جعل الذكاء الاصطناعي جديرًا بالثقة: كيفية بناء أنظمة يمكن للناس الاعتماد عليها
حوار مع جوشوا وايسبرغ، الرئيس التنفيذي لشركة «لامبدا فاينانس»
نتحدث اليوم مع جوشوا وايسبرغ، الرئيس التنفيذي لشركة «لامبدا فاينانس»، وهي منصة أبحاث الاستثمار الأعلى تقييمًا والتي يحظى بها ثقة المتداولين والمستثمرين النشطين الذين يتعاملون مع أسواق معقدة وسريعة التغير. تأتي هذه المحادثة في إطار استكشاف Microblink المستمر لكيفية بناء وتشغيل أنظمة الذكاء الاصطناعي الموثوقة في بيئات عالية المخاطر، حيث لا مجال للتنازل عن الدقة والقابلية للتفسير والموثوقية.
بصفتها شركة رائدة عالمياً في مجال ذكاء الهوية، تعمل «مايكروبلينك» مع المؤسسات الخاضعة للرقابة في مجالات التمويل والنقل والمنصات الرقمية من أجل أتمتة القرارات الحاسمة دون المساس بالثقة. ومع تحول الذكاء الاصطناعي إلى عنصر محوري في سير العمل عالي التأثير، يبرز تحدٍ مشترك عبر مختلف القطاعات: كيف يمكن تصميم أنظمة يمكن للناس الاعتماد عليها عندما يكون هامش الخطأ ضئيلاً للغاية؟
بفضل سنوات خبرته في تطوير أدوات بحثية تعتمد على الذكاء الاصطناعي وتُستخدم يوميًا في بيئات مالية عالية المخاطر، يقدم جوشوا وجهة نظر الممارس الفعلي فيما يتعلق بالثقة والدقة وقابلية التوسع. وتمتد رؤاه إلى ما هو أبعد من المجال المالي، حيث تقدم دروسًا عملية لأي مؤسسة تعمل على بناء أنظمة الذكاء الاصطناعي التي يجب أن تعمل بأداء ثابت وشفاف وعلى نطاق واسع.
—-
Microblink: في البيئات التي تنطوي على مخاطر كبيرة، سواء كان الأمر يتعلق بالتحقق من الهويات أو اتخاذ قرارات استثمارية، فإن الثقة ليست أمراً اختيارياً. ما الذي يتطلبه الأمر فعلياً لبناء أنظمة ذكاء اصطناعي يثق بها المستخدمون عندما تكون تكلفة الخطأ باهظة؟
جوشوا وايسبرغ: تبدأ الثقة بالاتساق والقدرة على التفسير. لا يتوقع المستخدمون الكمال، لكنهم يتوقعون الموثوقية. في المجال المالي، يمكن لإشارة واحدة مضللة أن تؤدي إلى عواقب مالية حقيقية — تمامًا كما يخلق «النتيجة السلبية الكاذبة» أو «النتيجة الإيجابية الكاذبة» مخاطرًا في عملية التحقق من الهوية.
في Lambda Finance، أدركنا أن الثقة تُكتسب عندما يفهم المستخدمون سبب عرض النظام لرؤية معينة، وعندما تكون النتائج متوقعة في مختلف السيناريوهات. وهذا يعني أن نستند في مخرجات الذكاء الاصطناعي إلى بيانات تم التحقق من صحتها، وأن نتحقق من صحتها باستمرار، وأن نعطي الأولوية لجودة الإشارات على حساب كميتها. وتنبع الثقة من معرفة أن النظام قد خضع لاختبارات التحمل في ظروف واقعية — وليس فقط في الظروف المثالية.
—–
Microblink: يواجه كل من مجال منع الاحتيال وتحليل السوق التحدي نفسه: وهو التمييز بين الرؤى المفيدة والضوضاء المربكة. كيف تتعاملون مع عملية تصفية البيانات وتحديد أولوياتها عند تصميم أنظمة الذكاء الاصطناعي التي تعمل في الوقت الفعلي؟
جوشوا وايسبرغ: الضوضاء أمر لا مفر منه في الأنظمة المعقدة. والخطأ الذي ترتكبه العديد من المنصات هو الافتراض بأن زيادة كمية البيانات تؤدي تلقائيًا إلى نتائج أفضل. وفي الواقع، يمكن أن تؤدي البيانات ذات الحجم الكبير إلى إضعاف عملية اتخاذ القرار إذا لم يتم تصفية تلك البيانات ووضعها في سياقها الصحيح.
في Lambda Finance، نركز على التمييز بين الإشارات التي يمكن اتخاذ إجراءات بناءً عليها وتلك التي تقتصر على كونها مثيرة للاهتمام فحسب. وهذا يعني دمج مصادر بيانات متعددة، والتحقق من صحتها بشكل متقاطع، واستخدام الذكاء الاصطناعي لإبراز العلاقات، وليس مجرد المقاييس الأولية. الهدف ليس إرباك المستخدمين بالمعلومات، بل تخفيف العبء المعرفي عنهم حتى يتمكنوا من التركيز على ما يهم فعليًا في تلك اللحظة. ففي البيئات التي تنطوي على مخاطر كبيرة، تفوز الوضوح دائمًا على الكم.
—-
Microblink: توفر العديد من أدوات الذكاء الاصطناعي نتائج، لكنها لا توفر بالضرورة الثقة. ما الذي يميز الأنظمة التي تكتفي بعرض المعلومات عن تلك التي تدعم عملية اتخاذ القرار البشري بشكل فعال؟
جوشوا وايسبرغ: الفرق يكمن في السياق. فالأنظمة التي تكتفي بعرض المعلومات تجبر المستخدمين على القيام بأنفسهم بالجهد الشاق المتمثل في تفسيرها. أما الأنظمة الموجهة نحو اتخاذ القرار، فهي تساعد المستخدمين على فهم سبب أهمية أمر ما وكيفية اندماجه في الصورة الأوسع.
وهنا تكمن الميزة الرئيسية للمنصات المتكاملة. فعندما تتواجد البيانات والتحليلات والتفسيرات في بيئة واحدة، يمكن للذكاء الاصطناعي ربط النقاط بطرق تبدو بديهية بدلاً من أن تكون غامضة. وتنشأ الثقة عندما يشعر المستخدمون أن النظام يعمل معهم، ويوجه انتباههم، ويقلل من عدم اليقين، ويدعم عملية اتخاذ القرار بدلاً من استبدالها. أفضل أنظمة الذكاء الاصطناعي تعزز عملية اتخاذ القرار البشري بدلاً من إخفائها.
—–
Microblink: تعتمد العديد من المؤسسات على أدوات منفصلة لحل المشكلات المعقدة. بناءً على خبرتك، ما أول ما يتعطل عندما لا تكون الأنظمة مصممة للعمل معًا، وما الذي تتيحه المنصة الموحدة حقًّا؟
جوشوا وايسبرغ: التجزئة تقوض الثقة أسرع من أي شيء آخر تقريبًا. فعندما يضطر المستخدمون إلى التنقل بين الأدوات المختلفة، أو التوفيق بين البيانات المتضاربة، أو تجميع الرؤى يدويًّا، تتآكل الثقة بسرعة. فتبدأ في التساؤل عن المصدر الصحيح، أو حتى عما إذا كان أي منها صحيحًا.
تحل المنصات الموحدة هذه المشكلة من خلال إنشاء «مصدر وحيد للمعلومات الموثوقة». فعندما تُصمم الأدوات لتعمل معًا بشكل متكامل أصلاً، يصبح بإمكان الذكاء الاصطناعي استخلاص الاستنتاجات عبر مجموعات البيانات المختلفة بدلاً من العمل في «صوامع» منفصلة. وهذا لا يقتصر على تحسين الدقة فحسب، بل يرفع السرعة وسهولة الاستخدام بشكل كبير. وفي البيئات التي تنطوي على مخاطر كبيرة، فإن هذا التماسك هو ما يتيح للمستخدمين التصرف بحزم بدلاً من التردد. التكامل ليس ترفًا؛ بل هو شرط أساسي لضمان اليقين التشغيلي.
—-
Microblink: بالنظر إلى المستقبل، كيف ترى تطور أنظمة اتخاذ القرار المدعومة بالذكاء الاصطناعي في القطاعات التي تكتسب فيها الدقة والسرعة والثقة أهمية متساوية في آن واحد؟ وما الذي سيميز المنصات التي ستصمد أمام المنافسة عن تلك التي لن تصمد؟
جوشوا وايسبرغ: المنصات التي ستصمد هي تلك المصممة لتتناسب مع الواقع، وليس مع العروض التجريبية. وهذا يعني التعامل مع الحالات الاستثنائية، والسلوك العدائي، والبيانات غير الكاملة دون أن تتعطل. كما يعني أيضًا التحلي بالشفافية بشأن أوجه القصور، والتحسين المستمر بناءً على الاستخدام الفعلي.
أنظمة الذكاء الاصطناعي التي تكسب الثقة على المدى الطويل لن تكون أسرع أو أقوى فحسب، بل ستكون أكثر موثوقية أيضًا. فهي ستساعد المستخدمين على فهم المخاطر، لا إخفاءها. وسواء كان ذلك في مجال التمويل، أو التحقق من الهوية، أو منع الاحتيال، فإن المنصات الفائزة ستكون تلك التي توفر الوضوح تحت الضغط والثقة على نطاق واسع. الثقة لا تُبنى على الوعود، بل تُبنى على الأداء المتسق في الأوقات الحاسمة.
