الذكاء الاصطناعي في فلسطين: بين الطموح الوطني والتحديات الميدانية

في الوقت الذي تقود فيه الدول الكبرى سباق الذكاء الاصطناعي العالمي، تقف فلسطين عند مفترق طرق فريد. من جهة، تطلق السلطة الوطنية استراتيجية طموحة للذكاء الاصطناعي، ومن جهة أخرى، يواجه المطورون والباحثون الفلسطينيون تحديات وجودية تتراوح بين انقطاع الإنترنت في غزة ونقص البيانات بالعربية الفلسطينية، وصولاً إلى استخدام تقنيات الذكاء الاصطناعي نفسها كسلاح ضدهم. هذه المقالة تغوص في الواقع التقني الفلسطيني، وتستعرض الفرص، العوائق، والحلول الملموسة التي يمكن تطبيقها اليوم.

المشهد الحالي: استراتيجية وطنية بلا بيانات

في عام 2023، أطلقت السلطة الفلسطينية "الاستراتيجية الوطنية الفلسطينية للذكاء الاصطناعي"، وهي خطة طموحة تهدف إلى دفع التحول الرقمي والنمو الاقتصادي عبر خلق فرص للاستثمار التكنولوجي والشراكات الدولية في الضفة الغربية، وفقاً لتقرير صادر عن U.S. International Trade Administration.

لكن المفارقة الصارخة تكمن في أن دراسة نُشرت في مجلة AI & Society (Springer) عام 2023 وجدت أنه "في فلسطين، لا تتوفر أي بيانات" حول مقاييس تبني الذكاء الاصطناعي. هذا يعني أن الاستراتيجية الوطنية تُبنى على أرضية رملية: بدون بيانات أساسية، يصبح قياس التقدم مستحيلاً.

تقدم دراسة International Science Council (ISC) الصادرة في فبراير 2025 تحليلاً أعمق، حيث تستكشف تكامل الذكاء الاصطناعي في النظام العلمي الفلسطيني وتحدد الفرص والتحديات والإجراءات الاستراتيجية اللازمة للتأهب الوطني.

نموذج معماري متعدد الركائز

تُظهر الأبحاث أن النهج الفلسطيني يتبع نموذجاً معمارياً متعدد الركائز، يمكن تمثيله بالرسم البياني التالي:

graph TD
    A[الاستراتيجية الوطنية للذكاء الاصطناعي] --> B[البنية التحتية للبيانات والحوكمة]
    A --> C[تطوير المواهب والتعليم]
    A --> D[النظام البيئي للابتكار والشركات الناشئة]
    A --> E[الأطر الأخلاقية والتنظيمية]
    A --> F[الشراكات الدولية]
    B --> G[إنشاء سجل وطني للبيانات]
    B --> H[معايير الخصوصية والأمان]
    C --> I[دمج الذكاء الاصطناعي في المناهج الجامعية]
    C --> J[برامج تدريب للمطورين]
    D --> K[دعم حاضنات الأعمال]
    D --> L[توفير التمويل الأولي]
    E --> M[تطوير ميثاق أخلاقي وطني]
    F --> N[اتفاقيات مع جامعات وشركات عالمية]

    style A fill:#4CAF50,color:white
    style G fill:#FFC107
    style L fill:#FF5722

هذا النموذج هو نهج حكومي من أعلى إلى أسفل، لكنه يواجه تحديات كبيرة على أرض الواقع.

التحديات الميدانية: من انقطاع الإنترنت إلى نقص السيليكون

البنية التحتية: عندما يكون السحاب بعيداً

في قطاع غزة، يتعطل الوصول إلى الإنترنت بشكل متكرر، بينما تواجه الضفة الغربية قيوداً على البنية التحتية لشبكات 3G/4G/5G. هذا يعني أن نماذج الذكاء الاصطناعي المعتمدة على السحابة تفشل في الإنتاج عندما ينقطع الاتصال.

الحل: أصبح نشر الذكاء الاصطناعي على الحافة (Edge AI) الخيار الوحيد القابل للتطبيق. المثال البرمجي التالي يوضح نموذجاً خفيفاً للكشف عن أمراض المحاصيل الزراعية، وهو حالة استخدام شائعة في المجتمعات الزراعية الفلسطينية:

# edge_ai_agriculture.py
# نموذج ذكاء اصطناعي خفيف للكشف عن أمراض المحاصيل في بيئات منخفضة الاتصال
# مناسب للنشر على Raspberry Pi أو الأجهزة المحمولة في فلسطين

import tensorflow as tf
import numpy as np
from PIL import Image
import json

# تحميل نموذج MobileNetV2 المدرب مسبقاً والمحول إلى TFLite
# تم ضبط هذا النموذج بدقة على مجموعة بيانات مخصصة لأمراض المحاصيل الفلسطينية
interpreter = tf.lite.Interpreter(model_path="crop_disease_mobilenetv2.tflite")
interpreter.allocate_tensors()

input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# شكل الإدخال: [1, 224, 224, 3] (إدخال MobileNet القياسي)
input_shape = input_details[0]['shape']

def preprocess_image(image_path):
    """معالجة الصورة مسبقاً للاستدلال."""
    img = Image.open(image_path).resize((224, 224))
    img_array = np.array(img, dtype=np.float32)
    # تسوية القيم إلى [-1, 1] كما هو مطلوب لـ MobileNetV2
    img_array = (img_array / 127.5) - 1.0
    img_array = np.expand_dims(img_array, axis=0)
    return img_array

def detect_disease(image_path):
    """تشغيل الاستدلال على صورة محصول وإرجاع توقع المرض."""
    input_data = preprocess_image(image_path)
    interpreter.set_tensor(input_details[0]['index'], input_data)
    interpreter.invoke()
    output_data = interpreter.get_tensor(output_details[0]['index'])
    # تطبيق softmax للحصول على الاحتمالات
    probabilities = tf.nn.softmax(output_data[0]).numpy()

    # تحميل تسميات الفئات (مثال: سليم، لفحة مبكرة، لفحة متأخرة، إلخ)
    with open("crop_disease_labels.json", "r", encoding="utf-8") as f:
        labels = json.load(f)

    predicted_index = np.argmax(probabilities)
    confidence = probabilities[predicted_index]

    return {
        "disease": labels[predicted_index],
        "confidence": float(confidence),
        "all_probabilities": {labels[i]: float(probabilities[i]) 
                              for i in range(len(labels))}
    }

# مثال استخدام
if __name__ == "__main__":
    result = detect_disease("tomato_leaf_sample.jpg")
    print(f"تم الكشف عن: {result['disease']} بثقة {result['confidence']:.2%}")
    # الإخراج: تم الكشف عن: لفحة مبكرة بثقة 94.37%

ملف التكوين المقابل:

# ai_deployment_config.yaml
# تكوين نشر الذكاء الاصطناعي على الحافة للتعاونيات الزراعية الفلسطينية

model:
  name: "crop_disease_mobilenetv2"
  version: "1.2.0"
  input_size: [224, 224, 3]
  quantization: "int8"  # دقة منخفضة للأجهزة الطرفية
  framework: "tflite"

deployment:
  device: "raspberry_pi_4"
  offline_mode: true  # لا حاجة للإنترنت بعد التحميل الأولي
  batch_size: 1
  inference_threshold: 0.85  # الحد الأدنى للثقة للإبلاغ عن المرض

data:
  local_storage: "/data/crop_images"
  sync_frequency: "weekly"  # مزامنة التسميات/النماذج عند توفر الاتصال
  fallback: "manual_inspection"  # إذا فشل النموذج، الرجوع إلى الخبير البشري

هذه البنية مصممة خصيصاً للسياق الفلسطيني: غير متصلة بالإنترنت أولاً، منخفضة الطاقة، وقادرة على الصمود في وجه انقطاعات الاتصال.

ندرة البيانات وجودتها: مشكلة اللغة والتمثيل

الدراسة المنشورة في Springer تنص صراحةً على أن "لا بيانات متوفرة" لمقاييس تبني الذكاء الاصطناعي. بالإضافة إلى ذلك، فإن اللهجات العربية الفلسطينية ممثلة تمثيلاً ناقصاً في مجموعات بيانات التدريب، مما يؤدي إلى أداء ضعيف للنموذج في مهام اللغة المحلية.

الحل: بناء مجموعات بيانات محلية مفتوحة المصدر، والتعاون مع الجامعات الفلسطينية مثل جامعة بيرزيت والجامعة الإسلامية في غزة لجمع وتنظيف البيانات باللهجة الفلسطينية.

تمويل الموت: فجوة الاستثمار

مع وجود صندوق استثماري محلي واحد فقط (صندوق ابتكار) وتردد المستثمرين الدوليين بسبب المخاطر السياسية، تواجه الشركات الناشئة "وادي الموت" بين التمويل الأولي والتمويل من الفئة A. وفقاً لتقرير The Startup Scene، فإن الوضع تفاقم بشكل كبير بعد 7 أكتوبر 2023.

الحل: الاعتماد على نماذج العمل عن بعد والمنصات العالمية للعمل الحر لتوليد الإيرادات بالعملة الصعبة، بدلاً من انتظار الاستثمار المحلي.

هجرة العقول: عندما يغادر الأفضل

إلياس عمرو، طالب فلسطيني من بيت لحم، تخرج على رأس دفعته في جامعة دبلن سيتي عام 2024 بعد أن ابتكر تطبيقاً للاستدامة يعمل بالذكاء الاصطناعي، وفقاً لـ Donegal Live. هذه القصة تكرر نفسها: أفضل الباحثين والمهندسين الفلسطينيين يغادرون إلى الخليج أو أوروبا أو أمريكا الشمالية بسبب نقص الموارد الحاسوبية المحلية (وحدات معالجة الرسوميات، وحدات معالجة التوتر) والمختبرات البحثية.

الحل: إنشاء مختبرات حوسبة سحابية مدعومة، والاستفادة من البرامج المجانية مثل Google Colab وAWS Credits للطلاب والباحثين.

تسليح الذكاء الاصطناعي: التحدي الأخلاقي الأكبر

توثق تقارير متعددة من +972 Magazine وCambridge University Press استخدام إسرائيل لأنظمة ذكاء اصطناعي مثل "لافندر" (Lavender) و"الإنجيل" (The Gospel) لاستهداف الفلسطينيين في غزة والضفة الغربية. هذه الأنظمة تؤتمت عملية توليد الأهداف، مما يثير مخاوف جدية بشأن الحرب الخوارزمية والضحايا المدنيين.

هذا يخلق معضلة أخلاقية للممارسين الفلسطينيين للذكاء الاصطناعي: كيف يمكنك بناء تقنية لتحسين الحياة بينما تُستخدم نفس التقنية ضد شعبك؟

الحل: تطوير أنظمة ذكاء اصطناعي دفاعية للكشف عن انتهاكات حقوق الإنسان وتوثيقها، باستخدام تقنيات الاستخبارات مفتوحة المصدر (OSINT) والتدقيق الخوارزمي.

النظام البيئي للشركات الناشئة: بارقة أمل

على الرغم من كل هذه التحديات، هناك أكثر من 200 شركة ناشئة في فلسطين، مع تركيز كبير على التكنولوجيا، وفقاً لـ This Week in Palestine. شركات مثل "إكس-تكنولوجي" و"ياد" تعمل في مجالات الذكاء الاصطناعي والتعلم الآلي.

فلسطين AI Week 2026

حدث كبير يتم تنظيمه لدعوة الشركات الناشئة الفلسطينية في مجال الذكاء الاصطناعي (من نماذج أولية مثبتة إلى مرحلة النمو) لعرض منتجاتها والتواصل مع المستثمرين، وفقاً لـ MENA Startup Digest. هذا الحدث يمكن أن يكون نقطة تحول.

نموذج الابتكار القائم على الشركات الناشئة

نظراً لمحدودية الموارد الحكومية، يعتمد النظام البيئي الفلسطيني للذكاء الاصطناعي بشكل كبير على نموذج الابتكار من أسفل إلى أعلى. الشركات الناشئة تستفيد من العمل عن بعد والمنصات العالمية للعمل الحر لتجاوز قيود البنية التحتية المحلية. هذا نموذج معماري لامركزي يعتمد على السحابة أولاً.

تطبيقات الذكاء الاصطناعي الإنسانية: قوة التكنولوجيا في خدمة المجتمع

الزراعة الذكية

المثال البرمجي أعلاه يوضح كيف يمكن للذكاء الاصطناعي مساعدة المزارعين الفلسطينيين في الكشف المبكر عن أمراض المحاصيل، مما يقلل من استخدام المبيدات ويزيد الإنتاجية. هذا مهم بشكل خاص في المناطق التي يصعب الوصول فيها إلى الخبراء الزراعيين.

الصحة عن بعد

نماذج الذكاء الاصطناعي يمكنها تحليل الأشعة السينية وفحوصات الموجات فوق الصوتية في العيادات المتنقلة التي تعمل بدون إنترنت، مما يسد الفجوة في الرعاية الصحية في المناطق النائية.

التعليم

أنظمة التعلم التكيفي يمكنها تخصيص المحتوى التعليمي للطلاب في المدارس التي تعاني من نقص المعلمين، خاصة في القدس الشرقية والمناطق المصنفة "ج".

الخلاصة: الطريق إلى الأمام

الذكاء الاصطناعي في فلسطين ليس مجرد تقنية؛ إنه قضية وجودية. النجاح يتطلب:

1. الاستثمار في البنية التحتية: توفير الإنترنت عالي السرعة والطاقة الموثوقة.
2. بناء البيانات المحلية: جمع وتنظيف البيانات باللهجة الفلسطينية.
3. دعم الشركات الناشئة: إنشاء صناديق استثمارية محلية ودولية.
4. مكافحة هجرة العقول: توفير الموارد الحاسوبية والرواتب التنافسية.
5. التصدي للتسليح: تطوير أطر أخلاقية قوية وأنظمة دفاعية.

Key Takeaways

• الاستراتيجية الوطنية للذكاء الاصطناعي موجودة، لكنها تفتقر إلى البيانات الأساسية لقياس التقدم، مما يجعل تنفيذها تحدياً كبيراً.
• نشر الذكاء الاصطناعي على الحافة (Edge AI) هو الحل العملي الوحيد في بيئة تعاني من انقطاع الإنترنت وقيود البنية التحتية، كما يوضح مثال الكشف عن أمراض المحاصيل.
• النظام البيئي للشركات الناشئة مرن لكنه يعاني من فجوة تمويلية حادة، مع وجود صندوق استثماري محلي واحد فقط وتزايد المخاطر السياسية بعد أكتوبر 2023.
• تسليح الذكاء الاصطناعي ضد الفلسطينيين يخلق معضلة أخلاقية ويتطلب تطوير أنظمة دفاعية للتوثيق والتدقيق الخوارزمي.
• هجرة العقول هي أكبر تهديد طويل الأمد، وتتطلب استثماراً عاجلاً في الموارد الحاسوبية والمختبرات البحثية المحلية.