#

النقاط الرئيسية

• تعمل Probably على بناء ذكاء اصطناعي يركز على الموثوقية، وليس فقط على الإجابات السلسة.

• يستخدم منتجها الأول الاستشهادات وسجل تدقيق مع مجموعات بيانات معقدة.

• يرفض مُتحقق حتمي النتائج غير المتطابقة.

• بالنسبة للفرق المغربية، يشير ذلك إلى الطلب على ذكاء اصطناعي قابل للتدقيق في الأعمال الحساسة.

• ستحدد جودة البيانات، واختلاط اللغات، والامتثال مسار التبني.

ما الذي تشير إليه جولة التمويل

تقول TechCrunch إن الشركة الناشئة Probably جمعت 9 ملايين دولار في تمويل أولي من Andreessen Horowitz. وتركز الشركة على الهلوسات والأخطاء الواقعية في مخرجات نماذج اللغة الكبيرة. وهذا مهم لأن كثيراً من أدوات الذكاء الاصطناعي لا تزال تبدو واثقة عندما تكون مخطئة.

المنتج الأول لـ Probably هو أداة لعلم البيانات. وهي تنتج إجابات من مجموعات بيانات معقدة مع استشهادات وسجل تدقيق. كما تستخدم مُتحققاً حتمياً لرفض النتائج غير المتطابقة. وبعبارة بسيطة، صُمم المنتج ليفحص نفسه قبل أن يجيب.

بالنسبة للقراء المغاربة، الدرس الأوسع واضح. الذكاء الاصطناعي الموثوق أصبح فئة منتجات بحد ذاته. وقد يكون ذلك مهماً للفرق التي تحتاج إلى الدقة، وإمكانية التتبع، ومخرجات يمكن مراجعتها.

لماذا يهم هذا في المغرب

تعمل المؤسسات المغربية غالباً في بيئات متعددة اللغات. فقد تظهر العربية والفرنسية وأحياناً الإنجليزية في سير العمل نفسه. هذا الاختلاط اللغوي قد يجعل مخرجات الذكاء الاصطناعي أصعب في التحقق، خاصة عندما تكون البيانات الأساسية غير متسقة.

وهنا قد يكون نهج مثل نهج Probably مفيداً. فالنظام الذي يستشهد بالمصادر ويحافظ على سجل تدقيق قد يساعد الفرق على مراجعة كيفية إنتاج الإجابة. وبالنسبة لصناع القرار في المغرب وقادة الأعمال، قد تكون هذه القابلية للتتبع أهم من مجرد رد مصقول.

وينطبق المنطق نفسه على قرارات الشراء. فلا ينبغي للمشترين أن يسألوا فقط عما إذا كانت أداة الذكاء الاصطناعي دقيقة في العروض التوضيحية. بل ينبغي أيضاً أن يسألوا كيف تتصرف مع البيانات المحلية، ومن يمكنه مراجعة مخرجاتها، وما إذا كانت تترك سجلاً للمراجعات اللاحقة.

حالات استخدام محتملة للفرق المغربية

قد تناسب أداة ذكاء اصطناعي تضع الموثوقية أولاً عدة حالات استخدام في المغرب. ففي التحليلات، قد ترغب الفرق في إجابات يمكن تتبعها إلى جداول المصدر. وفي المالية، قد يحتاج المستخدمون إلى مسار واضح من بيانات الإدخال إلى المخرجات النهائية. وفي الرعاية الصحية، قد تكون قابلية التدقيق أكثر أهمية لأن الأخطاء يمكن أن تكون لها عواقب خطيرة.

هذه ليست ادعاءات حول نشر حالي. إنها افتراضات عملية تستند إلى وصف المنتج. والفكرة هي أن أي فريق مغربي يتعامل مع معلومات حساسة سيحتاج إلى أكثر من السرعة. سيحتاج إلى أدلة.

هناك أيضاً ملاءمة للتقارير الداخلية. فقد تساعد أداة علم بيانات مزودة بالاستشهادات المحللين على شرح النتائج للمديرين الذين لا يريدون إجابات صندوق أسود. وقد يقلل ذلك من الاحتكاك عندما تعتمد القرارات على أرقام يجب التحقق منها لاحقاً.

المخاطر والحوكمة

لا يزال الذكاء الاصطناعي الموثوق يواجه قيوداً حقيقية. وتوافر البيانات أحدها. فإذا كانت البيانات المصدرية ناقصة أو قديمة أو سيئة البنية، فلن يتمكن حتى المُتحقق من حل المشكلة بالكامل.

الشراء يمثل مشكلة أخرى. فقد يحتاج المشترون المغاربة إلى مقارنة الأدوات بما يتجاوز الميزات. وقد يحتاجون إلى مراجعة ضوابط الأمان، والتعامل مع الخصوصية، وكيفية تخزين النظام للبيانات أو معالجتها. ويجب أن تكون الأمن السيبراني جزءاً من النقاش منذ البداية.

المهارات مهمة أيضاً. فالفِرق تحتاج إلى أشخاص قادرين على تفسير المخرجات، وفحص الاستشهادات، واكتشاف عدم التطابق. ومن دون ذلك، قد يوجد سجل تدقيق لكنه يظل غير مستخدم. كما يمكن أن تكون البنية التحتية قيداً إذا كانت أعباء العمل تتطلب وصولاً مستقراً أو تخزيناً أو تكاملاً مع الأنظمة القائمة.

ولا ينبغي التعامل مع الامتثال كفكرة لاحقة. فالمؤسسات المغربية ستحتاج إلى التحقق مما إذا كانت الأداة تتوافق مع سياساتها الداخلية والتزاماتها القانونية. وهذا مهم بشكل خاص عندما تتضمن البيانات معلومات شخصية أو مالية أو متعلقة بالصحة.

ما الذي ينبغي على القراء المغاربة فعله بعد ذلك

ابدأ بسير العمل، لا بالنموذج. اسأل أين ستكون الأخطاء الأكثر تكلفة. ثم قرر ما إذا كانت أداة تضع الموثوقية أولاً تستحق الاختبار في ذلك المجال. وبالنسبة للعديد من الفرق، قد تكون أفضل خطوة أولى هي تجربة محدودة على مجموعة بيانات مضبوطة.

بعد ذلك، اختبر جودة الأدلة. هل تعرض الأداة الاستشهادات بوضوح؟ هل يمكن للمستخدمين تتبع الإجابة إلى المصدر؟ هل يرفض المُتحقق المطابقات الضعيفة بطريقة سهلة الفهم؟ هذه الأسئلة أهم من الادعاءات التسويقية.

كما ينبغي للمؤسسات المغربية أن تخطط لاختلاط اللغات. فإذا كانت البيانات تظهر بالعربية والفرنسية، فيجب اختبار النظام بكلتا اللغتين. وإذا كان المستخدمون ينتقلون بين اللغات، فيجب أن تأخذ عملية المراجعة ذلك في الحسبان. وإلا فقد تبدو الأداة قوية في إعداد وضعيفة في آخر.

وأخيراً، ابنوا حوكمة حول الأداة. حدّدوا من يمكنه اعتماد المخرجات، ومن يمكنه تجاوزها، وكيف يتم الإبلاغ عن الأخطاء. يمكن لهذا الهيكل أن يساعد الفرق المغربية على استخدام الذكاء الاصطناعي بثقة أكبر، خاصة عندما يكون العمل حساساً وهامش الخطأ صغيراً.

الخلاصة

تشير جولة تمويل Probably إلى أن موثوقية الذكاء الاصطناعي أصبحت حاجة سوقية، لا مجرد ميزة تقنية. وبالنسبة للمغرب، فهذه إشارة مفيدة. قد تكون أنظمة الذكاء الاصطناعي الأكثر قيمة هي تلك التي تستطيع شرح نفسها، ودعم المراجعة، والملاءمة مع القيود التشغيلية الحقيقية.