الذكاء الاصطناعي.. سبعون عاماً من الحلم إلى إعادة تشكيل العالم

خاص- 29sec.

لم تبدأ قصة الذكاء الاصطناعي مع ظهور روبوتات المحادثة، ولم يكن ظهور النماذج التوليدية في السنوات الأخيرة سوى أحدث فصل في قصة بدأت قبل ذلك بنحو سبعة عقود، عندما كان الكمبيوتر لا يزال آلة ضخمة ومحدودة الإمكانات، وكانت فكرة أن تتمكن الآلة من محاكاة بعض أشكال التفكير البشري تبدو أقرب إلى الخيال العلمي منها إلى مشروع بحثي يمكن أن يتحول يوماً إلى صناعة تعيد رسم الاقتصاد والعمل والعلم والحياة اليومية. و

اليوم، في أغسطس/آب 2026، أصبح الذكاء الاصطناعي حاضراً في المستشفيات والمصانع والمدارس والمختبرات والشركات ووسائل الإعلام والهواتف الشخصية، ولم يعد السؤال المطروح هو ما إذا كانت هذه التكنولوجيا ستغير العالم، وإنما إلى أي مدى ستغيره، ومن سيحصل على مكاسبها، ومن سيتحمل تكلفتها، وكيف يمكن للإنسان أن يحافظ على موقعه في عالم أصبحت فيه الآلة قادرة على الكتابة والتحليل والتعلم وإنتاج الصور والصوت والفيديو والبرمجيات، بل والبدء في تنفيذ مهام متعددة الخطوات نيابة عن مستخدمها.

من سؤال فلسفي إلى مشروع علمي

قبل أن يصبح هناك علم يسمى “الذكاء الاصطناعي”، كان هناك سؤال أقدم بكثير من أجهزة الكمبيوتر نفسها: هل التفكير عملية يمكن وصفها بطريقة تسمح بإعادة إنتاجها داخل آلة؟ هذا السؤال ظل لقرون جزءاً من النقاش الفلسفي حول طبيعة العقل، لكنه أخذ منحى علمياً جديداً مع تطور الرياضيات والمنطق والحوسبة في القرن العشرين، ثم أصبح أكثر تحديداً خلال الحرب العالمية الثانية وبعدها، عندما بدأ العلماء يدركون أن الآلات تستطيع تنفيذ عمليات حسابية ومنطقية معقدة بسرعات تفوق قدرة الإنسان.

وفي عام 1950، نقل عالم الرياضيات والحاسوب البريطاني آلان تورنغ النقاش إلى مستوى جديد عندما نشر بحثه الشهير “Computing Machinery and Intelligence”، الذي بدأه بالسؤال المعروف: “هل تستطيع الآلات التفكير؟”.

لم يكن السؤال بالنسبة إلى تورنغ مجرد تمرين فلسفي، بل محاولة لإعادة تعريف المشكلة بطريقة يمكن اختبارها، ولذلك اقترح ما أصبح يعرف لاحقاً باختبار تورنغ، الذي يقوم على فكرة أن قدرة الآلة على محاكاة السلوك البشري الذكي يمكن أن تكون معياراً عملياً للحكم على مستوى ذكائها، بدل محاولة الوصول أولاً إلى تعريف نهائي لماهية “التفكير” نفسه.

وكانت أفكار تورنغ جزءاً من تيار علمي أوسع بدأ يرى أن بعض العمليات العقلية ربما يمكن تمثيلها بصورة حسابية، وأن الكمبيوتر، الذي كان يُنظر إليه في الأساس كآلة للحساب، يمكن أن يتحول إلى شيء أكثر من ذلك بكثير.

ومع مرور السنوات، بدأت مجموعة من العلماء تتعامل مع الذكاء باعتباره مشكلة يمكن تقسيمها إلى عمليات مثل التعلم والاستنتاج وحل المشكلات وفهم اللغة والتعرف على الأنماط، ومن هنا بدأت تتشكل البيئة التي ستقود إلى ولادة مجال جديد.

1956.. اللحظة التي وُلد فيها اسم الذكاء الاصطناعي

جاءت اللحظة المفصلية في صيف عام 1956، عندما اجتمع عدد من الباحثين في جامعة دارتموث الأمريكية في مشروع بحثي أصبح يُعرف باسم “Dartmouth Summer Research Project on Artificial Intelligence”.

 وكان من أبرز المشاركين جون مكارثي ومارفن مينسكي وكلود شانون وناثانيال روتشستر، وفي هذا المشروع ظهر مصطلح “Artificial Intelligence” بوصفه اسماً لمجال بحثي جديد.

كان الطموح الذي حمله المشروع كبيراً إلى درجة يصعب تخيلها بمقاييس التكنولوجيا في ذلك الوقت؛ فقد افترض الباحثون أن جوانب من التعلم والذكاء يمكن وصفها بصورة دقيقة تسمح للآلة بمحاكاتها، وأن المشكلات التي تبدو مرتبطة بالعقل البشري، مثل استخدام اللغة وحل المشكلات والتعلم، يمكن أن تصبح موضوعاً للهندسة والحساب.

لكن المفارقة أن الحلم كان أكبر بكثير من الإمكانات المتاحة. فالحواسيب في تلك الفترة كانت محدودة، والبيانات التي يمكن استخدامها لتدريب الآلات كانت قليلة جداً مقارنة بعصر الإنترنت، كما أن طرق معالجة المعلومات لم تكن قد وصلت بعد إلى المستوى الذي يسمح للنماذج بالتعامل مع تعقيد اللغة والصور والعالم الحقيقي. ومع ذلك، كان الأهم قد حدث بالفعل: أصبح هناك مجال علمي يحمل اسماً واضحاً، وأصبح السؤال “هل يمكن للآلة أن تكون ذكية؟” مشروعاً يمكن لعلماء الحاسوب العمل عليه بدل أن يبقى مجرد سؤال فلسفي.

ومن هنا بدأت المرحلة الأولى من رحلة طويلة اتسمت بالحماس الشديد، ثم الإحباط، ثم العودة، قبل أن تصل التكنولوجيا أخيراً إلى النقطة التي نحن فيها اليوم.

عندما كان الذكاء يعني مجموعة من القواعد

في السنوات الأولى، كان الطريق الأكثر وضوحاً أمام الباحثين يتمثل في جعل الكمبيوتر يتعامل مع الذكاء باعتباره مجموعة من القواعد المنطقية؛ فإذا استطاع الإنسان تحديد الخطوات التي يستخدمها للوصول إلى نتيجة معينة، يمكنه نظرياً أن يبرمج الكمبيوتر لتنفيذ الخطوات نفسها، وبذلك يصبح قادراً على حل المشكلة.

ظهرت برامج قادرة على لعب الألعاب وحل مسائل رياضية ومنطقية، وبدأت تظهر تطبيقات أولية للغة والاستدلال، وكان من السهل في ذلك الوقت أن يبدو المستقبل قريباً؛ فكلما تمكّن العلماء من وصف جزء من التفكير البشري بصورة دقيقة، أصبح من الممكن تحويله إلى تعليمات يفهمها الكمبيوتر.

غير أن هذه الطريقة كشفت سريعاً عن مشكلة عميقة، وهي أن الإنسان لا يفكر دائماً من خلال مجموعة واضحة من القواعد. ففي الحياة اليومية نستخدم خبراتنا وسياق الموقف والمعرفة السابقة والحدس والقدرة على التعامل مع الغموض، وهي أمور يصعب تحويلها إلى قائمة لا نهائية من التعليمات.

وكلما اتسع نطاق المشكلة، أصبحت كتابة القواعد أكثر تعقيداً، حتى بدا أن محاولة برمجة كل شيء يدوياً تشبه محاولة كتابة كتاب يحتوي على جميع احتمالات العالم.

وهنا بدأت الفكرة تتغير تدريجياً، فبدل أن نطلب من الآلة أن تتلقى القواعد كاملة من الإنسان، بدأ الباحثون يتساءلون: ماذا لو استطاعت الآلة أن تتعلم بعض هذه القواعد بنفسها؟

من البرمجة إلى التعلم

كانت هذه النقلة واحدة من أهم التحولات في تاريخ الذكاء الاصطناعي، لأنها غيرت العلاقة بين الإنسان والآلة من علاقة تعتمد بالكامل على التعليمات إلى علاقة تقوم بدرجة أكبر على التعلم من البيانات.

في عام 1959، طور آرثر صامويل برنامجاً للعب الداما يستطيع تحسين أدائه من خلال الخبرة، وكانت الفكرة بسيطة في ظاهرها لكنها عميقة في آثارها؛ فالبرنامج لم يكن يعتمد فقط على قائمة ثابتة من التعليمات، وإنما كان قادراً على الاستفادة من التجربة لتحسين الأداء، وهي فكرة ستصبح بعد عقود حجر الأساس في التعلم الآلي الحديث.

وبدأ مفهوم “Machine Learning” يأخذ مكانه في مجال الذكاء الاصطناعي، ليصبح السؤال تدريجياً ليس “كيف نبرمج الكمبيوتر ليعرف الإجابة؟”، وإنما “كيف نجعله يتعلم الأنماط التي تقوده إلى الإجابة؟”.

لكن هذا التحول لم يحل المشكلة بالكامل، لأن الآلة تحتاج إلى بيانات كي تتعلم، وكانت البيانات في ذلك الوقت محدودة، كما أن القدرة الحاسوبية اللازمة لمعالجة كميات ضخمة من البيانات لم تكن متوفرة. ولذلك ظل الذكاء الاصطناعي لسنوات طويلة محاصراً بين طموح علمي كبير وإمكانات تقنية صغيرة.

سنوات الوعود الكبيرة وشتاء الذكاء الاصطناعي

في الستينيات والسبعينيات، ارتفعت التوقعات بشأن إمكانية بناء آلات ذكية بصورة سريعة، لكن الواقع أثبت أن فهم الذكاء البشري أكثر تعقيداً مما كان يتصوره الباحثون. وعندما لم تتحقق بعض الوعود، بدأ التمويل يتراجع، ودخل المجال في فترات من الركود عُرفت باسم «شتاءات الذكاء الاصطناعي»، وهي فترات انخفض فيها الاهتمام والاستثمار نتيجة الفجوة بين التوقعات والنتائج الفعلية.

ومع ذلك، لم تكن تلك السنوات ضائعة بالكامل؛ فقد ظهرت خلالها أفكار وأبحاث ستصبح مهمة في المستقبل، كما تطورت الأنظمة الخبيرة التي حاولت محاكاة طريقة اتخاذ الخبراء للقرارات في مجالات محددة. وكانت هذه الأنظمة أكثر نجاحاً عندما تعمل داخل نطاق ضيق، مثل التشخيص أو تحليل مشكلات معينة، لأنها لم تكن مطالبة بفهم العالم كله، وإنما باستخدام مجموعة من القواعد والمعرفة المتخصصة.

لكن الأنظمة الخبيرة كشفت بدورها حدود النهج القائم على القواعد، إذ كانت قوية عندما تواجه الحالات التي صُممت لها، لكنها أقل قدرة على التعامل مع الحالات الجديدة، كما أن بناء قاعدة معرفية ضخمة وتحديثها باستمرار كان مكلفاً ومعقداً. وكان واضحاً أن الذكاء الاصطناعي يحتاج إلى شيء آخر؛ يحتاج إلى طريقة تسمح له بالتعلم من العالم بدل الاعتماد على أن يصف الإنسان العالم له قاعدةً قاعدة.

الإنترنت يغيّر المعادلة

لم تكن ثورة الذكاء الاصطناعي الحديثة ممكنة بالاعتماد على الخوارزميات وحدها؛ فقد احتاجت أيضاً إلى تغير هائل في البيئة التي تعمل فيها هذه الخوارزميات، وهو ما حدث مع انتشار الإنترنت وتوسع استخدام أجهزة الكمبيوتر والهواتف والخدمات الرقمية، إذ بدأ العالم ينتج كميات غير مسبوقة من البيانات التي يمكن استخدامها لتدريب النماذج.

في الوقت نفسه، تطورت المعالجات ووحدات معالجة الرسوميات، وأصبح من الممكن تنفيذ عمليات حسابية ضخمة في وقت أقصر بكثير، وانخفضت تكلفة التخزين، وتطورت طرق تدريب الشبكات العصبية. وهكذا اجتمعت ثلاثة عناصر كانت مفقودة في العقود السابقة: بيانات هائلة، وقدرة حاسوبية كبيرة، وخوارزميات أكثر كفاءة.

وعندما اجتمعت هذه العناصر، بدأ الذكاء الاصطناعي ينتقل من المختبر إلى العالم الحقيقي.

التعلم العميق.. اللحظة التي بدأت فيها الآلة ترى وتسمع

كان التعلم العميق أحد أبرز مظاهر هذه المرحلة، وهو يعتمد على شبكات عصبية اصطناعية متعددة الطبقات تستطيع تعلم تمثيلات معقدة للبيانات بدل الاعتماد فقط على الخصائص التي يحددها المبرمج.

وفي عام 2012، حقق نموذج “AlexNet” نتائج لافتة في مسابقة ImageNet للتعرف على الصور، وأظهر بصورة عملية مدى القوة التي يمكن أن تحققها الشبكات العصبية العميقة عندما تتوافر لها البيانات والحوسبة المناسبة.

ومنذ ذلك الوقت تسارعت التطورات في التعرف على الصور والكلام والترجمة ومعالجة اللغة، وأصبحت النماذج قادرة على أداء مهام كانت قبل سنوات قليلة تعد من أصعب مشكلات الذكاء الاصطناعي.

وبهذا لم تعد الآلة تتعامل مع العالم من خلال أرقام وقواعد فقط، بل بدأت تتعلم كيفية التعرف على الأشياء والأصوات والأنماط المعقدة، وهي خطوة مهدت الطريق للمرحلة التي ستغير شكل التكنولوجيا بالكامل: مرحلة الذكاء الاصطناعي التوليدي.

2017.. الورقة التي فتحت الباب أمام عصر النماذج اللغوية

في عام 2017 نشر باحثون من Google ورقة بحثية بعنوان “Attention Is All You Need”، وقدمت الورقة بنية “Transformer”، التي أصبحت فيما بعد أساساً لكثير من النماذج اللغوية الكبيرة.

أهمية هذه الخطوة لا تكمن فقط في التقنية نفسها، وإنما في أنها جعلت من الممكن تدريب نماذج لغوية ضخمة على كميات هائلة من النصوص، بحيث تتعلم العلاقات بين الكلمات والمعلومات والسياقات بصورة أكثر كفاءة.

ومع زيادة حجم النماذج والبيانات والحوسبة، بدأت تظهر قدرات لم تكن واضحة في النماذج السابقة؛ أصبح النظام قادراً على كتابة نصوص متماسكة، والإجابة عن أسئلة، والترجمة، والتلخيص، وكتابة الأكواد، والتعامل مع مهام متعددة.

وهنا حدث تحول في طبيعة الذكاء الاصطناعي نفسه؛ فبدل أن يكون الهدف فقط جعل الآلة «تفهم» ما يقوله الإنسان، أصبح بالإمكان جعلها تنتج شيئاً جديداً بناء على ما يطلبه الإنسان.

الذكاء الاصطناعي التوليدي.. عندما أصبحت الآلة منتجة للمحتوى

الذكاء الاصطناعي التوليدي لم يأت من فراغ، وإنما كان نتيجة تراكم عقود من الأبحاث في التعلم الآلي والشبكات العصبية ومعالجة اللغة والرؤية الحاسوبية، لكنه أحدث تغييراً مختلفاً لأنه جعل قدرات الذكاء الاصطناعي ملموسة أمام المستخدم العادي.

في السابق، كان الذكاء الاصطناعي يعمل غالباً خلف الكواليس؛ يساعد محرك البحث على ترتيب النتائج، أو يساعد تطبيقاً على التعرف على الوجه، أو يكتشف المعاملات المشبوهة، أو يقترح منتجاً للمستخدم.

أما الذكاء الاصطناعي التوليدي فدخل إلى الواجهة مباشرة.

أصبح الإنسان يكتب طلباً، وتحصل الآلة على المهمة، ثم تنتج نصاً أو صورة أو كوداً أو صوتاً أو تحليلاً.

وهذا التغير هو الذي جعل عام 2022 وما تلاه نقطة انعطاف في علاقة الجمهور بالذكاء الاصطناعي، لأن التكنولوجيا التي كانت تتطلب معرفة تقنية أصبحت متاحة من خلال اللغة الطبيعية.

2022 إلى 2026.. من أداة متخصصة إلى تقنية جماهيرية

خلال فترة قصيرة للغاية، انتقل الذكاء الاصطناعي التوليدي من المختبرات والشركات المتخصصة إلى ملايين المستخدمين، ثم إلى المؤسسات والمدارس والجامعات والمستشفيات وغرف الأخبار والشركات الصغيرة والكبيرة.

ووفق تقرير Stanford AI Index 2026، وصل استخدام الذكاء الاصطناعي التوليدي إلى نحو نصف السكان خلال فترة زمنية قصيرة مقارنة بالتقنيات الرقمية الكبرى السابقة، وهو ما يعكس سرعة انتشار لم يشهدها العالم بالوتيرة نفسها في كثير من التقنيات السابقة.

والأهم من سرعة الانتشار هو تغير طبيعة الاستخدام؛ فالمستخدم لم يعد يتعامل مع الذكاء الاصطناعي بوصفه برنامجاً منفصلاً، وإنما بدأ يدمجه في عمله اليومي، فيطلب منه كتابة رسالة، وتحليل ملف، وتلخيص تقرير، والبحث عن معلومات، وتصميم صورة، وكتابة كود، أو شرح موضوع معقد.

لكن التطور لم يتوقف عند مرحلة “السؤال والجواب”، ففي عام 2026 يتجه القطاع بقوة نحو نماذج قادرة على تنفيذ سلسلة من الإجراءات لتحقيق هدف محدد، وهي ما يعرف بالوكلاء الذكيين.

من “أجبني” إلى “أنجز المهمة”

ربما يكون هذا التحول هو الأهم لفهم المرحلة المقبلة.

فالنموذج اللغوي التقليدي ينتظر سؤال المستخدم ثم يقدم إجابة، بينما يحاول الوكيل الذكي أن ينتقل من الإجابة إلى الفعل، بحيث يستطيع استخدام الأدوات والبرامج والملفات والإنترنت ضمن حدود معينة لتنفيذ مجموعة من الخطوات.

وقد يبدو الفرق بسيطاً، لكنه في الحقيقة يمثل انتقالاً من الذكاء الاصطناعي بوصفه «مساعداً للمعلومات» إلى الذكاء الاصطناعي بوصفه «مساعداً للعمل».

وتشير بيانات Stanford AI Index 2026 إلى أن قدرات الوكلاء على تنفيذ مهام الكمبيوتر شهدت تقدماً سريعاً، رغم أن الأنظمة ما زالت ترتكب أخطاء وتفشل في نسبة كبيرة من المهام المعقدة، وهو أمر مهم لأنه يوضح أن الذكاء الاصطناعي أصبح أكثر قدرة، لكنه لم يصل إلى مرحلة الاستقلال الكامل أو الموثوقية المطلقة.

وهذه النقطة ستظل حاسمة في السنوات المقبلة، لأن زيادة القدرة لا تعني بالضرورة زيادة الاعتمادية؛ فقد يستطيع النظام تنفيذ مهمة معقدة، لكنه قد يخطئ في خطوة واحدة تجعل النتيجة النهائية غير صالحة.

من المختبر إلى المستشفى

مع اتساع قدرات الذكاء الاصطناعي، أصبح الطب أحد أكثر المجالات التي يمكن أن تتغير بفعل هذه التكنولوجيا، إذ تستطيع النماذج تحليل كميات هائلة من الصور والبيانات والسجلات الطبية، والمساعدة في اكتشاف أنماط قد يصعب على الإنسان ملاحظتها بسرعة، كما يمكن استخدامها في البحث عن أدوية جديدة وتحليل الجينات ودعم بعض القرارات السريرية.

وتنظر منظمة الصحة العالمية إلى الذكاء الاصطناعي باعتباره تقنية تحمل إمكانات كبيرة لتحسين التشخيص والعلاج والبحث الطبي وتطوير الأدوية والصحة العامة، لكنها في الوقت نفسه تحذر من مخاطر تتعلق بالخصوصية والتحيز والسلامة والمساءلة.

وهذا التوازن ضروري، لأن الخطأ في مجال الصحة لا يشبه الخطأ في كتابة رسالة أو تلخيص مقال؛ فالقرار الخاطئ قد يؤثر مباشرة في حياة إنسان، ولذلك فإن المستقبل الأكثر واقعية ليس طبيباً تستبدله الآلة، وإنما طبيباً يستخدم الآلة لزيادة قدرته على التحليل والوصول إلى المعلومات، مع بقاء المسؤولية البشرية والرقابة الطبية عنصرين أساسيين.

العلم يدخل عصراً جديداً

إذا كان الطب أحد أكثر المجالات حساسية، فإن العلم ربما يكون أحد أكثر المجالات التي يمكن أن تحقق منها البشرية مكاسب بعيدة المدى.

فالذكاء الاصطناعي يستطيع تحليل كميات هائلة من البيانات، واكتشاف العلاقات بين المتغيرات، والمساعدة في تصميم التجارب، واقتراح مركبات دوائية أو مواد جديدة، وتحليل النماذج العلمية، والمساعدة في مجالات تمتد من الكيمياء والبيولوجيا إلى الفيزياء والفلك وعلوم المناخ.

وقد شهدت السنوات الأخيرة ارتفاعاً كبيراً في الأبحاث العلمية المرتبطة بالذكاء الاصطناعي، وأصبح AI جزءاً متزايداً من أدوات الباحثين.

لكن هذا لا يعني أن العالم أصبح قادراً على الاستغناء عن العلماء؛ فالذكاء الاصطناعي قد يقترح فرضية أو يكتشف نمطاً، لكن الإنسان ما زال يحتاج إلى اختبار النتيجة والتحقق منها وفهم معناها وتحديد ما إذا كانت قابلة للتكرار، ولذلك فإن القيمة الحقيقية قد تكمن في تحويل الذكاء الاصطناعي إلى شريك بحثي يسرع دورة الاكتشاف بدل أن يحل محل العقل العلمي.

التعليم.. فرصة غير مسبوقة ومشكلة جديدة

في التعليم، يمكن أن يكون تأثير الذكاء الاصطناعي أكثر عمقاً من مجرد استخدام أداة جديدة، لأنه يفتح إمكانية تقديم تعليم شخصي بدرجة لم تكن متاحة سابقاً؛ فالطالب يستطيع أن يطلب شرح الفكرة بالطريقة التي تناسب مستواه، ثم يطلب مثالاً آخر، أو تدريباً إضافياً، أو ترجمة، أو تبسيطاً، ويمكن للنظام أن يستجيب بصورة فورية.

لكن الميزة نفسها تحمل خطراً واضحاً، فإذا استخدم الطالب الذكاء الاصطناعي ليؤدي المهمة بدلاً منه، فقد يحصل على نتيجة جيدة دون أن يكتسب المعرفة التي يفترض أن يحصل عليها من العملية التعليمية.

ولهذا بدأت المدارس والجامعات في إعادة التفكير في معنى الواجب والامتحان والكتابة والبحث، لأن المشكلة لم تعد في قدرة الطالب على الوصول إلى المعلومات، بل في قدرته على إثبات أنه فهمها، وأنه يستطيع استخدامها دون الاعتماد الكامل على الآلة.

وهكذا يتحول السؤال في التعليم من «هل نسمح بالذكاء الاصطناعي؟» إلى سؤال أكثر أهمية: كيف نستخدمه بطريقة تجعل الإنسان أكثر قدرة على التفكير، لا أقل قدرة؟

الإعلام.. وفرة غير مسبوقة في الإنتاج وأزمة جديدة للحقيقة

وفي الإعلام وصناعة المحتوى، أتاح الذكاء الاصطناعي للفرد الواحد القيام بمهام كانت في السابق تحتاج إلى فريق كامل؛ فمن الممكن استخدامه في تفريغ المقابلات، وترجمة المواد، وتحليل البيانات، وتلخيص الوثائق، وإنتاج مسودات، وإنشاء صور وأصوات ومقاطع فيديو.

وقد أدى ذلك إلى خفض تكلفة إنتاج المحتوى وفتح المجال أمام أفراد وشركات صغيرة لإنتاج مواد كانت تتطلب سابقاً استثمارات أكبر.

لكن الجانب الآخر من هذه الثورة أكثر خطورة، لأن التكنولوجيا نفسها التي تجعل إنتاج المحتوى الحقيقي أرخص تجعل إنتاج المحتوى المزيف أرخص أيضاً، ومن هنا ظهرت مخاطر الـDeepfakes والمحتوى الاصطناعي والتلاعب بالصور والأصوات والفيديوهات.

وفي عالم يستطيع فيه أي شخص تقريباً إنتاج مادة تبدو حقيقية، تصبح قيمة الصحافة والتحقق ومصادر المعلومات أكثر أهمية، لأن التحدي لم يعد مجرد الحصول على المعلومات، وإنما إثبات أنها حدثت بالفعل.

الاقتصاد.. عندما يصبح الذكاء الاصطناعي عامل إنتاج

انتقل الذكاء الاصطناعي خلال السنوات الأخيرة من مشروع تقني إلى عامل اقتصادي يمكن أن يؤثر في الإنتاجية والتكلفة والمنافسة.

وتشير بيانات Stanford AI Index 2026 إلى انتشار واسع لاستخدام AI داخل المؤسسات، مع ارتفاع كبير في استخدام الذكاء الاصطناعي التوليدي في وظائف الأعمال، بينما تضاعفت الاستثمارات في الشركات والتقنيات المرتبطة بالذكاء الاصطناعي.

والسبب واضح؛ فإذا استطاعت الشركة استخدام AI لإنجاز مهمة كانت تحتاج ساعة في عشر دقائق، أو تحليل كمية من البيانات كان يحتاج فريقاً كاملاً، فإنها تستطيع خفض بعض التكاليف وزيادة الإنتاجية وتسريع اتخاذ القرار.

لكن ارتفاع الإنتاجية يطرح في الوقت نفسه سؤالاً اجتماعياً صعباً: إذا أصبحت الشركة قادرة على إنتاج المزيد بعدد أقل من العاملين، فكيف ستتوزع مكاسب هذه الإنتاجية بين أصحاب الشركات والعاملين والمجتمع؟

وهنا ندخل إلى قلب النقاش حول الوظائف.

الوظائف.. الثورة التي قد تغير العمل قبل أن تلغيه

ربما يكون العمل هو المجال الذي يشعر فيه الإنسان بتأثير الذكاء الاصطناعي بصورة مباشرة أكثر من أي مجال آخر، لأن التكنولوجيا لا تدخل هنا كأداة محايدة فقط، وإنما تدخل إلى العلاقة بين الإنسان والمهام التي يتقاضى مقابلها أجراً.

لكن القول إن «الذكاء الاصطناعي سيقضي على الوظائف» تبسيط شديد للمشهد.

في كثير من الحالات، يبدأ AI بأتمتة جزء من الوظيفة وليس الوظيفة كلها؛ فالمبرمج يمكن أن يستخدمه لكتابة أجزاء من الكود، والمحامي يمكن أن يستخدمه للبحث في الوثائق، والطبيب يمكن أن يستخدمه لتحليل الصور، والصحفي يمكن أن يستخدمه لتفريغ التسجيلات وتحليل البيانات، والمحاسب يمكن أن يستخدمه لمعالجة المعلومات.

وبالتالي فإن الوظيفة قد لا تختفي، لكنها تتغير، وتتحول قيمة العامل من تنفيذ المهمة الروتينية إلى القدرة على إدارة المهمة، والتحقق من النتائج، واتخاذ القرار، وفهم السياق، والتواصل مع الآخرين.

ومع ذلك، لا يعني هذا أن جميع الوظائف ستكون محمية، فهناك أعمال تحتوي على نسبة كبيرة من المهام المتكررة والقابلة للأتمتة، وهي أكثر تعرضاً للتغيير.

والأكثر إثارة للقلق أن التأثير قد يظهر في بداية المسار المهني قبل أن يظهر في صورة بطالة جماعية؛ فإذا كانت الوظائف المبتدئة تعتمد على مهام بسيطة يمكن للذكاء الاصطناعي تنفيذها، فقد يصبح من الصعب على الشباب اكتساب الخبرة التي كانوا يحصلون عليها سابقاً من خلال هذه المهام.

وتشير بيانات Stanford AI Index 2026 إلى انخفاض ملحوظ في توظيف بعض العاملين الشباب في وظائف تطوير البرمجيات منذ 2024، مع استمرار النقاش حول حجم الدور الذي يلعبه AI مقارنة بعوامل اقتصادية أخرى.

وهذا يجعل السؤال الحقيقي أكثر تعقيداً من “هل ستختفي الوظائف؟”، لأنه يصبح: كيف سيصل الإنسان إلى الوظيفة أصلاً في عالم تستطيع فيه الآلة تنفيذ جزء كبير من المهام التي كان يبدأ بها حياته المهنية؟

الوجه الآخر لسوق العمل: وظائف جديدة ومهارات جديدة

في المقابل، يؤدي كل تحول تكنولوجي كبير إلى خلق طلب جديد، والذكاء الاصطناعي ليس استثناءً.

فقد توسع الطلب على مهندسي الذكاء الاصطناعي، وعلماء البيانات، ومتخصصي البنية التحتية، وسلامة النماذج، وحوكمة AI، وتقييم الأنظمة، ودمج الذكاء الاصطناعي في المؤسسات.

لكن الوظائف الجديدة لا تقتصر على المجال التقني، إذ بدأت الحاجة إلى أشخاص يفهمون كيف يمكن استخدام AI داخل القانون والطب والتعليم والإعلام والمال والتسويق والصناعة.

وقد يصبح أهم العاملين في الاقتصاد الجديد ليس فقط الشخص الذي يستطيع بناء نموذج ذكاء اصطناعي، وإنما الشخص الذي يعرف كيف يستخدمه داخل مهنة أخرى بصورة فعالة وآمنة.

وهنا تظهر قاعدة قد تحدد شكل سوق العمل المقبل: ربما لا يستبدل الذكاء الاصطناعي الإنسان في كل وظيفة، لكن الإنسان الذي يعرف استخدام الذكاء الاصطناعي قد يصبح أكثر قدرة على منافسة الإنسان الذي لا يعرف استخدامه.

من المستفيد ومن يدفع الثمن؟

لا تتوزع فوائد الذكاء الاصطناعي بالتساوي، وهذه من أكبر القضايا التي ستحدد شكل المرحلة المقبلة.

الفرد يستطيع الوصول إلى قدرات كانت في السابق مكلفة أو متاحة فقط للمؤسسات؛ فيمكنه الحصول على مساعد للكتابة، ومترجم، ومدرس، ومحلل، ومساعد برمجة، وأداة للبحث والتصميم.

والشركة تستطيع خفض بعض التكاليف وتسريع الإنتاج والوصول إلى أسواق جديدة.

والباحث يستطيع تحليل بيانات أكثر.

والطبيب يستطيع الحصول على أدوات مساعدة إضافية.

لكن الدول والشركات التي تمتلك الحوسبة المتقدمة ومراكز البيانات والرقائق والطاقة والمواهب ورأس المال قد تحصل على مكاسب أكبر من غيرها.

وهذا يعني أن الذكاء الاصطناعي يمكن أن يقلل بعض الفوارق، لأنه يجعل أدوات متقدمة متاحة للأفراد، لكنه يستطيع في الوقت نفسه أن يزيد فجوة أخرى بين من يملكون البنية التحتية والمهارات ومن لا يملكونها.

القوة الجديدة.. البيانات والرقائق والطاقة

في عصر الذكاء الاصطناعي، لم تعد القوة التكنولوجية مرتبطة فقط بالبرمجيات.

النماذج الكبيرة تحتاج إلى رقائق متقدمة، ومراكز بيانات، وكهرباء، وشبكات، ومهندسين، واستثمارات ضخمة.

ولهذا أصبحت الرقائق الإلكترونية جزءاً من الجغرافيا السياسية للذكاء الاصطناعي، وأصبحت الطاقة جزءاً من النقاش حول مستقبله، وأصبح بناء مراكز البيانات قضية اقتصادية واستراتيجية في الوقت نفسه.

وبهذا تحولت المنافسة من سؤال “من يملك أفضل خوارزمية؟” إلى سؤال أوسع: من يملك القدرة على تشغيل هذه الخوارزميات على نطاق واسع؟

وهذا أحد الأسباب التي تجعل الذكاء الاصطناعي اليوم قضية تتعلق بالسيادة الوطنية، وليس مجرد منتج تجاري.

الوجه المظلم.. عندما تصبح الآلة أقوى من قدرتنا على ضبطها

كلما زادت قدرة الذكاء الاصطناعي، زادت الحاجة إلى التفكير في مخاطره.

أحد أبرز هذه المخاطر هو التضليل، إذ يمكن للنماذج التوليدية إنتاج نصوص وصور وأصوات وفيديوهات تبدو حقيقية، الأمر الذي يجعل التمييز بين المحتوى الحقيقي والمصطنع أكثر صعوبة.

وهناك أيضاً خطر التحيز، لأن النماذج تتعلم من البيانات، والبيانات البشرية ليست محايدة دائماً، وقد تحتوي على أنماط من التمييز أو التحيز التاريخي، وهو ما يمكن أن ينعكس على نتائج النظام إذا لم تتم مراقبته.

ثم تأتي الخصوصية، إذ كلما أصبح الذكاء الاصطناعي أكثر قدرة على فهم البيانات، أصبح السؤال حول من يملك البيانات وكيف يتم استخدامها أكثر أهمية.

وهناك أيضاً خطر الاعتماد الزائد؛ فالإنسان الذي يترك للآلة مهمة التفكير والكتابة والتحليل بصورة مستمرة قد يصبح أكثر اعتماداً عليها وأقل ممارسة لبعض المهارات بنفسه.

وفي الجانب الأمني، يمكن استخدام الذكاء الاصطناعي لأغراض ضارة، بما في ذلك زيادة قدرة المحتالين والمهاجمين على إنتاج محتوى أو تنفيذ عمليات معقدة.

ولهذا طورت مؤسسات مثل المعهد الوطني الأمريكي للمعايير والتكنولوجيا NIST أطراً لإدارة مخاطر الذكاء الاصطناعي، بينما تعمل الحكومات والمؤسسات الدولية على بناء قواعد تحدد الاستخدامات المقبولة والخطرة.

من يضع القواعد؟

كلما تسارعت التكنولوجيا، أصبح واضحاً أن السوق وحده لن يكون كافياً للإجابة عن جميع الأسئلة.

في الاتحاد الأوروبي، دخل قانون الذكاء الاصطناعي الأوروبي حيز التنفيذ في عام 2024، وأصبح إطاراً تشريعياً يعتمد على مستويات المخاطر ويفرض متطلبات مختلفة بحسب نوع النظام واستخدامه.

وفي المقابل، أصدرت اليونسكو توصيتها بشأن أخلاقيات الذكاء الاصطناعي، مؤكدة أهمية حقوق الإنسان والشفافية والعدالة والكرامة الإنسانية.

أما منظمة الصحة العالمية فركزت على الحاجة إلى تطوير الذكاء الاصطناعي الصحي واستخدامه بصورة تحافظ على سلامة المرضى وحقوقهم.

وهكذا بدأت تظهر ملامح مرحلة جديدة؛ فبعد أن كان الذكاء الاصطناعي قضية تخص علماء الحاسوب، أصبح الآن قضية تخص المشرعين والقضاة والأطباء والمعلمين والاقتصاديين والفلاسفة والناخبين والمجتمع بأكمله.

والطاقة.. التكلفة التي لا تظهر على الشاشة

عندما يكتب المستخدم سؤالاً إلى نموذج ذكاء اصطناعي، لا يرى مراكز البيانات التي تقف خلف الإجابة.

لكن وراء كل نموذج كبير بنية تحتية تحتاج إلى كميات كبيرة من الحوسبة والطاقة والتبريد، ومع توسع الاستخدام العالمي، يصبح أثر هذه البنية جزءاً من قصة الذكاء الاصطناعي.

وهذا يطرح سؤالاً قد يصبح أكثر أهمية خلال السنوات المقبلة: إذا كان العالم يريد استخدام AI في كل مدرسة ومستشفى وشركة وهاتف ومصنع، فكيف سيوفر الطاقة والبنية التحتية اللازمة لذلك، وكيف يمكن تقليل الأثر البيئي لهذه الصناعة؟

ومن هنا يتضح أن مستقبل الذكاء الاصطناعي لن تحدده الخوارزميات وحدها؛ ستحدده أيضاً الكهرباء والرقائق والمياه ومراكز البيانات وسلاسل الإمداد.

الإنسان أمام مرآة جديدة

ربما يكون أكثر ما يميز الذكاء الاصطناعي عن الثورات التكنولوجية السابقة أنه لا ينافس الإنسان فقط في القوة البدنية أو السرعة، وإنما يدخل إلى بعض المجالات التي اعتقد الإنسان طويلاً أنها مرتبطة بقدراته العقلية.

فالآلة أصبحت تكتب، وتحلل، وتترجم، وتبرمج، وتتعرف على الأنماط، وتنتج الصور والأصوات، وتساعد في البحث العلمي.

وهذا يضع الإنسان أمام سؤال مختلف عن الأسئلة التي طرحتها الآلات السابقة.

السيارة لم تجعل الإنسان أقل قدرة على المشي، والطائرة لم تجعل الإنسان أقل قدرة على السفر، والآلة الصناعية لم تجعل الإنسان أقل قدرة على التفكير؛ لكن الذكاء الاصطناعي يستطيع أن يؤدي بعض المهام التي كانت جزءاً من العمل العقلي نفسه.

ولهذا فإن التحدي الحقيقي لن يكون فقط في بناء آلات أكثر ذكاءً، وإنما في معرفة كيف نحافظ على قيمة الإنسان عندما تصبح بعض المهام التي كان يتقاضى أجراً مقابل تنفيذها قابلة للأتمتة.

ماذا بعد أغسطس 2026؟

من الصعب أن يرسم أحد خريطة دقيقة لما سيحدث خلال العقد المقبل، لكن الاتجاه العام واضح.

الذكاء الاصطناعي يتجه نحو نماذج أكثر قدرة على الاستدلال، وأنظمة متعددة الوسائط تستطيع التعامل مع النص والصورة والصوت والفيديو، ووكلاء قادرين على تنفيذ المهام، وتكامل أعمق مع البرامج والأجهزة، وتوسع في استخدامه داخل العلوم والطب، واندماج متزايد بين الذكاء الاصطناعي والروبوتات.

وقد يصبح “المساعد الذكي الشخصي” جزءاً طبيعياً من الحياة الرقمية، بحيث لا يكتفي بالإجابة عن الأسئلة، وإنما يساعد في تنظيم المعلومات والبحث والكتابة والعمل والتخطيط وتنفيذ المهام.

وفي المصانع، قد يتولى AI دور العقل الذي يوجه الروبوتات، وفي المختبرات قد يصبح شريكاً للباحثين، وفي المستشفيات قد يصبح جزءاً من منظومة التشخيص والرعاية، وفي الشركات قد يصبح طبقة أساسية داخل معظم العمليات.

وبذلك قد نصل إلى مرحلة لا نفتح فيها «تطبيق الذكاء الاصطناعي» كما نفتح تطبيقاً منفصلاً، بل يصبح الذكاء الاصطناعي موجوداً في خلفية معظم الخدمات الرقمية التي نستخدمها.

سبعون عاماً.. والقصة لم تنتهِ

إذا نظرنا إلى الرحلة من عام 1950 إلى أغسطس 2026، سنجد أن الذكاء الاصطناعي مر بتحولات أكبر من مجرد سلسلة من الاختراعات التقنية.

بدأ كسؤال فلسفي حول إمكانية أن تفكر الآلة، ثم أصبح مشروعاً علمياً في دارتموث عام 1956، وبعد ذلك تحول إلى أنظمة تعتمد على القواعد، ثم إلى أنظمة تتعلم من البيانات، ثم إلى شبكات عصبية قادرة على التعرف على الصور والكلام، ثم إلى نماذج لغوية ضخمة قادرة على إنتاج النصوص، وأخيراً إلى نماذج متعددة الوسائط ووكلاء يحاولون تنفيذ المهام.

وفي كل مرحلة كان الذكاء الاصطناعي يعيد تعريف علاقته بالإنسان.

في البداية كان الإنسان يكتب للآلة ما يجب أن تفعله.

ثم أصبح يعطيها البيانات لتتعلم منها.

ثم أصبح يطلب منها إنتاج شيء جديد.

واليوم بدأ يطلب منها تنفيذ المهمة.

وهذه الرحلة لم تصل إلى نهايتها.

فالذكاء الاصطناعي قد يكون واحداً من أعظم أدوات زيادة الإنتاجية في تاريخ البشرية، وقد يساهم في تسريع اكتشاف الأدوية والعلوم، وتوسيع فرص التعليم، وتحسين الخدمات، ومساعدة الأشخاص والشركات الصغيرة على الوصول إلى قدرات كانت مكلفة في السابق.

لكنه في الوقت نفسه قد يعمق عدم المساواة إذا تركزت فوائده في أيدي عدد محدود من الشركات والدول، وقد يغير سوق العمل بصورة مؤلمة لبعض الفئات، ويزيد صعوبة التحقق من الحقيقة، ويطرح أسئلة غير مسبوقة حول الخصوصية والتحيز والمسؤولية، كما يمكن أن يصبح مصدراً لمخاطر جديدة إذا استخدم دون رقابة.

ولهذا فإن مستقبل الذكاء الاصطناعي لن تحدده التكنولوجيا وحدها.

ستحدده أيضاً المدارس التي ستعيد تعريف التعليم، والجامعات التي ستعيد تعريف المعرفة، والشركات التي ستعيد تعريف العمل، والحكومات التي ستضع القوانين، والمجتمعات التي ستحدد ما تقبله وما ترفضه، والأفراد الذين سيتعلمون كيف يستخدمون هذه الأدوات دون أن يسمحوا لها بأن تفكر بدلاً منهم في كل شيء.

وربما تكون المفارقة الأكبر في هذه الثورة أن الإنسان بدأ الذكاء الاصطناعي بحثاً عن طريقة لجعل الآلة أكثر شبهاً به، لكنه اكتشف في الطريق أن بناء آلة تستطيع محاكاة بعض قدراته يجبره هو نفسه على إعادة التفكير في معنى الذكاء والعمل والإبداع والمعرفة.

فالسؤال الذي بدأ به تاريخ الذكاء الاصطناعي كان:

هل تستطيع الآلة أن تفكر؟

أما السؤال الذي يواجه البشرية الآن فهو أكثر صعوبة:

إذا أصبحت الآلة قادرة على التفكير في بعض المهام، فكيف نريد نحن أن نفكر، ونعمل، ونعيش في عالم تستطيع فيه الآلة أن تفعل ذلك معنا؟