الحوار المتمدن - موبايل
الموقع الرئيسي


الرؤى الإنسانية المفقودة من البيانات الضخمة

محمد عبد الكريم يوسف
مدرب ومترجم وباحث
(Mohammad Abdul-karem Yousef)

2026 / 2 / 21
قضايا ثقافية


تريشيا وانغ – باحثة في علم الأعراق التكنولوجية
في اليونان القديمة، عندما كان أي شخص من العبيد إلى الجنود والشعراء والسياسيين بحاجة إلى اتخاذ قرار كبير بشأن أهم أسئلة الحياة، مثل "هل يجب أن أتزوج؟" أو "هل يجب أن نبدأ هذه الرحلة؟" أو "هل يجب أن يتقدم جيشنا إلى هذه المنطقة؟" كانوا جميعًا يستشيرون العرافة.
هكذا كانت الأمور تجري: كنتَ تطرح عليها سؤالاً، ثم تركع، فتدخل في حالة من النشوة. كان الأمر يستغرق بضعة أيام، ثم تستفيق في النهاية، وتعطيك تنبؤاتها كإجابة.
من عظام التنبؤ في الصين القديمة إلى اليونان القديمة وصولاً إلى تقاويم المايا، لطالما تاق الناس إلى معرفة المستقبل لمعرفة ما سيحدث. والسبب هو رغبتنا جميعًا في اتخاذ القرار الصائب، وعدم تفويت أي فرصة. فالمستقبل غامض، لذا من الأفضل أن نعرف أننا نستطيع اتخاذ القرار بثقة نسبية في النتيجة.
حسنًا، لدينا نظام جديد للاستدلال، واسمه البيانات الضخمة، أو ما نسميه "واتسون" أو "التعلم العميق" أو "الشبكة العصبية". وهذه هي أنواع الأسئلة التي نطرحها على نظامنا الآن، مثل: "ما هي الطريقة الأكثر فعالية لشحن هذه الهواتف من الصين إلى السويد؟" أو "ما هي احتمالات ولادة طفلي مصابًا باضطراب وراثي؟" أو "ما هو حجم المبيعات الذي يمكننا توقعه لهذا المنتج؟"
لديّ كلبة اسمها إيلي، وهي تكره المطر. حاولتُ بكل الطرق تغيير سلوكها، ولكن لفشلي في ذلك، أضطر أيضاً إلى استشارة وسيطة جوية تُدعى "دارك سكاي" قبل كل نزهة، للحصول على تنبؤات دقيقة جداً بالطقس خلال الدقائق العشر القادمة. إنها لطيفة للغاية. وبسبب كل هذا، أصبحت هذه الوساطة الجوية صناعة تُدرّ 122 مليار دولار.
على الرغم من ضخامة هذا القطاع، إلا أن العائدات منخفضة بشكلٍ مُثير للدهشة. الاستثمار في البيانات الضخمة سهل، لكن استخدامها صعب. أكثر من 73% من مشاريع البيانات الضخمة غير مُربحة، ويأتي إليّ مسؤولون تنفيذيون قائلين: "نحن نُعاني من نفس المشكلة. استثمرنا في نظام بيانات ضخمة، لكن موظفينا لا يتخذون قرارات أفضل، وبالتأكيد لا يُقدمون أفكارًا رائدة."
هذا الأمر برمته يثير اهتمامي حقًا، فأنا باحثة في علم الأعراق التكنولوجية. أدرس أنماط استخدام الناس للتكنولوجيا وأقدم الاستشارات للشركات بشأنها، ومن بين اهتماماتي البيانات. فلماذا لا يساعدنا توفر المزيد من البيانات على اتخاذ قرارات أفضل، لا سيما بالنسبة للشركات التي تملك موارد هائلة للاستثمار في أنظمة البيانات الضخمة؟ لماذا لا يصبح الأمر أسهل بالنسبة لها؟
لذا، فقد شهدتُ هذا الكفاح عن كثب. في عام ٢٠٠٩، بدأتُ العمل كباحث في شركة نوكيا. في ذلك الوقت، كانت نوكيا من أكبر شركات الهواتف المحمولة في العالم، مهيمنةً على الأسواق الناشئة كالصين والمكسيك والهند - وهي جميعها أماكن أجريتُ فيها أبحاثًا مكثفة حول كيفية استخدام ذوي الدخل المحدود للتكنولوجيا. وقضيتُ وقتًا إضافيًا طويلًا في الصين للتعرف على الاقتصاد غير الرسمي. فعملتُ في وظائف متنوعة، مثل بيع الزلابية لعمال البناء في الشوارع، أو إجراء دراسات ميدانية، حيث كنتُ أقضي ليالي وأيامًا في مقاهي الإنترنت، وأختلط بالشباب الصيني، لأفهم كيف يستخدمون الألعاب والهواتف المحمولة، وكيف يتنقلون بها بين المناطق الريفية والمدن.
من خلال كل هذه الأدلة النوعية التي كنت أجمعها، بدأت أرى بوضوح أن تغييراً كبيراً على وشك الحدوث بين الصينيين ذوي الدخل المحدود. فرغم أنهم كانوا محاطين بإعلانات المنتجات الفاخرة كالمراحيض الأنيقة - فمن ذا الذي لا يرغب بواحدة؟ - والشقق والسيارات، إلا أنني اكتشفت من خلال حواراتي معهم أن الإعلانات التي كانت تجذبهم أكثر من غيرها هي إعلانات أجهزة الآيفون، التي تعدهم بالدخول إلى عالم التكنولوجيا المتقدمة. وحتى عندما كنت أعيش معهم في أحياء فقيرة كهذه، رأيت الناس ينفقون أكثر من نصف دخلهم الشهري على شراء هاتف، وكان من بينها بشكل متزايد هواتف "شانزاي"، وهي نسخ مقلدة رخيصة الثمن من أجهزة الآيفون وغيرها من العلامات التجارية. إنها هواتف عملية للغاية، وتؤدي الغرض.
وبعد سنوات من العيش والعمل مع المهاجرين، ومشاركتهم في كل ما يفعلونه، بدأتُ أجمع البيانات من مصادرها المختلفة، بدءًا من الأمور التي تبدو عشوائية، مثل بيعي للزلابية، وصولًا إلى الأمور الأكثر وضوحًا، مثل تتبع إنفاقهم على فواتير هواتفهم. وهكذا تمكنتُ من تكوين صورة أشمل لما يحدث. عندها أدركتُ أن حتى أفقر الناس في الصين يرغبون في امتلاك هاتف ذكي، وأنهم على استعداد لفعل أي شيء تقريبًا للحصول عليه.
يجب أن تتذكر أن هواتف آيفون كانت قد ظهرت للتو، كان ذلك في عام ٢٠٠٩، أي قبل ثماني سنوات تقريبًا، وبدأت هواتف أندرويد تُشبه هواتف آيفون في الشكل. وقال الكثير من الأشخاص الأذكياء والواقعيين: "هذه الهواتف الذكية مجرد موضة عابرة. من يرغب في حمل هذه الأجهزة الثقيلة التي تنفد بطارياتها بسرعة وتتعطل عند سقوطها؟" لكنني كنت أملك الكثير من البيانات، وكنت واثقًا جدًا من تحليلاتي، لذا كنت متحمسًا جدًا لمشاركتها مع نوكيا.
لكن نوكيا لم تقتنع، لأنها لم تكن بيانات ضخمة. قالوا: "لدينا ملايين البيانات، ولا نرى أي مؤشرات تدل على رغبة أي شخص في شراء هاتف ذكي، ومجموعة بياناتكم المكونة من 100 نقطة، على الرغم من تنوعها، ضعيفة للغاية بحيث لا يمكننا حتى أخذها على محمل الجد".
وقلت: "نوكيا، أنتم على حق. بالطبع لن تروا هذا، لأنكم ترسلون استطلاعات رأي تفترضون فيها أن الناس لا يعرفون ما هو الهاتف الذكي، لذلك بالطبع لن تحصلوا على أي بيانات حول الأشخاص الذين يرغبون في شراء هاتف ذكي في غضون عامين."
لقد صُممت استطلاعاتكم وأساليبكم لتحسين نموذج أعمال قائم، وأنا أدرس هذه الديناميكيات البشرية الناشئة التي لم تظهر بعد. نحن ننظر إلى ما هو أبعد من ديناميكيات السوق حتى نتمكن من استباقها. حسنًا، هل تعلمون ما حدث لشركة نوكيا؟ لقد انهارت أعمالها بشكل كارثي. هذه هي تكلفة إغفال شيء ما. لقد كان الأمر لا يُصدق.
لكن نوكيا ليست وحدها. أرى مؤسسات تتخلص من البيانات باستمرار لأنها لم تُستَخلص من نموذج كمي أو لأنها لا تتناسب معه. لكن ليس هذا خطأ البيانات الضخمة، بل خطأ طريقة استخدامنا لها؛ إنها مسؤوليتنا. تستمد البيانات الضخمة سمعتها الناجحة من قياس بيئات محددة للغاية، مثل شبكات الطاقة الكهربائية أو الخدمات اللوجستية للتوصيل أو الشفرة الوراثية، بينما نقوم بقياس أنظمة شبه مغلقة.
لكن ليست كل الأنظمة بهذه البساطة. فعندما نقيس الأنظمة، وخاصة تلك التي تشمل البشر، تصبح القوى معقدة وغير قابلة للتنبؤ، وهذه أمور يصعب علينا نمذجتها بدقة. فبمجرد أن نتنبأ بشيء ما عن السلوك البشري، تظهر عوامل جديدة، لأن الظروف تتغير باستمرار. ولهذا السبب، هي حلقة مفرغة. قد تظن أنك تعرف شيئًا، ثم يظهر شيء مجهول. ولهذا السبب، فإن الاعتماد على البيانات الضخمة وحدها يزيد من احتمالية إغفالنا لشيء ما، بينما يوهمنا بأننا نعرف كل شيء.
وما يزيد الأمر صعوبةً في إدراك هذه المفارقة، بل وفهمها، هو ما أسميه " انحياز التكميم" ، وهو الاعتقاد اللاواعي بتفضيل ما يُقاس على ما لا يُقاس. وكثيراً ما نختبر هذا في عملنا. ربما نعمل مع زملاء يتبنون هذا النهج، أو ربما تكون شركتنا بأكملها كذلك، حيث ينشغل الناس بالأرقام لدرجة أنهم لا يرون شيئاً خارجها، حتى عندما تُعرض عليهم الأدلة بوضوح. وهذه رسالة جذابة للغاية، لأنه لا عيب في التكميم؛ بل هو مُرضٍ جداً. أشعر براحة كبيرة عند النظر إلى جداول بيانات إكسل، حتى البسيطة منها. أشعر وكأنني أقول: "نعم! لقد نجحت المعادلة. كل شيء على ما يرام. كل شيء تحت السيطرة."

لكن المشكلة تكمن في أن التقييم الكمي يُصبح إدمانًا. وعندما ننسى ذلك، وعندما لا نملك ما يُسيطر على هذا الإدمان، يسهل علينا تجاهل البيانات لأنها لا تُعبّر عنها بقيمة عددية. يسهل علينا الانزلاق إلى التفكير بحلول سحرية، وكأن هناك حلًا بسيطًا جاهزًا. لأن هذه لحظة حرجة لأي مؤسسة، ففي كثير من الأحيان، لا يكمن المستقبل الذي نحتاج إلى التنبؤ به في كومة قش، بل في إعصار مُحدق بنا من خارج الحظيرة. لا يوجد خطر أكبر من العمى عن المجهول. قد يدفعك ذلك إلى اتخاذ قرارات خاطئة، وقد يُفوت عليك فرصة عظيمة.
لكن ليس علينا أن نسلك هذا الدرب. اتضح أن عرافة اليونان القديمة تحمل المفتاح السري الذي يرشدنا إلى الطريق الصحيح. وقد أظهرت الأبحاث الجيولوجية الحديثة أن معبد أبولو، حيث كانت تجلس أشهر عرافة، بُني في الواقع فوق صدعين زلزاليين. وكان هذان الصدعان يُطلقان أبخرة بتروكيماوية من باطن الأرض، وكانت العرافة تجلس حرفيًا فوق هذين الصدعين، مستنشقة كميات هائلة من غاز الإيثيلين. هذا صحيح. كل هذا صحيح، وهذا ما جعلها تهذي وتهلوس وتدخل في حالة تشبه الغيبوبة. كانت في حالة نشوة شديدة!
إذن، كيف استطاع أي شخص الحصول على أي نصيحة مفيدة منها في تلك الحالة؟ حسنًا، هل ترون هؤلاء الأشخاص المحيطين بالعرافة؟ هل ترون هؤلاء الأشخاص الذين يسندونها لأنها كانت تشعر بدوار خفيف؟ وهل ترون ذلك الرجل على يساركم يحمل الدفتر البرتقالي؟ هؤلاء كانوا مرشدي المعبد، وكانوا يعملون جنبًا إلى جنب مع العرافة. عندما كان المحققون يأتون ويركعون، كان مرشدو المعبد يبدأون عملهم، فبعد أن يطرحوا عليها الأسئلة، كانوا يراقبون حالتهم النفسية، ثم يطرحون عليهم أسئلة متابعة، مثل: "لماذا تريدون معرفة هذه النبوءة؟ من أنتم؟ ماذا ستفعلون بهذه المعلومات؟" ثم يأخذ مرشدو المعبد هذه المعلومات الإثنوغرافية، هذه المعلومات النوعية، ويفسرون هذيان العرافة. إذن، لم تكن العرافة تعمل بمفردها، وكذلك لا ينبغي لأنظمة البيانات الضخمة لدينا أن تعمل بمفردها.
للتوضيح، لا أقول إن أنظمة البيانات الضخمة تُصدر دخانًا كثيفًا، أو أنها تُعطي تنبؤات خاطئة. بل على العكس تمامًا. ما أقوله هو أنه كما احتاجت العرافة إلى مرشدين في معبدها، فإن أنظمة البيانات الضخمة لدينا تحتاج إليهم أيضًا. إنها تحتاج إلى أشخاص مثل علماء الإثنوغرافيا وباحثي تجربة المستخدم القادرين على جمع ما أسميه "البيانات الغنية". هذه بيانات ثمينة من البشر، مثل القصص والمشاعر والتفاعلات التي لا يمكن قياسها كميًا. هذا هو نوع البيانات الذي جمعته لشركة نوكيا، والذي يأتي على شكل عينة صغيرة جدًا، ولكنه يحمل في طياته معاني عميقة للغاية.
وما يجعلها غنيةً وعميقةً هو تجربة فهم السياق الإنساني. وهذا ما يساعدنا على إدراك ما ينقص نماذجنا. فالبيانات الغنية تُرسّخ أسئلة أعمالنا في سياق إنساني، ولذلك يُشكّل دمج البيانات الضخمة والغنية صورةً أكثر اكتمالًا. تُتيح البيانات الضخمة رؤىً واسعة النطاق وتستفيد من أفضل ما في الذكاء الاصطناعي، بينما تُساعدنا البيانات الغنية على استعادة السياق المفقود الناتج عن جعل البيانات الضخمة قابلةً للاستخدام، والاستفادة من أفضل ما في الذكاء البشري. وعندما نُدمج النوعين معًا، يصبح الأمر مُمتعًا حقًا، لأننا حينها لا نقتصر على العمل مع البيانات التي جمعناها مُسبقًا، بل نتعامل أيضًا مع بيانات لم تُجمع بعد. ونطرح أسئلةً حول السبب: لماذا يحدث هذا؟

عندما قامت نتفليكس بذلك، فتحت آفاقًا جديدة تمامًا لتطوير أعمالها. تشتهر نتفليكس بخوارزمية التوصيات المتميزة، وقد رصدت جائزة مليون دولار لمن يُحسّنها. وبالفعل، كان هناك فائزون. لكن نتفليكس اكتشفت أن التحسينات كانت طفيفة. لذا، وللوقوف على حقيقة الأمر، استعانت بخبير علم الأعراق البشرية، غرانت ماكراكين، لجمع بيانات معمقة وتحليلات دقيقة. وما اكتشفه كان شيئًا لم يلاحظوه في البيانات الكمية الأولية. فقد اكتشف أن الناس يُحبّون مشاهدة المسلسلات بشراهة. بل إنهم لا يشعرون بالذنب حيال ذلك، بل يستمتعون به.
لذا، أدركت نتفليكس أهمية هذه الفكرة الجديدة. فتوجهت إلى فريق علوم البيانات لديها، وتمكنوا من دمج هذه الرؤية المستقاة من البيانات الضخمة مع بياناتهم الكمية. وبعد التحقق من صحتها، قررت نتفليكس القيام بخطوة بسيطة لكنها مؤثرة للغاية. فقد قررت أنه بدلاً من عرض نفس المسلسل من أنواع مختلفة، أو تقديم المزيد من المسلسلات المختلفة لمستخدمين متشابهين، ستقدم المزيد من نفس المسلسل. ستسهل عليكم مشاهدة الحلقات المتتالية. ولم تكتفِ بذلك، بل قامت بكل هذه الخطوات لإعادة تصميم تجربة المشاهدة بالكامل، لتشجيع المشاهدة المتتالية. ولهذا السبب يختفي الناس والأصدقاء لعطلات نهاية أسبوع كاملة لمتابعة مسلسلات مثل "Master of None". فمن خلال دمج البيانات الضخمة والبيانات التفصيلية، لم تُحسّن نتفليكس أعمالها فحسب، بل غيّرت أيضاً طريقة استهلاكنا للمحتوى الإعلامي. والآن، من المتوقع أن تتضاعف أسهمها في السنوات القليلة المقبلة.
لكن الأمر لا يقتصر على مشاهدة المزيد من الفيديوهات أو بيع المزيد من الهواتف الذكية. بالنسبة للبعض، قد يعني دمج تحليلات البيانات الضخمة في الخوارزمية مسألة حياة أو موت، خاصةً للفئات المهمشة. في جميع أنحاء البلاد، تستخدم إدارات الشرطة البيانات الضخمة في العمل الشرطي التنبؤي، لتحديد مبالغ الكفالة وتوصيات الأحكام بطرق تعزز التحيزات القائمة. من المحتمل أن تكون خوارزمية التعلم الآلي "سكاي نت" التابعة لوكالة الأمن القومي قد ساهمت في وفاة آلاف المدنيين في باكستان نتيجة قراءة خاطئة لبيانات تعريف الأجهزة الخلوية. مع ازدياد اعتمادنا على الأتمتة في جميع جوانب حياتنا، من السيارات إلى التأمين الصحي والتوظيف، فمن المرجح أن نتأثر جميعًا بتحيز القياس الكمي.
والخبر السار هو أننا قطعنا شوطًا طويلًا منذ زمن استنشاق غاز الإيثيلين للتنبؤ. لدينا أدوات أفضل، فلنستخدمها إذًا بشكل أفضل. لندمج البيانات الضخمة مع البيانات التفصيلية. لنستعين بخبرائنا في المجال، وسواءً أكان هذا العمل في الشركات أو المؤسسات غير الربحية أو الحكومة أو حتى في مجال البرمجيات، فكل ذلك مهم، لأنه يعني التزامنا الجماعي بتحسين البيانات والخوارزميات والمخرجات والقرارات. هكذا نتجنب إغفال أي شيء.
المصدر

https://singjupost.com/the-human-insights-missing-from-big-data-tricia-wang-full-tran-script-/





التعليق والتصويت على الموضوع في الموقع الرئيسي


اخر الافلام

.. بعد استهداف محطة براكة.. هل خرجت الميليشيات الإيرانية في الع

.. هل يصبح أحمد الأسير خارج السجن؟ وما مصير قانون العفو العام ف



.. جولة الصحافة| وول ستريت جورنال: شكوك بشأن التوصل إلى تسوية ق

.. نقاش الساعة - مصير هرمز.. هل تتراجع إيران عن السيطرة الكاملة



.. المتحدث باسم أسطول الصمود: ما يتعرض له الشعب الفلسطيني أفظع