◄ القصابي: التكنولوجيا العصبية قد تشكل تهديدا للخصوصية وانتهاكا للكرامة الإنسانية

 ◄ استلهام فكرة الشبكات العصبية من الدماغ البشري لأداء المهام المتعددة

◄ زيادة الاستثمارات في مجال التكنولوجيا العصبية 22 ضعفا

◄ توقعات بارتفاع الاستثمار العالمي في سوق التكنولوجيا العصبية إلى 24 مليار دولار بنهاية 2027

◄ "نيورالينك" تسعى لإنشاء تواصل بين الدماغ البشري والأجهزة الذكية

◄ الشبكات العصبية تعتمد بشكل كبير على بيانات ضخمة لتدريبها ويمكن أن تكون عرضة للاختراق

◄ اتجاه عالمي لوضع أطر أخلافية لضبط ممارسات التكنولوجيا العصبية

الرؤية- سارة العبرية

تمثل الشبكات العصبية عنصرًا محوريًا في الذكاء الاصطناعي، مستلهمة من بنية الدماغ البشري لأداء مهام مثل التعرف على الصور وتحليل النصوص، تتكون من طبقات متعددة من النيورونات التي تتعلم من البيانات لتحسين دقتها، وفي المجال الطبي، تُستخدم هذه الشبكات لتحليل الإشارات العصبية وتطوير علاجات جديدة، وتعزيز كفاءة معالجة البيانات وتطوير تطبيقات الذكاء الاصطناعي.

ويقول سامي بن سيف القصابي أخصائي نظم معلومات ومدرب معتمد بالذكاء الاصطناعي، إن التكنولوجيا العصبية هي واحدة من تقنيات المستقبل التي تحول أفلام الخيال العلمي إلى واقع، وفي سياقها العلمي، تُمثل مجالًا تقنيًا يتسم بالقدرة الفائقة على جمع وتحليل واستنباط وتعديل البيانات المُنبثقة من أي جزء ضمن الجهاز العصبي، إذ تهدف هذه التقنية إلى إحداث ثورة في طرق تطوير العلاجات المبتكرة للأمراض العقلية والعصبية من خلال دمج الوظائف العقلية والأعضاء البيولوجية بالأنظمة الآلية وأجهزة الكمبيوتر، وتفتح التكنولوجيا العصبية الباب أمام تحقيق التكامل بين العقل البشري والآلة، مما يوسع آفاق البحث العلمي وتطبيقاته في مجال الطب العصبي وتحسين جودة الحياة.

ويضيف أن التكنولوجيا العصبية بدأت من الأجهزة التي تقرأ نشاط الدماغ وتحوله  إلى إشارات رقمية، كما يمكن استخدامها في علاج أمراض الأعصاب أو تعزيز قدرات المخ المعرفية، وهذا ما تحاول الشركات الوصول إليه في الوقت الحالي، مشيرا إلى أن الاستثمارات في مجال التكنولوجيا العصبية زادت إلى 22 ضعفا بين عامي 2010 و 2023 لتصل إلى 33 مليار دولار تقريبا، أما عدد براءات الاختراع المتعلقة بأجهزة التكنولوجيا العصبية فتضاعف بين عامي 2015 و 2023، ومن المتوقع أن يصل الاستثمار العالمي في هذا السوق إلى 24 مليار دولار في عام 2027.

نيورالينك

وبدأت الكثير من الشركات الدخول في مجال التكنولوجيا العصبية، وفي مقدمتها شركة "نيورالينك" لصاحبها الملياردير المعروف إيلون ماسك، فالشركة تسعى لإنشاء واجهة عصبية حاسوبية تسمح بالتواصل بين الدماغ والأجهزة الذكية؛ حيث أعلن إيلون ماسك نجاح زراعة شريحة دماغية من التي تنتجها شركته في أول مريض من البشر، وأنه يتعافى بشكل جيد وأصبح بإمكانه التحكم في فأرة الكمبيوتر ولعب بعض ألعاب الفيديو باستخدام دماغه فقط بعد شهر تقريبًا من زرع شريحة الشركة. 

أما فريق SPIRALE فقد تمكن من ابتكار جهاز يسمح بالاتصال مباشرة بين الدماغ والكمبيوتر عبر الأذن الداخلية من أجل قراءة الإشارات الكهربائية الناتجة عن الدماغ، في حين تمكنت شركة سينكرون من تطوير تقنية تسمح بالتواصل بين الدماغ والحاسوب عبر مجسات صغيرة تحقن في الأوعية الدموية في الدماغ.  

ويذكر القصابي أن الشبكات العصبية هي الجزء الأساسي في مجال تعلم الآلة، وهو أحد فروع الذكاء الاصطناعي الذي يسمح للحواسيب بتعلم المعلومات مباشرةً من البيانات بدون الحاجة إلى برمجتها بشكل محدد لكل مهمة.

ويقول: "عندما نقوم بإدخال كميات كبيرة من البيانات إلى هذه الشبكات، فإنها تستطيع اكتشاف الأنماط والروابط بين هذه البيانات بفضل هذه القدرة، تصبح الشبكات العصبية قادرة على التنبؤ بنتائج معينة أو تصنيف البيانات تلقائيًا دون الحاجة إلى توجيه من الإنسان".

وحول الكفاءة بين الشبكات العصبية التقليدية والشبكات العصبية العميقة، يبين القصابي: "الشبكات العصبية في الأساس عبارة عن أنظمة حاسوبية استلهمت من الدماغ البشري وتستخدم لتعلم واتخاذ قرارات من البيانات، وفي شبكات الأعصاب البسيطة، يكون عدد المعاملات مثل الأوزان التي تحكم كيفية تفاعل الخلايا العصبية مع بعضها منخفضا نسبيًا، مما يجعل هذه الشبكات أقل تعقيدًا وسهلة الحساب".

ويتابع بقوله: "في الجانب الآخر، تكون أنظمة التعلم العميق معقدة أكثر، وهذه الأنظمة تضم عدة طبقات من الخلايا العصبية، مما يزيد من قدرتها على التعلم والتفاعل مع كميات كبيرة من البيانات؛ حيث أنها قد تستخدم مشفرات تلقائية لضغط البيانات وكشف الأخطاء، وهو ما يعزز من قدراتها في التعلم والتوليد، وبسبب هذه الميزات المتقدمة، تحتوي الشبكات العصبية العميقة على عدد هائل من المعاملات، مما يجعلها تتطلب قدرة حوسبة كبيرة للتدريب والتشغيل".

أما في جانب التدريب، فيمكن تدريب شبكة عصبية بسيطة بسرعة وذلك فقط من خلال استخدام الطبقات والروابط بينهما، لكن بما أنها جديدة وبسيطة، فقدرتها على التعلم محدودة ولا تستطيع التعامل مع المهام المعقدة جدًا.

من ناحية أخرى، فإن أنظمة التعلم العميق لديها القدرة على فهم وتعلم أنماط ومهارات معقدة لأنها تحتوي على العديد من الطبقات، مما يسمح لها بحل مشكلات أكثر تعقيدًا، ولكن تحتاج هذه الأنظمة إلى بيانات كبيرة عملاقه لتعمل بشكل جيد.

ومن حيث التعلم العميق، يوضح القصابي: "بفضل الطبقات المتعددة التي يحتويها، يستطيع التعامل مع كميات هائلة من البيانات، وهذه الطبقات تساعد في تحليل البيانات بطريقة أعمق وأكثر تعقيدًا، وبفضل كل هذا يمكن لخوارزميات التعلم العميق أداء مهام متقدمة مثل فهم معاني الكلمات والجمل في اللغة الطبيعية، أو حتى التعرف على الأصوات ومعالجتها بدقة عالية".

 ويشير إلى أن التحديات التي تواجه الباحثين في مجال التكنولوجيا العصبية تتشابه بتلك التي تواجه الباحثين في مجالات الذكاء الاصطناعي من حيث عدم القدرة على فهم وشرح كيفية عمل الشبكات العصبية خاصةً مع زيادة تعقيد هذه الأنظمة يصعب تحديد الطريقة التي تتخذ بها هذه الشبكات قراراتها، مما يجعل من الصعب شرح أسباب نتائجها.

أما عن قلة البيانات، فيوضح أن العديد من نماذج الذكاء الاصطناعي وخاصة تلك التي تستخدم شبكات عصبية تعتمد بشكل كبير على بيانات ضخمة لتدريبها، وهذه الاعتمادية قد تؤدي إلى محدودية في الأداء عند التعامل مع سيناريوهات جديدة أو غير متوقعة بسبب نقص البيانات في بعض المجالات.

ويتابع القصابي "يشكل إدراج التحيز غير المقصود في نماذج الذكاء الاصطناعي تحديات أخلاقية؛ حيث إن  استخدام بيانات تحوي تحيزات قد يؤدي إلى تعزيز هذه التحيزات في القرارات التي تتخذها هذه النماذج، بالإضافة إلى أن الشبكات العصبية تعتبر عرضة للهجمات العدائية والتلاعبات الخبيثة؛ حيث يمكن للمدخلات المصممة بعناية أن تؤدي إلى توقعات غير صحيحة إذا تم التلاعب بها".

أساليب الشبكات العصبية

ويبيّن القصابي: "في مجال الذكاء الاصطناعي وتحديدًا في تطوير وتحسين أداء الشبكات العصبية، تعدُّ عملية زيادة حجم البيانات المتاحة للتدريب مكونا أساسيا  وحاسمًا لتعزيز دقة وفعالية هذه النظم، ويمكن أن تكون هذه البيانات معالجة ومفلترة بعناية لضمان تقليل الأخطاء وتحسين النتائج النهائية قدر الإمكان".

ويضيف: "يُعتبر تحديد الأبعاد المناسبة للطبقة الداخلية المعالجة للمدخلات في الشبكات العصبية عاملًا مهمًا يؤثر في كيفية تمثيل البيانات وإمكانية استخلاص المعلومات منها، وبشكل خاص في حالات تطبيق الشبكات العصبية على تصنيف الصور مثلا يُطلب من المطور تحديد حجم الإدخال بناءً على عدد البكسلات التي سيتم استخدامها، وهذا القرار يؤثر مباشرة على مستوى التفاصيل التي يمكن للشبكة التقاطها والاستفادة منها في عملية التعلم، فبزيادة عدد البكسلات، تزداد قدرة الشبكة على استشعار وتمييز التفاصيل الدقيقة، ما يعزز من دقتها في التصنيف أو التعرف.

ويلفت القصابي إلى أن "هذا التحسن بتكلفة متزايدة من حيث متطلبات الموارد الحسابية والذاكرة، مما يستلزم توازنًا دقيقًا بين دقة النموذج وكفاءته في استخدام الموارد، وتدريب الشبكات العصبية بالانتشار العكسي يمكنه تحسين أداء هذه الشبكات الانتشار العكسي وهو عبارة عن خوارزمية أساسية وشائعة الاستخدام في تدريب الشبكات العصبية تتمثل آلية عمله في تعديل الأوزان الخاصة بالاتصالات العصبية بشكل متكرر ومنهجي استنادًا إلى الفرق أو الخطأ المحسوب بين الناتج الفعلي للشبكة والناتج المرغوب، وهذا التعديل يهدف إلى تقليل الخطأ بصورة تدريجية عبر دورات تدريبية متعددة حتى يتم تحقيق أداء متقدم ومرضٍ للشبكة العصبية".

وحول الاعتبارات الأخلاقية المتعلقة بتطبيقات التكنولوجيا العصبية في الذكاء الاصطناعي، يوضح القصابي في ظل تطور تقنيات الذكاء الاصطناعي وتوسع تطبيقاتها في الأنشطة الإنسانية، تبرز أصوات متنوعة حول العالم تتناول هذه التطورات بآراء متباينة تتزامن هذه النقاشات مع تحذيرات صادرة عن "اليونسكو" بشأن استخدام الذكاء الاصطناعي في مجال التكنولوجيا العصبية، مؤكدةً على أن هذه التطبيقات قد تشكل تهديدًا جسيمًا للخصوصية العقلية للأفراد وتنتهك حقوق الكرامة الإنسانية.

ويشير إلى أنه تأسيسًا على هذه المخاوف، تُظهر الحاجة الماسة لتطوير إطار أخلاقي عالمي يضمن الاستخدام المسؤول لهذه التقنيات مشابهًا للإطار الذي طرحته "اليونسكو" سابقًا في مجال الذكاء الاصطناعي.

وفي يوليو 2023، أيدت الدول الأعضاء في المجلس التنفيذي لليونسكو اقتراح الحوار العالمي الذي تقدمت به المديرة العامة لوضع إطار أخلاقي يخص قطاع التكنولوجيا العصبية، ويأتي هذا في ظل النمو السريع والنقص الواضح في التنظيم الخاص بتقنيات العصبية، التي يُحتمل أن تشكل تهديدات لحقوق الإنسان والحريات الأساسية. ويُشدد الحوار العالمي على أن غياب الحواجز الأخلاقية الواقية قد يؤدي إلى مخاطر جسيمة، حيث يمكن لهذه التقنيات الوصول إلى بيانات الدماغ والتلاعب بها، مما يُعد انتهاكًا للحقوق الأساسية التي تشكل جوهر الهوية الإنسانية، بما في ذلك حرية الفكر والخصوصية والذاكرة.

وعلى عكس البيانات التي تُجمع من منصات التواصل الاجتماعي، تنشأ معظم البيانات العصبية بشكل لا واعي، ما يجعل من المستحيل على الأفراد إعطاء موافقتهم على استخدامها بشكل مستنير.

 ويعتبر القصابي أن الوقوع المُحتمل لهذه البيانات الحساسة في أيدي غير موثوقة يمكن أن يؤدي إلى عواقب وخيمة، وقد تمكن هذه التقنيات من التلاعب بذاكرة الأشخاص، بما في ذلك إضافة أحداث غير حقيقية أو تغيير أفكارهم أو حتى معتقداتهم الدينية والسياسية، وبالتالي تشويه إحساس الفرد بالهوية الشخصية.

وبسبب هذه المخاوف، تبرز الحاجة الملحة إلى تطوير خارطة طريق دولية لتنظيم هذه التكنولوجيا بما يحترم الكرامة الإنسانية ويحمي الهوية الشخصية والاستقلالية، مع ضمان السلامة العقلية والخصوصية والعدالة الاجتماعية

وردا على سؤال كيف يمكن للشبكات العصبية أن تسهم في تطوير الأنظمة الذكية المستقبلية، يبين القصابي أن هنالك الكثير من الطرق التي يمكن من الشبكات العصبية أن تسهم في تطوير الأنظمة الذكية، ومنها: فهم الشبكات العصبية الذي يعتبر جوهر هذه التقنيات، وأيضا التعلم من البيانات والتي تتميز الشبكات العصبية بها في التعلم فهي تحلل البيانات الداخلة، وتحدد الأنماط، وتصدر توقعات أو قرارات بدون برمجة صريحة، وهذه القدرة على التعلم والتكيف يجعلها مناسبة لمجموعة واسعة من التطبيقات، بدءًا من التعرف على الصور والكلام إلى معالجة اللغة الطبيعية كل هذه العمليات تعتبر عنصرا أساسيا في تطوير الأنظمة الذكية.