لا بد أن ينتهي عصر الثقة العمياء في البيانات الضخمة
-
0:01 - 0:03نجدُ الخوارزميات في كل مكان.
-
0:04 - 0:07إنها تُصنّفُ وتفصل الفائزين عن الخاسرين.
-
0:08 - 0:10يحصل الفائزون على الوظيفة
-
0:10 - 0:12أو على أحد عروض بطاقات الائتمان الجيّدة.
-
0:12 - 0:15بينما لا يحصل الخاسرون حتى على مقابلة عمل
-
0:16 - 0:17أو يدفعون أكثر مقابل التأمين.
-
0:18 - 0:22يتمّ تقييمنا بصيغ سرّية لا نفهمها
-
0:23 - 0:26والتي لا يمكننا استئناف أحكامها
في معظم الأحيان. -
0:27 - 0:29مما يطرح السؤال:
-
0:29 - 0:31ماذا لو كانت الخوارزميات خاطئة؟
-
0:33 - 0:35لبناء خوارزمية فأنتم تحتاجون لشيئين:
-
0:35 - 0:37تحتاجون لبيانات، أي ما حدث في الماضي،
-
0:37 - 0:39وتحتاجون تعريفًا للنجاح،
-
0:39 - 0:41أي الأمر الذي تبحثون عنه
وتأملون غالبًا إيجاده. -
0:41 - 0:46تدرّبون الخوارزمية بالبحث أو التحديد.
-
0:46 - 0:50أي تحدّد الخوارزمية ما هو متعلق بالنجاح.
-
0:50 - 0:52أي حالة تقود إلى النجاح؟
-
0:53 - 0:55في الواقع، يستخدمُ كلُ شخص الخوارزميات.
-
0:55 - 0:57لكن فقط هم لا يستطيعون صياغتها
على هيئة شفرات مكتوبة. -
0:57 - 0:58دعوني أعطيكم مثالاً.
-
0:58 - 1:01أستخدمُ الخوارزميات كل يوم
لأصنع وجبة غذائية لأسرتي. -
1:02 - 1:04فالبيانات التي أستخدمها
-
1:04 - 1:06هي محتويات مطبخي،
-
1:06 - 1:08ووقتي،
-
1:08 - 1:09وطموحي،
-
1:09 - 1:11وأقوم بتنظيم هذه البيانات.
-
1:11 - 1:15لا أعتبر هذه العبوّات الصغيرة من
الرامن (حساء المعكرونة) طعامًا. -
1:15 - 1:17(ضحك)
-
1:17 - 1:19تعريفي للنجاح هو:
-
1:19 - 1:21تعتبرُ الوجبة الغذائية ناجحة
إذا تناول أطفالي الخضروات. -
1:22 - 1:25سيختلف هذا إن كان ابني الصغير هو المسؤول.
-
1:25 - 1:28سيقول أن النجاح هو إذا تناول
الكثير من شوكولاتة "نوتيلا". -
1:29 - 1:31لكن يتوجب عليّ اختيار النجاح.
-
1:31 - 1:34أنا المسؤولة. لذا فرأيي مهمّ.
-
1:34 - 1:37هذه هي أول قاعدة للخوارزميات.
-
1:37 - 1:40الخوارزميات هي آراء موضوعة في شفرات.
-
1:42 - 1:45إنها مختلفة حقًا عما يعتقده معظم الناس.
-
1:45 - 1:50إنهم يعتقدون أن الخوارزميات
موضوعية وصحيحة وعلمية. -
1:50 - 1:52إنها خدعة تسويقية.
-
1:53 - 1:55وإنها أيضًا خدعة تسويقية
-
1:55 - 1:59لتخويفكم بهذه الخوارزميات،
-
1:59 - 2:02لجعلكم تثقون في الخوارزميات وتخافونها
-
2:02 - 2:04لأنكم تثقون في الرياضيات وتخافونها.
-
2:06 - 2:10الكثير من الأمور قد تسوء عندما
نضع ثقة عمياء في البيانات الضخمة. -
2:12 - 2:15هذه هي (كيري سوريس)،
إنها مديرة مدرسة ثانوية في (بروكلين). -
2:15 - 2:18في عام 2011، أخبرتني
بأنه كان يتمّ تصنيف معلميها -
2:18 - 2:20بناءً على خوارزمية سرية معقدة
-
2:20 - 2:22سمّيت "نموذج القيمة المضافة".
-
2:23 - 2:26قلت لها: "حسنًا، اكتشفي ما هي الصيغة،
وأريني إياها. -
2:26 - 2:27وسأشرحها لكِ."
-
2:27 - 2:29قالت، "حسنًا، حاولتُ الحصول على الصيغة،
-
2:29 - 2:32ولكن أخبرني شخص في وزارة التربية والتعليم
أنها عبارة عن رياضيات -
2:32 - 2:34وأنني لن أفهمها."
-
2:35 - 2:37يزدادُ الأمرُ سوءًا.
-
2:37 - 2:40قدّمت صحيفة (نيويورك بوست)
"طلب قانون حماية المعلومات" -
2:40 - 2:43وحصلت على أسماء كل المعلمين وتقييماتهم
-
2:43 - 2:46وتم نشرها على سبيل الخزي للمعلمين.
-
2:47 - 2:51عندما حاولتُ الحصول على الصيَغ
والشيفرة المصدرية عبر الوسائل نفسها، -
2:51 - 2:53قيل لي أنني لا أستطيع.
-
2:53 - 2:54تمّ رفضي.
-
2:54 - 2:56واكتشفتُ لاحقًا
-
2:56 - 2:58بأنه لم يستطع أحد في مدينة (نيويورك)
الوصول إلى تلك الصيغة. -
2:58 - 3:00لم يفهمها أحد.
-
3:02 - 3:05ثُم اهتم بالموضوع شخص ذكي حقًا،
يدعى (غاري روبنشتاين). -
3:05 - 3:09وجد أن 665 معلمًا من بيانات
صحفية (نيويورك بوست) تلك -
3:09 - 3:11لديهم في الحقيقة تقييمان.
-
3:11 - 3:13ويمكن حدوث ذلك إن كانوا يدرّسون
-
3:13 - 3:15مادة الرياضيات للصفين السابع والثامن.
-
3:15 - 3:17قرّر تمثيلهم برسم بياني.
-
3:17 - 3:19تمثلُ كل نقطة معلمًا.
-
3:19 - 3:21(ضحك)
-
3:22 - 3:23ما هذا؟
-
3:23 - 3:24(ضحك)
-
3:24 - 3:28لم يكن ينبغي استخدام ذلك
على الإطلاق للتقييم الفردي. -
3:28 - 3:30إنه تقريبًا مُولّد أرقام عشوائية.
-
3:30 - 3:33(تصفيق)
-
3:33 - 3:34ولكنه ما حدث.
-
3:34 - 3:35هذه هي (سارة ويسوكي).
-
3:35 - 3:37تمّ طردها من العمل
-بالإضافة إلى 205 معلم آخر- -
3:37 - 3:40من قطاع مدارس العاصمة (واشنطن)،
-
3:40 - 3:43مع أن لديها توصيات عظيمة من مديرتها
-
3:43 - 3:44وأولياء أمور طلابها.
-
3:45 - 3:47أعرفُ ما يفكرُ فيه الكثير منكم يا رفاق،
-
3:47 - 3:50خاصةً علماء البيانات وخبراء
الذكاء الاصطناعي هنا. -
3:50 - 3:54تفكّرون: "حسنًا، لم أكن لأنشئ
خوارزمية غير متجانسة كهذه". -
3:55 - 3:57ولكن يمكنُ للخوارزميات أن تفشل
-
3:57 - 4:01وتسبّبَ آثارًا مدمّرة بشدّة
حتى رغم النوايا حسنة. -
4:03 - 4:05وبينما الطائرة التي صُممت بطريقة سيئة
-
4:05 - 4:07تتحطم على الأرض ويراها الجميع،
-
4:07 - 4:09إلا أن الخوارزمية المصمّمة بطريقة سيئة
-
4:10 - 4:14يمكنُ أن تبقى لوقت طويل
تعيث فسادًا في صمت. -
4:16 - 4:17هذا هو (روجير إيلس).
-
4:17 - 4:19(ضحك)
-
4:21 - 4:23قام بتأسيس قناة (فوكس) الإخبارية عام 1996.
-
4:23 - 4:26اشتكت أكثر من 20 امرأة من التحرش الجنسي.
-
4:26 - 4:29قلن أن ذلك أثّر عليهن فلم يستطعن
النجاح في قناة (فوكس) الإخبارية. -
4:29 - 4:32تم طرده العام الماضي، لكن رأينا مؤخرًا
-
4:32 - 4:35بأن المشاكل ما زالت مستمرة.
-
4:36 - 4:37مما يطرحُ السؤال:
-
4:37 - 4:40ما الذي ينبغي على قناة (فوكس) الإخبارية
عمله لتبدأ صفحة جديدة؟ -
4:41 - 4:44ماذا لو استبدلوا عملية التوظيف لديهم
-
4:44 - 4:46بخوارزمية "التعلّم الآلي"؟
-
4:46 - 4:48يبدو هذا جيدًا، أليس كذلك؟
-
4:48 - 4:49فكّروا في الأمر.
-
4:49 - 4:51بالنسبة للبيانات، ماذا ستكون البيانات؟
-
4:51 - 4:56ربما طلبات التوظيف في (فوكس) الإخبارية
خلال 21 سنة الأخيرة. -
4:56 - 4:58منطقي.
-
4:58 - 4:59ماذا عن تعريف النجاح؟
-
5:00 - 5:01سيكون الاختيار المعقول هو،
-
5:01 - 5:03من هو الناجح
في قناة (فوكس) الإخبارية؟ -
5:03 - 5:07لنقل أنه شخص بقي هناك لمدة أربع سنوات
-
5:07 - 5:08وتم ترقيته مرة واحدة على الأقل.
-
5:09 - 5:10يبدو الأمر معقولًا.
-
5:10 - 5:13وبعد ذلك سيتم تدريب الخوارزمية.
-
5:13 - 5:17سيتم تدريبها للبحث عن الأشخاص
لمعرفة ما الذي أدّى إلى النجاح، -
5:17 - 5:22ما نوع طلبات التوظيف
التي أدت تاريخيًا إلى النجاح -
5:22 - 5:23بناءً على التعريف السابق.
-
5:24 - 5:26فكّروا الآن فيما سيحدث
-
5:26 - 5:29لو طبّقنا ذلك على المجموعة الحالية
من طالبي التوظيف. -
5:29 - 5:31ستَستبعِد الخوارزمية النساء
-
5:32 - 5:36لأنهن لا يشبهن الأشخاص
الذين نجحوا في الماضي. -
5:40 - 5:42لا تحقق الخوارزميات العدالة
-
5:42 - 5:45إن طبّقتموها على نحو أعمى وبدون تفكير.
-
5:45 - 5:47لا تجعل الأمور عادلة.
-
5:47 - 5:49تعيدُ ممارساتنا الماضية،
-
5:49 - 5:50وأنماط تصرّفاتنا.
-
5:50 - 5:52وتدير الوضع الراهن آليًّا.
-
5:53 - 5:55سيكون ذلك عظيمًا لو كان لدينا عالم مثالي،
-
5:56 - 5:57ولكن ليس لدينا.
-
5:57 - 6:01وسأضيفُ أن معظم الشركات ليس لديها
شكاوي قضائية محرجة، -
6:02 - 6:05ولكن علماء البيانات في هذه الشركات
-
6:05 - 6:07يُطلب منهم تتبّع البيانات
-
6:07 - 6:09للتركيز على الدقة.
-
6:10 - 6:12فكّروا فيما يعنيه ذلك.
-
6:12 - 6:16لأنه لدى جميعنا نزعة تحيّز،
فيمكن أن يقوموا بتقنين التمييز الجنسي -
6:16 - 6:18أو أي نوع آخر من التعصب الأعمى.
-
6:19 - 6:21إليكم تجربة فكرية،
-
6:21 - 6:22لأني أحبهم:
-
6:24 - 6:27إن افترضنا وجود مجتمع
مفصول عنصريًا بالكامل، -
6:28 - 6:32كل بلداته وأحياؤه مفصولة على أساس عنصري
-
6:32 - 6:35وحيث أننا نرسلُ الشرطة
لأحياء الأقليّات فقط -
6:35 - 6:36للبحث عن الجريمة،
-
6:36 - 6:39فإن بيانات الاعتقال ستكون منحازة جدًا.
-
6:40 - 6:42وعلاوة على ذلك، ماذا لو
وجدنا علماء البيانات -
6:42 - 6:47ودفعنا لهم للتنبؤ بمكان الجريمة التالية؟
-
6:47 - 6:49سيقولون أحد أحياء الأقليات.
-
6:49 - 6:52أو للتنبؤ بالمجرم التالي؟
-
6:53 - 6:54أيضًا من الأقليات.
-
6:56 - 6:59سيتباهى علماء البيانات كم أن نموذجهم
-
6:59 - 7:01سيكون رائعًا ودقيقًا،
-
7:01 - 7:02وسيكونون محقّين بالفعل.
-
7:04 - 7:09الآن، ليست الحقيقة بذلك التطرف،
ولكن لدينا تمييز وفصل شديد -
7:09 - 7:10في عدة مدن وبلدات
-
7:10 - 7:12ولدينا الكثير من البراهين
-
7:12 - 7:15من بيانات رجال الشرطة المتحيزة،
وبيانات نظام العدالة. -
7:16 - 7:18ونستطيع في الواقع التنبؤ بمواقع ساخنة،
-
7:18 - 7:20وأماكن حيث ستحدث الجرائم.
-
7:20 - 7:24ونستطيع التنبؤ، في الواقع،
بالجريمة الفردية، -
7:24 - 7:26جرائم الأفراد.
-
7:27 - 7:31بحثت المنظمة الإخبارية (بروبليكا) مؤخرًا
-
7:31 - 7:33أحد تلك الخوارزميات،
"خطر التعرض للانتكاس" -
7:33 - 7:34كما يطلق عليهم،
-
7:34 - 7:37تم استخدامها في ولاية (فلوريدا)
أثناء إعلان الحُكم من قبل القضاة. -
7:38 - 7:42تم تصنيف (بيرنارد)، على اليسار،
الرجل الأسود، 10/10. -
7:43 - 7:45و(ديلان)، على اليمين، 3/10.
-
7:45 - 7:4810 من 10، الخطر الأكبر،
و3 من 10، الخطر المنخفض. -
7:49 - 7:51تم القبض على كليهما لحيازتهما المخدرات.
-
7:51 - 7:52ولدى كلاهما سجلات،
-
7:52 - 7:55ولكن لدى (ديلان) جناية
-
7:55 - 7:56بعكس (بيرنارد).
-
7:58 - 8:01هذا يهم، لأنه إذا كانت درجتكم أعلى،
-
8:01 - 8:04فستمنحون على الأرجح أحكامًا قضائية أطول.
-
8:06 - 8:08ما الذي يجري هنا؟
-
8:09 - 8:10غسل البيانات.
-
8:11 - 8:15إنها عملية حيث يخفي التقنيون حقائق بشعة
-
8:15 - 8:17داخل خوارزميات الصندوق الأسود
-
8:17 - 8:19ويطلقون عليها موضوعية،
-
8:19 - 8:21أطلقوا عليها "الإستحقاقراطية".
-
8:23 - 8:26عندما تكون سرية، ومهمة، ومدمرة،
-
8:26 - 8:28قمتُ بصياغة مصطلح لهذه الخوارزميات:
-
8:28 - 8:30"أسلحة دمار العمليات الحسابية".
-
8:30 - 8:32(ضحك)
-
8:32 - 8:35(تصفيق)
-
8:35 - 8:37إنها في كل مكان، وليست خطأ.
-
8:38 - 8:41هذه هي شركات خاصة
تبني خوارزميات خاصة -
8:41 - 8:43لأغراض خاصة.
-
8:43 - 8:46حتى تلك التي تحدثتُ حولها
بشأن المعلمين ورجال الشرطة، -
8:46 - 8:48تم بناء الخوارزميات من قبل شركات خاصة
-
8:48 - 8:51وتم بيعها إلى مؤســسات حكومية.
-
8:51 - 8:52يسمونها "التركيبة السرية الخاصة" --
-
8:52 - 8:55ولهذا السبب لا يمكنهم الإفصاح عنها.
-
8:55 - 8:57إنها أيضًا سلطة خاصة.
-
8:58 - 9:03إنهم يستفيدون من الممارسة البارعة
للسلطة الغامضة. -
9:05 - 9:08قد تعتقدون الآن،
ولأنّ كل هذه الامور خاصة -
9:08 - 9:09وهناك منافسة،
-
9:09 - 9:12ربما سيعالجُ السوق الحر هذه المشكلة.
-
9:12 - 9:13لن يقوم بذلك.
-
9:13 - 9:16تُجبى كمية ضخمة من الأموال
نتيجة عدم الإنصاف. -
9:17 - 9:20كذلك، لسنا عملاء اقتصاديون منطقيون.
-
9:21 - 9:22جميعنا منحازون.
-
9:23 - 9:26جميعنا عنصريون ومتعصبون
بطرق نرغبُ بأننا لم نسلكها، -
9:26 - 9:28بطرق حتى لا نعرفها.
-
9:29 - 9:32ورغم ذلك نعلمُ هذا، في كل الأحوال،
-
9:32 - 9:36لأن علماء الاجتماع قدّموا لنا ذلك باستمرار
-
9:36 - 9:37بهذه التجارب التي بنوها،
-
9:37 - 9:40حيثُ يرسلوا حزمة من طلبات الوظائف المطلوبة
-
9:40 - 9:42مؤهلين بالتساوي
لكن لدى بعضهم أسماء تبدو لأشخاص بيض -
9:43 - 9:44ولدى البعض أسماء تبدو لأشخاص سود
-
9:44 - 9:47ودائمًا النتائج مخيبة للآمال، دائمًا.
-
9:48 - 9:49لذلك فنحن المتحيزون،
-
9:49 - 9:53ونحنُ من يضع تلك التحيزات داخل الخوارزميات
-
9:53 - 9:55باختيار ما هي البينات التي علينا جمعها،
-
9:55 - 9:57مثل ما اخترته
لعدم التفكير بالشعيرية المجففة -- -
9:57 - 9:59قررتُ بأنه ليس لها صلة بالموضوع.
-
9:59 - 10:05لكن وبالثقة بالبيانات التي هي في الواقع
اختيار الممارسات الماضية -
10:05 - 10:07واختيار تعريف النجاح،
-
10:07 - 10:11كيف يمكننا توقع
ظهور الخوارزميات متكاملة؟ -
10:11 - 10:13لا نستطيع. علينا التحقق منهم.
-
10:14 - 10:16علينا التحقق منهم من أجل الإنصاف.
-
10:16 - 10:19الخبر السار هو،
نستطيعُ التحقق منهم من أجل الإنصاف. -
10:19 - 10:22يمكنُ فحص واستنطاق الخوارزميات،
-
10:22 - 10:24ويمكنهم قول الحقيقة كل الوقت.
-
10:24 - 10:27ويمكننا اصلاحهم. ويمكننا جعلهم أفضل.
-
10:27 - 10:29أطلقُ على هذه تدقيق الخوارزمية،
-
10:29 - 10:31وسأخبركم عنها.
-
10:31 - 10:33أولاً، التحقق من نزاهة وتكامل البيانات.
-
10:34 - 10:37بالنسبة إلى خوارزمية
خطر الانتكاس التي تحدثتُ عنها، -
10:38 - 10:41ستعني التحقق من نزاهة البيانات
بأنه علينا التوصل إلى تفاهم مع الواقع -
10:41 - 10:45بأنه في أمريكا، يدخنُ الحشيشَ البيض والسود
بنفس المعدل -
10:45 - 10:47لكن يتمُ اعتقال السود
على الأرجح أكثر بكثير -- -
10:47 - 10:50أربع أو خمس مرات أكثر من البيض،
اعتمادًا على المنطقة. -
10:51 - 10:54كيف يبدو هذا التحيز
في فئات الجرائم الأخرى، -
10:54 - 10:56وكيف يمكننا حساب ذلك؟
-
10:56 - 10:59ثانيًا، ينبغي علينا التفكير بتعريف النجاح،
-
10:59 - 11:01تدقيق ذلك.
-
11:01 - 11:03تذكروا، خوارزمية التوظيف،
التي تحدثنا عنها. -
11:03 - 11:07يبقى شخص ما في الوظيفة لمدة أربع سنوات
ويتمُ ترقيته لمرة واحدة. -
11:07 - 11:08حسنًا، هذا موظفُ ناجح،
-
11:08 - 11:11وإنه أيضًا موظف مدعوم
من قبل التقاليد الموروثة. -
11:12 - 11:14وذلك، يمكن أن يكون ذلك تحيزًا
-
11:14 - 11:16نحتاجُ لفصل هذين الأمرين.
-
11:16 - 11:19علينا النظر
في تجربة أداء الأوركسترا العمياء -
11:19 - 11:20كمثال.
-
11:20 - 11:23حيث يجري الأشخاص أداءهم من وراء جدار.
-
11:23 - 11:25ما أرغبُ أن أفكر فيه هنا
-
11:25 - 11:28أن من يستمع إلى هؤلاء قد قرروا ما هو المهم
-
11:28 - 11:30وما ليس مهمًا،
-
11:30 - 11:32ولم يتم ازعاجهم بأي شيء بهذا القرار.
-
11:33 - 11:36عندما بدأت تجربة أداء الأوكسترا العمياء،
-
11:36 - 11:39ارتفع عدد النساء في الأوكسترا بمقدار خمسة.
-
11:40 - 11:42وبعد ذلك، علينا النظر في الدقة.
-
11:43 - 11:47وهذا هو حيث سيفشل نموذج القيمة المضافة
بشأن المعلمين على الفور. -
11:48 - 11:50لا يوجد خوارزمية مثالية، بطبيعة الحال،
-
11:51 - 11:54لذلك ينبغي علينا حساب الأخطاء
في كل خوارزمية. -
11:55 - 11:59كم مرة تتكرر هذه الأخطاء،
ولمن يفشل هذا النموذج؟ -
12:00 - 12:02وما هي تكلفة هذا الفشل؟
-
12:02 - 12:05وأخيرًا، علينا اعتبار
-
12:06 - 12:08الآثار طويلة الأجل للخوارزمية،
-
12:09 - 12:11ومجموعات التقييم التي تم إحداثها.
-
12:12 - 12:13يبدو ذلك نظرية مجردة،
-
12:13 - 12:16لكن تخيلوا لو أن مهندسو الفيسبوك
أخذوا بعين الاعتبار ذلك -
12:16 - 12:21قبل أن يقرروا أن يُظهروا لنا
الأشياء التي ينشرها أصدقاؤنا فقط. -
12:22 - 12:25عندي رسالتان أخريان،
الأولى لعلماء البيانات الموجودن من حولنا. -
12:25 - 12:29يا علماء البيانات:
لا ينبغي علينا أن نقرر ما هي الحقيقة. -
12:30 - 12:35علينا أن نترجم النقاشات الأخلاقية
التي تحدثُ في المجتمع الأكبر. -
12:35 - 12:37(تصفيق)
-
12:38 - 12:39والبقية منكم،
-
12:40 - 12:41من غير علماء البيانات:
-
12:41 - 12:43هذا ليس اختبار رياضيات.
-
12:43 - 12:45إنها معركة سياسية.
-
12:47 - 12:50نحتاجُ أن نطالبَ بالمساءلة
لمن يضع الخوارزميات من الأسياد. -
12:52 - 12:54(تصفيق)
-
12:54 - 12:58يجب أن ينتهي عصر الثقة العمياء
في البيانات الضخمة. -
12:58 - 12:59شكرًا جزيلًا لكم.
-
12:59 - 13:05(تصفيق)
- Title:
- لا بد أن ينتهي عصر الثقة العمياء في البيانات الضخمة
- Speaker:
- كاثي أونيل
- Description:
-
تقرر الخوارزميات من سيحصل على قرض أو على مقابلة عمل أو على تأمين وغير ذلك الكثير، لكنها لا تجعل الأمور عادلة آليًّا، مما دفع عالمة الرياضيات والبيانات كاثي أونيل إلى صياغة مصطلح "أسلحة دمار الرياضيات" لتصِفُ به الخوارزميات السرّية والمهمّة والضارة. اعرف المزيد عن المصالح الخفيّة وراء تلك الصيغ الرياضية.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 13:18
Allam Zedan approved Arabic subtitles for The era of blind faith in big data must end | ||
Allam Zedan edited Arabic subtitles for The era of blind faith in big data must end | ||
Allam Zedan edited Arabic subtitles for The era of blind faith in big data must end | ||
Hani Eldalees accepted Arabic subtitles for The era of blind faith in big data must end | ||
Hani Eldalees edited Arabic subtitles for The era of blind faith in big data must end | ||
Nawal Sharabati edited Arabic subtitles for The era of blind faith in big data must end | ||
Hani Eldalees declined Arabic subtitles for The era of blind faith in big data must end | ||
Nawal Sharabati edited Arabic subtitles for The era of blind faith in big data must end |