AI Literacy

الثقافة بالذكاء الاصطناعي هي القدرة على فهم الذكاء الاصطناعي واستخدامه وتقييمه نقديًا، مع إدراك حدوده ومسؤولياته. وتعني الثقافة بالذكاء الاصطناعي معرفة ما يكفي لاختيار الأداة المناسبة، والتشكيك في مخرجاتها، وحماية المعلومات الحساسة، وتحديد الحالات التي تستدعي الحكم البشري. ولا تتطلب أن تصبح مهندسًا في الذكاء الاصطناعي؛ فالهدف هو المشاركة الواعية، لا إتقان كل خوارزمية.

تنطبق هذه المهارة على روبوتات المحادثة وأنظمة التوصية والنماذج التنبؤية والرؤية الحاسوبية، التي تحلل الصور والفيديو. ويظل السؤال المحوري واحدًا في جميع هذه التطبيقات: ما الأدلة التي تبرر الاعتماد على هذا النظام لأداء هذه المهمة؟

الكفاءات الأساسية للثقافة بالذكاء الاصطناعي#

من المفيد البدء بمزيج الفهم والتقييم والاستخدام المسؤول الذي يصفه إطار الثقافة بالذكاء الاصطناعي من Digital Promise. وتعزز هذه القدرات بعضها بعضًا.

يشمل الفهم إدراك أن التعلم الآلي يتعلم الأنماط من البيانات بدلًا من اتباع القواعد المبرمجة صراحةً فقط. والنموذج برنامج يُدرّب لإجراء التنبؤات أو إنشاء المحتوى. وكما يوضح المُقدِّم إلى التعلم الآلي من Google، تدعم أساليب التعلم المختلفة مهام مختلفة. يطوّر التدريب النموذج، بينما يطبّق الاستدلال النموذج على مدخلات جديدة.

يعني التقييم التحقق من دقة المخرجات وملاءمتها للسياق المقصود. فالكتابة السلسة لا تثبت صحة المعلومات، والتنبؤ الواثق ليس ضمانًا. وينبغي للقراء أن يسألوا عما إذا كانت بيانات التقييم تشبه البيئة التي سيعمل فيها النظام.

يضيف الاستخدام المسؤول أسئلة تتعلق بالخصوصية والإنصاف والمساءلة. من قد يتضرر من خطأ؟ وما المعلومات التي ينبغي أن تظل خاصة؟ ومن يراجع القرارات ذات العواقب المهمة؟ يوفر إطار إدارة مخاطر الذكاء الاصطناعي من NIST أساسًا منهجيًا لدراسة هذه المخاطر.

الثقافة بالذكاء الاصطناعي والمفاهيم ذات الصلة#

تتداخل الثقافة بالذكاء الاصطناعي مع الثقافة الرقمية، التي تتناول استخدام التقنيات الرقمية عمومًا وتقييمها. وتركز الثقافة بالبيانات بشكل أكثر تحديدًا على تفسير البيانات والإحصاءات والأدلة. وتربط الثقافة بالذكاء الاصطناعي هذه المهارات بالأنظمة التي تجري التنبؤات أو تنشئ المحتوى أو تدعم اتخاذ القرارات.

هندسة الأوامر—أي تصميم التعليمات لنموذج ذكاء اصطناعي—مهارة عملية ضمن الثقافة بالذكاء الاصطناعي، وليست بديلًا عنها. فقد يكتب شخص أوامر فعّالة، لكنه يظل غافلًا عن الإجابات غير الدقيقة أو مشاركة البيانات على نحو غير مناسب.

وبالمثل، يبحث أخلاقيات الذكاء الاصطناعي في مبادئ مثل الإنصاف والمساءلة؛ وتساعد الثقافة بالذكاء الاصطناعي الناس على تطبيق هذه المبادئ في تفاعلاتهم اليومية. ويؤكد شرح Stanford للثقافة بالذكاء الاصطناعي أن تشغيل الأدوات وتقييم آثارها الأخلاقية قدرتان متمايزتان ومتكاملتان.

تطبيقات عملية#

فحص التصنيع: لنفترض أن نظامًا لكشف العيوب قائمًا على الكاميرا يفحص المنتجات بحثًا عن الشقوق. ويميّز المشغّل المتمرس في الثقافة بالذكاء الاصطناعي بين الإيجابيات الكاذبة—أي المنتجات السليمة التي صُنفت على أنها معيبة—والسلبيات الكاذبة—أي المنتجات المعيبة التي لم تُكتشف. تؤدي الأولى إلى رفض غير ضروري، بينما تسمح الثانية بمرور العيوب من دون اكتشافها. ويساعد فهم الدقة والاستدعاء الفريق على تقييم كلا النوعين من الأخطاء: تقيس الدقة نسبة العيوب الحقيقية من بين العيوب التي أُشير إليها، بينما يقيس الاستدعاء نسبة العيوب الفعلية التي عُثر عليها.

المساعدة الصفية: يستخدم طالب روبوت محادثة لشرح موضوع علمي. ويتعامل الطالب المتمرس في الثقافة بالذكاء الاصطناعي مع الإجابة بوصفها نقطة انطلاق، ويتحقق من الادعاءات الواقعية بالرجوع إلى مواد المقرر، ويتجنب إدخال معلومات شخصية. ويطلب المعلم من الطلاب شرح التصحيحات والإفصاح عن الاستعانة بالأداة. وهكذا يتحول استخدام الأداة إلى تدريب على التحقق والتفكير المستقل، بما يتوافق مع النهج المتمحور حول الإنسان في إطار كفاءات الذكاء الاصطناعي للطلاب من UNESCO.

تمرين عملي في الرؤية الحاسوبية#

يجعل الفحص العملي الفرق بين التنبؤ والواقع ملموسًا. ثبّت الحزمة باستخدام pip install -U ultralytics، واتبع دليل التثبيت من Ultralytics.

يستخدم هذا المثال Ultralytics YOLO مع نموذج كشف مُدرّب مسبقًا من YOLO26 وسير عمل التنبؤ الموثق:

from ultralytics import YOLO

# ⁨حمّل نموذجًا مدرّبًا مسبقًا لكشف الأجسام.⁩
model = YOLO("yolo26n.pt")

# ⁨نفّذ الاستدلال على صورة عينة متاحة للعامة.⁩
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# ⁨احفظ التنبؤات المصنفة للفحص البصري.⁩
result.save(filename="ai_literacy_example.jpg")

تعرض الصورة المحفوظة تسميات الأجسام المتنبأ بها ومربعاتها. قارنها بما تراه فعلًا: هل فات النظام رصد أجسام، أم صنّفها خطأً، أم حدّد مواقعها على نحو غير دقيق؟ يطوّر هذا التمرين مهارات التقييم النقدي؛ فنجاح صورة واحدة لا يثبت موثوقية النظام في بيئات أخرى.

بناء الثقافة بالذكاء الاصطناعي وتقييمها#

ابدأ بمهمة مألوفة، وحدد شكل النتيجة الصحيحة، وقرر الأخطاء الأهم. قارن المخرجات بأدلة مستقلة ووثّق القيود قبل توسيع نطاق الاستخدام.

بالنسبة إلى الأطفال، استخدم أنشطة مناسبة لأعمارهم تجعل الأخطاء ظاهرة بدلًا من اشتراط برمجة متقدمة. تدعم دروس الثقافة بالذكاء الاصطناعي من Common Sense Education النقاشات حول التحيز وجودة المعلومات والمشاركة المسؤولة.

قيّم الثقافة بالذكاء الاصطناعي من خلال الحكم العملي الذي يظهره المتعلم، لا من خلال ألفته بالأدوات وحدها. هل يستطيع المتعلم شرح قيود أحد المخرجات، والتحقق من ادعاء، وحماية البيانات الخاصة، وتبرير الحالات التي ينبغي فيها عدم استخدام الذكاء الاصطناعي؟ تنتقل هذه القدرات بين الأدوات والتطبيقات.