أقامت كلية علوم الحاسوب والرياضيات في قسم الذكاء الاصطناعي حلقة دراسية (سمنار) بعنوان: “التعلم قليل البيانات في البيئات محدودة الموارد – From Few-Shot Learning to Zero-Shot Learning”، يوم الأحد الموافق 12-10-2026، على قاعة رقم 01، قدّمتها د. لمى أكرم عبدالله بحضور جمع من تدريسيي وباحثي القسم.
يتطرق هذا السمنار إلى التعريف بتقنيات التعلم قليل البيانات (Few-Shot Learning) والتعلم بدون بيانات (Zero-Shot Learning) بوصفها حلولاً عملية لمشكلة نقص البيانات المُعنونة وضعف الموارد الحاسوبية، وإبراز دورها في تمكين المؤسسات والدول النامية من بناء نماذج ذكاء اصطناعي فعّالة بكلفة أقل. ويسهم ذلك في تحقيق أهداف التنمية المستدامة، ولا سيما دعم الابتكار والبنية التحتية (الهدف 9)، وتقليل الفجوة الرقمية والتقنية بين الدول (الهدف 10)، وتعزيز التعليم والبحث العلمي (الهدف 4).
وخلص السمنار إلى أن التعلم العميق التقليدي يعتمد على كميات ضخمة من البيانات وقدرات حاسوبية عالية لا تتوفر دائماً، بينما يتيح Few-Shot Learning تعلّم المهام الجديدة من أمثلة قليلة جداً عبر التعلم الفوقي والتعلم بالنقل والتعلم المتري، ويتيح Zero-Shot Learning التعرّف على فئات لم تُشاهد أثناء التدريب باستخدام المعرفة الدلالية والوصفية. ويقلل هذا التحول من كلفة جمع البيانات واستهلاك الطاقة، مما يجعل الذكاء الاصطناعي أكثر استدامة وإتاحة، وتتجلى فائدته في تطبيقات مثل التشخيص الطبي (الهدف 3)، والزراعة الذكية (الهدف 2)، والتصنيع الذكي (الهدف 9)، والتعليم (الهدف 4). ويلخص السمنار إلى أن الانتقال من Few-Shot إلى Zero-Shot خطوة نحو ذكاء اصطناعي أكثر كفاءة وشمولاً وعدالة، يخدم التنمية المستدامة.
يخدم هذا السمنار العلمي موضوعات تتقاطع مباشرة مع عدة أهداف من أهداف التنمية المستدامة (SDGs)، وأبرزها: الهدف 9، الهدف 10، الهدف 4، الهدف 3، الهدف 2، والهدف 13 (العمل المناخي)، لما يوفره التعلم قليل البيانات من تقليل الحاجة إلى التدريب المكثف على نماذج ضخمة، وبالتالي خفض استهلاك الطاقة والبصمة الكربونية للذكاء الاصطناعي.