في عصر الذكاء الاصطناعي، تُعَد تقييمات المخاطر خطوة أساسية لفهم الأذى الناتج عن الأنظمة الذكية. لكن ما تكشفه الأبحاث الجديدة هو أن هذه التقييمات لا تأخذ بعين الاعتبار التعقيدات الموجودة في هويات الأفراد. حيث تكشف نتائج تحليل شاملة لأكثر من 5300 تقرير عن حوادث الذكاء الاصطناعي أن الأذى لا يحدث لمجرد فئة هوية واحدة، بل يتزايد تأثيره عندما نتعامل مع الهوية كمجموعة من الفئات المتقاطعة.

تستند هذه النتائج إلى دراسة موسعة شملت 1200 حادث تم توثيقه في قاعدة بيانات حوادث الذكاء الاصطناعي. باستخدام نموذج لغة كبير (Large Language Model)، استطعنا تحديد 1513 شخصاً تعرضوا للأذى، مع دقة تصل إلى 98%. وهذا يشير إلى أن الاعتبارات المرتبطة بالعمر والهويات السياسية تتواجد بشكل مكافئ تقريباً مع الفئات التقليدية مثل العرق والجنس.

وعند النظر إلى التقاطعات بين الفئات، تبرز أبعاد مثيرة للاهتمام؛ حيث تعاني الفتيات المراهقات وذوي البشرة الملونة من الطبقات الفقيرة وأعضاء النخبة السياسية من أذى مضاعف يصل إلى ثلاثة أضعاف. هذه النتائج تدعو لتجديد التركيز على أهمية التقاطع في تقييم المخاطر المرتبطة بالذكاء الاصطناعي، حيث يمثل التفاعل بين العوامل الاجتماعية عاملاً حاسماً في كيفية توزيع الأذى.

لذلك، يجب أن يصبح التقاطع جزءاً محورياً في كيفية تقييمنا لمخاطر الذكاء الاصطناعي. فقط من خلال فهم كيف يتم إنتاج الأذى وتوزيعه يمكننا السعي نحو معالجة أكثر عدلاً وشمولية.

في النهاية، ندعوكم للتفكير: كيف يمكن أن يؤثر هذا المفهوم على مستقبل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.