 

وتُعدّ الخبرة العمليَّة في أدوات الذكاء الاصطناعي، وفرص البحث، والتوجيه من المتخصصين ذوي الخبرة محدودة في العديد من المؤسسات. ونتيجةً لذلك، يتخرج الطلاب بمهارات غير كافية لتلبية متطلبات سوق العمل الحديث في مجال الذكاء الاصطناعي.

علاوةً على ذلك، لا تزال هجرة الأدمغة مشكلة كبيرة. فكثيرًا ما يبحث مهندسو ومطوِّرو الذكاء الاصطناعي الموهوبون عن فرص في الخارج، حيث يُمكنهم الحصول على تمويل أفضل، وبيئات بحثيَّة مُتقدِّمة، ورواتب تنافسيَّة. وقد أدى ذلك إلى نقص في المُهندسين ذوي الخبرة، مما أبطأ تطوير منظومات الذكاء الاصطناعي المحليَّة.

اقرأ أيضًا: مستقبل الوظائف في عصر الذكاء الاصطناعي

انطلق في رحلتك لتعلم الذكاء الاصطناعي! من خلال مقالاتنا المُميَّزة ستتعلم الذكاء الاصطناعي وستتعرَّف على استخدامات الذكاء الاصطناعي، تطبيقات ومواقع الذكاء الاصطناعي وغير ذلك الكثير! اقرأ مقالات الذكاء الاصطناعي

ختامًا، إن رحلة بناء منظومة ذكاء اصطناعي عربيَّة مليئة بالتحديَّات التي لا يمكن تجاهلها. فمحدوديَّة الوصول إلى البيانات عالية الجودة، والفجوات التعليميَّة، وضعف التعاون بين الصناعة والأوساط الأكاديمية، وعوائق التمويل، كلها عوامل تعيق التقدُّم. ومع ذلك، فإنَّ هذه التحديات ليست مستعصية على الحل.

فمن خلال الاستثمارات طويلة الأجل في الشركات الناشئة، والتعاون بين الجامعات والمراكز البحثيَّة من ناحية والصناعة من ناحية أخرى، والاستمرار في تخريج دفعات جديدة مؤهَّلة من برامج الذكاء الاصطناعي في الجامعات العربيَّة، يُمكن للعالم العربي أن يتحوَّل من مستهلك إلى مُساهم في تطوير تقنيَّات الذكاء الاصطناعي. 

وأخيرًا، لا تنسَ الاشتراك في موقعنا ليصلك المزيد من مقالات الذكاء الاصطناعي والتي ستجعلك على اطِّلاع بكل ما هو جديد في المجال، ولا تتردد كذلك في قراءة المقالات السابقة ومشاركتها لتعم الفائدة.

اقرأ أيضًا: أهم تطبيقات الذكاء الاصطناعي في التعليم

اقرأ أيضًا: كيف يمكن استخدام الذكاء الاصطناعي في مجال الطب؟

اقرأ أيضًا: كيف نستخدم الذكاء الاصطناعي في حياتنا اليومية؟

المصادر: icescocreative، aramcoworld، techxmedia