تكنولوجيا التعليم هي مجموعة الأدوات والتقنيات التي تستخدم في عملية التعليم والتعلم، وتشمل هذه التقنيات التعليم الإلكتروني، والتعلم عن بعد، والتعلم الذاتي، وغيرها من التقنيات الحديثة التي تساعد على تحسين جودة التعليم وزيادة فرص الوصول إلى التعليم.

على الرغم من أن السيارات الكهربائية التي تقلل انبعاثات غازات الاحتباس الحراري تجذب العديد من السائقين، إلا أن عدم الثقة بتوافر خدمات الشحن يحبط آخرين بصورة قد تدفعهم إلى عدم اقتنائها.

لذا، يُعد بناء شبكة موثوقة من محطات الشحن أمرًا صعبًا جزئيًّا؛ لأنه من الصعب تجميع البيانات من مشغِّلي المحطات المستقلين.

وفي السياق، طوَّر فريق بحثي من معهد جورجيا للتكنولوجيا في الولايات المتحدة الأمريكية طريقة جديدة لتحسين البنية التحتية لمحطة شحن السيارات الكهربائية، وتعتمد الطريقة الجديدة على الذكاء الاصطناعي لقراءة وتحليل مراجعات المستخدمين لهذه المحطات، وأوضح الباحثون في دراسة نشرتها دورية "باترنس" (Patterns) اليوم "الجمعة"، 22 يناير، أنهم استطاعوا التغلُّب على هذه المشكلة بتطوير خوارزميات ذكاء اصطناعي لتحليل مراجعات المستخدمين لهذه المحطات، ما يسمح بتحديد دقيق للأماكن التي لا توجد فيها محطات كافية، أو التي هي خارج الخدمة.

وتوضح الدراسة أن سائقي السيارات الكهربائية في الولايات المتحدة الأمريكية بدأوا في حل مشكلة البنية التحتية لشحن السيارات، من خلال تشكيل مجتمعات على تطبيقات تحديد مواقع محطات الشحن، وترك المراجعات والتقييمات، ويسعى الباحثون إلى تحليل هذه المراجعات لفهم المشكلات التي تواجه المستخدمين بشكل أفضل.

يقول عمر أسينسيو، الأستاذ المساعد في كلية السياسة العامة في معهد جورجيا للتكنولوجيا، وقائد فريق البحث: "ننفق مليارات الدولارات من كلٍّ من القطاعين العام والخاص على البنية التحتية للمركبات الكهربائية، لكننا في الحقيقة لا نملك فهمًا جيدًا لمدى خدمة هذه الاستثمارات للمصلحة العامة".

يضيف "أسينسيو" في تصريحات لـ"للعلم": في هذه الدراسة، نستخدم الذكاء الاصطناعي لاكتشاف المشكلات المتعلقة بنقاط الشحن العامة للسيارات الكهربائية اعتمادًا على بيانات المستهلكين، وتضع خوارزميات التعلم العميق معايير أداء جديدة للتعرف على أنماط التنقل في شحن المركبات الكهربائية من المراجعات النصية، ويتضمن هذا إمكانية الأداء الخارق، التي تعتمد على فكرة أن الذكاء الاصطناعي يعمل بشكل أفضل من البشر في دقة التصنيف.

ويتابع: عندما يشارك المستخدمون المعلومات حول تجارب الشحن، فإنهم غالبًا ما ينخرطون في سلوك اجتماعي إيجابي صديق للبيئة، ما يمنحنا معلومات سلوكية غنية للتعلُّم الآلي، ولكن مقارنةً بتحليل جداول البيانات، يمكن أن تكون النصوص صعبةً على أجهزة الكمبيوتر لمعالجتها، لوجود أخطاء إملائية وموضوعات متعددة، إذ يضع المستخدمون أحيانًا "إيموجي" الوجوه المبتسمة أو الرموز التعبيرية في النصوص.

ولمعالجة المشكلة، استخدم فريق البحث خوارزميات تلائم هذه اللغة، وقاموا بتغذيتها بمراجعات من 12720 محطة شحن أمريكية لتصنيف المراجعات إلى فئات مختلفة، منها: الوظيفة، والتوافر، والتكلفة، والموقع، والبيع، وتفاعل المستخدم، ووقت الخدمة.

يقول "أسينسيو": باستخدام هذا النهج، اكتشفنا عدم المساواة الاجتماعية في توافر محطة شحن للسيارات الكهربائية في الولايات المتحدة، لا سيما في التجمعات الحضرية الأصغر والمناطق الإحصائية الصغيرة (مثل المناطق التي يتراوح عدد سكانها بين 10 آلاف إلى 50 ألف نسمة) التي قد تكون محرومةً من الخدمات، مع تقارير أكثر تواترًا عن مشكلات عدم توافر المحطة في ولايات الغرب والغرب الأوسط، مثل أوريجون ويوتا وساوث داكوتا ونبراسكا، إلى جانب هاواي.

وعن دقة هذا النظام وأهميته، أشار إلى أن خوارزميات التعلُّم العميق حققت دقة بنسبة 91٪، متفوقةً على الخوارزميات الرائدة سابقًا في هذا المجال، مضيفًا: "على العكس من دراسات تقييم أداء البنية التحتية السابقة التي تعتمد على الاستطلاعات المبلَّغ عنها ذاتيًّا والمكلفة وغير المتكررة، يمكن للذكاء الاصطناعي تقليل تكاليف البحث، مع توفير بيانات موحدة في الوقت الفعلي".

ويوضح الباحثون أنه يمكن لهذه القدرة أن تعطي نظرةً ثاقبةً لسلوك المستهلكين في سوق المركبات الكهربائية العالمي، الذي يُتوقع أن ينمو إلى 27.6 مليار دولار أمريكي بحلول 2027، ما يتيح تحليلًا سريعًا للسياسات ويجعل إدارة البنية التحتية أسهل للحكومة والشركات؛ فعلى سبيل المثال، تشير نتائج الدراسة إلى أنه قد يكون من الأكثر فاعليةً دعم تطوير البنية التحتية بدلًا من بيع سيارة كهربائية.

وعن خطواتهم المستقبلية، يأمل "أسينسيو" أن يفتح البحث أبوابًا لمزيد من الدراسات المتعمقة حول العدالة الاجتماعية، بالإضافة إلى تلبية احتياجات المستهلك في سوق السيارات الكهربائية، وأن يجري التوسع في نطاق التحليل لفهم هذه الظاهرة على المستوى العالمي في البلدان حول العالم، وفق قوله.

 عندما طلبنا من صديقتنا الجديدة أيساتو -التي تعيش في قرية ريفية في غينيا بغرب أفريقيا– أن تسجل أرقام هواتفنا على هاتفها المحمول لكي نحافظ على التواصل معها، ردت علينا قائلةً بلغة السوسو: "لا أستطيع، لأنني لم أرتد المدرسة"، لا تستطيع أيساتو قراءة اللغة الفرنسية أو الكتابة بها؛ لأنها لم تتلقَّ تعليمًا رسميًّا، لكننا نؤمن بأن حرمان أيساتو من تلقِّي التعليم المدرسي لا يجب أن يمثِّل عائقًا يمنعها من الانتفاع بالخدمات الأساسية المتاحة في هاتفها، والمشكلة من وجهة نظرنا هي أن هاتف أيساتو لا يفهم لغتها المحلية.

يجب أن تواكب نظم الحاسوب طرق استخدام الناس -كل الناس- للغات، يتحدث سكان غرب أفريقيا لغاتهم منذ آلاف السنين، وقد أنتجوا بهذه اللغات تراثًا شفهيًّا ثريًّا أفاد مجتمعاتهم عن طريق إحياء قصص الأجداد، والآراء التاريخية، ونقل المعرفة والأخلاق من جيل إلى آخر، ويمكن لأجهزة الحاسوب بسهولة أن تدعم هذا التراث الشفهي؛ فعلى الرغم من أن الحواسيب تُصَمَّم عادةً لتُستَخدَم مع اللغات المكتوبة، فإن التكنولوجيا القائمة على الكلام المنطوق موجودة بالفعل، غير أن هذه التكنولوجيا لا "تتحدث" بأيٍّ من اللغات أو اللهجات التي يتحدث بها الأفارقة والتي يبلغ عددها ألفي لغة؛ فتطبيق "سيري" الذي طورته شركة "أبل"، أو "مساعد جوجل"، أو المساعد "أليكسا" من أمازون، كلها لا يخدم أيًّا من اللغات الأفريقية.

وفي الواقع فإن أغلب الأميين البالغ عددهم 700 مليون فرد حول العالم لا يستطيعون الاستفادة من تكنولوجيا الهاتف المحمول؛ إذ ينحصر استخدامهم له في الاستخدامات البسيطة كالرد على المكالمات الهاتفية، دون الاستفادة من وظائفه الأخرى وإن كانت بسيطة، مثل إدارة جهات الاتصال، أو إرسال رسالة نصية، ولأن الأمية تعني في المعتاد عدم نيل أي قدر من التعليم المدرسي، وبالتالي عدم القدرة على التحدُّث بإحدى لغات العالم شائعة الاستخدام، فإن تكنولوجيا التعرف على الكلام غير متاحة لمَن هم في أمسِّ الحاجة إليها، وفي حالة هؤلاء، قد تستطيع تكنولوجيا التعرُّف على الكلام سد الفجوة بين الأمية والقدرة على الوصول إلى المعلومات والخدمات القيمة، بدءًا من المعلومات الزراعية ووصولًا إلى الرعاية الطبية.

لماذا إذًا لا تتوافر منتجات تكنولوجيا التعرُّف على الكلام باللغات الأفريقية وبغيرها من اللغات المحلية؟ غالبًا ما تكون اللغات التي يتحدث بها أعداد قليلة نسبيًّا من الناس ضحيةً للأولويات التجارية، إضافةً إلى هذا، فإن أصحاب النفوذ في مجال الخدمات والمنتجات التكنولوجية عادةً ما يتحدثون باللغات المحدودة العدد ذاتها، مما يجعل من السهل عدم مراعاة الأشخاص ذوي الخلفيات المختلفة بما فيه الكفاية؛ فالمتحدثون بلغات كالتي ينتشر استخدامها في غرب أفريقيا لا يتمتعون إطلاقًا بالتمثيل الكافي في المختبرات البحثية، والشركات، والجامعات، التي طورت تكنولوجيا التعرُّف على الكلام عبر الزمن، ومن المعروف أن التقنيات الرقمية قد يكون لها آثار مختلفة على الأعراق المختلفة، فيمكن أن تفشل النظم التكنولوجية في توفير جودة الخدمات ذاتها لمختلِف المستخدمين، وقد تنظر إلى بعض الجماعات وكأنها لا وجود لها.

والأولويات التجارية، والنفوذ، وغياب التمثيل الكافي، كلها عوامل تفاقم من سوء تحدٍّ آخر مهم، ألا وهو: نقص البيانات؛ فتطوير تكنولوجيا التعرف على الكلام يتطلب وجود مجموعات ضخمة من البيانات المشروحة، غير أن اللغات التي يتحدث بها الأميون الذين سيحققون أكبر استفادة من تكنولوجيا التعرف على الأصوات في الغالب تصنف ضمن اللغات "قليلة المصادر"، التي لا تتوافر لها الكثير من مجموعات البيانات، على عكس اللغات "كثيفة المصادر"، وأكثر تقنيات معالجة مشكلة نقص البيانات تطورًا في الوقت الحالي هي تقنية "نقل التعلم"، وهي تقنية تقوم بنقل المعرفة المستقاة من اللغات كثيفة المصادر إلى مهمات تعلُّم الآلة الخاصة باللغات قليلة المصادر، غير أن البيانات المنقولة لا تكون مفهومة جيدًا، وهو ما يخلق حاجةً إلى أبحاث أكثر إمعانًا بشأن ما يجب التخلي عنه وما يجب الحفاظ عليه فيما يتعلق بملاءمة مجموعات البيانات المستخدمة لنقل التعلُّم، وحجمها، وجودتها، وكما هو واضح من وضع التكنولوجيا اليوم، فإن مئات الملايين من مستخدمي الإنترنت في العقد القادم لن يكونوا من المتحدثين باللغات التي تدعمها هواتفهم المحمولة.

وإذا تمكَّن هؤلاء المستخدمون من الوصول إلى خدمات الإنترنت، فلن يكون متاحًا لهم الاستفادة من مزايا الإشراف الآلي على المحتوى، وغيرها من وسائل الحماية التي يتمتع بها متحدثو اللغات الشائعة، بل إنه يصعب الحفاظ على أمن الناس على الإنترنت حتى في الولايات المتحدة حيث يحظى المستخدمون بالاهتمام وتعديل المحتوى لملاءمة السياق، وقد رأينا في ميانمار وفي غيرها من البلاد أن الانتشار السريع للمحتوى غير الخاضع للإشراف يمكن أن يؤدي إلى تفاقم الشقاق الاجتماعي وزيادة فاعلية الأصوات المتطرفة التي تؤجج العنف، وتتجلى الإساءة التي تحدث عبر شبكة الإنترنت في صور مختلفة في "الجنوب العالمي"، وأغلب العاملين في مجال التصميم الذين هم من الغربيين، المتعلمين، الأغنياء، الديمقراطيين، الذين يعيشون في مجتمعات صناعية، والذين لا يفهمون اللغات المحلية وثقافاتها، غير مؤهلين للتنبؤ بالعنف والتمييز أو منعهما عندما يحدثان في سياقات ثقافية مختلفة عن ثقافتهم.

إننا نعمل على حل هذه المشكلة، وقد طورنا أول نماذج التعرُّف على الكلام المنطوق بلغات المانينكا، والبولار، والسوسو، وهي لغات يتحدث بها مجتمعةً نحو 10 ملايين شخص في سبع دول تبلغ نسبة الأمية فيها 68%، وبدلًا من استخدام مجموعات البيانات من اللغات كثيفة المصادر التي لا علاقة لها باللغات المنشودة، فقد استفدنا من البيانات المنطوقة المتاحة بوفرة حتى في اللغات قليلة المصادر، وهي: أرشيفات البث الإذاعي، وقد جمعنا مجموعتين من البيانات زودنا بها الباحثين: الأولى هي مجموع نصوص إذاعة غرب أفريقيا، وتحتوي على 142 ساعة من النصوص الصوتية المتاحة بأكثر من عشر لغات، مع مجموعة تحقق فرعية مُصنَّفة.

والمجموعة الثانية تسمى West African Virtual Assistant Speech Recognition Corpus، وتحتوي على 10 آلاف من المقاطع الصوتية مصنفةً بأربع لغات، وقد طورنا نموذج "wav2vec غرب أفريقيا" West African wav2vee، وهو مُشَفِّر كلام مُدَرَّب على مجموعة نصوص إذاعية يشوبها ضجيج وتشويش، ثم قارنَّاه بمُشَفِّر الكلام الأساسي لفيسبوك، والذي جرى تدريبه باستخدام بيانات أكبر كمًّا بستة أضعاف وذات جودة أعلى أيضًا، وقد أثبتنا أنه رغم صغر حجم مجموع نصوص إذاعة غرب أفريقيا ورغم الضوضاء المصاحبة لها، فإن أداء مُشَفِّر الكلام الذي طورناه كان يماثل أداء مُشَفِّر الكلام الأساسي في مهمة للتعرف على الكلام بلغات متعددة، كما يتفوق على المُشَفِّر الأساسي تفوقًا ملحوظًا في مهمة التعرُّف على لغات غرب أفريقيا، وأخيرًا، قمنا بتصميم نموذج أولي لمساعد افتراضي ذكي متعدد اللغات، يخدم الأميين الذين يتحدثون لغات المانينكا، والبولار، والسوسو (انظر الفيديو أدناه)، وسوف ننشر مجموعات بياناتنا، وكود البرمجة، والنماذج المُدَرَّبة جميعًا على الأوساط البحثية، على أمل أن يشجع هذا على بذل مزيد من المجهودات في هذه المجالات.

لقد أدرك رواد الحوسبة الأوائل أنهم إذا أرادوا جعل البرمجة متاحةً لعامة الناس، فإنهم سيكونون بحاجة إلى تطوير لغات برمجة يسهل على الناس تعلُّمها، وبرغم ذلك، فقد كانت أولى لغات البرمجة عالية المستوى معقدة تقنيًّا، غير أن المستخدمين اليوم يتمتعون بمستويات مختلفة من التجريد؛ فأنت لست بحاجة إلى فهم لغة جافا سكريبت لقراءة هذا المقال على حاسوبك، ولا يحتاج باحثو الذكاء الاصطناعي إلى استخدام كود التجميع لتطوير مجال علوم الحاسب.

ورغم هذا، فإن الحواسيب لم تتطور بما يكفي لتكون مفيدةً في بعض المجتمعات، ويجب ألا تضطر أيساتو إلى قراءة لغة شائعة والكتابة بها حتى تستطيع الإسهام في البحث العلمي، فما بالنا باضطرارها إلى ذلك من أجل التعامل مع هاتفها الذكي.

صحيح أنه من الصعب تطوير حواسيب تستطيع فهم التفاصيل الدقيقة للتواصل الشفهي بآلاف اللغات الثرية بالخصائص الشفهية، مثل نبرة الصوت وغيرها من أمور علم الدلالات اللغوية المعقد، غير أنه أينما وجه الباحثون اهتمامهم، يمكنهم إحراز تقدم، إن تحقيق الابتكار، وإتاحة المعلومات والتكنولوجيا، وتوفير الأمان، جميعها أشياء تتطلب أن تتحدث التكنولوجيا بجميع لغات العالم.