هندسة النظم الاجتماعية

مواضيع مفضلة

google-site-verification=D5w-oSMToT0i2p5C9gLSCRSvTOC8w9yn6b38v_QI38Y google.com, pub-6771521127778549 , DIRECT, f08c47fec0942fa0

نموذج الاتصال

Name

Email *

Message *

كل الحب وكل الامنيات الطيبه لكل العالم مع الامل من المزيد من المحبه واحترام الراي الحر واختلاف الثقافات مع الاحترام الكامل للاديان وعدم الخوض في ما حرم الله وان نحترم الاخر وان نحاول ان نصحح عيوبه مع الاحترام الكامل للحريه في الوصف والتعبير والتبادل المعلوماتي الله خلقنا من المحبه والواجب ان نرد المحبه بكل الحب في الاحترام الكامل للرسل والانبياء والاديان والتشريع السماوي*All the love and all good wishes to all the world,

Followers

Blog Archive

My Blog List

Labels

About Me

My photo
انا الفارس والشاعر والاديب في بلادي وبلادك*** انا يا سيدتي من حارب جلادي وجلادك

جديد المدونه

Saturday, August 3, 2019

هندسة النظم الاجتماعية

 نحن من اعطينا لوسائل التواصل الاجتماعي هذه القوة
إذا كنت متصلاً بالإنترنت، فمن المحتمل أنك ممن ساعدوا جوجل وفيسبوك وأمازون ونتفليكس وعمالقة الويب الآخرين ليصبحوا أكثر قوة.
الخوارزميات التي تعتمدها هذه الشركات هي ما تسمي بالتعلم الآلي Machine Learning، وعلى الرغم من الترويج له كشكل جديد من الذكاء الصناعي، إلا انه ليس جديداً. على سبيل المثال، "التعلم العميق" من شركة جوجل، وهو أسلوب شائع للتعلم الآلي، وهو إصدار أكثر تطوراً من الشبكات العصبية Neural Network، التي استخدمتها في تأسيسي لعلم هندسة النظم الاجتماعية.
يعد التعلم الآلي في الواقع أداة قيمة للعلماء والمطورين، وقد أعطت الإنترنت هذا الذكاء الصناعي القديم حياة جديدة بهذه الكميات الهائلة من البيانات، ونظراً لأن التعلم الآلي يعتمد على البيانات، فإن مصادر النقرات والمدونات والتغريدات والمحتويات الأخرى هي مصدرها الأساسي للتعلم؛ فتفوقت بأجهزة الكمبيوتر السريعة والميزانيات الضخمة، على أساليب هندسة النظم الاجتماعية، التي كانت مبنية علي البيانات المتاحة وبالمجهود الفردي
هل سبيل المثال الفيسبوك، في تحديد صور الأصدقاء أو عندما نقرر النقر فوق أحد الروابط، يستخدم نظام الفيسبوك القائم على التعلم العميق قراراتنا لتخصيص موجزات الأخبار، بما في ذلك المحتوى الذي نقرنا عليه كجزء من تدريبه، في تعلم مستمر يحافظ على التركيز على ما نحب (أو نعتقد أننا نحب)، بناءً على ما نختاره. نشاطنا عبر الإنترنت يغذي بيانات أنظمة التعلم الآلي، والتي تقوم بدورها ببث المزيد من المحتوى ذي الصلة المناسبة لنا.
مازالت هناك عيوب كثيرة، ولكن في الحقيقة نحن من نقوم بتدريب التعلم الآلي عن طريق ممارسة أعمالنا على منصات مثل فيسبوك، وقد تذكر فضيحة كامبريدج اناليتيكا Cambridge Analytica الأخيرة حيث انتهك فيسبوك القوانين عن طريق بيع بيانات المستخدمين وأنماطهم الشخصية. المخاوف بشأن الخصوصية والتلاعب واضحة وخاصاً في احداث ثورة يناير ٢٠١١ ولكن من يسيطر على هذه الأنظمة ويعرف تلك المعلومات؟
قد تزداد الأمور سوءاً، لان هندسة النظم الاجتماعية تعرف أن خوارزميات مثل التعلم العميق لا تعمل بدون تصميم هندسي، وهي مجموعة من القيود الأولية التي تشير إلى التعلم بتقنيات التحسين العددي الحقيقي في اتجاه معين واهداف محددة. على سبيل المثال، نظام الأخبار حول المحتوى حسب الموضوع (السياسة، الرياضة، العلوم)، الاتجاه السياسي (يمين، يسار)، أو حتى المزاج (إيجابي، سلبي). لسوء الحظ، فإن هذا النهج يربطنا أيضاً بالنقرات السابقة الخاصة بنا، مما يوضح لنا تفضيلاتنا الماضية. كما أن أنظمة تعلم الذكاء الصناعي تعتمد على البيانات البشرية، وتوفر أداة جديدة قوية أيضاً لمصالح الشركات.
التعلم الآلي لن يتطور إلى شيء جديد وسوف تأتي تصميمات ومقاربات جديدة من الابتكار البشري وأكثر حساسية لاهتمامات الفرد والمجتمع في المستقبل. فربما للأفضل ومن الأفضل أن نتعرف على لعبة التلاعب بجذور افكارنا وتفتيت هويتنا الوطنية او أحلامنا القومية ومنها تبديل الحقائق بالأكاذيب عن طريق ادارة المعتقدات Perception Management والتي أصبحنا فيها للأسف المفعول به وليس الفاعل.

Search This Blog

المشاركة على واتساب متوفرة فقط في الهواتف