في عصر يتزايد فيه الاعتماد على أنظمة الذكاء الاصطناعي في مجالات حيوية، تظهر حاجة ملحة لتطوير معايير موحدة لتقييم المخاطر المرتبطة بهذه الأنظمة. قدمت الدراسة التي تحمل عنوان "تصنيف المخاطر في الذكاء الاصطناعي" (Eticas AI Risk Taxonomy) رؤية جديدة تهدف إلى الجمع بين المعايير المتنافسة المختلفة لتوفير تصور شامل وعملي.

تشير الدراسات إلى وجود 74 تصنيفًا مختلفًا لمخاطر الذكاء الاصطناعي، لكن معظم هذه التصنيفات تكتفي بسرد المخاطر دون تقديم كيفية إجراء تدقيق عملي عليها. تحدي التحول من مجرد تحديد المخاطر إلى تطبيقها بشكل فعلي، هو ما يتطلبه المجتمع الدولي اليوم.

تسلط هذه الورقة الضوء على طبقة التشغيل التي طورتها Eticas، حيث تم اختبار مخاطر تسرب المعلومات الشخصية (PII) ضد معيار عام، مما يوفر نهجًا عمليًا لتقييم المخاطر. يتم قياس خطر تسرب البيانات وفقًا لإطار عمل مدروس، حيث تتراوح مستويات الإفصاح من 0% إلى 84% بناءً على عوامل الضغط السلبية.

تمتلك النسخة الثانية (v2.0.0) من تصنيف المخاطر بتكنولوجيا الذكاء الاصطناعي يتكون من 76 تصنيفًا نشطًا موزعًا على 10 فئات و20 مجموعة فرعية، مربوطة بـ18 إطارًا خارجيًا عبر مستويات الامتثال والمرجعيات والأبحاث.

الأمر الأكثر إثارة هو أن هذه المنهجية نشرت كجزء من بنية تحتية مفتوحة، ذات عناوين ثابتة وتوزيعات JSON-LD، مما يجعلها متاحة للعامة وبإمكان الجميع الاستفادة منها. هدف هذه المبادرة هو إنشاء مجال تدقيق ذكاء اصطناعي مشترك، مفتوح، وقابل للتطبيق بوضوح.

إن هذه الخطوة تمثل خطوة هامة نحو تحسين عمليات تقييم المخاطر في الذكاء الاصطناعي، مما يمهد الطريق لممارسات عادلة ومنصفة في هذا المجال المتطور. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.