التوازن بين الحاجة للبيانات وحماية حقوق الأفراد

2025-12-04 02:11:00

(MENAFN- Al Watan) في ذروة المنافسة العالمية على تطوير نماذج الذكاء الاصطناعي، بخاصة النماذج اللغوية الكبيرة، لم تعد الآليات التي تُجمع بها البيانات مجرد تفاصيل تقنية، بل تحولت إلى ساحة صراع تنظيمي وأخلاقي تتقاطع فيها قضايا الخصوصية والملكية الفكرية والحوكمة الرقمية.
وتأتي وثيقة منظمة التعاون الاقتصادي والتنمية (أكتوبر 2025) لتضع خريطة دقيقة لهذا المشهد، مُصنِّفة آليات جمع البيانات ومسلطة الضوء على فجوة متنامية بين الممارسات الأخلاقية والممارسات التجارية.
وفي عالمٍ تعد فيه البيانات وقوداً حيوياً لصناعة الذكاء الاصطناعي، يبرز سؤال محوري: كيف نوازن بين الحاجة الهائلة للبيانات وحماية حقوق الأفراد؟
البيانات المباشرة
قسمت خريطة OECD آليات جمع البيانات في مستواها الأول إلى البيانات المجمعة مباشرة من الأفراد أو المنظمات، وهي فئة تُبنى على مسارين رئيسين يشكلان الأساس الأولي لتغذية نماذج الذكاء الاصطناعي هما: البيانات المقدمة والبيانات المراقبة.
فالبيانات المقدمة هي تلك التي يشاركها الأفراد طواعية، كتفاعلات المستخدمين مع روبوتات الدردشة أو مساهماتهم في الأنظمة الذكية. أما البيانات المراقبة، فهي التي تُجمع دون تدخل مباشر من المستخدم، عبر تتبع أنشطته في التطبيقات والخدمات الرقمية، خاصة ضمن بيئات الأعمال للمستهلك (B2C).
ويزداد الاعتماد على هذا النوع من البيانات مع توسع شركات التكنولوجيا التي تمتلك منصات ضخمة قادرة على رصد سلوك المستخدمين بشكل دقيق، مما يخلق مخزوناً بياناتياً هائلاً يُستخدم لتدريب النماذج وتحسين أدائها.
لكن هذه البيانات تطرح إشكاليات تتعلق بالشفافية والخصوصية، إذ يجد المستخدمون أنفسهم في كثير من الأحيان غير مدركين لحجم البيانات التي يجري التقاطها واستغلالها.
تبرعات البيانات
ضمن فئة البيانات المباشرة، تبرز آلية التبرعات الطوعية باعتبارها مقاربة جديدة تحمل وعودا مستقبلية. فالاعتماد على تبرع الأفراد أو المؤسسات ببياناتهم يفتح الباب أمام توفير معلومات متنوعة وواقعية تعكس الأنماط البشرية بشكل أفضل.
ورغم أن هذه الممارسات لا تزال في بداياتها، فإنها تمثل مساراً أكثر شفافية وأخلاقية من غيرها، لأنها تمنح الأفراد سلطة فعلية على بياناتهم وتحدد شروط استخدامها مسبقاً.
ومع ذلك، تظل التحديات قائمة، أبرزها القدرة على جمع حجم بيانات كافٍ لتدريب نماذج ضخمة، إضافة إلى ضرورة ضمان عدم استغلال المتبرعين كأصول مجانية في اقتصاد بيانات يزداد ربحية وتعقيداً.
بيانات الطرف الثالث
إذا كانت البيانات المباشرة تعتمد على المستخدمين، فإن وثيقة OECD ترى أن الفئة الثانية تعتمد على الأطراف الأخرى. وهنا تلعب اتفاقيات الترخيص التجاري دوراً محورياً، إذ تلجأ شركات تطوير الذكاء الاصطناعي إلى شراء أو استئجار مجموعات بيانات من منظمات تمتلك قواعد ضخمة ومنظمة.
ويعد هذا الأسلوب من أكثر الآليات احترافاً، خاصة مع نمو أسواق البيانات ووسطاء البيانات الذين يديرون عمليات بيع وتوزيع البيانات كما لو كانت سلعة قابلة للتداول.
ويشكل هذا المجال العمود الفقري لـ((اقتصاد البيانات)) الحديث، لكنه يطرح أيضاً أسئلة حول العدالة، إذ تستطيع الشركات الكبرى شراء كميات هائلة من البيانات، بينما تواجه الشركات الناشئة صعوبة في الوصول إلى نفس الموارد.
الكشط الرقمي
في مقابل هذا النظام التجاري المنظم، تظهر ممارسة أكثر جدلاً: تسمى بـ((كشط البيانات أو Data Scraping)). وهي عملية تشمل سحب بيانات من مواقع الإنترنت سواء كانت منشورات أو تعليقات أو نصوص وصور، وتكون هذه غالباً دون إذن صريح من أصحابها.
ومع توسع الحاجة إلى بيانات ضخمة ومتنوعة، أصبح الكشط الرقمي ممارسة واسعة الانتشار، مما دفع إلى موجة تحقيقات وقضايا قانونية تتهم الشركات بانتهاك حقوق النشر، ومبادئ الخصوصية، وأطر حماية البيانات.
وتتعقد المشكلة أكثر عندما يفقد الأفراد القدرة على تتبع بياناتهم، أو على المطالبة بحذفها أو تصحيحها بعد أن تصبح جزءاً من نماذج الذكاء الاصطناعي.
وبينما تدافع الشركات عن ممارساتها هذه باعتبار أنها استخدام عادل، يرى خبراء الخصوصية القانونيون أن الحاجة إلى البيانات لا ينبغي أن تتحول إلى مبرر لانتهاك الحقوق.
البيانات المفتوحة
في الجهة المقابلة، يأتي نموذج أقل تعقيداً وأكثر شفافية: البيانات المفتوحة.
وتشمل هذه المبادرات البيانات التي ينشرها القطاعان العام والخاص بموجب تراخيص مفتوحة، مما يتيح استخدامها مجاناً لتطوير النماذج وتدريب الأنظمة.
كما يسهم ناشرو مجموعات البيانات في تنسيق وتنظيف وتجهيز البيانات، مما يضيف قيمة كبيرة للمجتمع التقني ولمشاريع الذكاء الاصطناعي المفتوح.
وتعتمد كثير من المشاريع الأكاديمية والتطبيقات الحكومية على هذا النوع من البيانات، الذي يعد ركيزة أساسية لبناء حلول مبتكرة تراعي الشفافية.
تحديات التتبع
يرى تقنيون وقانونيون أنه مع هذا التنوع الكبير في مصادر وآليات جمع البيانات، تصبح حوكمة البيانات التحدي الأكبر أمام المشرعين.
فالقوانين الجديدة حول العالم من قانون الذكاء الاصطناعي الأوروبي مروراً بالتشريعات الكورية والبرازيلية واليابانية جميعها تضع شرطاً جوهريا وهو: تتبع البيانات من المصدر إلى الاستخدام.
وهذا الشرط يهدف إلى التحقق من جودة البيانات وتقليل التحيز وتفادي النتائج غير المتوقعة التي قد تنتج عن أخطاء أو انحيازات في مجموعات التدريب.
ويعد التتبع الدقيق خطوة أساسية لضمان بناء أنظمة ذكاء اصطناعي جديرة بالثقة وتتماشى مع معايير الامتثال العالمية.
حلول معززة
تشير منظمة التعاون الاقتصادي والتنمية إلى أن التقنيات المعززة للخصوصية أو PETs تقدم حلولًا عملية لتحقيق التوازن بين الحاجة إلى البيانات وحماية الحقوق.
وتشمل هذه التقنيات بيئات معالجة آمنة قادرة على استخدام البيانات دون كشفها، مما يقلل الأخطار المتعلقة بالخصوصية والملكية الفكرية.
ويمكن لهذه الأدوات أن تمهد الطريق لنموذج جديد من الحوكمة المبنية على الشفافية والمساءلة، يضمن استمرار الابتكار دون المساس بحقوق الأفراد.

MENAFN04122025000089011017ID1110438876

إخلاء المسؤولية القانونية:
تعمل شركة "شبكة الشرق الأوسط وشمال أفريقيا للخدمات المالية" على توفير المعلومات "كما هي" دون أي تعهدات أو ضمانات... سواء صريحة أو ضمنية.إذ أن هذا يعد إخلاء لمسؤوليتنا من ممارسات الخصوصية أو المحتوى الخاص بالمواقع المرفقة ضمن شبكتنا بما يشمل الصور ومقاطع الفيديو. لأية استفسارات تتعلق باستخدام وإعادة استخدام مصدر المعلومات هذه يرجى التواصل مع مزود المقال المذكور أعلاه.

Date

2025-12-04 02:11:00