# صعود قائمة مكونات الذكاء الاصطناعي: لماذا تقترب حقبة الصندوق الأسود من نهايتها؟

> تعرف على قائمة مكونات الذكاء الاصطناعي (AIBOM)، ولماذا تفرضها اللوائح التنظيمية الجديدة، وكيف تساهم في تأمين الطبقة المعرفية لنماذج التعلم الآلي.

- Canonical URL: https://coreiten.com/article/صعود-قائمة-مكونات-الذكاء-الاصطناعي-لماذا-تقترب-حقبة-الصندوق-الأسود-من-نهايتها
- Language: ar
- Section: معلومات تقنية
- Author: Sami
- Published: 2026-09-10T18:02:08+03:00
- Modified: 2026-09-10T18:02:08+03:00
- Publisher: CoreITen (https://coreiten.com)
- Keywords: قائمة مكونات الذكاء الاصطناعي, AIBOM, شفافية الذكاء الاصطناعي, إدارة مخاطر الذكاء الاصطناعي, نماذج التعلم الآلي, الامتثال التنظيمي للذكاء الاصطناعي

## ملخص

تتجه المؤسسات التقنية نحو تبني قائمة مكونات الذكاء الاصطناعي (AIBOM) لإنهاء عصر الصندوق الأسود وتلبية المتطلبات التنظيمية المتزايدة.

- يُعرّف المعهد الوطني للمعايير والتقنية (NIST) قوائم AIBOM كعوامل تمكين حاسمة لشفافية وأمان برمجيات الذكاء الاصطناعي.
- أوضحت أربيتا سوني، العضو البارز في جمعية IEEE، أن اللوائح التنظيمية مثل قانون الذكاء الاصطناعي الأوروبي تدفع نحو هذا التحول الفوري.
- أكدت كاتي نورتون من شركة IDC أن قائمة مكونات البرمجيات وحدها غير كافية لأن أنظمة الذكاء الاصطناعي تعتمد على البيانات غير الحتمية.
- تتكون قائمة AIBOM من أربع طبقات أساسية تشمل طبقة البيانات، وطبقة النموذج، وطبقة البنية التحتية والتبعيات، وطبقة البيانات الوصفية للحوكمة.
- تعتمد أدوات توحيد معايير AIBOM حالياً على ملفات تعريف مدركة للذكاء الاصطناعي عبر معايير مثل SPDX و CycloneDX.

**لماذا يهم:** تساعد قوائم AIBOM الشركات على تجاوز مخاطر الذكاء الاصطناعي في الظل وتوفير خط دفاع قانوني أساسي ضد المساءلة والمشكلات التنظيمية.

---

عندما يتخذ نظام الذكاء الاصطناعي قراراً خاطئاً، تعجز معظم المؤسسات عن تفسير السبب. فهي تفتقر إلى الرؤية الواضحة حول بيانات التدريب، أو إصدار النموذج المحدد، أو التبعيات الخارجية المتورطة، مما يخلق نقطة عمياء أخلاقية وتنظيمية هائلة. وللحد من هذه المخاطر، يتجه قادة التقنية بوتيرة متسارعة نحو تبني إطار عمل جديد يُعرف باسم قائمة مكونات الذكاء الاصطناعي (AIBOM).

وعلى غرار قائمة مكونات البرمجيات (SBOM) التي تتتبع الأكواد البرمجية والمكتبات، تعمل قائمة AIBOM كجرد مقروء آلياً للطبقة المعرفية في أنظمة الذكاء الاصطناعي. ووفقاً للمعهد الوطني للمعايير والتقنية (NIST)، تُعد هذه القوائم عوامل تمكين حاسمة لشفافية وأمان برمجيات الذكاء الاصطناعي. ويتسارع التوجه نحو تبني هذه القوائم بفضل تزايد المتطلبات التنظيمية، بما في ذلك الأمر التنفيذي لعام 2024 بشأن استخدام وتطوير الذكاء الاصطناعي في الولايات المتحدة، وقانون الذكاء الاصطناعي الأوروبي.

وأشارت أربيتا سوني، العضو البارز في جمعية IEEE، إلى أن اللوائح التنظيمية تدفع نحو هذا التحول الفوري. وأوضحت سوني: "أرى تركيزاً كبيراً على عمليات الجرد ونماذج BOM المحيطة بها بسبب زيادة الضوابط التنظيمية"، مضيفة أن المؤسسات تتبنى هذا النموذج لتجاوز عمليات تدقيق الامتثال.

> قائمة مكونات البرمجيات وحدها غير كافية لأنظمة الذكاء الاصطناعي لأنها تجرد الأكواد فقط. أنظمة الذكاء الاصطناعي تعتمد على البيانات وغالباً ما تكون غير حتمية؛ فسلوكها ينبع من بيانات التدريب وتكوين النموذج بدلاً من المنطق المكتوب صراحةً.
>
>  - كاتي نورتون، شركة IDC

### الطبقات الأربع الأساسية لقائمة AIBOM

تحدد كاتي نورتون، مديرة أبحاث أمن السحابة في شركة IDC، أربع طبقات مهيكلة يجب توثيقها داخل قوائم الجرد المقروءة آلياً:

- **طبقة البيانات (Data layer):** تتتبع مجموعات بيانات التدريب والتحقق، والمصدر، والتراخيص، وحساسية البيانات. وتجيب هذه الطبقة عن أسئلة حاسمة حول أصول البيانات ووجود معلومات تعريف شخصية.
- **طبقة النموذج (Model layer):** تُفصّل البنية المعمارية، والأوزان، والمعلمات الفائقة، والإصدارات، والتسلسل لتوضيح تكوين التدريب الدقيق المستخدم.
- **طبقة البنية التحتية والتبعيات (Infrastructure and dependency layers):** تفهرس أطر العمل، والأجهزة، والمكتبات اللازمة لتشغيل النموذج، وتحدد بدقة مكان عمله.
- **طبقة البيانات الوصفية للحوكمة (Governance metadata layer):** تحدد الاستخدام المقصود، والقيود المعروفة، وتدابير تخفيف المخاطر لإنشاء ضمانات أمنية ضرورية.

### عوامل التقارب التي تدفع نحو التبني

ينبع الإلحاح المفاجئ وراء قوائم AIBOM من ثلاثة عوامل متقاربة في صناعة التقنية. أولاً، جعل الذكاء الاصطناعي التوليدي (Generative AI) من السهل جداً على المطورين دمج نماذج مفتوحة المصدر دون إشراف أمني، مما أدى إلى ظهور "الذكاء الاصطناعي في الظل" غير الموثق داخل بيئات الإنتاج. ثانياً، لحقت الهيئات التنظيمية بالركب، مطالبة بشفافية حول تسلسل النماذج وهي تفاصيل لم تُصمم قوائم SBOM التقليدية لالتقاطها.

وأخيراً، توفرت الأدوات اللازمة؛ حيث أصبحت معايير مثل Software Package Data Exchange (SPDX) و CycloneDX تتضمن الآن ملفات تعريف مدركة للذكاء الاصطناعي. هذا التطور يحول عملية إنشاء قائمة AIBOM من مشروع هندسي معقد إلى عملية موحدة ومؤتمتة، مما يمنح قادة تقنية المعلومات الوسائل اللازمة لمعالجة مخاطر سلسلة التوريد أخيراً.

### نهاية عذر "الصندوق الأسود" القانوني

يشير صعود قائمة مكونات الذكاء الاصطناعي إلى تحول جذري في مساءلة الشركات. لسنوات، اختبأت الشركات خلف طبيعة "الصندوق الأسود" للتعلم الآلي (Machine Learning) عندما كانت الخوارزميات تنتج نتائج متحيزة أو غير دقيقة أو مشكوكاً فيها قانونياً. ومع توحيد معايير AIBOM عبر أطر عمل مثل SPDX و CycloneDX، فإن هذا العذر يقترب من نهايته السريعة.

إذا واجهت مؤسسة دعوى قضائية بشأن حقوق الطبع والنشر حول بيانات التدريب الخاصة بها، أو تدقيقاً صارماً للامتثال بموجب قانون الذكاء الاصطناعي الأوروبي، فستكون قائمة AIBOM هي خط الدفاع القانوني الأساسي. علاوة على ذلك، مع اكتساب وكلاء الذكاء الاصطناعي (AI Agents) مزيداً من الاستقلالية في تنفيذ مسارات عمل المؤسسات، سيصبح تأمين "سلسلة التوريد المعرفية" بنفس أهمية تصحيح الثغرات البرمجية التقليدية. الشركات التي تفشل في جرد مكونات الذكاء الاصطناعي اليوم تحلق فعلياً في الظلام وسط عاصفة تنظيمية قادمة.

## المصادر

- [edtechmagazine.com](https://edtechmagazine.com/k12/article/2026/09/what-ai-bill-materials)