الذكاء الاصطناعي نعمة ام نقمة
إن مستوى ذكائنا يميزنا عن الكائنات الحية الأخرى وهو ضروري للتجربة الإنسانية. يعرف بعض الخبراء الذكاء بأنه القدرة على التكيف، وحل المشكلات، والتخطيط، والارتجال في المواقف الجديدة، وتعلم أشياء جديدة.
نظرًا لأن الذكاء يُنظر إليه أحيانًا على أنه أساس التجربة الإنسانية، فربما ليس من المستغرب أن نحاول إعادة إنشائه بشكل مصطنع في المساعي العلمية.
وقد تُظهر أنظمة الذكاء الاصطناعي اليوم بعض سمات الذكاء البشري، بما في ذلك التعلم، وحل المشكلات، والإدراك، بل وحتى نطاق محدود من الإبداع والذكاء الاجتماعي.
يأتي الذكاء الاصطناعي بأشكال مختلفة أصبحت متاحة على نطاق واسع في الحياة اليومية. تعد مكبرات الصوت الذكية الموجودة على عباءتك والمزودة بمساعد Alexa أو Google الصوتي المدمج مثالين رائعين على الذكاء الاصطناعي. ومن الأمثلة الجيدة الأخرى روبوتات الدردشة الشهيرة التي تعمل بالذكاء الاصطناعي، مثل ChatGPT ، و Bing Chat الجديد ، و Google Bard .
عندما تسأل ChatGPT عن عاصمة بلد ما أو تطلب من Alexa أن تقدم لك تحديثًا عن الطقس، فستحصل على ردود نتيجة لخوارزميات التعلم الآلي.
على الرغم من أن هذه الأنظمة ليست بديلاً عن الذكاء البشري أو التفاعل الاجتماعي، إلا أن لديها القدرة على استخدام تدريبها للتكيف وتعلم مهارات جديدة للمهام التي لم تتم برمجتها بشكل صريح لأدائها.
يمكن تقسيم الذكاء الاصطناعي إلى ثلاث فئات فرعية مقبولة على نطاق واسع: الذكاء الاصطناعي الضيق، والذكاء الاصطناعي العام، والذكاء الاصطناعي الفائق.
يعد الذكاء الاصطناعي الضيق (ANI) أمرًا بالغ الأهمية للمساعدين الصوتيين، مثل Siri وAlexa وGoogle Assistant. تشمل هذه الفئة الأنظمة الذكية التي تم تصميمها أو تدريبها لتنفيذ مهام محددة أو حل مشكلات معينة، دون أن تكون مصممة بشكل صريح للقيام بذلك.
قد يُشار غالبًا إلى الذكاء الاصطناعي الضعيف على أنه ذكاء اصطناعي ضعيف، لأنه لا يمتلك ذكاءً عامًا، ولكن بعض الأمثلة على قوة الذكاء الاصطناعي الضيق تشمل المساعدين الصوتيين المذكورين أعلاه، وكذلك أنظمة التعرف على الصور، والتقنيات التي تستجيب لطلبات خدمة العملاء البسيطة، والأدوات التي تحدد المحتوى غير المناسب عبر الإنترنت.
يعد ChatGPT مثالاً على ANI، حيث إنه مبرمج لأداء مهمة محددة، وهي إنشاء استجابات نصية للمطالبات المقدمة له.
مثل الإنسان، من المحتمل أن يكون الذكاء الاصطناعي العام قادرًا على فهم أي مهمة فكرية، والتفكير بشكل تجريدي، والتعلم من تجاربه، واستخدام تلك المعرفة لحل المشكلات الجديدة. في الأساس، نحن نتحدث عن نظام أو آلة قادرة على المنطق السليم، وهو أمر لا يمكن تحقيقه حاليًا باستخدام أي شكل من أشكال الذكاء الاصطناعي المتاح.
من المفترض أن تطوير نظام بوعيه الخاص لا يزال طريقًا عادلاً، لكنه الهدف النهائي في أبحاث الذكاء الاصطناعي.
بشكل عام، أبرز التطورات في الذكاء الاصطناعي هي تطوير وإصدار GPT 3.5 وGPT 4. ولكن كان هناك العديد من الإنجازات الثورية الأخرى في الذكاء الاصطناعي – في الواقع، كثيرة جدًا بحيث لا يمكن إدراجها جميعًا هنا.
فيما يلي بعض أبرزها:
ChatGPT عبارة عن روبوت محادثة يعمل بالذكاء الاصطناعي قادر على توليد اللغة الطبيعية وترجمتها والإجابة على الأسئلة. على الرغم من أنها أداة الذكاء الاصطناعي الأكثر شعبية، إلا أنه بفضل إمكانية الوصول إليها على نطاق واسع، أحدثت OpenAI موجات كبيرة في عالم الذكاء الاصطناعي من خلال إنشاء GPTs 1 و2 و3.
يرمز GPT إلى المحول التوليدي المُدرب مسبقًا، وكان GPT-3 أكبر نموذج لغة موجود وقت إطلاقه في عام 2020، مع 175 مليار معلمة. أحدث إصدار، GPT-4، الذي يمكن الوصول إليه من خلال ChatGPT Plus أو Bing Chat، يحتوي على تريليون معلمة.
على الرغم من أن سلامة السيارات ذاتية القيادة هي مصدر قلق كبير للمستخدمين المحتملين ، إلا أن التكنولوجيا مستمرة في التقدم والتحسن مع الاختراقات في مجال الذكاء الاصطناعي. تستخدم هذه المركبات خوارزميات التعلم الآلي لدمج البيانات من أجهزة الاستشعار والكاميرات لإدراك محيطها وتحديد أفضل مسار للعمل.
من المحتمل أن تكون ميزة الطيار الآلي لشركة Tesla في سياراتها الكهربائية هي ما يفكر فيه معظم الناس عند التفكير في السيارات ذاتية القيادة، لكن Waymo، من الشركة الأم لشركة Google، Alphabet، تقوم برحلات ذاتية القيادة، مثل سيارة أجرة بدون سائق سيارة أجرة، في سان فرانسيسكو، كاليفورنيا، وأمريكا. فينيكس، أريزونا.
تعد Cruise بمثابة خدمة سيارات أجرة آلية أخرى، ومن المفترض أن تعمل شركات السيارات مثل Apple وAudi وGM وFord أيضًا على تكنولوجيا المركبات ذاتية القيادة.
تبرز إنجازات بوسطن ديناميكس في مجال الذكاء الاصطناعي والروبوتات. على الرغم من أننا لا نزال بعيدين عن إنشاء الذكاء الاصطناعي على مستوى التكنولوجيا الذي رأيناه في فيلم Terminator المتحرك، فإن مشاهدة روبوتات Boston Dyanmics وهي تستخدم الذكاء الاصطناعي للتنقل والاستجابة للتضاريس المختلفة أمر مثير للإعجاب.
تعد شركة DeepMind الشقيقة لشركة Google رائدة في مجال الذكاء الاصطناعي وتخطو خطوات نحو الهدف النهائي المتمثل في الذكاء العام الاصطناعي (AGI). على الرغم من أنها لم تصل إلى هذا الحد بعد، إلا أن الشركة تصدرت عناوين الأخبار في البداية في عام 2016 باستخدام AlphaGo، وهو النظام الذي تغلب على لاعب Go البشري المحترف.
منذ ذلك الحين، أنشأت DeepMind نظامًا للتنبؤ بطي البروتين، والذي يمكنه التنبؤ بالأشكال المعقدة ثلاثية الأبعاد للبروتينات، كما طورت برامج يمكنها تشخيص أمراض العيون بفعالية مثل أفضل الأطباء حول العالم.
يتضمن التعلم الآلي نظامًا يتم تدريبه على كميات كبيرة من البيانات، حتى يتمكن من التعلم من الأخطاء، والتعرف على الأنماط من أجل إجراء تنبؤات وقرارات بدقة، سواء تعرضوا لبيانات محددة أم لا.
تتضمن أمثلة التعلم الآلي التعرف على الصور والكلام، والحماية من الاحتيال، والمزيد. أحد الأمثلة المحددة هو نظام التعرف على الصور عندما يقوم المستخدمون بتحميل صورة على Facebook. يمكن لشبكة التواصل الاجتماعي تحليل الصورة والتعرف على الوجوه، مما يؤدي إلى توصيات لوضع علامة على أصدقاء مختلفين. ومع مرور الوقت والممارسة، يصقل النظام هذه المهارة ويتعلم كيفية تقديم توصيات أكثر دقة.
كما ذكرنا أعلاه، يعد التعلم الآلي مجموعة فرعية من الذكاء الاصطناعي وينقسم عمومًا إلى فئتين رئيسيتين:
التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف.
يعد هذا أسلوبًا شائعًا لتدريس أنظمة الذكاء الاصطناعي باستخدام العديد من الأمثلة المصنفة التي تم تصنيفها بواسطة الأشخاص.
يتم تغذية أنظمة التعلم الآلي هذه بكميات هائلة من البيانات، والتي تم شرحها لتسليط الضوء على الميزات المثيرة للاهتمام – أنت تقوم بالتدريس بشكل أساسي للقدوة.
إذا كنت ترغب في تدريب نموذج التعلم الآلي للتعرف على صور الدوائر والمربعات والتمييز بينها، فستبدأ من خلال جمع مجموعة بيانات كبيرة.
من صور الدوائر والمربعات في سياقات مختلفة، مثل رسم كوكب لدائرة ، أو جدول لمربع، على سبيل المثال، مكتملًا بتسميات كل شكل.
وستتعلم الخوارزمية بعد ذلك هذه المجموعة من الصور لتمييز الأشكال وخصائصها، مثل الدوائر التي ليس لها زوايا والمربعات التي لها أربعة جوانب متساوية. بعد أن يتم تدريبه على مجموعة بيانات الصور، سيتمكن النظام من رؤية صورة جديدة وتحديد الشكل الذي يجده.
في المقابل، يستخدم التعلم غير الخاضع للرقابة نهجًا مختلفًا، حيث تحاول الخوارزميات تحديد الأنماط في البيانات، والبحث عن أوجه التشابه التي يمكن استخدامها لتصنيف تلك البيانات.
على سبيل المثال، قد يكون تجميع الفواكه ذات الوزن المماثل أو السيارات ذات حجم المحرك المماثل معًا.
لم يتم إعداد الخوارزمية مسبقًا لاختيار أنواع معينة من البيانات؛ فهو ببساطة يبحث عن البيانات ذات أوجه التشابه التي يمكنه تجميعها، على سبيل المثال، تجميع العملاء معًا بناءً على سلوك التسوق لاستهدافهم بحملات تسويقية مخصصة.
في التعلم المعزز، يحاول النظام تعظيم المكافأة بناءً على بياناته المدخلة، ويمر بشكل أساسي بعملية التجربة والخطأ حتى يصل إلى أفضل نتيجة ممكنة.
فكر في تدريب نظام ما على ممارسة لعبة فيديو، حيث يمكن أن يحصل على مكافأة إيجابية إذا حصل على درجة أعلى ومكافأة سلبية إذا حصل على درجة منخفضة. يتعلم النظام تحليل اللعبة والقيام بالحركات، ثم يتعلم فقط من المكافآت التي يتلقاها، ويصل إلى حد القدرة على اللعب بمفرده والحصول على درجة عالية دون تدخل بشري.
يُستخدم التعلم المعزز أيضًا في الأبحاث، حيث يمكن أن يساعد في تعليم الروبوتات المستقلة الطريقة المثلى للتصرف في بيئات العالم الحقيقي.
أحد أشهر أنواع الذكاء الاصطناعي في الوقت الحالي هي نماذج اللغات الكبيرة (LLM). تستخدم هذه النماذج التعلم الآلي غير الخاضع للرقابة ويتم تدريبها على كميات هائلة من النصوص لمعرفة كيفية عمل اللغة البشرية. تتضمن هذه النصوص المقالات والكتب والمواقع الإلكترونية والمزيد.
في عملية التدريب، يقوم طلاب LLM بمعالجة مليارات الكلمات والعبارات لتعلم الأنماط والعلاقات بينها، مما يجعل النماذج قادرة على توليد إجابات شبيهة بإجابات الإنسان للمطالبات.
LLM الأكثر شيوعًا هو GPT 3.5، والذي يعتمد عليه ChatGPT، وأكبر LLM هو GPT-4. يستخدم Bard LaMDA، وهو LLM تم تطويره بواسطة Google، وهو ثاني أكبر LLM.
يعد التعلم العميق جزءًا من عائلة التعلم الآلي، ويتضمن تدريب الشبكات العصبية الاصطناعية بثلاث طبقات أو أكثر لأداء مهام مختلفة. يتم توسيع هذه الشبكات العصبية إلى شبكات مترامية الأطراف تحتوي على عدد كبير من الطبقات العميقة التي يتم تدريبها باستخدام كميات هائلة من البيانات.
تميل نماذج التعلم العميق إلى أن تحتوي على أكثر من ثلاث طبقات، ويمكن أن تحتوي على مئات الطبقات. ويمكن استخدام التعلم الخاضع للإشراف أو غير الخاضع للإشراف أو مزيج من الاثنين معًا في عملية التدريب.
نظرًا لأن تكنولوجيا التعلم العميق يمكن أن تتعلم كيفية التعرف على الأنماط المعقدة في البيانات باستخدام الذكاء الاصطناعي، فغالبًا ما يتم استخدامها في معالجة اللغة الطبيعية (NLP)، والتعرف على الكلام، والتعرف على الصور.
يعتمد نجاح التعلم الآلي على الشبكات العصبية. هذه نماذج رياضية تعتمد بنيتها ووظيفتها بشكل فضفاض على الاتصال بين الخلايا العصبية في الدماغ البشري، ومحاكاة الطريقة التي تشير بها إلى بعضها البعض.
تخيل مجموعة من الروبوتات تعمل معًا لحل اللغز. تتم برمجة كل واحدة للتعرف على شكل أو لون مختلف في قطع اللغز. تجمع الروبوتات قدراتها على حل اللغز معًا. الشبكة العصبية تشبه مجموعة الروبوتات.
يمكن للشبكات العصبية تعديل المعلمات الداخلية لتغيير ما تنتجه. ويتم تغذية كل واحد منهم بقواعد بيانات لمعرفة ما يجب عليه طرحه عند تقديم بيانات معينة أثناء التدريب.
وهي مكونة من طبقات مترابطة من الخوارزميات التي تغذي البيانات في بعضها البعض. يمكن تدريب الشبكات العصبية على تنفيذ مهام محددة عن طريق تعديل الأهمية المنسوبة للبيانات أثناء مرورها بين الطبقات. أثناء تدريب هذه الشبكات العصبية، ستستمر الأوزان المرتبطة بالبيانات أثناء مرورها بين الطبقات بالتنوع حتى يصبح الناتج من الشبكة العصبية قريبًا جدًا مما هو مرغوب فيه.
عند هذه النقطة، ستكون الشبكة قد “تعلمت” كيفية تنفيذ مهمة معينة. يمكن أن يكون الناتج المطلوب أي شيء بدءًا من وضع علامات صحيحة على الفاكهة في الصورة إلى التنبؤ بموعد فشل المصعد بناءً على بيانات المستشعر الخاصة به.
يتضمن الذكاء الاصطناعي للمحادثة أنظمة مبرمجة لإجراء محادثات مع المستخدم: مدربة على الاستماع (الإدخال)، والرد (الإخراج) بطريقة محادثة. يستخدم الذكاء الاصطناعي للمحادثة معالجة اللغة الطبيعية للفهم والاستجابة بطريقة طبيعية.
بعض الأمثلة على الذكاء الاصطناعي التحادثي هي روبوتات الدردشة مثل Google Bard، أو مكبرات الصوت الذكية المزودة بمساعد صوتي مثل Amazon Alexa، أو المساعدين الافتراضيين على هاتفك الذكي مثل Siri.
يتمتع عامة المستهلكين والشركات على حدٍ سواء بثروة من خدمات الذكاء الاصطناعي المتاحة لتسريع المهام وإضافة الراحة إلى الحياة اليومية – من المحتمل أن يكون لديك شيء في منزلك يستخدم الذكاء الاصطناعي في بعض القدرات.
فيما يلي بعض الأمثلة الشائعة للذكاء الاصطناعي المتاحة للجمهور، مجانًا ومقابل رسوم:
يستخدم كل من Amazon Alexa الموجود في جهاز Echo الموجود على الرف الخاص بك أو Apple’s Siri في جهاز iPhone الخاص بك ومساعد Google معالجة اللغة الطبيعية لفهم أسئلتك أو أوامرك والرد عليها.
روبوتات الدردشة التي تعمل بالذكاء الاصطناعي هي شكل آخر من أشكال المساعدين الافتراضيين الذين يمكنهم التفاعل مع الأشخاص، وفي بعض الحالات، إجراء محادثات تشبه المحادثات البشرية، وحتى محاكاة التعاطف والاهتمام.
يصل التعلم الآلي إلى أبعد الحدود، وتستخدمه خدمات مثل Google Translate وMicrosoft Translator وAmazon Translate وChatGPT لترجمة النص.
يعد Microsoft 365 Copilot مثالاً رائعًا على LLM المستخدم كأداة إنتاجية للذكاء الاصطناعي، ومضمنة في Word وPowerPoint وOutlook وExcel وTeams والمزيد لأتمتة المهام نيابةً عنك. إن مجرد طلب “إرسال بريد إلكتروني إلى الفريق حول أحدث حالة للمشروع” سيؤدي إلى قيام Copilot بجمع المعلومات تلقائيًا من رسائل البريد الإلكتروني والمستندات لإنشاء نص يتضمن ما طلبته.
تستخدم برامج مختلفة الذكاء الاصطناعي للعثور على معلومات حول المحتوى الموجود في الصور ومقاطع الفيديو، مثل الوجوه والنصوص والكائنات الموجودة بداخلها. ومن الأمثلة على ذلك شركة Clarifai، التي تستخدم التعلم الآلي لتنظيم البيانات غير المنظمة من المصادر، وAmazon Rekognition، وهي خدمة AWS التي تتيح للمستخدمين تحميل الصور لتلقي المعلومات.
بدأ العديد من المطورين في استخدام ChatGPT لكتابة التعليمات البرمجية وتصحيح الأخطاء، ولكن هناك العديد من أدوات الذكاء الاصطناعي الأخرى المتاحة لتسهيل مهمة المبرمج. أحد الأمثلة على ذلك هو مبرمج GitHub Copilot من OpenAI Codex، وهو نموذج لغة توليدي يمكنه كتابة التعليمات البرمجية بشكل أسرع وبجهد أقل عن طريق الإكمال التلقائي للتعليقات والتعليمات البرمجية على الفور.
بصرف النظر عن استفادة المستخدم اليومي من الذكاء الاصطناعي من حوله، هناك خدمات تقدم أدوات الذكاء الاصطناعي للشركات، بما في ذلك OpenAI’s GPT-4 API (المدرجة حاليًا في قائمة الانتظار) للتطبيقات والخدمات المبنية باستخدام LLM؛ أو Amazon Bedrock ، وهي مجموعة من أدوات الذكاء الاصطناعي المستندة إلى السحابة والمخصصة للمطورين.
على الرغم من أن الذكاء الاصطناعي التوليدي يقود اختراقات الذكاء الاصطناعي لعام 2023 ، إلا أن هناك شركات كبرى أخرى تعمل على تحقيق اختراقاتها الخاصة.
OpenAI
ليس من المستغرب أن تأخذ OpenAI زمام المبادرة حتى الآن في سباق الذكاء الاصطناعي هذا العام، بعد إتاحة أدوات الذكاء الاصطناعي التوليدية للاستخدام على نطاق واسع مجانًا، مثل Chatbot ChatGPT و Dall-E 2، وهو مولد صور.
تمتلك شركة Alphabet، الشركة الأم لشركة Google، أيديها في العديد من أنظمة الذكاء الاصطناعي المختلفة من خلال بعض شركاتها، بما في ذلك DeepMind وWaymo وGoogle المذكورة آنفًا.
تستمر شركة DeepMind في متابعة الذكاء الاصطناعي العام، كما يتضح من الحلول العلمية التي تسعى جاهدة لتحقيقها من خلال أنظمة الذكاء الاصطناعي. لقد طورت نماذج للتعلم الآلي لـ Document AI، وحسّنت تجربة المشاهد على Youtube، وجعلت AlphaFold متاحًا للباحثين في جميع أنحاء العالم، والمزيد.
على الرغم من أنك قد لا تسمع عن مساعي الذكاء الاصطناعي لشركة Alphabet في الأخبار كل يوم، إلا أن أعمالها في مجال التعلم العميق والذكاء الاصطناعي بشكل عام لديها القدرة على تغيير مستقبل البشر.
بصرف النظر عن إنشاء Microsoft 365 Copilot لمجموعة 365 من التطبيقات، توفر Microsoft مجموعة من أدوات الذكاء الاصطناعي للمطورين على Azure ، مثل الأنظمة الأساسية لتطوير التعلم الآلي، وتحليلات البيانات، والذكاء الاصطناعي للمحادثة، وواجهات برمجة التطبيقات القابلة للتخصيص التي تحقق التكافؤ البشري في رؤية الكمبيوتر، الكلام واللغة.
استثمرت Microsoft أيضًا بكثافة في تطوير OpenAI، وتستخدم GPT-4 في Bing Chat الجديد ، بالإضافة إلى إصدار أكثر تقدمًا من Dall-E 2 لـ Bing Image Creator .
هذه مجرد أمثلة قليلة للشركات التي تقود سباق الذكاء الاصطناعي، ولكن هناك العديد من الشركات الأخرى في جميع أنحاء العالم التي تخطو خطوات كبيرة أيضًا في مجال الذكاء الاصطناعي، بما في ذلك بايدو ، وعلي بابا ، وكروز ، ولينوفو ، وتيسلا ، وغيرها.
يتمتع الذكاء الاصطناعي بالقدرة على تغيير طريقة عملنا، وصحتنا، وكيفية استهلاكنا لوسائل الإعلام ووصولنا إلى العمل، وخصوصيتنا، والمزيد.
فكر في التأثير الذي يمكن أن تحدثه بعض أنظمة الذكاء الاصطناعي على العالم ككل. يمكن للأشخاص أن يطلبوا من مساعد صوتي على هواتفهم أن يرافقهم في سيارات ذاتية القيادة لإيصالهم إلى العمل، حيث يمكنهم استخدام أدوات الذكاء الاصطناعي ليكونوا أكثر كفاءة من أي وقت مضى.
ويمكن للأطباء وأخصائيي الأشعة تشخيص السرطان باستخدام موارد أقل، وتحديد التسلسل الجيني المرتبط بالأمراض، وتحديد الجزيئات التي يمكن أن تؤدي إلى أدوية أكثر فعالية، مما يحتمل أن ينقذ عددًا لا يحصى من الأرواح.
وبدلاً من ذلك، يجدر النظر في الاضطراب الذي قد ينجم عن وجود شبكات عصبية يمكنها إنشاء صور واقعية، مثل Dall-E 2، وMidjourney، وBing؛ يمكنها تقليد صوت شخص ما أو إنشاء مقاطع فيديو مزيفة باستخدام تشابه الشخص. يمكن أن تهدد هذه الصور أو مقاطع الفيديو أو التسجيلات الصوتية التي يمكن للأشخاص اعتبارها أصلية.
هناك مشكلة أخلاقية أخرى تتعلق بالذكاء الاصطناعي تتعلق بالتعرف على الوجه ومراقبته، وكيف يمكن أن تكون هذه التكنولوجيا تدخلاً على خصوصية الأشخاص، حيث يتطلع العديد من الخبراء إلى حظرها تمامًا.
إن إمكانية استبدال أنظمة الذكاء الاصطناعي لجزء كبير من العمالة الحديثة هي إمكانية موثوقة في المستقبل القريب.
في حين أن الذكاء الاصطناعي الشائع لن يحل محل جميع الوظائف، إلا أن ما يبدو مؤكدًا هو أن الذكاء الاصطناعي سيغير طبيعة العمل، والسؤال الوحيد هو مدى سرعة ومدى عمق الأتمتة في تغيير مكان العمل.
ومع ذلك، لا يمكن للذكاء الاصطناعي أن يعمل من تلقاء نفسه، وبينما قد تكون العديد من الوظائف ذات البيانات الروتينية والمتكررة مؤتمتة، يمكن للعاملين في وظائف أخرى استخدام أدوات مثل الذكاء الاصطناعي التوليدي ليصبحوا أكثر إنتاجية وكفاءة.
هناك مجموعة واسعة من الآراء بين خبراء الذكاء الاصطناعي حول مدى سرعة تجاوز أنظمة الذكاء الاصطناعي للقدرات البشرية.
السيارات ذاتية القيادة بالكامل ليست حقيقة واقعة حتى الآن، ولكن وفقًا لبعض التوقعات ، فإن صناعة النقل بالشاحنات ذاتية القيادة وحدها على وشك الاستحواذ على أكثر من 500 ألف وظيفة في الولايات المتحدة حتمًا، حتى دون النظر في التأثير على سائقي التوصيل وسائقي سيارات الأجرة.
02
03
04
05
06
07
08
09
إرسال تعليقك عن طريق :