AI Literacy
الثقافة بالذكاء الاصطناعي هي المعرفة والحُكم اللازمان لفهم الذكاء الاصطناعي والتساؤل بشأنه واستخدامه على نحو سليم. المهارات الأساسية والأطر المدرسية والمادة 4 من قانون الذكاء الاصطناعي للاتحاد الأوروبي.
محو الأمية في الذكاء الاصطناعي هي المعرفة والحكم اللذان يحتاج إليهما الناس لاستخدام الذكاء الاصطناعي على نحو جيد: فهم عملي لكيفية إنتاج أنظمة الذكاء الاصطناعي لمخرجاتها، واعتياد تقييم تلك المخرجات تقييمًا نقديًا، والقدرة على تقرير متى ينبغي الاعتماد عليها. وهي، مثل القراءة أو الحساب، مهارة عامة يحتاج إليها كل من يتعامل مع الذكاء الاصطناعي في العمل أو المدرسة أو المنزل، ولا تتطلب القدرة على بناء النماذج أو برمجتها. وقد قدمت ورقة دوي لونغ وبرايان ماغيركو المنشورة عام 2020 في مؤتمر CHI تعريفًا واسع الاستشهاد به: كفاءات تتيح للناس تقييم الذكاء الاصطناعي نقديًا، والتواصل معه والتعاون معه، واستخدامه أداةً.
يدرك الشخص الملم بالذكاء الاصطناعي أن الإجابة السلسة لـروبوت المحادثة قد تكون خاطئة، وأن نظام التعرف على الوجوه قد يكون أداؤه أسوأ مع بعض الفئات مقارنة بغيرها، وأن الفيديو الواقعي قد يكون تزييفًا عميقًا، وأن مشاركة مستندات سرية مع مساعد عبر الإنترنت قد تكشفها. وتستند هذه الرؤى إلى مجموعة صغيرة من الأفكار التي تنطبق على مختلف الأدوات.
ما الذي تشمل عليه الثقافة بالذكاء الاصطناعي#
تنظم معظم الأطر محو الأمية في الذكاء الاصطناعي حول ثلاث قدرات. يعني الفهم معرفة أن أنظمة التعلم الآلي تتعلم الأنماط من بيانات التدريب، ولذلك يعكس سلوكها نطاق تلك البيانات وثغراتها، وأن الذكاء الاصطناعي التوليدي ينتج نصوصًا أو صورًا معقولة انطلاقًا من الأنماط المتعلمة من دون التحقق من الحقائق. ويعني التقييم فحص المخرجات بمقارنتها بمصادر مستقلة، والتعرف على الهلوسات والتحيز في الذكاء الاصطناعي، والتعامل مع درجة الثقة للنموذج على أنها تقديره الخاص، الذي قد يكون غير مضبوط المعايرة. أما الاستخدام المسؤول فيعني تقرير البيانات التي ينبغي مشاركتها، ومن يراجع القرارات المهمة، ومتى يجب الإفصاح عن الاستعانة بالذكاء الاصطناعي، ومتى لا ينبغي تفويض المهمة إلى الذكاء الاصطناعي مطلقًا.
بالنسبة إلى المدارس، يحدد إطار اليونسكو لكفاءات الذكاء الاصطناعي لدى الطلاب، المنشور عام 2024، اثنتي عشرة كفاءة ضمن أربعة أبعاد: عقلية تتمحور حول الإنسان، وأخلاقيات الذكاء الاصطناعي، وتقنيات الذكاء الاصطناعي وتطبيقاته، وتصميم أنظمة الذكاء الاصطناعي. ويتدرج كل بُعد من فهم الذكاء الاصطناعي إلى تطبيقه والإبداع باستخدامه. أما إطار محو الأمية في الذكاء الاصطناعي الصادر عن منظمة التعاون والتنمية الاقتصادية والمفوضية الأوروبية، فقد استُكمل عام 2026 بعد مسودة عام 2025، ويجمع الكفاءات في أربعة مجالات: التفاعل مع الذكاء الاصطناعي، والإبداع باستخدامه، وإدارته، وتوجيهه؛ كما يرفد أول تقييم لبرنامج PISA لمحو الأمية الإعلامية والذكاء الاصطناعي في 2029. وتتداخل المفاهيم ذات الصلة: فمحو الأمية بالبيانات يشمل تفسير البيانات والإحصاءات، والمحو الأمية الرقمية تشمل استخدام التكنولوجيا عمومًا، وهندسة المطالبات مهارة عملية ضمن محو الأمية في الذكاء الاصطناعي.
الثقافة بالذكاء الاصطناعي في العمل وقانون الذكاء الاصطناعي للاتحاد الأوروبي#
أصبح محو الأمية في الذكاء الاصطناعي في مكان العمل مسألة قانونية في الاتحاد الأوروبي عندما بدأ تطبيق المادة 4 من قانون الاتحاد الأوروبي للذكاء الاصطناعي في 2 فبراير 2025. ويعرّف القانون محو الأمية في الذكاء الاصطناعي بأنه المهارات والمعرفة والفهم التي تمكّن مقدمي أنظمة الذكاء الاصطناعي والجهات التي تستخدمها والأشخاص المتأثرين بها من اتخاذ قرارات مستنيرة بشأن نشر هذه الأنظمة، والإلمام بفرصها ومخاطرها وأضرارها المحتملة. وبحسب تعديل الحزمة التشريعية الشاملة للذكاء الاصطناعي في يوليو 2026، تُلزم المادة 4 المؤسسات التي تقدم أنظمة الذكاء الاصطناعي أو تستخدمها باتخاذ تدابير تدعم محو الأمية في الذكاء الاصطناعي لدى الموظفين وغيرهم ممن يشغّلون تلك الأنظمة نيابةً عنها، مع مراعاة معارفهم التقنية وخبراتهم وتعليمهم وسياق استخدام النظام، من دون اشتراط ضمان مستوى محدد من الإلمام لأي فرد. وينطبق الالتزام على كل نظام للذكاء الاصطناعي بصرف النظر عن فئة مخاطره، ما يجعله من أوسع المتطلبات نطاقًا في القانون.
لا تفرض المادة 4 منهجًا دراسيًا أو شهادة، لذا توائم المؤسسات التدريب عادةً مع الأدوار، وتحتفظ بسجلاته، وتدمجه في برنامج حوكمة الذكاء الاصطناعي لديها. يحتاج موظف الدعم الذي يستخدم روبوت محادثة إلى معرفة كيفية اكتشاف الإجابات المختلقة والبيانات التي يجب عدم إدراجها في المطالبات، ما يحد أيضًا من الذكاء الاصطناعي الخفي. ويحتاج مهندس الجودة الذي يدير خط فحص آلي إلى فهم الإيجابيات الكاذبة والسلبيات الكاذبة وكيفية تغيير إعدادات العتبة للموازنة بينهما. أما المديرون الذين يوافقون على نشر أنظمة الذكاء الاصطناعي، فيحتاجون إلى معرفة كافية للسؤال عن كيفية تقييم النظام والبيانات التي جرى تقييمه عليها.
بناء الثقافة بالذكاء الاصطناعي من خلال الممارسة#
يتحقق التعلم بأسرع وتيرة من الخبرة المباشرة مع نموذج يصيب ويخطئ ويكون غير متيقن. إن تشغيل نموذج كشف الأجسام Ultralytics YOLO26 مدرّب مسبقًا على صورة واحدة عند عتبتي ثقة مختلفتين يجعل المفاضلة بين الإحكام والاستدعاء ملموسة:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Run the same image at a permissive and a strict confidence threshold
for conf in (0.1, 0.7):
results = model("https://ultralytics.com/images/bus.jpg", conf=conf)
result = results[0]
print(f"conf={conf}: {result.verbose()}")
result.save(filename=f"bus_conf_{conf}.jpg")عند عتبة قدرها 0.1، يرصد النموذج خمسة أشخاص، من بينهم مربع إحاطة ثانٍ منخفض الثقة للشخص نفسه الذي لا يظهر إلا جزئيًا، بالإضافة إلى «علامة قف» هي في الواقع علامة منع الوقوف. وعند 0.7، يُبقي على الحافلة والأشخاص الثلاثة الظاهرين بوضوح، لكنه يستبعد المارّ الذي يظهر مقطوعًا عند الحافة اليسرى. وتوضح مقارنة الصورتين المحفوظتين أن العتبة تحدد نوع الخطأ الذي يرتكبه النظام، من بين الإنذارات الكاذبة وحالات عدم الاكتشاف التي تحصيها مصفوفة الالتباس، وأن الإعداد المناسب يعتمد على أيّ الحالتين أعلى كلفة في تطبيق معين: عدم اكتشاف جسم أم إطلاق إنذار كاذب.
ينجح التمرين نفسه من دون برمجة للمتعلمين الأصغر سنًا في تعليم الذكاء الاصطناعي: إذ إن فرز الصور التي صنفها النموذج تصنيفًا صحيحًا عن الصور التي أخطأ فيها، ثم مناقشة السبب، يبني عادة التساؤل عن الأدلة التي تستند إليها مخرجات الذكاء الاصطناعي.










