الاخلاقيات والذكاء الاصطناعي

االخالقيات والذكاء االصطناعي االخالقيات والذكاء االصطناعي Ethics and Artificial Intelligence  د. مشيد سليمة أستاذة محاضرة "ا"، كلية الحقوق جامعة الجزائر 1، عضو مخبر الذكاء الاصطناعي واملجتمع s.mechid@univ -alger.dz تاريخ إرسال المقال: 32 - 60 - 3630 تاريخ قبول المقال: 60 - 60 - 3630 تاريخ نشر المقال: 22 - 60 - 3630 الممخص: ات عقبلنية تؤثر في حياة االنسان، أحدث ار التطور السريع لمذكاء االصطناعي وقدرتو عمى اتخاذ قر تحديات تتجاوز الجوانب التقنية والقانونية أو حتى االجتماعية الى قضايا أخبلقية. امة اإلنسانية وتحديد المسؤول عن امو لمكر ىذا التطور التكنولوجي يتطمب البحث في مدػ احتر اد. ه عمى العبلقات االجتماعية والثقة بين االفر ار التي يحدثيا، وتأثير االضر البعد األخبلقي لمذكاء االصطناعي ة عمى القيم اإلنسانية بوصفو امتداد لؤلخبلقيات العامة المرتكز الجوىرية يثير العديد من اإلشكاالت األخبلقية المتعمقة بتصميم الخوارزميات ومعالجة البيانات الى جانب ه المستقبمية االجتماعية والثقافية. آثار الكممات المفتاحية اخبلقيا ت، البيانات الشخصية، الخصوصية الرقمية، التحيز، الشفافية. Abstract : The rapid development of artificial intelligence and its ability to make rational decisions has a significant impact on human life, raising ethical issues that go beyond technical, legal, and social dimensions.  المؤلف المرسل 9922

االخالقيات والذكاء االصطناعي This technological development requires examining the extent to which it respects human dignity, identifying responsibility for the harms it may cause and studying its impact on social relation ships and trust among individuals. The ethical dimension of artificial intelligence can be seen as an extension of general ethics based on fundamental human values, particularly in relation to algorithm design, data processing and their future social and cultural effects. Keywords: Ethics, personal data, digital privacy, bias, transparency. مقدمة انتشار الذكاء االصطناعي وخوضو العديد من مجاالت الحياة أدػ ألداء ميام تتطمب عادة ذكاء بشريًا، ما أحدث ؼ فييا و تغيير جذر يستمر ه في المستقبل تأثير ، تطوره السريع وازدياد استقبللية أنظمتو وقدرتيا عمى ات "عقبلنية"، ال يثير قضايا ار اتخاذ قر اجتماعية، تقنية أو قانونية فحسب ، انما يتعداىا الى قضايا أخبلقية ح تحديات غير مسبوقة في ىذا المجال. كونو يطر إذا كانت "االخبلق" ه عن الصفات والقيم االنسانية العميا التي يتصف بيا الفرد وتميز بقية الكائنات مثل صدق الحديث والوفاء، وىي ذات مبعث داخمي لدػ الفرد وينعكس في تعامبلتو المجتمعية، فإ ن مصطمح ة مجتمعية مؤسساتية ما، أو "االخبلقيات" يطمق عمى األسس والمبادغ التي من خبلليا تتم المساىمة في ادار أؼ قطّاع حياتي، مثل أخبلقيات المينة والتي ىي أسس مز اولة مينة معينة. اسة " أخبلقيات الذكاء االصطناعي" ة من التكنولوجيا الرقمية فإن در باعتبار الذكاء االصطناعي مرحمة متطور ه يثير اتو. ذلك ان تطوير ار اسات التي تصاحب ظيور تقنيات تؤثر في حياة االنسان وقر امتدادا لمدر مخاوف ه المستقبمية وتطبيقاتو الممكنة، حول آثار با لنظر الى اتنا االجتماعية ات التي قد يحدثيا في مسار التغيير والثقافية . في ىذا السياق تبدو اخبلقيات الذكاء االصطناعي امتدادا لؤلخبلقيات العامة التي تستند الى القيم اإلنسانية امة، الحرية، المساواة، العدالة، المسؤولية)، وكأؼ تطور تكنولوجي آخر يستد الجوىرية (الكر عي التساؤل حول امة اإلنسانية امو لمكر مدػ احتر ، ار ال وحول إمكانية تحديد المسؤول عن االضر ناجمة عن استخدامو . ات التقنية السابقة عمى ا عن الثور ة تكنولوجية تختمف كثير خصوصية الذكاء االصطناعي تكمن في أنو ثور ار الكيرباء، غر ك وسيمة يستخدميا االنسان، فان اىم المسائل األخبلقية التي يطرحيا تدور حول سموك 9011

االخالقيات والذكاء االصطناعي االنسان ومسؤوليتو في استخدامو ان كان عادال في توزيع الطاقة، والمخاطر الصناعية واألمان منيا. عمى ات ويشارك االنسان فييا كما ىو ار خبلف الذكاء االصطناعي، الذؼ يتعمم بفضل خوارزمياتو وقد يتخذ قر ار اآلل الحال في نظام التوظيف، او القروض، فان القضايا األخبلقية قد انتقمت من الفعل اإلنساني الى القر ي والتصميم البرمجي. وباعتباره يعتمد عمى الخوارزميات والبيانات المذان يشكبلن بنيتو الداخمية، نكون قد انتقمنا من اخبلق األفعال االنسانية الى اخبلق التصميمات البرمجية. في ظل ىذا التحول النوعي لؤلخبلقيات، نتساءل عن المبادغ األخبلقية التي يجب االحتكام الييا في اعاة تصميم الخوارزميات ومعالجة البيانات مر وحماية لمقيم اإلنسانية الجوىرية؟ ل ع تم االعتماد عمى المنيج الوصفي التحميمي المناسب لطبيعة ئلحاطة بكل الجوانب المتعمقة بالموضو ع الموضو انطبلقا من التمييز بين ىذه المفاىيم المختمفة ألخبلقيات لمذكاء االصطناعي والوقوف عند حدودىا ، من خبلل تقسيم البحث وفق الخطة التالية: المبحث األول: اخالقيات الخوارزميات المطمب األول: تطور الخوارزميات والحاجة الى االخالقيات المطمب الثاني: الضبط األخالقي في برمجة وتصميم الخوارزميات المبحث الثاني: اخالقيات البيانات المطمب األول: أهمية البيانات في الذكاء االصطناعي المطمب الثاني: التحيز وحماية الخصوصية .... ضوابط أخالقية لمبيانات المبحث األول: اخالقيات الخوارزميات l’éthique des algorithmes تثير أنظمة الذكاء االصطناعي أسئمة أخبلقية ميمة، خاصة منذ تحوليا من آالت الكترونية تنفذ تعميمات مفصمة ه وبرمجتو واستخدامو ات، لذلك وجب وضع إطار توجو تطوير ار ة عمى التنبؤ واتخاذ القر الى آالت قادر ات امتو، واالبتعاد عن تكريس أو تضخيم المتميز اد، والحفاظ عمى كر ام الحياة الخاصة لؤلفر في ظل احتر ات الموجودة في بيانات التدريب، سواء في مجا االجتماعية الناتجة عن التحيز الت التوظيف، أو منح 1 ات القضائية. ار القروض، أو القر 1 -Lemy Gidefroy, Droit de l’intelligence Artificieele, ellipses, p26. 9019

االخالقيات والذكاء االصطناعي المطمب األول: تطور الخوارزميات والحاجة الى االخالقيات أخبلقية قواعد وضع ىو العالم يواجو الذؼ التحدؼ ل االصطناعي، مذكاء ويقصد الذكاء بأخبلقيات 2 االصطناعي كيفية استخدام وتصميم الذكاء االصطناعي بطريقة تتناسب مع المبادغ األساسية لؤلخبلق كالعدالة، الشفافية والخصوصية. أوال: من اآللة المنفذة الى اآللة المتعممة ا فرض عميو أن يغير في ة تطور ما يميز عبلقة االنسان باآللة ليس كونيا حديثة، وانما كونيا متفاوتة ومتطور نظرتو لآللة من شيء جامد َاقب من قبمو ال يعمل اال بتدخل صريح منو الى شيء يتعمم ذاتيا مسخر لو، مر 3 ويتفاعل مع البيئة المحيطة ويقوم بأعمال تحاكي تمك التي يقوم بيا االنسان. ات فاآلالت الحاسبة والكمبيوتر تعميمات مفصمة من مبرمجيا أؼ عمميات محددة من مبرمجي لم تكن سوػ آالت الكترونية تنفذ ا تفوق االنسان من حيث قدرتيا عمى انجاز العديد من العمميات الحسابية في وقت قصير جدا لكن يمكن تتبع ات ار ال تتخذ قر ه كونيا ليست "ذاتا" ال تبتكر شيئا و النتيجة التي وصمت الييا وارجاعيا الى مصدر ، وىو ابسط ة عمى التعمم من التجار أنواع الذكاء االصطناعي ليست لو القدر اكمة لتطوير نفسو، بل ات المتر ب والخبر ج بأفضل شكل، مثال ذلك برنامج الذكاء االصطنا يتفاعل مع تجاربو اآلنية لتخر عي Deep Blue" التي 4 ىا شركة تطور ( IBM ) . ا عمى التنبؤ ة عمى التعمم احدػ خصائص األنظمة الذكية في العصر الحديث، مما يجعمو قادر تمثل القدر 5 ار المناسب بشكل سريع واتخاذ القر دون ان تفرض عميو البرمجة الحل المناسب، لذلك لم يعد باإلمكان دومًا تتبّع سبب أفعالو. ويُطمق الباحثون عمى ذلك اسم "الذكاء االصطناعي الصندوق األسود" ( Black box AI ،) وىو وصف يطمق عمى خوارزميات الذكاء االصطناعي التي تتحول الى "الصندوق األسود" 2 DOAT David, Quelle éthique pour quelle IA ? https://univ-artois.hal.science . 11 mai 2023. 3 اسة مقارنة، دار المطبوعات الجامعية، مصر ار الذكاء االصطناعي، در ياسمين محمود عبد المطيف، التأمين من أضر 2026، صفحة 19. 4 - اسة مقارنة)، المركز العربي لمنشر والتوزيع، عمر نافع رضا العباسي، النظام القانوني لمذكاء االصطناعي (در 2023 ، صفحة 34. 5 - خالد أحسن احمد لطفي، الذكاء االصطناعي وحمايتو من الناحية المدنية والجنائية، دار الفكر الجامعي، 2021 ، صفحة 33. 9011

االخالقيات والذكاء االصطناعي 6 بالنسبة لممبرمجين الذين صنعوىا ارتيا او تفسير آلية ، حيث ال يفيمون بالضبط كيفية اتخاذ األنظمة لقر ار داخل النظام عندما يكون قد استوعب كميات ىائمة من البيانات. حيث يمكنيم معرفة المدخبلت القر ات النظام) ولكن ال يفيمون لماذا وكيف ار (البيانات التي أدخمت الى النظام) والمخرجات (قر تم التوصل الى تمك النتيجة داخل الخوارزمية. ومثالو برنامج الذكاء االصطناعي AlphaGo " الذؼ تغمب في 2015 عمى ؼ في لعبة الشطرنج. ففي حين كان برنامج منافسو البشر Deep Blue برمجا لمعرفة وتطبيق كل اتيجيات المعروفة مسبقا لمعبة، لم يبرمج "الفا" اال عمى قواعد االستر المعبة تاركا لمذكاء االصطناعي حرية ىا اتيجيتو الخاصة وتوصل الى حمول لم يتصور ع وطبق استر اتيجيات بنفسو، حيث اختر اكتشاف أفضل االستر ؼ قبمو. أؼ بشر ة عمى التعمم ثانيا: القدر ة عمى التعمم، وتسعى لموصول الى التعمم العميق أؼ القدر امج الذكاء االصطناعي تمتمك القدر بر ة عمى 7 التجريب والتعمم والتطوير الذاتي دون تدخل البشر. يظير جميا أنو عند مواجية مشكمة ما ات وفقًا لعمميات داخمية خاصة بو ار ، يتخذ الذكاء االصطناعي قر ، يتعمم بنفسو ويستخمص الحمول من البيانات دون ان يحدد المبرمج مسبقا كل خطوة، ألنيا تعتمد عمى اتيجيات معينة استر -ا ة عمى التعمم لقدر – ة االنسان عمى التعمم تختمف عن قدر ، ذلك أن ة االنسان عمى قدر نسيان التفاصيل غير الميمة تمنحو ة عمى التعمم، القدر ألن ة االنسان تعمل بشكل تمقائي الذاكر عن طريق 8 حذف البيانات والمعمومات غير الميمة وابقاء المعمومات الميمة . ة عمى ة عمى التعمّم من كميات ىائمة من البيانات، وبمجرد أن تستوعبيا، تصبح قادر فيذه الخوارزميات قادر 9 ات بطريقة تجريبية أو حدسية شبيية باإلنسان ار اتخاذ قر ، يمثل ىذا ة األخبلقية ة نوعية في درجة الخطور قفز 10 والتقنية، ألنو سيتجاوز حدود البرمجة المسبقة، وقد يتصرف بطرق غير متوقعة أو غير مفيومة لئلنسان . 6 - Yavar Bathaee , THE ARTIFICIAL INTELLIGENCE BLACK BOX AND THE FAILURE OF INTENT AND CAUSATION , Harvard Journal of Law & Technology Volume 31, Number 2 Spring 2018 , p 891, “… as many of these algorithms can be black boxes,” 7 ياسمين محمود عبد المطيف، المرجع السابق، صفحة 32. 8 - عمر نافع رضا العباسي، المرجع السابق، ص 39. 9 - Yavar Bathaee, THE ARTIFICIAL INTELLIGENCE BLACK BOX AND THE FAILURE OF INTENT AND CAUSATION, Harvard Journal of Law & Technology Volume 31, Number 2 Spring 2018, p 891, “These algorithms are capable of learning from massive amounts of data, and once that data is internalized, they are capable of making decisions experientially or intuitively like humans” 9011

االخالقيات والذكاء االصطناعي ة منو والفعل الحر ألن الذكاء االصطناعي ار بمبادر اتخاذ القر ة االنسان عمى ىذا الوضع يغير جذريا قدر يشاركو في ذلك (الخوارزميات الطبية )، ولما كانت العبلقة بين الحرية والمسؤولية طردية، فإنو يصبح اقل ه االنسان بحرية وما يجب ان يتحمل مسؤولية أيضا وىذا مساس بالحدود الفمسفية الحديثة بين ما يقر 11 اخبلقيات الخوارزميات مسؤوليتو امام اآلخرين ، لذلك نحتاج الى ، وقابمة لمفيم يمكن بحيث تكون شفافة اجعتيا من قبل المختصين ومعرفة كي مر ف تتخذ، أؼ قابمة لمفحص والتفسير ، و ان تكون متوقعة بالنسبة 12 لؤلشخاص الذين تؤثر عمييم ، ام القضاة في القضايا المستقبمية باألحكام السابقة تماما كالتز فيجب ان تكون قابمة لمتنبؤ وتتحمل اتيا ار المسؤولية األخبلقية عن قر . المطمب الثاني: الضبط األخالقي في برمجة وتصميم الخوارزميات 10 - وفقا "لؤلمر التنفيذؼ بشأن التطوير واالستخدام االمن والمثوق والمسؤول لمذكاء االصطناعي " الصادر في اليات المتحدة الو االمريكية في ، في 30 أكتوبر 2023 ( Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence يعرف الذكاء االصطناعي باالستناد الى نص المادة 9401( 3 ) من العنوان 15 من القانون األمريكي ( u.s.c.9401(3) 15 ) عمى النحو التالي" « نظام قائم عمى اآللة يمكنو، من أجل مجموعة من األىداف المحددة من قبل اإلنسان، أن اضية. وتستخدم أنظمة الذكاء االصطناعي مدخبلت قائمة عمى اآللة ات تؤثر في بيئات حقيقية أو افتر ار يصيغ تنبؤات أو توصيات أو قر اك البيئات الواقعية واال والبشر إلدر اكات إلى نماذج من خبلل التحميل اآللي، ثم استخدام استدالل النماذج اضية، وتحويل ىذه اإلدر فتر ات تتعمق بالمعمومات أو األفعال. لصياغة خيار » (« The term “artificial intelligence” or “AI” has the meaning set forth in 15 U.S.C. 9401(3): a machine- based system that can, for a given set of humans- defined objectives, make predictions, recommendations, or decisions influencing real or virtual environments. Artificial intelligence systems use machine – and human – based inputs to perceive real and virtual environments; abstract such perceptions into models through analysis in an automated manner; and use model inference to formulate options for information or action »). 11 - Thierry Ménissier, Quelle éthique pour l ’IA ? Colloque de l’Académie Delphinale, Grenoble, 19/10/2019, p3 . 12 ة بدوؼ نجم، أخبلقيات الذكاء االصطناعي في ضوء توصيات األمم المتحدة أمير ( اليونسكو) ، دار الفكر الجامعي، مصر، 2024 ، صفحة 26. 9011

االخالقيات والذكاء االصطناعي ح اثناء برمجتيا، كيف نبرمج األنظمة الرقمية بطريقة تشير اخبلقيات الخوارزميات الى اإلشكاالت التي تطر 13 تحترم القيم اإلنسانية مثل العدالة، الشفافية، الخصوصية، والمسؤولية ، ًافالمبرمج أو المصمم قد يكون خبير في كيفية عمل الخوارزمية، لكن ليس ة مؤىبل لتحديد ما إذا كان استخداميا مناسبًا أو عادال بالضرور 14 اجتماعيا، ومن ىنا يبدأ البعد األخبلقي. ات ذاتية القيادة تُظير كيف تصطدم التكنولوجيا بالمعضبلت األخبلقية قضية السيار : بمن يجب أن يُضحّى بو في حالة حادث حتمي؟ ومن يتحمل المسؤولية: السائق، الشركة المصنعة، أم النظام نفسو؟ فبرمجة ع حادث، تتمثل اإلشكالية في تحديد كيف يجب ان تتصرف بما يتوافق مع ات الذكية مثبل في حالة وقو السيار معايير أخبلقية حينما يجب عمييا االختيار بين من ينبغ ي حمايتو؟ وعميو فإن الحديث عن اخبلقيات الخوارزميات ىو البحث عن كيفية برمجة اآللة لتتصرف أخبلقيا، إذا كان الحادث ال مفر منو ىل تنقذ اآللة ه دعوة الى فرض الدقة في تحديد المعايير األخبلقية التي تبرمج بيا أنظمة ة؟ ىو في جوىر السائق ام المار الذكاء االصطناعي. أوال التوجييية األخالقية لمذكاء االصطناعي : إرساء الخطو خطوط لوضع ات مبادر والحكومات المنظمات من العديد اتخذت لقد الذكاء بشأن أخبلقية توجييية االصطناعي، تؤكد عمى أن الشفافية، وامكانية التفسير لمخوارزميات ضروريان إلرساء الثقة والمساءلة، كما ة العدال تنص عمى ضرور ة وعدم التحيز. نوضحيا فيما يمي: - المبادغ األخبلقية لمنظمة التعاون والتنمية االقتصادية بشأن الذكاء االصطناعي 2019 OCDE تعتبر من أكثر األساليب توازنا في صياغة المبادغ األخبلقية، تعتمد عمى ستة مبادغ أساسية، اىم ما ة أن تعكس أنظمة الذكاء االصطناعي تناولتو ضرور اد، وتظل آمنة، الخصوصية والمصالح األمنية لؤلفر ة لممخاطر، والرقابة التي تتطمب ة المستمر ة حياة النظام مما يتطمب التقييم واإلدار موثوقة وقوية طوال دور الشفافية والمساءلة. - االرشادات األخبلقية من اجل ذكاء اصطناعي جدير بالثقة ، اء رفيع المستوػ حول أعدىا فريق خبر الذكاء االصطناعي واعتمدت في افريل 2019 ، تتضمن جممة من المبادغ أىميا: المحورية في 13 - Martin Gibert, Qu’est -ce que l’éthique des algorithmes ? https://martin- gibert.medium.com/quest-ce-que-l-%C3%A9thique-des-algorithmes- 21 /10/2025. 14 - Christine Solnon, INSA Lyon, Inria, CITI, Illustrations de Luc Damas, Éthique des algorithmes, https://hal.science/hal-02864885/document 8/12/2025. 9011

االخالقيات والذكاء االصطناعي االنسان والرقابة البشرية، حوكمة البيانات وحماية الخصوصية، الشفافية والتفسير ، الصبلبة التقنية 15 والسبلمة ، المساءلة والمسؤولية ع ، التنو وعدم التمي يز والعدالة ، الرفاه االجتماعي والبيئي . - التوصية العالمية بشأن اخبلقيات الذكاء االصطناعي ، أعدتيا منظمة اليونسكو واعتمدت في 23 نوفمبر 2021 ، اء عمميات تقييم كافية لعواقبيا عمى تنص عل أنو تتطمب النظم الخوارزمية اجر ات المجتمعية اعي أيضا االعتبار الخصوصية تر اعاة واألخبلقية الستخداميا، وتأخذ بنيج مبتكر لمر البد لمجيات الفاعمة المعنية بالذكاء االصطناعي من الخصوصية طوال عممية تصميم النظم، و 16 ع لممساءلة عن تصميم واستخدام الذكاء االصطناعي الخضو . - عمى مستوػ الدول، وضعت إعبلن مونتريال من أجل تطوير مسؤول لمذكاء االصطناعي لعام 2018 مجموعة من المبادغ األخبلقية األساسية ، يقدم اإلعبلن 10 مبادغ أساسية لتطوير استخدام 17 الذكاء االصطناعي ىا: حماية الخصوصية، العدالة، المسؤولية واالستدامة، بطريقة مسؤولة أبرز ام االستقبللية الشخصية السبلمة واألمن، الشفافية، الرفاىية العامة، احتر . ثانيا : الشفافية والقابمية لمتفسير.... مسألة أخالقية - قانونية تعرف الشفافية بأنيا اتاحة المعمومات لممستخدم حول عمل النظام والخوارزميات ، حول مصدر البيانات التي يستخدميا، والغاية واليدف من استخداميا. فمكي يثق المستخدم في الذكاء االصطناعي البد ان تكون طريقة عممو و ة، ىل ىي عادلة ىا (ىل ىي منحاز ات ومعايير ار اضحة بالنسبة لو، أؼ يفيم كيفية اتخاذه لمقر ؟ )، فيجب ج ات اآللية قابمة لمفيم والمساءلة، وأال تتحول الخوارزميات إلى "صناديق سوداء غامضة" خار ار ان تكون القر رقابة اإلنسان. فإذا رفضت خوارزمية مثبل منح قرض لشخص، يجب أن يعرف ىذا الشخص سبب الرفض ، ار، او كشف خطأ النظام الذؼ كان اض عمى القر اد االعتر اد خاصة إذا أر تعتبر ىذه المسألة ضرورية لؤلفر اقبة الخوارزميات أو الكشف سببا في تمييز أو اقصاء بعض الفئات مثبل، إذ من دون الشفافية يستحيل مر اتيا. عن تحيّز الشفافية تفرض عمى الجيات المطور ح واضح لكيفية عمل األنظمة بما في ة لمذكاء االصطناعي توفير شر ه، مما ار ات، ألنو لم يعد واضحا كيف يصل الذكاء االصطناعي الى قر ار ذلك كيفية الوصول التخاذ تمك القر 15 Ethics Guidelines for Trustworthy AI (PDF) - EU Official Publication 16 جع السابق، صفحة ياسمين محمود عبد المطيف، المر 64 و 65. 17 http://montrealdeclaration-responsibleai.com/about/20/01/2026 . 9019

االخالقيات والذكاء االصطناعي ار بشكل كامل فيو يدرك كيف يعمل النظام لكنو ال يتمكن يجعل االنسان غير قادر عمى إيجاد تفسير لمقر 18 من تفس ار ير قر معين. ومع ذلك يجب ان ال تصل الشفافية الى كل تفاصيل الخوارزميات بما يعرض صناعة التكنولوجيا لمخطر، اط فييا يمس باالبتكار والمنافسة. في ىذا السياق البد من البحث عن معايير تشاركية بين الدولة ألن االفر 19 والقطاع الخاص إليجاد توازن بين ىذه المبادغ التي تبدو متعارضة . ثالثا : التحيز الخوارزمي احل يعتبر التحيز في نماذج الذكاء االصطناعي من اىم التحديات األخبلقية، قد ينشأ خبلل مختمف مر تصميم الذكاء االصطناعي، لذلك قد يكون ه البيانات مصدر المدرَّب عمييا، قد تكون الخوارزمية نفسيا التي 20 تُدخل التحيز وىو ما يسمى التحيز الخوارزمي اجعة ه "دوائر التغذية الر ، وقد يكون مصدر ، المسمى التحيز الخفي الذؼ ينشأ بعد تشغيل النظام. التحيز الخوارزمي ينشأ داخل تصميم الخوارزمية ذاتيا أؼ بسبب البرمجة ، ينشئ خبلل مرحمة تدريب النموذج ات عمى ار اد بعدل، وتعتمد في اتخاذ القر ذاتيا، يقتضي ىذا المبدأ تصميم خوارزميات تعامل جميع األفر عوامل موضوعية مرتبطة بو ، دون العوامل او المعطيات التي ار الذؼ يتخذه، ة بالقر ليست ليا صمة مباشر كاالنتماءات السياسية او الدينية لمشخص ( التحيز المباشر). فاألصل أنو عند منح القرض المصرفي يجب ار متوقفا عمى دخل الطالب لو، وعمى الضمانات التي يقدميا، ال عمى أساس األصل العرقي او ان يكون القر ات التي يساىم الذكاء االصطناعي في اتخاذىا، األمر ار ه من القر االنتماء الديني لو، ومثمو التوظيف وغير الذؼ ي تطمب فرض رقابة عمى ىذه األنظمة لمتأكد من حيادىا وعدالتيا. 18 ج، مارك كوكمبير ترجمة ىبة عبد العزيز غانم، أخبلقيات الذكاء االصطناعي، مؤسسة ىنداوؼ، المممكة المتحدة، 2024، صفحة 83 و 84. 19 - INTELLIGENCE ARTIFICIELLE ENJEUX JURIDIQUES, Contribution du sous-groupe 3.2.B au groupe de travail 3.2 « Anticiper les impacts économiques et sociaux de l’intelligence artificielle », Mars 2017, p 5. 20 - Sai Teja Boppiniti , Data Ethics in AI: Addressing Challenges in Machine Learning and Data Governance for Responsible Data Science, international scientific journal for reseaech, vol. 5 no. 5 -2023. 9010

االخالقيات والذكاء االصطناعي ات الموجودة في المجتمع، وتم إذا اعتمدنا عمى نظام ذكاء اصطناعي مدرب عمى بيانات تعكس التحيز 21 استخدامو في العدالة الجنائية، ات المتعمقة بإصدار االحكام ار فإنو سوف يؤثر بشكل غير عادل عمى القر اج واالفر ىا. وغير فاآلالت ال تستطيع تحقيق العدالة إال بالقدر الذؼ تمت برمجتيا من أجمو، فيي تفتقر الى التعاطف، فإذا أردنا لآلالت أن تنفذ العدالة بشكل صحيح، فمن واجبنا أن نبرمج مبادغ وأوامر العدالة بشكل صحيح أيضا، امج والخوارزميات التي لذا يجب عمينا أن نتأكد من أن البر ال تشجع يتم تنفيذىا في اآلالت أخبلقية وعادلة و 22 عمى التمييز. يتطمب تصميم وتطوير أنظمة الذكاء االصطناعي ضمان معايير عادل ة ة وشاممة ومنصفة وغير متحيز ائح المستيدفة منيا، ويجب أال تقتصر وظيفة نظام الذكاء ائح المجتمع أو الشر ومتنوعة وممثمة لجميع شر االصطناعي عمى ىا. مجموعة محددة عمى أساس الجنس أو العرق أو الدين أو العمر وغير المبحث الثاني: اخالقيات البيانات ات. ار تعتمد أنظمة الذكاء االصطناعي بشكل كبير عمى مجموعات البيانات الضخمة لمتدريب واتخاذ القر اند ىندؼ ( وكما جاء عن رجل االعمال ر Rand Hindi ) الذؼ شبّو البيانات انيوم في المجال النووؼ باليور انيوم لمطاقة النووية، مع نفس اإلشكالية في "فإن البيانات بالنسبة لمذكاء االصطناعي تشكل ما ىو اليور 23 استخداماتو المدنية أو العسكرية،" انيوم يمكن أن تُستخدم في الخير أو في الضرر، تبعًا أؼ انيا كاليور لطريقة استعماليا، ما يجعميا مصدر قوة وخطر في الوقت نفسو . ليذه األسباب ال يجب أن تقتصر االخبلقيات عمى الخوارزميات وحدىا، بل يجب أن تمتد أيضًا إلى البيانات التي تُغذؼ ىذه الخوارزميات، سواء كانت بيانات شخصية أو غير شخصية. المطمب األول: أهمية البيانات في الذكاء االصطناعي 21 اليات المتحدة يمكن ذكر أشير الحاالت تطبيق الذكاء االصطناعي المستخدم في العدالة الجنائية في الو األمريكية ىو" COMPAS ة المجرمين اإلصبلحيين لمعقوبات "ممف تعريف إدار البديمة، اميقيم مدػ عودة المجرمين الى االجر ويساىم في صنع ار، القر وتبين لمصحافة االستقصائية PRO PUBLICA ىم التطبيق أنيم أكثر عودا أن ىناك تحيز واضح تجاه المتيمين السود، حيث يعتبر ام. لئلجر 22 ان، ترجمة عبلء طعيمة، الذكاء االصطناعي ميبلد وز واإلنسانية ، التحديات األخبلقية لعصر ىيمنة اآللة، ان، طير 2021، صفحة 30 و 31. 23 - Comme l’a expliqué l’entrepreneur Rand Hindi, « La donnée est à l’Intelligence Artificielle ce que l’uranium est au nucléaire, avec la même problématique des usages qui en sont faits (civils ou militaires), voir COMPTE RENDU, Événement de lancement du cycle de débats publics sur les enjeux éthiques des algorithmes, Organisé à la CNI (L, le 23 janvier 2017. 9011

االخالقيات والذكاء االصطناعي يشير مصطمح البيانات ( Data ) الى المعمومات المسجمة والمخزنة سواء كانت نصوصا او أصواتا او مقاطع ىا، تسجل وتخزن وتحمل باستخدام األنظمة الحاسوبية، حيث يمكن الوصول الييا في شكل فيديو او غير 24 رقمي. وىي تشمل أيضا تمك التي نتركيا عندما نستخدم الياتف، او نتفاعل مع األوساط الذكية . اما اخبلقيات البيانات فيي مجموعة من المبادغ والسموكيات التي تيدف إلى ضمان أن استخدام البيانات — سواء في جمعيا أو تحميميا أو مشاركتيا — يتم بطريقة عادلة، شفافة، ومسؤولة تحترم خصوصية اإلنسان 25 وحقوقو ىا أيضا . ذلك ان استخدام البيانات قد يحسن جودة الحياة، لكن قد يضر ا وفقا ظمما وتمييز لبلستخدام الجيد ام ال ليا. 26 ا ميما في ضما تمعب اخبلقيات البيانات في الذكاء االصطناعي دور ن االستخدام المسؤول ليا ، وتفادؼ اد والمجتمع فما ىي المخاوف األخبلقية المرتبطة اآلثار السمبية المحتممة لمذكاء االصطناعي عمى االفر باستخدام البيانات؟ المطمب الثاني: التحيز وحماية الخصوصية .... ضوابط أخالقية لمبيانات إرساء أطر أخبلقية وقانونية مناسبة تكفل حماية األشخاص من كل االنتياكات التي يمكن أن تقدم عمييا ؼ لحماية البيانات والمعمومات الشخصية، مع التركيز عمى بناء قواعد أنظمة الذكاء االصطناعي أمر ضرور ة. اعي الخصوصية وبيانات غير متحيز تر أوال : التحيز في البيانات المدخمة والتحيز الخفي ة، اما بسبب ادخال بيانات ة منحاز عمى خبلف التحيز الخوارزمي نقصد بتحيز البيانات ان تكون ىذه األخير ة بذاتيا منحاز Inherently Biased Data ، او بسبب الخطأ في جودة البيانات أو ما يسمى البيانات المشوشة او Noisy Data ، ة بطبيعتيا تعكس البيانات المنحاز ات في المجتمع او المؤسسة، يحدث التحيز 27 عندما تكون البيانات المستخدمة غير ممثمة او ناقصة، تفتقد معمومات ميمة او تحتوؼ عمى اخطاء ، مثل خوارزمية التعرف عمى اىا المعيد الوطني لممعايير والتكنولوجيا ( اسة التي اجر الوجوه. اثبتت الدر NIST ان 24 ة بدوؼ نجم، المرجع السابق، صفحة أمير 29. 25 Gry Hasselbalch & Pernille Tranberg, DATA ETHICS, THE NEW COMPETITIVE ADVANTAGE, 2016., p 10. 26 - Sai Teja Boppiniti , Data Ethics in AI: Addressing Challenges in Machine Learning and Data Governance for Responsible Data Science, international scientific journal for reseaech, vol. 5 no. 5 -2023. 27 - Emilio Ferrara, Fairness and Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, and Mitigation Strategies, 25/10/2025. https://doi.org/10.3390/sci6010003 9012

االخالقيات والذكاء االصطناعي ة الداكنة تقنيات التعرف عمى الوجوه كانت اقل دقة بشكل ممحوظ عندما يتعمق االمر باألشخاص ذوؼ البشر اد بسبب األخطاء في تحديد ىويتيم مثل االعتقال و مما قد يؤدؼ الى االجحاف بحقوق االفر التيام الخاطئ. اىا اجر اسة در اثبتت الصحية عاية الر مجال وفي Obermeyer الذكاء باستخدام متعمقة وآخرون ة اإلصابة بالوفاة لممرضى من أصول االصطناعي لمتنبؤ بوفيات المرضى، انو يرفع من درجات خطور ا ضد المرضى من أصول افريقية أمريكية افريقية أمريكية مقارنة بالمرضى االخرين، ما يعني انو كان متحيز 28 عاية الصحية وت مما يؤدؼ الى حرمانيم من الر مقي عبلج اقل جودة ، تعكس ىذه األمثمة التحيز في البيانات اد. ة عمى االفر ىا السمبية والخطير التدريبية وآثار ة انو المشكل في الخوارزميات المتطور حتى وان احة عمى التمييز، فإن قدرتيا عمى التعمم لم يتم برمجتيا صر ا، وىو ما يسمى بالت من البيانات المدخمة قد تجعمو متحيز حيز الخفي. ولعل نظام الذكاء االصطناعي لمتوظيف Amazon أفضل مثال عمى ذلك. اكتشف في 2018 ان ىذا النظام يخفض تمقائيا تقييم طمبات ه لمرجال والسبب؟ ليس ألنو كان مبرمجا عمى ذلك، وانما اعتمادا عمى بيانات النساء في التوظيف بسبب تحيز ألن معظم الموظفين السابقين كانوا رجاال، تعمم ا التوظيف السابقة لمشركة التي برمجت فيو، و لنظام ان الذكور أفضل من النساء وقام باستبعادىم من التوظيف. ىذا التحيز الخفي أصعب التحديات في الذكاء االصطناعي، يستدعي عمميات تدقيق وفحص مستمر لمكشف 29 عن االنحيازيات المحتممة اؼ التحقق المستمر من االنصاف وعدم االنحياز ، اد بل وقد يصاب بعض افر المجتمع بالتمييز ليس بسبب تحيز مقصود في الخوارزمية مما يجعل تنبؤات الخوارزميات غير دقيقة بل خاطئة في حقيم. عند تحديد مخاطر القروض يعتمد المصرفيون عادة عمى خوارزميات مبنية عمى درجات االئتمان ( crédit score ،) لكن قاعدة بيانات تدريب النموذج تحتوؼ عمى بيانات مستخدمين يستعممون ة في حق الفئات األقل تقدما االئتمان بشكل واسع ومنتظم، وعميو تكون مخرجاتيا تمييزية بطريقة غير مباشر 30 ىم ذات مخاطر ائتمانية عالية لطمب القروض وتعتبر . 28 -- Emilio Ferrara, Fairness and Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, and Mitigation Strategies, op. cit, p 3. 29 - - Christine Solnon, op. cit, p2. 30 -Commission de l'éthique en science et en technologie, Les enjeux éthiques que soulèvent les algorithmes, 7 juillet 2021, « Les algorithmes permettant aux banquiers d’évaluer le risque d’un prêt bancaire discriminent donc indirectement les classes moins bien desservies en ce qui concerne le crédit. En effet, les données recueillies sont pour ces groupes des données bruyantes (noisy data), c’est -à-dire que les prédictions des algorithmes sont imprécises et, parfois, totalement fausses ». https://www.ethique.gouv.qc.ca/ethique-hebdo/eh-2021-07-07/ 9091

االخالقيات والذكاء االصطناعي ؼ ات الذكاء االصطناعي المتقدمة، اال أنو يفتقر الى الفيم العاطفي والتعاطف البشر غم من قدر بالر ؼ في بعض الحاالت لمتوصل الى حمول ؼ في بعض القضايا القانونية، فالتفاعل اإلنساني ضرور الضرور عادلة ومناسبة. اىة نظام الذكاء االصطناعي أمر ميم، يبدأ منذ بد يعتبر تقييم نز ة حياة نظام الذكاء االصطناعي اية دور ىم اد المتضررين والفئات غير الممثمة في النظام وتقييم مدػ تأثر ار والفوائد المحتممة واألفر لتحديد األضر ع النظام (قائمة عمى القاعدة، التصنيف، االنحدار ؼ اختيار المقاييس بناء عمى نو بالنتائج، لذا من الضرور ار (ع الخ)، تأثير القر قابي، انتقائي، الخ)، والضرر أو الفائدة التي سوف تعود عمى العينات المتوقعة. ثانيا : حماية الخصوصية يعد الحق في الخصوصية من حقوق االنسان األساسية الذؼ اعترفت بو االتفاقيات والمواثيق الدولية ذات الصمة، وقد نصت المادة 32 من توصيات اليونسكو الخاصة بأخبلقيات الذكاء االصطناعي عمى أنو "يعد امة االنسان والذود عن استقبلليتو وحماية أعمالو، لذلك يجب التمتع بالخصوصية حقا ضروريا لصون كر ة حياة نظم الذكاء االصطناعي" ىا طوال دور ام الخصوصية وصونيا وتعزيز احتر يؤدؼ جمع وتحميل البيانات الشخصية بواسطة أنظمة الذكاء االصطناعي خط اد، ا عمى خصوصية االفر ر اد ايد ىذا الخطر مع سوء استخداميا لذلك البد من تدابير لحمايتيا، بطريقة نوازن فييا بين حقوق االفر ويتز في الخصوصية مع ضمان بقاء أنظمة الذكاء االصطناعي فعالة ، وذلك من خبلل: - عية والموافقة الشر ال يجوز جمع البيانات أو استخداميا بدون عمم ومو افقة الشخص المعني، إال في حاالت قانونية محددة . وقد اختمف الفقو حول الطبيعة القانونية لمموافقة المطموبة من المعني بالبيانات، فمنيم من ذىب الى أنو يكفي 31 ة توافر الرضا الصريح لمعالجة البيانات الشخصية الرضا البسيط في حين ذىب اغمبيم الى ضرور ، وىو ما ذىب اليو الم ؼ حيث اشترط الموافقة الصريحة لمشخص المعني بمعالجة المعطيات ذات الطابع ائر ع الجز شر 32 الشخصي. - الخصوصية 31 اىيم، الحماية الجنائية لمبيانات الشخصية االلكترونية، دار النيضة العربية، دمحم شحاتة إبر 2025 ، صفحة 91. 32 المادة 7 من قانون 18 - 07 خ في مؤر 10 يوليو 2018 المتعمق بحماية األشخاص الطبيعيين في مجال معالجة المعطيات ذات الطابع الشخصي المعدل والمتمم بقانون رقم 25 - 11 خ في مؤر 24 يوليو 2025 ، جريدة رسمية عدد 48 ة في ، صادر 24 يوليو 2025. 9099

االخالقيات والذكاء االصطناعي 33 ع ّح بو أو من االستخدام غير المشرو يجب حماية البيانات الشخصية من الوصول غير المصر ، ويعتبر أؼ خرق لمبيانات يعتبر انتياكًا أخبلقيًا وقانونيًا، لذا يجب تأمين أع مى معايير المحافظة عمى الخصوصية. اعي خصوصية أصحاب البيانات ؼ أن تبنى أنظمة الذكاء االصطناعي بطريقة آمنة وتر من الضرور اءات المتعمقة بالبيانات وسريتيا الشخصية بحيث توفر ليا أسمى مستويات األمن في جميع العمميات واإلجر اقيا، عن طريق تصميميا باستخدام آليا لمنع اختر اقبة نتائجيا والتقدم ة ومر ت وضوابط توفر إمكانية إدار 34 الت الخصوصية. المحرز طوال دورتيا لضمان امتثاليا لقواعد وبروتوكو - تقميل البيانات ة أن تكون البيانات كافية ومناسبة ضرور وغير مفرطة وليا عبلقة بالغرض الذؼ من أجمو تم جمعيا، ال ؼ لغرض محدد، وليس أكثر يُجمع إال ما ىو ضرور ، الى جانب محدودية مدة حفع المعمومات . مثبلً: إذا كان اليدف تقييم األداء الميني، فبل حاجة لجمع بيانات صحية . - تحديد الغرض يجب التأكد من استخدام البيانات في إطار الغرض الذؼ ال يجوز إعادة استخداميا في جُمعت من أجمو، و ػ بدون موافقة جديدة اض أخر أغر . ع األوروبي في المادة نجدىا ضمن الضوابط التي وضعيا المشر 5 من الئحة حماية البيانات رقم 35 679 / 2016 اض ة أن يكون الجمع ألغر التي تقضي بضرور وغايات محددة وواضحة ومشروعة. خاتمة عتو في الحديث عن الذكاء االصطناعي ال يجب ان يتوقف عند الوظائف االجتماعية التي يؤدييا وقدرتو وسر جح افق كل تطور تكنولوجي جديد، حيث تتأر أداء الميام، بل يجب ان يتعداه الى الجدل األخبلقي الذؼ ير المجتمعات بين األمل في الفائدة منو والخوف من الخطر، السيما عندما يس بق التطور التكنولوجي اإلطار التشريعي والقانوني لو. 33 املادة 2 ، قانون 91 - 10 ، املرجع نف سه. 34 ة بدوؼ نجم، المرجع السابق، صفحة أمير 80. 35 أحمد عمي حسن عثمان، الخطأ المدني المترتب عمى مخالفة الضوابط الحمائية لمبيانات الشخصية، دار النيضة العربية 2024 ، صفحة 65. 9091

االخالقيات والذكاء االصطناعي ادتكمن أىمية اخبلقيات الذكاء االصطناعي في الحاجة الى تفادؼ اآلثار السمبية المحتممة لو عمى األفر احل تطوير انظمتو بدءا من جمع البيانات ات األخبلقية في جميع مر والمجتمع، لذلك يجب ادماج االعتبار الى نشر النماذ ج. ار يجب اخضاعو الى المعايير األخبلقية مثمما يخضع ليا بما أن الذكاء االصطناعي يساىم في اتخاذ القر اتو، ألن اخبلقيات الذكاء االصطناعي ىي امتداد لؤلخبلق العامة بحيث ار االنسان المسؤول عن اتخاذ قر يجب تصميمو واستخدامو بشكل مسؤول، عادل ويحمي الحقوق األساسية، مع اعاة التحديات ذلك يجب مر ىا عمى االنسان والمجتمع. الخاصة باألنظمة الذكية وتأثير تُعد أخبلقيات الخوارزميات نوعًا خاصًا جدًا من األخبلق، يواجو تحدّؼ تحويل ما ىو إنساني ومتعدد األبعاد إلى لغة منطقية صارمة ال تحتمل الظبلل أو االختبلفات. التحديات األخبلقية التي ة العمل عمى حماية الخصوصية في عالم يطرحيا الذكاء االصطناعي تتطمب ضرور يتغذػ فيو الذكاء االصطناعي من البيانات الشخصية، وذلك بوضع سياسة مدروسة وصارمة تتعمق بكيفية جمع واستخدام ىذه البيانات وارساء تدابير قوية لمحفاظ عمى الخصوصية، من خبلل التعاون المشترك بين ا لمتخصصين في التكنولوجيا واألخبلقيات وصانعي السياسات من أجل تشكيل مستقبل الذكاء االصطناعي اد المجتمع. باإلضافة الى ذلك يجب أن تكون المخاطر المحتممة والفوائد العامة والغرض بما يخدم جميع أفر ة ومحددة بشكل واضح ودقيق من طرف الجية من استخدام البيانات الشخصية مبرر المسؤولة عن نظام الذكاء االصطناعي. ة ستؤدي إلى ذكاء اصطناعي متحيز، هذا ما البيانات المتحيز ة أن تكون أصول البيانات يتطمب بالضرور ؼ فرض رقابة عمى األنظمة القانونية المعتمدة لمتأكد من المستخدمة موضوعية، ولتحقيق ذلك من الضرور حيادىا وعدالتيا، ولمت خفيف من التحي اح عدة مقاربات، منيا ز، تم اقتر : - ع البيانات زيادة تنو Dataset Augmentation بإضافة بيانات أكثر تنوعا الى مجموعات التدريب لتعزيز التمثيل وتقميل التحيز. - بالتحيز الواعية الخوارزميات Bias - Aware Algorithms التحيّز أنواع اعي تر خوارزميات تصميم ىا عمى مخرجات النظام. المختمفة وتيدف إلى تقميل تأثير ايد لمذكاء االصطناعي في مختمف المجاالت، بما في يجب تحديث المبادغ األخبلقية لتعكس االستخدام المتز ار المقدم بواسطة الذكا اف عمى األدوات والتأكد من أن العمل والقر ذلك اإلشر ء االصطناعي يمتزم بالمعايير 9091

االخالقيات والذكاء االصطناعي األخبلقية، من خبلل ارساء ات التي يتخذىا الذكاء االصطناعي ار أطر قانونية وتنظيمية وتقنية تضمن أن القر ؼ لتحديد المسؤولية في حالة الخطأ. اف بشر تكون تحت اشر اجع: قائمة المصادر والمر أوال: النصوص القانونية: - قانون 18 - 07 خ في مؤر 10 يوليو 2018 المتعمق بحماية األشخاص الطبيعيين في مجال معالجة المعطيات ذات الطابع الشخصي المعدل والمتمم بقانون رقم 25 - 11 خ في مؤر 24 يوليو 2025 ، جريدة رسمية عدد 48 ة في ، صادر 24 يوليو 2025 . ثانيا: الكتب: - أحمد عمي حسن عثمان، الخطأ المد ني المترتب عمى مخالفة الضوابط الحمائية لمبيانات الشخصية، دار النيضة العربية 2024 . - ة بدوؼ نجم، أخبلقيات الذكاء االصطناعي في ضوء توصيات األمم المتحدة (اليونسكو)، دار الفكر امير الجامعي، مصر 2024 . - باسم دمحم فاضل مدبولي، النظام القانوني لمروبوتات ذات الذكاء االصطناعي، دار الفكر الجامعي 2023 . - اسة مقارنة)، المركز العربي لمنشر عمر نافع رضا العباسي، النظام القانوني لمذكاء االصطناعي (در والتوزيع، 2023 . - خالد أحسن احمد لطفي، الذكاء االصطناعي وحمايتو من الناحية المدنية والجنائية، دار الفكر الجامعي، 2021 . - ج، مارك كوكمبير ترجمة ىبة عبد العزيز غانم، أخبلقيات الذكاء االصطناعي، مؤسسة ىنداوؼ، المممكة المتحدة، 2024 . - اىيم، الحماية الجنائية لمبيانات الشخصية االلكترونية، دار النيضة العربية، دمحم شحاتة إبر 2025 . - ان، ترجمة عبلء طعيمة، الذكاء االصطناعي واإل ميبلد وز نسانية، التحديات األخبلقية لعصر ىيمنة اآللة، ان، طير 2021 . - اسة مقارنة، دار المطبوعات ياسمين محمود عبد المطيف، التأمين من أخطار الذكاء االصطناعي در الجامعية، مصر، 2026 . 9091

االخالقيات والذكاء االصطناعي - Lemy Gidefroy, Droit de l’intelligence Artificielle, ellipses, 2020. ثالثا: المقاالت - FAILURE OF INTENT AND CAUSATION , Harvard Journal of Law & Technology Volume 31, Number 2 Spring 2018 , p 891, “… as many of these algorithms can be black boxes,” - Yavar Bathaee, THE ARTIFICIAL INTELLIGENCE BLACK BOX AND THE FAILURE OF INTENT AND CAUSATION, Harvard Journal of Law & Technology Volume 31, Number 2 Spring 2018, p 891, “These algorithms are capable of learning from massive amounts of data, and once that data is internalized, they are capable of making decisions experientially or intuit ively like humans. - . Gry Hasselbalch & Pernille Tranberg, DATA ETHICS, THE NEW COMPETITIVE ADVANTAGE, 2016. - Sai Teja Boppiniti , Data Ethics in AI: Addressing Challenges in Machine Learning and Data Governance for Responsible Data Science, international scientific journal for reseaech, vol. 5 no. 5 - 2023. . ابعا: أشغال الممتقيات ر - Thierry Ménissier , Quelle éthique pour l’IA ? , Colloque de l’Académie Delphinale, Grenoble, 19/10/2019. - INTELLIGENCE ARTIFICIELLE ENJEUX JURIDIQUES, Contribution du sous - groupe 3.2.B au groupe de travail 3.2 « Anticiper les impacts économiques et sociaux de l’intelligence artificielle », Mars 2017. . خامسا: المواقع االلكترونية - DOAT David, Quelle éthique pour quelle IA ? https://univ - artois.hal.science . 11 mai 2023. - - Emilio Ferrara, Fairness and Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, and Mitigation Strategies, 25/10/2025. https://doi.org/10.3390/sci6010003 - Martin Gibert, Qu’est - ce que l’éthique des algorithmes ?12/10 :2025. https://martin - gibert.medium.com/quest - ce - que - l- %C3%A9thique - des - algorithmes - 21 9091

االخالقيات والذكاء االصطناعي - Christine Solnon, INSA Lyon, Inria, CITI, Illustrations de Luc Damas, Éthique des algorithmes, 8/12/2025. https://hal.science/hal - 02864885/document - http://montrealdeclaration - responsibleai.com/about 20/01/2026. - https://www.ethique.gouv.qc.ca/ethique - hebdo/eh - 2021 - 07 - 07/ 9099