التكنولوجيا من أجل التنمية
Source details
- Canonical URL
- التكنولوجيا من أجل التنمية
Other formats
Bibliographic details
- Authors: DANIEL BJORKEGREN, JOSHUA BLUMENSTOCK
- Published: December 5, 2023
- DOI: https://doi.org/10.1038/s41586-022-04484-9
لمحة عامة
- الذكاء الاصطناعي يعيد صياغة شكل الاقتصادات النامية، ويطرح مخاطر مألوفة مثل تعطل العمل، والمعلومات المضللة، والرقابة، لكنه يبشر أيضا بفوائد محتملة كبيرة.
- النجاح لا يقتصر على توصيل التكنولوجيا وتشغيلها؛ بل يتطلب ابتكارا وتطويعا على المستوى المحلي لتلائم السياق الاجتماعي والمؤسسي المحلي.
- معظم التقدم الأخير في الذكاء الاصطناعي نشأ في بلدان غنية وصُمم لنماذج مستخدمين وبيانات محلية، لذا قد لا تكون الحلول الجاهزة فعّالة في البلدان منخفضة الدخل.
تجارب واقعية وحالات تطبيق
- توغو: استخدام تعلم الآلة لتوجيه المساعدات النقدية أثناء جائحة كوفيد-19
- استُخدمت تكنولوجيا مصممة أصلاً لتوجيه الإعلانات على شبكة الإنترنت لإيجاد سمات الفقر عبر بيانات الأقمار الصناعية وبيانات شركات الهواتف المحمولة (مثل القرى غير المطورة في التصوير الجوي ورصيد الهاتف المحمول القليل).
- التكامل مع نظام توزيع المدفوعات عبر الهاتف المحمول سمح بوصول التحويلات النقدية إلى الأشخاص المستهدفين.
- نجاح التطبيق كان نتيجة لتعديل التكنولوجيا لتلبية الاحتياجات المحلية بالتعاون مع باحثين ومنظمات غير هادفة للربح، وإجراء مقابلات مع عشرات الآلاف من المستفيدين لضمان تطابق التعريف المحلي للفقر.
- كان من المقرر التوقف التدريجي عن استخدام النظام بعد انتهاء جائحة كوفيد-19.
- مخاطرة مذكورة: قد يغير الناس سلوكهم للاستحقاق، مما يقوض قدرة الخوارزميات على استهداف الفقراء بدقة.
- كينيا: استخدام سلوك الهاتف المحمول لتحديد استحقاق القروض الصغيرة
- في تطبيقات شبيهة، "أكثر من ربع البالغين في كينيا" حصلوا على قروض باستخدام هواتفهم المحمولة.
- اعتماد قواعد تقبّل القروض على ميزات مثل عدد الأصدقاء على فيسبوك قد يؤدي إلى تعديل سلوك المتقدمين (مثل الإسراع بإضافة أصدقاء)، مما يصعّب استهداف الفئات المستهدفة.
- تجربة ميدانية أظهرت أن الناس يمكنهم التعلم وتعديل سلوكهم استجابة للقواعد الخوارزمية، وأن التعديلات على إثبات المفهوم حسنت الأداء لكن التحدي العملي لا يزال كبيرا لضمان الاعتمادية في الواقع.
- سيراليون: تطبيق روبوت دردشة مساعد للمعلمين (TheTeacher.AI)
- نموذج شبيه بـ ChatGPT معدّل ليتوافق مع المناهج وطرق التدريس المحلية، وصمم للعمل في ظروف ضعف الاتصال بالإنترنت.
- أثناء التجربة، عدد كبير من المعلمين لم ينجحوا في صياغة أسئلة تؤتي إجابات مفيدة، لكن مجموعة صغيرة بدأت استخدام النظام بانتظام لمفاهيم التدريس وإعداد الدروس وإنشاء مواد تعليمية.
- الاستخدام العملي تطلب تدريباً وتجريباً متواصلاً؛ اكتشاف الاستخدامات العملية يعتمد على التجربة والخطأ ومشاركة التطبيقات المفيدة.
حواجز التواصل والثقة
- في البلدان الأقل دخلا، تكون مهارات القراءة والكتابة والحساب أقل، والمعرفة بالبيانات الرقمية والخوارزميات محدودة، مما يصعّب استيعاب قدرات الذكاء الاصطناعي.
- تجارب الميدان في نيروبي أظهرت صعوبة شرح خوارزميات بسيطة ذات أرقام سالبة وكسور لسكان ذوي دخل منخفض، مع إيجاد طرق أبسط للتواصل نجحت أحياناً.
- بعض التطبيقات لا تتطلب فهم المستخدمين لآلية الخوارزمية (مثال: توصيات نتفليكس)، وقد يكون القبول باستخدام "صندوق أسود" مقبولاً في حالات الطوارئ (كما في حالة توغو أثناء الجائحة).
- الشفافية ضرورية في سياقات الحماية الاجتماعية غير الطارئة؛ ومع ذلك، تختلف القيم والمعايير المتعلقة بالبيانات والخصوصية جذرياً بين السياقات الريفية في دول مثل توغو والبلدان الغنية.
- أمثلة على مخاوف محلية: بدلاً من القلق من وصول الحكومة أو الشركات لبياناتهم، تساءل كثيرون إن كانت البيانات تُشارك مع جيرانهم وكيف يتم ذلك.
- انتشار المحتوى الزائف (صور مزيفة ومكالمات روبوتية تحاكي أصوات البشر) يهدد ثقة الناس بالمعلومات على الإنترنت، ويجب إبلاغ حتى سكان المناطق النائية بهذه الاحتمالات وأخذ مخاوفهم في الحسبان عند وضع القواعد التنظيمية.
البنية التحتية والمعرفة والبيانات
- حلول الذكاء الاصطناعي تعتمد على البنية التحتية الرقمية المادية: قواعد بيانات على الخوادم، كابلات ألياف ضوئية، أبراج اتصالات خلوية، وهواتف محمولة.
- العقبات:
- فجوات البيانات وقلة تمثيل الفئات الفقيرة رقمياً.
- نماذج الذكاء الاصطناعي تملك معلومات ناقصة عن احتياجات المقيمين الأقل دخلا، صحتهم، مظاهر القرى، ولغات أقل استخداماً.
- متطلبات لجمع بيانات أفضل:
- إدماج العيادات والمدارس والشركات في أنظمة رقمية لحفظ السجلات.
- تقديم حوافز لاستخدام الأنظمة الرقمية.
- إنشاء حقوق قانونية على ما يُنتج من بيانات.
- تصميم الأنظمة يجب أن يتلاءم مع القيم والأوضاع المحلية (مثال: التوصيات التي تفترض توفر سبورات بيضاء رقمية قد لا تناسب معلمين بلا موارد).
- الاستثمار في تنمية قدرات مطوري ومصممي الذكاء الاصطناعي المحليين يمكن أن يساعد في توجيه الابتكار ليعكس القيم والأولويات المحلية.
خلاصة وتوصيات سياسات عملية
- الفرضية الأساسية: الذكاء الاصطناعي يمكن أن يقدم تطبيقات مفيدة للفقراء في الاقتصادات النامية، لكن التحدي هو ضمان أن:
- تفي الأنظمة باحتياجات الناس الحقيقية.
- تعمل هذه الأنظمة في أوضاع محلية واقعية.
- لا تُلحِق ضرراً غير مقصوداً بالفئات المستهدفة.
- توجيهات عملية مستخلصة من المقال:
- تطويع التكنولوجيا لتناسب السياق المحلي بالتعاون مع باحثين ومنظمات محلية.
- إجراء تجارب ميدانية ومقابلات مع المستفيدين لضمان مطابقة تعريفات المحلية للاحتياج (مثل تعريف الفقر).
- تصميم أنظمة مقاومة للتلاعب وإدراك أن الناس قد يغيرون سلوكهم استجابة لقواعد الخوارزميات.
- توفير تدريب وتجريب لمستخدمي الأنظمة (مثل المعلمين) لتمكين الاستخدام العملي.
- الاستثمار في البنية التحتية المعرفة والرقمية، وجمع بيانات أفضل مع حوافز وحقوق قانونية على البيانات.
- بناء شفافية مناسبة حسب السياق، مع مراعاة اختلاف القيم المحلية المتعلقة بالخصوصية والمشاركة.
مجلة التمويل والتنمية، ديسمبر 2023.
Content in this bundle
- glossarya — IMF GLOSSARY WEB 2016: ENGLISH–ARABIC (glossarya.pdf)
- aaa