تبسيط الذكاء الاصطناعي القابل للشرح (XAI) لتمكينك من اتخاذ قرارات حاسمة بناءً على أنظمة متطورة
في مجال التكنولوجيا، ارتفع الذكاء الاصطناعي (AI) إلى الواجهة، مؤثرًا بشكل عميق في صناعات مختلفة. في مسيرته المتواصلة، غيّر الذكاء الاصطناعي طريقة عملنا واتخاذ القرارات وحتى تصورنا للمستقبل. ومع ذلك، مع الاعتماد المتزايد على الذكاء الاصطناعي، تظهر حاجة ملحة للشفافية والفهم.
يظهر الذكاء الاصطناعي القابل للتفسير (XAI). في عصر تعمل فيه الخوارزميات المعقدة غالبًا كصناديق سوداء، يلمع الذكاء الاصطناعي القابل للتفسير كمنارة للوضوح. إنه حل قوي للتحديات التي يفرضها الغموض الكامن في الذكاء الاصطناعي.
الذكاء الاصطناعي، الذي يجمع بين الرؤى المستندة إلى البيانات والقوة الحسابية، قد اخترق قطاعات متنوعة مثل الرعاية الصحية والمالية والنقل. إنه يملك قدرات تنبؤية تعيد تعريف الكفاءة والابتكار. ومع ذلك، مع توسع تأثير الذكاء الاصطناعي، تزداد أيضًا الحاجة إلى الإجابات. يطالب المستخدمون وأصحاب المصلحة برؤية داخل متاهة اتخاذ القرار في هذه الأنظمة المتطورة.
نداء الشفافية في الذكاء الاصطناعي لا لبس فيه. في عالم تتخذ فيه الخوارزميات قرارات حاسمة بشأن صحتنا ومالنا وسلامتنا، يعد فهم كيفية اتخاذ هذه الخيارات أمرًا بالغ الأهمية. بدون شفافية، تتلاشى الثقة، وتبرز الآثار الأخلاقية للذكاء الاصطناعي بشكل كبير.
يظهر الذكاء الاصطناعي القابل للتفسير، الذي يُختصر غالبًا بـ XAI، كمضاد لغموض الذكاء الاصطناعي. إنه النداء الصارخ للشفافية والقابلية للتفسير. في جوهره، يسعى الذكاء الاصطناعي القابل للتفسير إلى فك طابع الذكاء الاصطناعي الغامض، وكشف آلياته الداخلية. يوفر فهمًا ملموسًا لكيفية وصول الذكاء الاصطناعي إلى قراراته، مما يسد الفجوة بين منطق الآلة والفهم البشري.
فهم الذكاء الاصطناعي القابل للتفسير (XAI)
الذكاء الاصطناعي القابل للتفسير، المعروف عادةً باسم XAI، هو جانب لا غنى عنه في مشهد الذكاء الاصطناعي. هدفه الواضح والمفرد هو حقن الشفافية والفهم في أنظمة الذكاء الاصطناعي. في جوهره، يعمل الذكاء الاصطناعي القابل للتفسير كمنارة إضاءة، يلقي الضوء على العمليات الغامضة التي تحكم اتخاذ قرارات الذكاء الاصطناعي.
تم تصميم الذكاء الاصطناعي القابل للتفسير ليكون منارة للرؤى، فكك النسيج المعقد لآليات اتخاذ قرارات الذكاء الاصطناعي. في عالم يعمل فيه الذكاء الاصطناعي غالبًا خلف حجاب من التعقيد، يعد الذكاء الاصطناعي القابل للتفسير هو المضاد. يسعى إلى توضيح كيفية وصول الذكاء الاصطناعي إلى استنتاجاته، مما يسهل فهمًا عميقًا للمنطق الذي يحكم اختياراته.
في مجال الذكاء الاصطناعي، حيث تكون المخاطر عالية والاعتماد عليه واسع النطاق، تبرز الذكاء الاصطناعي القابل للتفسير (XAI) كحليف لا يقدر بثمن. ويمتد دورها إلى ما هو أبعد من الإيضاح؛ فهي تعزز الثقة، وتحافظ على المعايير الأخلاقية، وتمكن المستخدمين من فهم الأسس التي تقوم عليها أحكام الذكاء الاصطناعي.
كيف يعمل الذكاء الاصطناعي القابل للتفسير
يعمل الذكاء الاصطناعي القابل للتفسير (XAI) على المبادئ الأساسية للشفافية والقابلية للتفسير وتقديم مبررات واضحة لقرارات الذكاء الاصطناعي. وتهدف هذه العملية إلى إنشاء أنظمة ذكاء اصطناعي يمكن للبشر فهمها ومراجعتها وتدقيقها، مع ضمان خلوها من العواقب غير المقصودة مثل التحيز والتمييز.
الشفافية والقابلية للتفسير
تدور القابلية للتفسير حول الكشف عن العوامل والمعايير الحاسمة التي تشكل قرارات الذكاء الاصطناعي. وعلى الرغم من أن الشفافية الكاملة في جميع الأوقات قد تكون صعبة بسبب التعقيد الداخلي للذكاء الاصطناعي، فإن الذكاء الاصطناعي القابل للتفسير يسعى إلى برمجة معايير وقيم محددة في أنظمة الذكاء الاصطناعي، لتحقيق مستويات عالية من القابلية للتفسير. وهذا لا يضيف قيمة تقنية فحسب، بل يحفز أيضًا الابتكار.
الأهمية العالمية للشفافية
تعد أهمية الشفافية والقابلية للتفسير في أنظمة الذكاء الاصطناعي أمرًا لا يمكن إنكاره على مستوى العالم. ويتمتع الذكاء الاصطناعي القابل للتفسير بمزايا متعددة، بما في ذلك فهم سبب اتخاذ قرار معين، وتعزيز الثقة والتفاهم بين المستخدمين، مع السماح بإخضاعه للمراجعة.
اعتبارات أخلاقية
تعد القابلية للتفسير شرطًا مسبقًا للحفاظ على مبادئ الذكاء الاصطناعي الأخلاقية، مثل الاستدامة والإنصاف والعدالة. فهي تتيح مراقبة تطبيقات الذكاء الاصطناعي وتطويره، وهو أمر بالغ الأهمية بشكل خاص في مجالات مثل النظام القضائي ووسائل التواصل الاجتماعي والرعاية الصحية والمالية والأمن القومي، حيث تؤثر قرارات الذكاء الاصطناعي على الأرواح والمجتمع ككل.
أمثلة على تقنيات الذكاء الاصطناعي القابل للتفسير
أشجار القرار
التصورات البصرية: أشجار القرار هي مخططات بصرية تمثل بوضوح وبشكل حدسي كيفية اتخاذ نموذج الذكاء الاصطناعي للقرارات. تتكون من عقد تمثل قرارات أو اختبارات على ميزات محددة وفروع توضح النتائج الممكنة. يسمح اتباع الفروع للمستخدمين بفهم المنطق وراء اختيارات الذكاء الاصطناعي بسرعة.
القابلية للتفسير: أشجار القرار قابلة للتفسير بشكل كبير، حيث تقوم بتفكيك القرارات المعقدة إلى خيارات ثنائية بسيطة. يسمح هذا الشفافية للمستخدمين برؤية الميزات التي أثرت بدقة على قرار معين، مما يجعلها أداة قيمة لفهم سلوك الذكاء الاصطناعي.
الأنظمة القائمة على القواعد
قواعد مفهومة للبشر: تستخدم الأنظمة القائمة على القواعد خوارزميات يتم تعريفها بتنسيقات مفهومة للبشر. تعمل هذه الأنظمة وفقًا لمجموعة من القواعد الصريحة التي توجه اتخاذ القرار. تتكون كل قاعدة عادةً من عبارة "إذا-ثم"، مما يوضح كيف تؤدي شروط محددة إلى إجراءات معينة.
القابلية للتفسير: تتفوق الأنظمة القائمة على القواعد لأن المستخدمين يمكنهم فحص القواعد التي تحكم قرارات الذكاء الاصطناعي مباشرة. يعزز هذا الشفافية الثقة، حيث يمكن للأفراد التحقق بسهولة من كيفية وصول الذكاء الاصطناعي إلى استنتاجاته.
الشبكات البايزية
النماذج الاحتمالية: شبكات بايز هي نماذج احتمالية تمثل العلاقات السببية وعدم اليقين بين المتغيرات. تستخدم الاحتمالات الشرطية لالتقاط كيفية تأثير التغييرات في متغير واحد على الآخرين في الشبكة. يسمح هذا النهج الاحتمالي بنمذجة سيناريوهات العالم المعقدة.
القابلية للتفسير: في حين أن شبكات بايز يمكن أن تصبح معقدة، فإنها توفر رؤى حول الاستدلال الاحتمالي وراء قرارات الذكاء الاصطناعي. يمكن للمستخدمين تقييم احتمالية النتائج المختلفة بناءً على الأدلة الملاحظة، مما يعزز الشفافية في اتخاذ قرارات الذكاء الاصطناعي.
النماذج الخطية
علاقات المدخلات والمخرجات: النماذج الخطية هي تمثيلات رياضية بسيطة لأنظمة الذكاء الاصطناعي. توضح كيف تساهم كل ميزة مدخل في المخرجات، عادةً من خلال تركيبة خطية من الأوزان والميزات.
القابلية للتفسير: تقدم النماذج الخطية شفافية من خلال قياس تأثير كل ميزة مدخل مباشرة وبشكل مفهوم. يمكن للمستخدمين فهم بسرعة الميزات التي لها التأثير الأكبر على تنبؤات الذكاء الاصطناعي.
الشبكات العصبية
التعقيد مع الشفافية: الشبكات العصبية معروفة بتعقيدها، ولكن تم بذل جهود لتعزيز شفافيتها. تهدف تقنيات مثل تصور الميزات، وآليات الانتباه، ونشر الأهمية الطبقي (LRP) إلى تقديم رؤى حول كيفية وصول الشبكات العصبية إلى القرارات.
القابلية للتفسير: في حين أن الشبكات العصبية يمكن أن تكون صعبة التفسير بالكامل، تهدف هذه التقنيات إلى الكشف عن أجزاء بيانات الإدخال التي كانت الأكثر تأثيرًا في قرار النموذج. هذا الشفافية الجزئية قيمة لفهم سلوك الشبكات العصبية، خاصة في التطبيقات الحرجة.
أهمية الذكاء الاصطناعي القابل للتفسير (XAI)
أصبحت الحاجة إلى الشفافية والفهم في اتخاذ القرارات أكثر وضوحًا مع تزايد انتشار أنظمة الذكاء الاصطناعي. وقد أدى هذا الحاجة إلى ظهور الذكاء الاصطناعي القابل للتفسير (XAI)، وهو تطور حاسم في مجال الذكاء الاصطناعي. ولا يعد الذكاء الاصطناعي القابل للتفسير مجرد مفهوم تقني، بل هو ضرورة أساسية لضمان أن تكون أنظمة الذكاء الاصطناعي خاضعة للمساءلة، وخالية من التحيز، وموثوقة. في هذا الاستكشاف، نتعمق في أهمية الذكاء الاصطناعي القابل للتفسير ودوره المحوري في تشكيل مستقبل نشر الذكاء الاصطناعي.
فهم قرارات الذكاء الاصطناعي للمساءلة والثقة
يضمن الذكاء الاصطناعي القابل للتفسير (XAI) الشفافية والمساءلة في الذكاء الاصطناعي. ويتضمن ذلك تصميم أنظمة الذكاء الاصطناعي لتوضيح عمليات اتخاذ القرار الخاصة بها من خلال تقنيات متنوعة.
الهدف النهائي للذكاء الاصطناعي القابل للتفسير (XAI) هو تمكين المراقبين الخارجيين، سواء كانوا أفرادًا أو منظمات أو هيئات تنظيمية، من فهم كيفية وصول الذكاء الاصطناعي إلى مخرجاته وموثوقية تلك النتائج.
معالجة تأثير الذكاء الاصطناعي على الأفراد والمجتمعات
تبرز أهمية الذكاء الاصطناعي القابل للتفسير عندما نأخذ في الاعتبار العواقب المباشرة وغير المباشرة المحتملة لأنظمة الذكاء الاصطناعي على الأفراد والمجتمعات. فبينما يُعد الذكاء الاصطناعي قويًا بشكل لا يصدق، إلا أنه قد يؤدي إلى آثار سلبية يمكن أن تؤثر بشكل كبير على حياة الناس. تتراوح هذه الآثار بين اتخاذ قرارات متحيزة وممارسات تمييزية.
تعقيد أنظمة الذكاء الاصطناعي القائمة على التعلم العميق
يمكن أن يكون فهم عملية اتخاذ القرار من قبل الذكاء الاصطناعي أمرًا صعبًا، خاصة عند التعامل مع أنظمة التعلم العميق المعقدة. تعمل هذه الأنظمة، التي تُعرف غالبًا بالشبكات العصبية، داخل دوائر معقدة في جوهرها، تشبه الشبكات العصبية في الدماغ البشري. يمكن أن يجعل هذا التعقيد من الصعب على غير المهندسين تصور كيفية تعلم الذكاء الاصطناعي واكتساب معلومات جديدة.
موازنة الشفافية والغموض
توجد جدالات بين العلماء حول شفافية أنظمة التعلم العميق. بينما يجادل البعض بأن هذه الأنظمة تشبه الصناديق السوداء، يرى آخرون أنه يجب أن يكون هناك مستوى معين من القابلية للتفسير. ومع ذلك، فإن الإجماع يميل إلى الاعتقاد بأن معظم قرارات الذكاء الاصطناعي يجب أن تكون قابلة للتفسير إلى حد ما.
المساءلة في تطبيقات الذكاء الاصطناعي الحكومية
لتوضيح الحاجة إلى الذكاء الاصطناعي القابل للتفسير، خذ في الاعتبار حالة النظام الهولندي لتقييم المخاطر (SyRI). كان SyRI نظامًا قائمًا على الذكاء الاصطناعي تستخدمه المنظمات شبه الحكومية الهولندية للكشف عن الاحتيال المحتمل في مزايا الرعاية الاجتماعية.
ومع ذلك، كان يعمل بشكل غامض وصُنف كصندوق أسود. أدى هذا الافتقار إلى الشفافية إلى انتهاكات للخصوصية ومخاوف تتعلق بحقوق الإنسان، حيث استهدف بشكل غير متناسب المجتمعات الضعيفة.
تأثير التحيز والتمييز
أدى تطبيق SyRI في الأحياء ذات الدخل المنخفض إلى تضخيم التحيزات والصور النمطية. أدى نشر النظام بشكل أساسي في المناطق التي تم تصنيفها مسبقًا على أنها "مشكلة" إلى استمرار التصورات السلبية تجاه السكان، بغض النظر عن وضعهم الفعلي من حيث المخاطر. يوضح هذا أنه بدون شفافية وإشراف خارجي، يمكن لأنظمة الذكاء الاصطناعي أن تنتج نتائج ضارة تمر دون أن يلاحظها أحد.
مصالح القطاع الخاص والشفافية
إلى جانب التطبيقات الحكومية، تقوم الشركات الخاصة بتطوير ونشر العديد من أنظمة الذكاء الاصطناعي. قد تعطي هذه الكيانات الأولوية للأرباح الاقتصادية وحماية براءات الاختراع وتجنب التنظيم على الشفافية والقابلية للتفسير. يصبح فهم الآليات الداخلية لهذه الأنظمة أمرًا ضروريًا في هذا السياق.
بناء الثقة وضمان المساءلة
في جوهر الأمر، تكمن أهمية الذكاء الاصطناعي القابل للتفسير في قدرته على إلقاء الضوء على عمليات اتخاذ القرار الخاصة بنماذج الذكاء الاصطناعي. تعزز هذه الشفافية الثقة في أنظمة الذكاء الاصطناعي الحكومية والخاصة، مما يزيد من المساءلة ويخفف من التحيز والتمييز. كما تحمي من إساءة استخدام البيانات في المؤسسات العامة، وتمنعها من الانتشار في قواعد البيانات الواسعة التي تتقاطع مع أنظمة كشف الاحتيال القائمة على الخوارزميات.
الصندوق الأسود للذكاء الاصطناعي مقابل شفافية الذكاء الاصطناعي القابل للتفسير
يستخدم الذكاء الاصطناعي القابل للتفسير التصورات البيانية وشرح اللغة الطبيعية والواجهات التفاعلية لمكافحة مشكلة الصندوق الأسود في الذكاء الاصطناعي. تتيح الواجهات التفاعلية للمستخدمين تعديل معاملات الإدخال لملاحظة كيفية تغير تنبؤات النموذج.
توفر التصورات البيانية، بما في ذلك خرائط الحرارة وأشجار القرار، رؤى حول عملية اتخاذ القرار الخاصة بالنموذج. تستخدم خرائط الحرارة تدرجات الألوان للإشارة إلى أهمية الميزات، مما يوجه مخرجات نموذج التعلم الآلي. تعرض أشجار القرار بشكل مرئي مسارات القرار المتفرعة.
علاوة على ذلك، توفر شروحات اللغة الطبيعية مبررات نصية لتنبؤات الذكاء الاصطناعي، مما يسهل الفهم، خاصة للمستخدمين غير التقنيين.
جدير بالذكر أنه ضمن مجال فرعي من التعلم الآلي يوجد التعلم الآلي القابل للتفسير (XML)، الذي يركز بشكل محدد على تعزيز شفافية وقابلية تفسير نماذج التعلم الآلي، متجاوزًا النطاق الأوسع للذكاء الاصطناعي القابل للتفسير الذي يشمل جميع أنواع أنظمة الذكاء الاصطناعي.
كيف يغير الذكاء الاصطناعي القابل للتفسير (XAI) الصناعات المتنوعة
أصبح الذكاء الاصطناعي القابل للتفسير (XAI) قوة تحويلية عبر العديد من الصناعات والوظائف. لقد كان لقدرته على إزالة الغموض عن عمليات اتخاذ القرار الخاصة بالذكاء الاصطناعي وتعزيز الشفافية آثار بعيدة المدى. هنا، نستكشف مجموعة متنوعة من الصناعات والمجالات التي تستفيد من قوة الذكاء الاصطناعي القابل للتفسير لتحسين أنظمة الذكاء الاصطناعي الخاصة بها.
الرعاية الصحية
في مجال الرعاية الصحية، حققت تقنيات التعلم الآلي والذكاء الاصطناعي تقدمًا كبيرًا. ومع ذلك، كان التحدي الحرج يتمثل في عدم القدرة على شرح القرارات التي يولدها الذكاء الاصطناعي، مما يحد من تطبيقها على نطاق أوسع.
يعالج الذكاء الاصطناعي القابل للتفسير هذا القيد من خلال السماح للأطباء ومقدمي الرعاية الصحية بفهم المنطق وراء توصيات الذكاء الاصطناعي. على سبيل المثال، يمكن للذكاء الاصطناعي القابل للتفسير توضيح سبب تعرض مريض معين لخطر عالٍ من القبول في المستشفى والتوصية بالعلاج الأنسب. تمنح هذه الشفافية الجديدة مقدمي الرعاية الصحية القدرة على اتخاذ قرارات أكثر استنارة.
التسويق
أصبح الذكاء الاصطناعي والتعلم الآلي جزءًا لا يتجزأ من استراتيجيات التسويق الحديثة، حيث يوفران رؤى يمكنها تعظيم عوائد الاستثمار. ومع ذلك، غالبًا ما يكافح المسوقون مع مدى ثقتهم في التوصيات التي يقودها الذكاء الاصطناعي.
يعالج الذكاء الاصطناعي القابل للتفسير هذا القلق من خلال مساعدة المسوقين في اكتشاف وإصلاح أي نقاط ضعف في نماذج الذكاء الاصطناعي الخاصة بهم. من خلال فهم أعمق للرؤى التسويقية التي يولدها الذكاء الاصطناعي، يمكن للمسوقين اتخاذ قرارات أكثر دقة، وتعزيز الكفاءة، وزيادة عوائد استثمارهم في النهاية مع تقليل التكاليف المحتملة.
التأمين
في صناعة التأمين، تعد الثقة والفهم وقابلية التدقيق لأنظمة الذكاء الاصطناعي أمرًا بالغ الأهمية لإطلاق إمكاناتها الكاملة. برز الذكاء الاصطناعي القابل للتفسير كعامل تغيير جذري، مما يمكّن شركات التأمين من تعزيز اكتساب العملاء، وزيادة معدلات تحويل العروض، وتحسين الإنتاجية والكفاءة، وتقليل المطالبات والاحتيال. من خلال جعل أنظمة الذكاء الاصطناعي قابلة للتفسير، يعزز الذكاء الاصطناعي القابل للتفسير ثقة أكبر ويمكّن شركات التأمين من تحسين عملياتها.
الخدمات المالية
تتبنى المؤسسات المالية بنشاط الذكاء الاصطناعي لتوفير الاستقرار المالي والوعي للعملاء. يلعب الذكاء الاصطناعي القابل للتفسير دورًا محوريًا في هذا القطاع من خلال تقديم نتائج شفافة وغير متحيزة. فهو يضمن الامتثال للمتطلبات التنظيمية مع الحفاظ على المعايير الأخلاقية والعادلة.
يستفيد القطاع المالي من الذكاء الاصطناعي القابل للتفسير من خلال تحسين التنبؤات السوقية، وضمان العدالة في تقييم الائتمان، وتحديد عوامل السرقة لتقليل الإيجابيات الخاطئة، وتخفيف التكاليف المحتملة الناتجة عن تحيزات أو أخطاء الذكاء الاصطناعي. باختصار، يعزز الذكاء الاصطناعي القابل للتفسير الثقة والشفافية في اتخاذ القرارات المالية.
الخلاصة
يقف الذكاء الاصطناعي القابل للتفسير (XAI) في طليعة ثورة الذكاء الاصطناعي، مما يعالج الحاجة الحاسمة إلى الشفافية والفهم في أنظمة الذكاء الاصطناعي. إنه تحول نموذجي يمكّن المستخدمين والمطورين والجهات التنظيمية من فهم عمليات اتخاذ القرار الخاصة بالذكاء الاصطناعي، ويحمل أهمية كبيرة عبر قطاعات مختلفة.
يُمكّن الذكاء الاصطناعي القابل للتفسير محترفي الرعاية الصحية من اتخاذ قرارات مستنيرة، والمسوقين من الثقة في توصيات الذكاء الاصطناعي، وشركات التأمين من تحسين عملياتها، والمؤسسات المالية من تقديم خدمات عادلة وأخلاقية. يتردد تأثيره عبر الصناعات، مما يجعل الذكاء الاصطناعي خاضعًا للمساءلة، وغير متحيز، وقابلًا للتفسير.
مع استمرار تطور الذكاء الاصطناعي القابل للتفسير، سيشكل مستقبل تطبيقات الذكاء الاصطناعي، مما يضمن استفادة الأفراد والمجتمعات منه مع الحفاظ على الثقة والعدالة والموثوقية.
الأسئلة الشائعة
ما هو الذكاء الاصطناعي القابل للتفسير (XAI)?
يُعد XAI إطار عمل يجعل أنظمة الذكاء الاصطناعي شفافة وقابلة للتفسير، مما يسمح للمستخدمين بفهم كيفية اتخاذ القرارات بواسطة الذكاء الاصطناعي.
لماذا يُعد XAI مهمًا في مجال الرعاية الصحية؟
يمكن الأطباء من فهم التنبؤات التي يقودها الذكاء الاصطناعي في الرعاية الصحية، مما يحسن رعاية المرضى وقرارات العلاج.
كيف يستفيد التسويق من XAI؟
يساعد XAI المسوقين على الثقة في توصيات الذكاء الاصطناعي، مما يؤدي إلى قرارات تسويقية أكثر دقة وتحسين العائد على الاستثمار.
ما الدور الذي يلعبه XAI في صناعة التأمين؟
يحسّن XAI عمليات التأمين من خلال تعزيز اكتساب العملاء، والكفاءة، وكشف الاحتيال.
لماذا يُعد XAI حاسمًا في الخدمات المالية؟
يضمن XAI أن تقدم المؤسسات المالية نتائج عادلة، وتمتثل للوائح التنظيمية، وتقلل الأخطاء، مما يفيد التنبؤ بالسوق وتقييم الجدارة الائتمانية.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.
داميلولا لورانس
يغطي داميلولا لورانس أخبار أسواق العملات المشفرة والتكنولوجيا لأكثر من 5 سنوات. وقد شارك سابقاً رؤى وتحليلات حول العملات المشفرة في TheShibMagazine وCryptoMode وQweens Magazine والأكاديمية التسجيلية قبل التحول إلى الويب 3. في Cryptopolitan، هو متخصص في توقعات أسعار العملات المشفرة. وبعد إكماله درجة البكالوريوس، انتقل إلى دراسة الماجستير في أمن المعلومات السيبرانية في جامعة ماريا كوري-سكلودوفسكا.
