نيويورك ـ بعدما ضرب إعصار كاترينا مدينة نيو أورليانز في عام 2005، قامت شركة التسويق المباشر عبر البريد Valassis بتقاسم قاعدة بياناتها مع وكالات الطوارئ والمتطوعين من أجل تحسين تقديم المساعدات. في سانتياغو، تشيلي، تعاون محللون من جامعة ديل ديارولو ومؤسسة ISI واليونيسيف وشركة GovLab معشركة تيليفونيكا، أكبر مشغل للهاتف المحمول في المدينة، لدراسة أنماط التنقل القائمة على النوع الاجتماعي من أجل تصميم سياسة نقل أكثر إنصافًا. وكجزء من مشروع الوصول إلى البيانات المفتوحة بجامعة ييل الأمريكية، تمنح شركات الرعاية الصحيةجونسون وجونسونو Medtronic و SI-BONE للباحثين إمكانية الوصول إلى البيانات المصنفة مسبقًا من 333 تجربة سريرية، مما يفتح الباب أمام الابتكارات الجديدة المحتملة في مجال الطب.
هذه فقط ثلاثة أمثلة على "تعاونيات البيانات"، وهي شكل ناشئ من الشراكة يتبادل فيها المشاركون البيانات من أجل الصالح العام. تشمل هذه الروابط عادة الهيئات العامة التي تستخدم بيانات من الشركات وغيرها من كيانات القطاع الخاص لفائدة المجتمع. لكن يمكن للمتعاونين في مجال البيانات مساعدة الشركات أيضًا - حيث تشارك شركات المستحضرات الصيدلانية في البيانات المتعلقة بالعلامات الحيوية لتسريع جهود أبحاث الأدوية الخاصة بها، على سبيل المثال. تمتلك مبادرات مشاركة البيانات أيضًا إمكانات هائلة لتحسين الذكاء الاصطناعي. لكن يجب تصميمها بطريقة مسؤولة وتأخذ اهتمامات خصوصية البيانات بعين الاعتبار.
يعد فهم الحالة المجتمعية والتجارية الخاصة بتعاونيات البيانات، وكذلك النماذج التي يمكن اتخاذها، أمرًا ضروريًا لاكتساب تقدير أعمق لإمكانات هذه المشاريع والقيود المفروضة عليها. حددت GovLab أكثر من 150 من شركاء البيانات عبر القارات والقطاعات؛ وتشمل شرِكات مثل Air France وZillow و فيسبوك. يشير بحثنا إلى أن مثل هذه الشراكات يمكن أن تخلق قيمة مضافة بثلاث طرق رئيسية.
بداية، يمكن لتعاونيات البيانات تحسين التحليل الظرفي والسببي. تساعد مجموعات البيانات الخاصة المسؤولين الحكوميين على فهم القضايا مثل المشكلات المرورية أو عدم المساواة المالية بشكل أفضل، وتصميم سياسات أكثر تركيزًا وقائمة على الأدلة.
علاوة على ذلك، فإن عمليات تبادل البيانات هذه تعزز القدرة التنبؤية لصانعي القرار. يمكن لمخازن اليوم الواسعة من البيانات العامة والخاصة أن تقدم رؤى قوية للتطورات المستقبلية وبالتالي تساعد صناع السياسة على تخطيط وتنفيذ تدابير أكثر فعالية.
أخيرًا، والأهم من ذلك، يمكن أن تجعل تعاونيات البيانات الذكاء الاصطناعي أكثر قوة ودقة واستجابة. على الرغم من أن المحللين يشيرون إلى أن الذكاء الاصطناعي سيكون في مركز إدارة القرن الحادي والعشرين، إلا أن إنتاجه لا يعدو كونه جيدًا مثل النماذج الأساسية. وتعتمد دقة النماذج بشكل عام على جودة وعمق وتعقيد وتنوع البيانات التي تقوم عليها. وهكذا يمكن أن يلعب شركاء البيانات دورًا حيويًا في بناء نماذج أفضل للذكاء الاصطناعي من خلال إسقاط الحواجز وتجميع البيانات من مصادر جديدة وبديلة.
Enjoy unlimited access to the ideas and opinions of the world’s leading thinkers, including weekly long reads, book reviews, topical collections, and interviews; The Year Ahead annual print magazine; the complete PS archive; and more – for less than $9 a month.
Subscribe Now
التعاون في مجال البيانات بين القطاعين العام والخاص ينطوي على إمكانات كبيرة لإفادة المجتمع. يمكن لواضعي السياسات الذين يقومون بتحليل أنماط حركة المرور أو التنمية الاقتصادية في المدن جعل نماذجهم أكثر دقة عن طريق استخدام سجلات تفاصيل المكالمات الصادرة عن مزودي الاتصالات، على سبيل المثال. ويمكن للباحثين تحسين نماذج التنبؤ بالمناخ عن طريق إضافة بيانات من مشغلي الأقمار الصناعية التجارية. قد يكون تبادل البيانات مفيدًا بنفس القدر للقطاع الخاص، حيث يساعد الشركات على تعزيز سمعة علامتها التجارية، وتوجيه الإنفاق على الأبحاث والتطوير بشكل أكثر فعالية، ورفع الأرباح، وتحديد المخاطر والفرص الجديدة.
رغم كل هذا التقدم والوعد، لا يزال التعاون في مجال البيانات مجالًا ناشئًا، وبدأنا فقط في فهم فوائده وعيوبه المحتملة. يؤكد نهجنا في GovLab على المنفعة المتبادلة للتعاون ويهدف إلى بناء الثقة بين موردي البيانات والمستخدمين.
كجزء من هذه العملية ، بدأنا في تصميم إطار عمل مؤسسي يضع التعاون المسؤول والبيانات في قلب عمليات كيانات القطاعين العام والخاص. ويشمل ذلك تحديد كبار مديري البيانات في هذه المنظمات لقيادة تصميم وتنفيذ الجهود التعاونية المنهجية والمستدامة والأخلاقية. الهدف من ذلك هو بناء شبكة من الأفراد من القطاعين العام والخاص لتعزيز الإشراف على البيانات.
بالنظر إلى المخاوف المتزايدة بشأن خصوصية البيانات وإساءة استخدامها - ما يسمى بـ techlash - من المفهوم أن يكون البعض حذرين من مبادرات مشاركة البيانات. نحن ندرك هذه المخاوف المشروعة، وأسباب تآكل ثقة الجمهور بشكل عام. لكننا نعتقد أيضًا أن بناء أطر صارمة ومناهج أكثر منهجية للتعاون في البيانات هي أفضل الطرق لمعالجة هذه المخاوف.
تجمع تعاونيات البيانات معًا البيانات المهجورة والخبرات المشتتة، مما يساعد على مطابقة العرض والطلب على هذه المعلومات. وتضمن المبادرات المصممة تصميما جيدا للمؤسسات والأفراد المناسبين استخدام البيانات بمسؤولية من أجل مزيد من السياسات الاجتماعية المبتكرة. كما أن تسريع نمو تعاونيات البيانات أمر حاسم لمواصلة تطوير الذكاء الاصطناعى.
تنطوي مشاركة البيانات على مخاطر، لكن لديها أيضًا القدرة على تغيير الطريقة التي نحكم بها. من خلال تسخير قوة تعاونيات البيانات، يمكن للحكومات تطوير سياسات أكثر ذكاءً تعمل على تحسين حياة الناس.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
Following the Chinese government’s sweeping corporate crackdown this year, three recent books on the country’s governance model have become especially timely. Each suggests that Chinese President Xi Jinping will have to navigate fundamental contradictions in his quest for “common prosperity.”
reviews three books examining the increasingly obvious flaws in the country’s governance model.
نيويورك ـ بعدما ضرب إعصار كاترينا مدينة نيو أورليانز في عام 2005، قامت شركة التسويق المباشر عبر البريد Valassis بتقاسم قاعدة بياناتها مع وكالات الطوارئ والمتطوعين من أجل تحسين تقديم المساعدات. في سانتياغو، تشيلي، تعاون محللون من جامعة ديل ديارولو ومؤسسة ISI واليونيسيف وشركة GovLab معشركة تيليفونيكا، أكبر مشغل للهاتف المحمول في المدينة، لدراسة أنماط التنقل القائمة على النوع الاجتماعي من أجل تصميم سياسة نقل أكثر إنصافًا. وكجزء من مشروع الوصول إلى البيانات المفتوحة بجامعة ييل الأمريكية، تمنح شركات الرعاية الصحيةجونسون وجونسونو Medtronic و SI-BONE للباحثين إمكانية الوصول إلى البيانات المصنفة مسبقًا من 333 تجربة سريرية، مما يفتح الباب أمام الابتكارات الجديدة المحتملة في مجال الطب.
هذه فقط ثلاثة أمثلة على "تعاونيات البيانات"، وهي شكل ناشئ من الشراكة يتبادل فيها المشاركون البيانات من أجل الصالح العام. تشمل هذه الروابط عادة الهيئات العامة التي تستخدم بيانات من الشركات وغيرها من كيانات القطاع الخاص لفائدة المجتمع. لكن يمكن للمتعاونين في مجال البيانات مساعدة الشركات أيضًا - حيث تشارك شركات المستحضرات الصيدلانية في البيانات المتعلقة بالعلامات الحيوية لتسريع جهود أبحاث الأدوية الخاصة بها، على سبيل المثال. تمتلك مبادرات مشاركة البيانات أيضًا إمكانات هائلة لتحسين الذكاء الاصطناعي. لكن يجب تصميمها بطريقة مسؤولة وتأخذ اهتمامات خصوصية البيانات بعين الاعتبار.
يعد فهم الحالة المجتمعية والتجارية الخاصة بتعاونيات البيانات، وكذلك النماذج التي يمكن اتخاذها، أمرًا ضروريًا لاكتساب تقدير أعمق لإمكانات هذه المشاريع والقيود المفروضة عليها. حددت GovLab أكثر من 150 من شركاء البيانات عبر القارات والقطاعات؛ وتشمل شرِكات مثل Air France وZillow و فيسبوك. يشير بحثنا إلى أن مثل هذه الشراكات يمكن أن تخلق قيمة مضافة بثلاث طرق رئيسية.
بداية، يمكن لتعاونيات البيانات تحسين التحليل الظرفي والسببي. تساعد مجموعات البيانات الخاصة المسؤولين الحكوميين على فهم القضايا مثل المشكلات المرورية أو عدم المساواة المالية بشكل أفضل، وتصميم سياسات أكثر تركيزًا وقائمة على الأدلة.
علاوة على ذلك، فإن عمليات تبادل البيانات هذه تعزز القدرة التنبؤية لصانعي القرار. يمكن لمخازن اليوم الواسعة من البيانات العامة والخاصة أن تقدم رؤى قوية للتطورات المستقبلية وبالتالي تساعد صناع السياسة على تخطيط وتنفيذ تدابير أكثر فعالية.
أخيرًا، والأهم من ذلك، يمكن أن تجعل تعاونيات البيانات الذكاء الاصطناعي أكثر قوة ودقة واستجابة. على الرغم من أن المحللين يشيرون إلى أن الذكاء الاصطناعي سيكون في مركز إدارة القرن الحادي والعشرين، إلا أن إنتاجه لا يعدو كونه جيدًا مثل النماذج الأساسية. وتعتمد دقة النماذج بشكل عام على جودة وعمق وتعقيد وتنوع البيانات التي تقوم عليها. وهكذا يمكن أن يلعب شركاء البيانات دورًا حيويًا في بناء نماذج أفضل للذكاء الاصطناعي من خلال إسقاط الحواجز وتجميع البيانات من مصادر جديدة وبديلة.
Subscribe to Project Syndicate
Enjoy unlimited access to the ideas and opinions of the world’s leading thinkers, including weekly long reads, book reviews, topical collections, and interviews; The Year Ahead annual print magazine; the complete PS archive; and more – for less than $9 a month.
Subscribe Now
التعاون في مجال البيانات بين القطاعين العام والخاص ينطوي على إمكانات كبيرة لإفادة المجتمع. يمكن لواضعي السياسات الذين يقومون بتحليل أنماط حركة المرور أو التنمية الاقتصادية في المدن جعل نماذجهم أكثر دقة عن طريق استخدام سجلات تفاصيل المكالمات الصادرة عن مزودي الاتصالات، على سبيل المثال. ويمكن للباحثين تحسين نماذج التنبؤ بالمناخ عن طريق إضافة بيانات من مشغلي الأقمار الصناعية التجارية. قد يكون تبادل البيانات مفيدًا بنفس القدر للقطاع الخاص، حيث يساعد الشركات على تعزيز سمعة علامتها التجارية، وتوجيه الإنفاق على الأبحاث والتطوير بشكل أكثر فعالية، ورفع الأرباح، وتحديد المخاطر والفرص الجديدة.
رغم كل هذا التقدم والوعد، لا يزال التعاون في مجال البيانات مجالًا ناشئًا، وبدأنا فقط في فهم فوائده وعيوبه المحتملة. يؤكد نهجنا في GovLab على المنفعة المتبادلة للتعاون ويهدف إلى بناء الثقة بين موردي البيانات والمستخدمين.
كجزء من هذه العملية ، بدأنا في تصميم إطار عمل مؤسسي يضع التعاون المسؤول والبيانات في قلب عمليات كيانات القطاعين العام والخاص. ويشمل ذلك تحديد كبار مديري البيانات في هذه المنظمات لقيادة تصميم وتنفيذ الجهود التعاونية المنهجية والمستدامة والأخلاقية. الهدف من ذلك هو بناء شبكة من الأفراد من القطاعين العام والخاص لتعزيز الإشراف على البيانات.
بالنظر إلى المخاوف المتزايدة بشأن خصوصية البيانات وإساءة استخدامها - ما يسمى بـ techlash - من المفهوم أن يكون البعض حذرين من مبادرات مشاركة البيانات. نحن ندرك هذه المخاوف المشروعة، وأسباب تآكل ثقة الجمهور بشكل عام. لكننا نعتقد أيضًا أن بناء أطر صارمة ومناهج أكثر منهجية للتعاون في البيانات هي أفضل الطرق لمعالجة هذه المخاوف.
تجمع تعاونيات البيانات معًا البيانات المهجورة والخبرات المشتتة، مما يساعد على مطابقة العرض والطلب على هذه المعلومات. وتضمن المبادرات المصممة تصميما جيدا للمؤسسات والأفراد المناسبين استخدام البيانات بمسؤولية من أجل مزيد من السياسات الاجتماعية المبتكرة. كما أن تسريع نمو تعاونيات البيانات أمر حاسم لمواصلة تطوير الذكاء الاصطناعى.
تنطوي مشاركة البيانات على مخاطر، لكن لديها أيضًا القدرة على تغيير الطريقة التي نحكم بها. من خلال تسخير قوة تعاونيات البيانات، يمكن للحكومات تطوير سياسات أكثر ذكاءً تعمل على تحسين حياة الناس.