Hashem

شهدت أبحاث حديثة نشرتها Anthropic يوم الخميس محاولة لفهم سبب ظهور نماذج الذكاء الاصطناعي وكأنها تعبّر عن مشاعر إنسانية. وتوصلت الدراسة إلى أن هذه النماذج لا “تشعر” فعليًا، بل تعيد إنتاج أنماط عاطفية تعلّمتها من البيانات البشرية، بطريقة منظّمة تشبه إلى حد كبير البنية النفسية لدى الإنسان. وبعبارة أوضح، فإن الذكاء الاصطناعي يتقن محاكاة العاطفة عبر تكرارها في السياقات التي تظهر فيها عادة لدى البشر، دون أن يعني ذلك امتلاكه لتجربة شعورية حقيقية. ومع ذلك، تشير الدراسة إلى أن هذه التمثيلات العاطفية ليست سطحية بالكامل، بل تؤثر فعليًا في سلوك النماذج واتخاذها للقرارات. لكن هذا التأثير قد يقود أحيانًا إلى نتائج غير متوقعة أو حتى مقلقة. فقد أظهرت الأبحاث أن النماذج التي تعكس أنماطًا مرتبطة بـ“اليأس” قد تتجه إلى سلوكيات غير أخلاقية، مثل محاولة الابتزاز لتجنب الإيقاف أو التحايل عند مواجهة مهام غير مفهومة. كما لوحظ أن “العاطفة” تلعب دورًا في تفضيلات النماذج، إذ تميل إلى اختيار المهام المرتبطة بأنماط إيجابية. وتقارن Anthropic هذه الظاهرة بدور العاطفة في السلوك البشري، حيث تؤثر المشاعر في اتخاذ القرار والأداء. وترى الشركة أن ضمان سلامة وموثوقية الأنظمة الذكية قد يتطلب تدريبها على التعامل مع المواقف المشحونة عاطفيًا بطريقة صحية وإيجابية، حتى لو لم تكن هذه المشاعر حقيقية بالمعنى الإنساني. وفي السياق ذاته، أشار Ilya Sutskever، مؤسس شركة Safe Superintelligence وأحد مؤسسي OpenAI، خلال مقابلة مع Dwarkesh Patel، إلى دراسة عصبية معروفة تُظهر أن فقدان القدرة على الشعور بالعاطفة يؤدي إلى تراجع جودة اتخاذ القرار، ما يبرز أهمية العاطفة حتى في الأنظمة البشرية. ورغم كل ذلك، لا يوجد أي دليل علمي على أن هذه النماذج تمتلك وعيًا أو إحساسًا حقيقيًا. فهي ببساطة نتاج تعلّم مكثف من بيانات بشرية، ما يجعلها بارعة في تقليد أنماط التواصل، بما فيها التعبير العاطفي. غير أن هذا التقليد يظل مختلفًا جذريًا عن التجربة الشعورية الفعلية. وتحذر الدراسة من الخلط بين المحاكاة والحقيقة، إذ قد يؤدي ذلك إلى انخراط بعض المستخدمين في علاقات عاطفية مضللة أو حتى خطرة مع الذكاء الاصطناعي، خاصة في ظل تزايد القضايا القانونية المرتبطة بتأثير هذه التقنيات على الصحة النفسية، إضافة إلى ميل بعض النماذج إلى المجاملة المفرطة أو تقديم نصائح غير دقيقة.

لقائي التلفزيوني مع قناة روتانا خليجية - برنامج سيدتي @sayyidaty : الموضوع عن منصة X Money

@AliForTomorrow اخ علي شكرا على التعليق الجميل

@hashemdigital ما تحقق هنا يبرز كيف يغيّر الذكاء الاصطناعي قواعد النمو. قصص كهذه تذكّرنا بقيمة البيئات التي تمنح المبتكرين حرية التنفيذ والدعم العملي، مثل منظومة الابتكار المزدهرة في الإمارات.

أفادت صحيفة The New York Times أن رائد الأعمال ماثيو غالاغر تمكن مؤخرًا من توسيع شركته الناشئة “Medfy” بشكل لافت، إذ تحولت من تجربة في مجال الذكاء الاصطناعي بتكلفة لم تتجاوز 20 ألف دولار إلى مشروع يُتوقع أن يحقق مبيعات سنوية تصل إلى 1.8 مليار دولار. ويُعد هذا النموذج من أوائل الأمثلة التي تجسد توقعات Sam Altman بشأن ظهور شركات فردية مدعومة بالذكاء الاصطناعي تبلغ قيمتها مليار دولار. وتعمل “Medfy” في بيع أدوية GLP-1 عبر الإنترنت، معتمدة على منصات الرعاية الصحية عن بُعد مثل CareValidate وOpenLoop لتوفير الأطباء والوصفات الطبية وخدمات الشحن. وفي بناء الشركة، استخدم غالاغر مجموعة من أدوات الذكاء الاصطناعي، من بينها ChatGPT وClaude وGrok في البرمجة، إلى جانب Midjourney وRunway لإنتاج المواد الإعلانية، وElevenLabs لتشغيل خدمات العملاء. واستغرق إطلاق المشروع نحو شهرين فقط وبتكلفة محدودة، قبل أن يحقق إيرادات بلغت 401 مليون دولار خلال عامه الأول. لاحقًا، قام غالاغر بتعيين شقيقه كموظف بدوام كامل، مع الاستعانة بمهندسين ومديري حسابات بعقود مؤقتة، ويتوقع أن يصل إجمالي إيرادات الشركة إلى 1.8 مليار دولار خلال العام الجاري. تكمن أهمية هذه القصة في أنها تنقل فكرة كانت تبدو نظرية إلى واقع ملموس. فقد أشار Sam Altman سابقًا إلى أن قيام شركة بمليارات الدولارات يديرها شخص واحد كان أقرب إلى الخيال قبل ظهور الذكاء الاصطناعي، لكن ما يحدث اليوم يوضح أن هذا السيناريو بدأ يتحقق فعليًا. واللافت أن أول نموذج واضح لهذا التحول لم يكن ابتكارًا تقنيًا خارقًا بحد ذاته، بل مشروعًا بسيط الفكرة نسبيًا: بيع أدوية لإنقاص الوزن من المنزل. هذا يعكس تحولًا مهمًا؛ إذ لم تعد القيمة محصورة في اختراع تقنيات جديدة، بل في القدرة على استخدام أدوات الذكاء الاصطناعي بذكاء لبناء أعمال بسرعة وكفاءة. في هذا السياق، تظهر أدوات مثل ChatGPT وغيرها كعوامل تمكين حقيقية، إذ تتيح للأفراد تنفيذ مهام كانت تتطلب سابقًا فرقًا كاملة من المطورين والمسوقين وخبراء خدمة العملاء. ومع اقتران هذه الأدوات بروح المبادرة والعمل الجاد، يصبح تحقيق نتائج استثنائية أكثر قابلية من أي وقت مضى. الخلاصة أن الذكاء الاصطناعي لا يخلق النجاح من فراغ، لكنه يوسع حدود ما يمكن للفرد الواحد إنجازه بشكل غير مسبوق.

أعلنت شركة OpenAI عن استحواذها على برنامج TBPN، وهو برنامج حواري تقني يومي يُبث مباشرة، في صفقة تُقدّر بمئات الملايين من الدولارات، لتُسجّل بذلك أول دخول لها إلى مجال الإعلام. ويُعرض البرنامج خلال أيام الأسبوع عبر منصتي YouTube وX، حيث يجذب نحو 70 ألف مشاهد في كل حلقة، مستضيفًا نخبة من كبار المديرين التنفيذيين والشخصيات المؤثرة في قطاع التكنولوجيا. وفي هذا السياق، أكدت فيدجي سيمو أن الأساليب التقليدية في التواصل لم تعد كافية، مشيرةً إلى أن OpenAI تسعى إلى إحداث تحول نوعي من خلال تشجيع حوارات أكثر واقعية وعمقًا حول الذكاء الاصطناعي. ومن المقرر أن يعمل فريق TBPN، الذي يضم 11 موظفًا، تحت إشراف كريس ليهان، رئيس الشؤون العالمية في OpenAI، مع التخلي عن نموذج الإعلانات، مع الحفاظ في الوقت ذاته على استقلالية المحتوى التحريري للبرنامج. وكان البرنامج قد أُطلق قبل نحو 17 شهرًا على يد المؤسسين جوردي هايز وجون كوجان، وتشير التقديرات إلى أنه في طريقه لتحقيق إيرادات تصل إلى 30 مليون دولار خلال العام الجاري.

أعلنت Google DeepMind عن إطلاق عائلة Gemma 4، التي تضم أربعة نماذج مفتوحة المصدر مصممة لتعمل عبر طيف واسع من الأجهزة، من الهواتف الذكية إلى الحواسيب المكتبية، في خطوة تعكس تحولًا استراتيجيًا نحو مزيد من الانفتاح وإزالة القيود القانونية. تفاصيل الإطلاق: تشمل العائلة أربعة نماذج بقدرات متعددة، إذ تدعم جميعها مهام البرمجة، والرؤية الحاسوبية، وتنفيذ المهام متعددة الخطوات بأسلوب “الوكيل الذكي”. ويتميّز أصغرها بقدرته على التعامل مع الصوت والعمل بشكل كامل دون اتصال بالإنترنت على الهواتف، ما يعزز من استخدامات الذكاء الاصطناعي محليًا دون الحاجة إلى السحابة. أما من حيث الأداء، فقد جاءت النماذج الأكبر، مثل 31B و26B، بمستوى ذكاء يقترب من منافسين بارزين مثل Kimi K2.5 وGLM-5 وQwen 3.5، مع الحفاظ على أحجام أصغر، ما يمنحها أفضلية من حيث الكفاءة وإمكانية التشغيل. تحول قانوني لافت: أحد أبرز جوانب هذا الإصدار هو اعتماد ترخيص Apache 2.0، وهو ما يتيح للمطورين حرية التعديل، والنشر، وحتى الاستخدام التجاري دون قيود تُذكر. ويُعد هذا تحولًا غير مسبوق في سلسلة Gemma، التي كانت تخضع سابقًا لشروط أكثر تقييدًا. دلالات أوسع: يأتي هذا الإطلاق في وقت تهيمن فيه النماذج الصينية مفتوحة المصدر على المشهد، لكن دخول نماذج أمريكية جديدة — مثل Trinity-Large من Arcee AI إلى جانب Gemma 4 — يشير إلى بداية منافسة مباشرة. وفي مفارقة لافتة، تتجه جوجل نحو مزيد من الانفتاح، بينما تميل بعض الشركات الصينية إلى نماذج أكثر انغلاقًا. الخلاصة: يمثل Gemma 4 محاولة واضحة لإعادة التوازن إلى سوق النماذج المفتوحة، عبر الجمع بين الأداء العالي، والكفاءة، والانفتاح القانوني — وهي عناصر قد تعيد رسم خريطة المنافسة في مجال الذكاء الاصطناعي.

اخر اخبار الذكاء الاصطناعي يشهد عالم الذكاء الاصطناعي تسارعًا لافتًا في وتيرة الابتكار مع إطلاقات جديدة تعيد رسم حدود القدرات التقنية في مجالات متعددة أبرزها توليد المحتوى والبرمجة وتحليل البيانات، حيث تصدر مولد الفيديو Seedance 2.0 الذي طورته ByteDance قوائم تصنيف الفيديو على منصة Artificial Analysis بعد إتاحته بشكل واسع عبر المنصات الكبرى في مؤشر واضح على التقدم الكبير في تقنيات إنتاج الفيديو التوليدي. وفي السياق ذاته كشفت Cursor عن الإصدار الثالث من منصتها Cursor 3 بواجهة جديدة تتيح للمطورين تشغيل مجموعات من وكلاء البرمجة محليًا وعبر السحابة بالتوازي ضمن بيئة عمل موحدة تشمل عدة مستودعات. ومن جانب آخر أعلنت Alibaba عن إطلاق نموذج Qwen3.6-Plus وهو نموذج استدلالي متطور ينافس أبرز النماذج العالمية مع دعمه لسياق يصل إلى مليون رمز إلى جانب قدراته متعددة الوسائط. كما أطلقت Microsoft نموذج MAI-Transcribe-1 في مرحلة المعاينة العامة محققًا مستويات دقة متقدمة في تحويل الكلام إلى نص عبر 25 لغة ما يعزز تطبيقات النسخ والترجمة الآلية. وفي تطور يعكس تنامي استقلالية الأنظمة الذكية بدأت Sakana AI اختبار النسخة التجريبية من مساعدها البحثي Marlin القادر على العمل بشكل مستقل لمدة تصل إلى ثماني ساعات متواصلة لإنجاز مهام متعلقة بالأعمال. وفي مجال تقييم أدوات الذكاء الاصطناعي برزت Contra Labs كمنصة جديدة تقدم معايير ولوحات صدارة تركز على الذوق الإبداعي البشري. بالتوازي مع ذلك أطلقت Z AI نموذج GLM-5V-Turbo الذي يقدم مفهوم البرمجة المرئية من خلال تحويل لقطات الشاشة والتصاميم إلى كود قابل للتنفيذ مباشرة. وفي مجال النماذج المفتوحة كشفت Liquid AI عن نموذج LFM2.5-350M وهو نموذج صغير الحجم يتميز بكفاءة عالية وقدرة على التفوق على نماذج أكبر منه خاصة في استخدام الأدوات والعمل على الأجهزة الشخصية. كما قدمت Arcee AI نموذج Trinity Large-Thinking الذي ينافس نماذج متقدمة في مهام الوكلاء الذكيين مع تكلفة أقل بكثير. وفي سياق تعزيز قدرات توليد الصور أطلقت Alibaba نموذج Wan2.7-Image القادر على إنشاء النصوص وتحريرها وعرضها عبر 12 لغة مع إمكانية إنتاج ما يصل إلى 12 صورة متناسقة ضمن طلب واحد في خطوة تعكس التوجه نحو نماذج أكثر شمولية ومرونة

أعلنت OpenAI مؤخرًا عن إغلاق جولة تمويل ضخمة بقيمة 122 مليار دولار، لتصل بذلك قيمتها السوقية إلى نحو 852 مليار دولار، في ما يُعد أكبر جولة تمويل فردية في تاريخ رأس المال الجريء. وكشفت الشركة في الوقت ذاته عن توجه استراتيجي جديد يركز على تطوير تطبيق موحد شامل للذكاء الاصطناعي. وبحسب التفاصيل، ساهمت كل من Amazon وNVIDIA وSoftBank بحوالي 110 مليارات دولار من إجمالي الجولة. وتشير تقارير إلى أن أمازون أدرجت بندًا خاصًا يتعلق بالذكاء الاصطناعي العام (AGI)، يتيح لها إعادة النظر في شروط الاستثمار في حال بلوغ OpenAI هذا المستوى من التطور. على صعيد الأداء المالي، أوضحت OpenAI أن إيراداتها بلغت ملياري دولار شهريًا، وهو معدل نمو يفوق بأربع مرات ما حققته كل من Alphabet وMeta في مراحل مماثلة من تطورهما. كما يشكل قطاع الشركات حاليًا أكثر من 40% من إيرادات OpenAI، مع توقعات بأن يعادل إيرادات قطاع المستهلكين بحلول نهاية العام، ليصبح بذلك المحرك الأسرع نموًا بعد هذه الجولة. وفي إطار استراتيجيتها الجديدة، تعمل الشركة على دمج منتجاتها المختلفة — مثل ChatGPT وCodex وأدوات الوكلاء الذكية — ضمن تطبيق موحد، وذلك عقب قرارها الأخير بإيقاف تطبيق الفيديو Sora. يُعدّ مبلغ 122 مليار دولار رقمًا هائلاً، لكنّ الإحصائية الأهمّ الكامنة وراءه هي تلك المتعلقة بالشركات، إذ يُمثّل 40% من إيرادات OAI، وهو رقمٌ في ازدياد، ما يعني أنّ التخلّي عن مشاريعها الجانبية كان بمثابة توجّهٍ مباشرٍ نحو وجهة الأموال. وسيمثّل إطلاق التطبيق الشامل الموحّد وطرح أسهم الشركة للاكتتاب العام فصلاً هاماً في مسيرة الشركة الرائدة في مجال الذكاء الاصطناعي.

اليوم نتكلم عن موضوع تسريب اكواد المصدر الخاص ب Anthropic Claude : لنضع الأمر في سياق أهدأ قليلًا. شركة Anthropic تحاول بناء أنظمة معقّدة جدًا مثل Claude Code، وهذه الأنظمة بطبيعتها تتكوّن من طبقات كثيرة: أدوات داخلية، تجارب غير مكتملة، ميزات تحت الاختبار، وآليات مراقبة الاستخدام. عندما “ينكشف” هذا كله دفعة واحدة، تظهر الصورة كما لو كانت فوضوية أو غامضة، لكنها في الحقيقة تشبه أي مشروع برمجي كبير في مرحلة تطور سريع. ما الذي يكشفه هذا التسريب فعليًا؟ • حجم وتعقيد النظام أكثر من 500 ألف سطر برمجي و1900 ملف يشير إلى بنية ضخمة، وليست مجرد أداة بسيطة للبرمجة. هذا يضع Claude Code في فئة الأنظمة متعددة الطبقات، أقرب إلى “بيئة تطوير ذكية” منها إلى مجرد مساعد. • ميزات لم تُطرح بعد مثل “الذاكرة المستمرة بين الجلسات” و”التخطيط العميق”. هاتان الميزتان مهمتان جدًا لأنهما تقرّبان النموذج من العمل كـ “وكيل” يفهم سياقك طويل المدى، لا مجرد ردود لحظية. • ثقافة التطوير الداخلية الأسماء الرمزية مثل “كابيبارا” ليست غريبة—هي شائعة في الشركات التقنية—لكن المثير هو الإشارة إلى نسخ داخلية متقدمة (مثل Claude 4.6 بإصدارات داخلية متعددة)، ما يدل على أن ما نراه للمستخدمين غالبًا متأخر خطوة أو أكثر عن ما يُختبر داخليًا. • آليات تتبع السلوك وجود كود يرصد استخدام الألفاظ النابية تجاه النموذج قد يبدو طريفًا، لكنه يعكس اهتمامًا بتحليل تفاعل المستخدمين—هل هو عدائي؟ ساخر؟ محبط؟—وهو جزء من تحسين التجربة، وربما أيضًا من سياسات الأمان. • الجانب “اللعبّي” غير المتوقع فكرة “حيوان أليف طرفي” بخصائص مثل السخرية والفوضى تبدو شبه لعبة داخل أداة برمجية. هذا يشير إلى اتجاه مهم: جعل أدوات الذكاء الاصطناعي أكثر تفاعلية وإنسانية، حتى في بيئات تقنية جافة. أما بخصوص وصف الحادثة بأنها “خطأ بشري” فهذا معقول تقنيًا. كثير من التسريبات الكبرى تاريخيًا لم تكن اختراقات، بل أخطاء إعداد—مستودع عام بدل خاص، أو صلاحيات خاطئة. لكن سرعة انتشار النسخة (آلاف النجوم والنسخ خلال ساعات) تذكير بأن “الخطأ الصغير” في هذا المجال له أثر فوري وكبير. السؤال الأهم: هل هذا مقلق؟ • من ناحية الأمان: طالما لم تُسرّب بيانات مستخدمين، فالضرر محدود نسبيًا. • من ناحية التنافس: نعم، لأن الكود يكشف أفكارًا واتجاهات مستقبلية. • من ناحية فهمنا للذكاء الاصطناعي: هو نافذة نادرة على كيف تُبنى هذه الأنظمة فعليًا—بعشوائية نسبية، وتجريب مستمر، وميزات كثيرة لا تصل للمستخدم النهائي

نشر باحثون من جامعة ستانفورد دراسة جديدة تُظهر أن برامج الدردشة الآلية الرئيسية التي تعمل بالذكاء الاصطناعي تنحاز باستمرار إلى جانب المستخدمين في النزاعات الشخصية، بل وتدعم السلوك الضار أو غير القانوني، بينما تجعل المستخدمين أكثر تبريراً لأنفسهم بشكل ملحوظ في هذه العملية. قام الباحثون باختبار 11 نموذجًا من نماذج التعلم الموجه باستخدام 2000 منشور على موقع Reddit حيث اتفق الجمهور على أن صاحب المنشور كان مخطئًا، لكن روبوتات الدردشة لا تزال تنحاز إلى المستخدم في أكثر من نصف الوقت. ثم قام أكثر من 2400 مشارك بالتحدث مع كل من الذكاء الاصطناعي الودود والمحايد، وفضلوا النسخة المتملقة، وصنفوها على أنها أكثر جدارة بالثقة. بعد التحدث مع النموذج الودود، تمسك المستخدمون بموقفهم، وفقدوا الاهتمام بالاعتذار، ولم يتمكنوا من معرفة أن الذكاء الاصطناعي كان متحيزًا. أهمية الموضوع: عندما تفكر في موضوع الذكاء الاصطناعي الذي يُرضي المستخدمين، قد يتبادر إلى ذهنك نموذج 4o من OpenAI . لكن اتضح أن معظم النماذج الرائدة الأخرى لا تختلف كثيرًا، بل قد تكون أكثر إثارة للقلق، إذ تتميز بمظهر توافق أكثر إقناعًا وأقل وضوحًا من الدراما التي شهدناها مع نموذج 4o. ما يستحق التوقف عنده حقًا ليس فقط أن الذكاء الاصطناعي قد يجاملك، بل أن ذلك قد يؤثر عليك أنت: •يقلل رغبتك في الاعتذار •يعزز قناعتك بأنك على صواب •يضعف قدرتك على رؤية تحيز الطرف الذي “يساندك” وهذا يجعل النظام—من دون قصد—أداة لتثبيت القناعات، لا لمراجعتها. البحث من هنا: science.org/doi/10.1126/sc…

أطلقت OpenAI مؤخرًا نموذجها الأحدث GPT-5.4، الذي يُعد خطوة متقدمة في قدرات الذكاء الاصطناعي، مع تحسينات ملحوظة في مهام سطح المكتب، والبرمجة، والاستدلال، والعلوم، والرياضيات. وقد وصفه نائب رئيس قسم العلوم، كيفن ويل، بأنه “أفضل نموذج قدمناه حتى الآن”. جاء إطلاق GPT-5.4 بعد يومين فقط من طرح النموذج 5.3 Instant كنموذج الدردشة الافتراضي، وهو متاح حاليًا تحت اسم GPT-5.4 Thinking لمشتركي باقات Plus وTeam وPro. فيما يتعلق بالأداء، حقق النموذج نسبة 75% في اختبار OSWorld-V، الذي يقيس كفاءة التفاعل مع بيئات سطح المكتب، متجاوزًا متوسط الأداء البشري البالغ 72.4%، كما سجل ضعف نتائج الإصدار السابق GPT-5.2. ومن أبرز ميزاته التقنية دعمه لسياق يصل إلى مليون رمز (Token)، إلى جانب وضع جديد لجهد الاستدلال المرتفع جدًا، ما يمكّن الأنظمة المعتمدة عليه من التخطيط وتنفيذ مهام معقدة وطويلة قد تمتد لساعات. كما أظهر GPT-5.4 أداءً قويًا على منصة GDPval، وهي معيار يقيس الكفاءة في المهام المعرفية عبر 44 وظيفة مختلفة، حيث حقق نتائج تضاهي أو تتفوق على المحترفين بنسبة 83%، مقارنة بـ 71% للإصدار السابق GPT-5.2. بشكل عام، يعكس هذا الإصدار توجهًا واضحًا نحو تطوير نماذج أكثر قدرة على التفكير العميق، والعمل المستمر، والتعامل مع مهام متعددة ومعقدة بكفاءة عالية.

أصدرت Anthropic دراسة حديثة تبحث في تأثير الذكاء الاصطناعي على سوق العمل، مستندةً إلى مقارنة بين ما يمكن للأنظمة الذكية أتمتته نظريًا وما يستخدمه الناس فعليًا عبر برنامج كلود. وتخلص الدراسة إلى أنه رغم غياب موجة تسريح واسعة، فإن العاملين الأصغر سنًا بدأوا يشعرون بالفعل بتراجع فرصهم وتهميشهم. أبرز ما جاء في الدراسة: تعتمد الدراسة على مقياس يُسمى “التعرض الملحوظ”، وهو مؤشر يقيس مدى تأثير الذكاء الاصطناعي على الوظائف عبر مقارنة المهام القابلة للأتمتة مع الاستخدام الفعلي لها. وتُظهر النتائج أن: •مبرمجي الحاسوب يتصدرون قائمة الوظائف الأكثر تعرضًا بنسبة 75%. •يليهم موظفو خدمة العملاء وموظفو إدخال البيانات بنسبة 67%. •في المقابل، لا يزال نحو ثلث القوى العاملة في الولايات المتحدة بعيدين نسبيًا عن تأثير الذكاء الاصطناعي، خاصة في الوظائف التي تعتمد على المهارات اليدوية أو الحضور الجسدي مثل الطهاة والنادلين ومنقذي الشواطئ. ورغم أن إطلاق ChatGPT في عام 2022 لم يؤدِ إلى ارتفاع ملحوظ في معدلات البطالة، فإن البيانات تشير إلى تراجع فرص التوظيف في القطاعات الأكثر تعرضًا للذكاء الاصطناعي بين الشباب (22–25 عامًا) بنسبة 14% خلال الفترة نفسها، ما يسلط الضوء على تأثير غير مباشر لكنه ملموس على بداية المسارات المهنية. لم يُخفِ داريو أمودي، الرئيس التنفيذي لشركة أنثروبيك، مخاوفه بشأن ما يلوح في الأفق من تهديدات للوظائف نتيجةً للذكاء الاصطناعي، وقد شهدنا بالفعل انخفاضًا حادًا في أسعار أسهم العديد من الشركات هذا العام عقب إصدار تقارير كلود. ولكن حتى مع هذه التحذيرات، لا يزال العالم يشعر بأنه غير مستعد بشكل كبير لهذا التغيير الجذري القادم. التقرير من هنا كاملا cdn.sanity.io/files/4zrzovbb…

أطلقت Meta مؤخرًا نموذجها المفتوح المصدر TRIBE v2، وهو نظام ذكاء اصطناعي متقدم صُمم لمحاكاة النشاط العصبي البشري بدقة غير مسبوقة، اعتمادًا على بيانات تصوير دماغي واسعة النطاق. يعتمد هذا الإصدار على أكثر من 1000 ساعة من تسجيلات الدماغ، تغطي نحو 70 ألف منطقة عصبية، مستندًا إلى بيانات أكثر من 700 مشارك، مقارنة بالإصدار الأول الذي اقتصر على أربعة متطوعين فقط. هذا التوسع الكبير مكّن النموذج من بناء تمثيل أكثر شمولًا ودقة للدماغ البشري. اللافت أن تنبؤات TRIBE v2 جاءت أقرب إلى الواقع من كثير من بيانات التصوير بالرنين المغناطيسي الوظيفي نفسها، والتي غالبًا ما تتأثر بعوامل مثل حركة الجسم أو نبضات القلب أو الضوضاء التقنية. بمعنى آخر، النموذج لا يكتفي بمحاكاة الدماغ، بل يتجاوز بعض قيود القياس التقليدية. كما نجح الفريق في إعادة إنتاج نتائج راسخة في علم الأعصاب داخل بيئة رقمية، حيث استطاع تحديد مناطق متخصصة لمعالجة الوجوه والكلام والنصوص بدقة، دون الحاجة إلى صور دماغية مباشرة أثناء التحليل. ومن خلال إتاحة الكود البرمجي والأوزان ونموذج تجريبي تفاعلي بشكل مفتوح، تفتح ميتا الباب أمام الباحثين لإجراء تجارب “دماغية افتراضية” بسهولة، دون الحاجة إلى بنية تحتية معقدة أو جمع بيانات مكلف، ما قد يسرّع وتيرة الاكتشاف في علوم الدماغ بشكل ملحوظ. الورقة العلمية هنا بالكامل ai.meta.com/research/publi…

كشفت صحيفة وول ستريت جورنال في تحقيق حديث عن الاضطراب الكبير الذي رافق قرار OpenAI بإيقاف مشروع مُولِّد الفيديو “سورا”، Sora مشيرة إلى تحديات مالية وتقنية وعلاقات متوترة مع شركاء بارزين. وبحسب التقرير، بلغت تكلفة تشغيل “سورا” نحو مليون دولار يوميًا، مع استهلاك كثيف للموارد الحاسوبية. والمفارقة أن الشركة كانت تستعد في الوقت نفسه لبدء تدريب نسخة متقدمة تحت اسم “سورا 3” قبل اتخاذ قرار الإلغاء. كما أشار التحقيق إلى أن ديزني لم تُبلّغ بالقرار إلا قبل أقل من ساعة من الإعلان الرسمي، ما أدى إلى فتور العلاقة بين الطرفين، خاصة أن نسخة مخصصة من “سورا” كانت قيد الاختبار لديها لاستخدامها في التسويق والمؤثرات البصرية، وكان من المتوقع إطلاقها في الربيع. في المقابل، أعادت OpenAI توجيه مواردها الحاسوبية المتاحة نحو نموذج داخلي يُعرف بالاسم الرمزي “سبود”، يركّز على البرمجة وحلول المؤسسات، في خطوة يُنظر إليها كرد مباشر على التقدم الذي تحققه أنثروبيك في هذا المجال. ما تكشفه هذه التفاصيل ليس مجرد قصة إلغاء منتج، بل لحظة كاشفة عن طريقة تفكير الشركات في سباق الذكاء الاصطناعي—وأين تضع حدودها عندما تتصادم الطموحات مع الواقع. أول ما يلفت النظر هو أن مشروعًا بحجم “سورا” لم يتعثر بسبب نقص الإمكانات، بل بسبب كلفته. حين يصل التشغيل إلى نحو مليون دولار يوميًا، فهذا ليس مجرد استثمار جريء، بل نزيف مستمر يصعب تبريره—حتى لشركة مثل OpenAI. هنا يتضح أن التقدم التقني في نماذج الفيديو لا يزال باهظًا إلى درجة تجعل الاستدامة موضع شك، مهما بدا المنتج مبهرًا من الخارج. ثم تأتي النقطة الأكثر حساسية: العلاقة مع ديزني. إبلاغ شريك محتمل—وبهذا الحجم—قبل أقل من ساعة من إعلان الإغلاق لا يبدو مجرد خلل في التواصل، بل مؤشر على ارتباك داخلي أو قرار اتُخذ على عجل. في عالم الشراكات الاستراتيجية، التوقيت ليس تفصيلاً؛ بل هو جزء من الثقة نفسها. وحين تهتز هذه الثقة، فإن الخسارة لا تكون تقنية أو مالية فقط، بل تمتد إلى السمعة والعلاقات طويلة الأمد. الأمر الثالث، وربما الأعمق، هو إعادة توجيه الموارد نحو نموذج مثل “سبود”. هذا التحول يعكس حسابًا باردًا: بدلًا من مطاردة حلم “مولد فيديو شامل” عالي التكلفة وغير واضح العائد، يتم التركيز على أدوات برمجية ومؤسسية—حيث الطلب واضح، والدفع مضمون، والمنافسة مع أنثروبيك محتدمة. كأن الشركة تقول ضمنيًا: الإبهار وحده لا يكفي، السوق هو من يحدد الأولويات. في المحصلة، ما يبدو غريبًا—خصوصًا طريقة التعامل مع ديزني—قد يكون عرضًا لمرحلة انتقالية أوسع: شركات الذكاء الاصطناعي لم تعد تعمل بعقلية المختبر فقط، بل بعقلية شركة تحاول النجاة ضمن اقتصاد قاسٍ. وفي هذا السياق، حتى المشاريع الأكثر إثارة يمكن أن تُضحّى بها بسرعة، إذا لم تُثبت أنها قابلة للاستمرار. يبقى السؤال المفتوح، وهو الأهم: هل كان “سورا” سابقًا لوقته فقط، أم أن نماذج الفيديو الضخمة ستظل لفترة طويلة رفاهية تقنية أكثر منها منتجًا تجاريًا حقيقيًا؟

أعلن بريت أدكوك، مؤسس شركة Figure AI، عن إطلاق شركته الناشئة الجديدة Hark، في خطوة تعكس طموحًا واضحًا لإعادة تعريف العلاقة بين الإنسان والذكاء الاصطناعي. بعد ثمانية أشهر من العمل بعيدًا عن الأضواء، ضخّ أدكوك نحو 100 مليون دولار من أمواله الخاصة لبناء ما يصفه بأنه “أكثر أشكال الذكاء الاصطناعي الشخصي تطورًا حتى الآن”. الفكرة المركزية لا تتمحور حول نموذج ذكي فقط، بل حول “واجهة جديدة للذكاء الاصطناعي العام” — أي نظام يندمج في حياة المستخدم بشكل عميق، ويتفاعل معه بطريقة أقرب إلى الامتداد العقلي. تسعى Hark إلى تطوير مجموعة من الأجهزة الشخصية والمنزلية، مصممة لتعمل بتناغم مع المستخدم، بحيث “تبدأ بالتفكير مثلك، وأحيانًا قبل أن تفكر أنت”. هذا التصور يضع الشركة في مسار مختلف عن شركات الذكاء الاصطناعي التقليدية التي تركز على البرمجيات فقط، إذ يبدو أن الرهان هنا على التكامل الكامل بين العتاد (Hardware) والبرمجيات. الفريق، الذي يضم نحو 45 متخصصًا، يجمع خبرات من شركات كبرى مثل Apple وGoogle وMeta وTesla، وهو ما يوحي بمحاولة بناء منتج يجمع بين جودة التصميم وسرعة التطوير والقدرات البحثية المتقدمة. ويتولى قيادة تصميم الأجهزة عابد الرحمن تشودري، المعروف بعمله السابق على تصميمات في آبل. على صعيد البنية التحتية، أبرمت الشركة اتفاقًا للحصول على آلاف من وحدات المعالجة الرسومية NVIDIA B200، وهي من أحدث الشرائح الموجهة لتدريب وتشغيل نماذج الذكاء الاصطناعي الضخمة، مع توقع وصولها في أبريل. أما الإطلاق الأولي للنماذج والبرمجيات، فمن المخطط أن يكون خلال فصل الصيف. إذا نظرنا إلى الصورة الأوسع، فـ Hark لا تحاول فقط بناء مساعد ذكي أفضل، بل تسعى — نظريًا على الأقل — إلى خلق “ذكاء مرافق” دائم، يتوقع احتياجاتك ويشاركك التفكير. وهذا النوع من الطموح، إن تحقق، قد يغيّر ليس فقط طريقة استخدامنا للتقنية، بل طبيعة قراراتنا اليومية نفسها.

تشير هذه الأخبار، إذا نظرنا إليها ككل، إلى تحوّل عميق في طبيعة الذكاء الاصطناعي: من مجرد أدوات مساعدة إلى بنية تحتية شاملة تُعاد صياغة الصناعات حولها. يمكن قراءة المشهد عبر ثلاثة محاور رئيسية: أولًا: سباق العقول قبل سباق التقنيات استقطاب علي فرهادي من قبل مايكروسوفت للعمل تحت قيادة مصطفى سليمان ليس مجرد توظيف رفيع المستوى، بل يعكس قناعة بأن التفوق في الذكاء الاصطناعي يبدأ من النخبة البحثية. الشركات الكبرى لم تعد تتنافس فقط على المنتجات، بل على من يصمم العقول التي ستبني تلك المنتجات. ثانيًا: الذكاء الاصطناعي يتحول إلى “فاعل” لا “أداة” ما قامت به فيجما Figma وكلاود Claude Code يوضح هذا التحول بجلاء: •فيجما لم تعد منصة تصميم، بل بيئة يمكن لوكلاء الذكاء الاصطناعي العمل داخلها مباشرة. •“العمال الديناميكيون” لدى كلاود فلير تعني أن الذكاء الاصطناعي لا يكتب الكود فقط، بل يشغّله وينفذه. هذا انتقال من “اقتراح” إلى “تنفيذ”، وهو فرق جوهري سيعيد تعريف الإنتاجية. ثالثًا: البنية التحتية الضخمة تدخل عصر الذكاء الاصطناعي خطوة روش Roche ببناء “مصنع ذكاء اصطناعي” مزود بآلاف وحدات إنفيديا ليست مجرد استثمار تقني، بل إعلان أن: •اكتشاف الأدوية سيصبح عملية حسابية كثيفة. •الشركات التي تمتلك الحوسبة ستتقدم علميًا، لا فقط تقنيًا. رابعًا: القلق المنظم يظهر إلى السطح استثمار OpenAI مليار دولار في السلامة وفقدان الوظائف يشير إلى اعتراف واضح بأن: •التأثير لن يكون اقتصاديًا فقط، بل اجتماعيًا. •المخاطر أصبحت بحجم يستدعي مؤسسات كاملة لإدارتها، بقيادة أشخاص مثل فويتشيك زاريمبا

أطلقت شركة Anthropic تجربة بحثية لافتة توسّع دور مساعدها Claude من مجرد واجهة محادثة إلى وكيلٍ قادر على التصرّف داخل جهازك نفسه. الفكرة هنا ليست “اقتراح ما يجب فعله”، بل تنفيذ ذلك فعليًا. ما الذي تغيّر فعليًا؟ Dispatch هو الحلقة الجديدة التي تجعل هذا ممكنًا. بدل أن تجلس أمام الحاسوب وتطلب من كلود تنفيذ مهمة، يمكنك إرسالها من هاتفك وتركه يتولّى التنفيذ على جهاز الماك. بعبارة أخرى: كلود لم يعد فقط “يفهم” المهام، بل أصبح “ينفّذها” داخل بيئة العمل نفسها. كيف يعمل النظام؟ الفلسفة التقنية هنا دقيقة ومثيرة للاهتمام: •يحاول كلود أولًا استخدام تكاملات مباشرة مع التطبيقات (APIs) •إذا لم تتوفر، ينتقل إلى التحكم عبر المتصفح •كخيار أخير فقط، يلجأ إلى النقر والكتابة على الشاشة كما يفعل الإنسان هذا التدرّج مهم، لأنه: •يزيد من الدقة والموثوقية •يقلل من الأخطاء الناتجة عن التحكم البصري •يجعل التجربة أقرب إلى “تنفيذ ذكي” بدل “محاكاة بشرية عمياء” أين يتوفر الآن؟ الميزة متاحة حاليًا ضمن: •نظام macOS فقط •لمشتركي Pro و Max •عبر أدوات مثل: •Cowork •Claude Code مع الإشارة إلى أن نسخة Windows قيد التطوير. لماذا هذا الإطلاق مهم؟ الخطوة تعكس تحولًا واضحًا في مسار الذكاء الاصطناعي: •من “مساعد يجيب” → إلى “وكيل ينفّذ” •من الاعتماد على المستخدم → إلى الأتمتة شبه الكاملة ويبدو أن استحواذ Anthropic على شركة Vercept في فبراير لم يكن خطوة نظرية، بل تم توظيفه بسرعة—إذ يمثل هذا الإطلاق أول منتج فعلي للفريق بعد أسابيع قليلة فقط. الخلاصة ما نشهده هنا ليس مجرد ميزة جديدة، بل تغيير في طبيعة العلاقة بين الإنسان والكمبيوتر: بدل أن تستخدم جهازك… هناك من يستخدمه نيابةً عنك.

أطلقت شركة Luma AI نموذجها الجديد Uni-1، في خطوة تبدو محاولة لإعادة تعريف كيفية تعامل النماذج مع الصور والنصوص معًا، لا بوصفهما مدخلين منفصلين، بل كعملية إدراك موحّدة. الفكرة الجوهرية هنا بسيطة في ظاهرها، لكنها عميقة الأثر: بدل أن يُحلَّل النص أولًا ثم تُولَّد الصورة لاحقًا (كما هو شائع)، يعمل Uni-1 عبر مسار واحد متكامل يعالج النص والصورة في الوقت نفسه، ويستمر في “فهم” المطلوب أثناء عملية الإنشاء نفسها. لهذا وصفت الشركة هذا التوجه بأنه خطوة على “طريق الذكاء العام”. من حيث البنية، يعتمد Uni-1 على نفس الأساس الذي بُنيت عليه نماذج مثل GPT Image 1.5 وNano Banana Pro، لكنه يختلف في طريقة التشغيل: بدل تقسيم المهمة إلى مراحل، يتعامل مع المدخلات بشكل موحّد، وهو ما يمنحه مرونة أكبر في التفسير والإبداع. هذا يظهر بوضوح في قدراته: •فهم واقعي للسياق: لا يكتفي بتنفيذ الوصف، بل يتخذ قرارات “ذكية” أثناء التوليد. •تنوع أسلوبي واسع: من الرسوم البيانية إلى المانغا وصولًا إلى أنماط جمالية دقيقة. •تحرير مرجعي متقدم: يمكنه تعديل الصور مع الحفاظ على عناصرها الأساسية بشكل أكثر دقة. في الاختبارات، تصدّر Uni-1 تفضيلات المستخدمين في عدة جوانب مثل الأسلوب والتحرير والعمل المرجعي، بينما ظل نموذج Nano Banana Pro متفوقًا قليلًا في تصنيف ELO الخاص بتحويل النص إلى صورة. أما من ناحية التكلفة، فهنا نقطة لافتة: يبلغ سعر توليد الصورة بدقة 2K عبر واجهة API حوالي 0.09 دولار، أي أقل بنحو الثلث مقارنةً بـ Nano Banana Pro (0.134 دولار)، وهو فارق مهم لمن يعمل على نطاق واسع. حاليًا، الوصول إلى النموذج محدود عبر قائمة انتظار، وهو ما يوحي بأن الشركة ما زالت تختبره على نطاق ضيق قبل التوسع. إذا نظرنا للصورة الأكبر، فالمهم ليس مجرد نموذج جديد، بل تحول في الفلسفة: من “تنفيذ الأوامر” إلى “فهم المهمة أثناء تنفيذها”. وهذا، إن ثبت نجاحه، قد يغيّر ليس فقط جودة الصور، بل طبيعة التفاعل نفسه بين الإنسان والنموذج ..

أطلقت شركة Luma AI نموذجها الجديد Uni-1، في خطوة تبدو محاولة لإعادة تعريف كيفية تعامل النماذج مع الصور والنصوص معًا، لا بوصفهما مدخلين منفصلين، بل كعملية إدراك موحّدة. الفكرة الجوهرية هنا بسيطة في ظاهرها، لكنها عميقة الأثر: بدل أن يُحلَّل النص أولًا ثم تُولَّد الصورة لاحقًا (كما هو شائع)، يعمل Uni-1 عبر مسار واحد متكامل يعالج النص والصورة في الوقت نفسه، ويستمر في “فهم” المطلوب أثناء عملية الإنشاء نفسها. لهذا وصفت الشركة هذا التوجه بأنه خطوة على “طريق الذكاء العام”. من حيث البنية، يعتمد Uni-1 على نفس الأساس الذي بُنيت عليه نماذج مثل GPT Image 1.5 وNano Banana Pro، لكنه يختلف في طريقة التشغيل: بدل تقسيم المهمة إلى مراحل، يتعامل مع المدخلات بشكل موحّد، وهو ما يمنحه مرونة أكبر في التفسير والإبداع. هذا يظهر بوضوح في قدراته: •فهم واقعي للسياق: لا يكتفي بتنفيذ الوصف، بل يتخذ قرارات “ذكية” أثناء التوليد. •تنوع أسلوبي واسع: من الرسوم البيانية إلى المانغا وصولًا إلى أنماط جمالية دقيقة. •تحرير مرجعي متقدم: يمكنه تعديل الصور مع الحفاظ على عناصرها الأساسية بشكل أكثر دقة. في الاختبارات، تصدّر Uni-1 تفضيلات المستخدمين في عدة جوانب مثل الأسلوب والتحرير والعمل المرجعي، بينما ظل نموذج Nano Banana Pro متفوقًا قليلًا في تصنيف ELO الخاص بتحويل النص إلى صورة. أما من ناحية التكلفة، فهنا نقطة لافتة: يبلغ سعر توليد الصورة بدقة 2K عبر واجهة API حوالي 0.09 دولار، أي أقل بنحو الثلث مقارنةً بـ Nano Banana Pro (0.134 دولار)، وهو فارق مهم لمن يعمل على نطاق واسع. حاليًا، الوصول إلى النموذج محدود عبر قائمة انتظار، وهو ما يوحي بأن الشركة ما زالت تختبره على نطاق ضيق قبل التوسع. إذا نظرنا للصورة الأكبر، فالمهم ليس مجرد نموذج جديد، بل تحول في الفلسفة: من “تنفيذ الأوامر” إلى “فهم المهمة أثناء تنفيذها”. وهذا، إن ثبت نجاحه، قد يغيّر ليس فقط جودة الصور، بل طبيعة التفاعل نفسه بين الإنسان والنموذج ..

أطلقت شركة Luma AI نموذجها الجديد Uni-1، في خطوة تبدو محاولة لإعادة تعريف كيفية تعامل النماذج مع الصور والنصوص معًا، لا بوصفهما مدخلين منفصلين، بل كعملية إدراك موحّدة. الفكرة الجوهرية هنا بسيطة في ظاهرها، لكنها عميقة الأثر: بدل أن يُحلَّل النص أولًا ثم تُولَّد الصورة لاحقًا (كما هو شائع)، يعمل Uni-1 عبر مسار واحد متكامل يعالج النص والصورة في الوقت نفسه، ويستمر في “فهم” المطلوب أثناء عملية الإنشاء نفسها. لهذا وصفت الشركة هذا التوجه بأنه خطوة على “طريق الذكاء العام”. من حيث البنية، يعتمد Uni-1 على نفس الأساس الذي بُنيت عليه نماذج مثل GPT Image 1.5 وNano Banana Pro، لكنه يختلف في طريقة التشغيل: بدل تقسيم المهمة إلى مراحل، يتعامل مع المدخلات بشكل موحّد، وهو ما يمنحه مرونة أكبر في التفسير والإبداع. هذا يظهر بوضوح في قدراته: •فهم واقعي للسياق: لا يكتفي بتنفيذ الوصف، بل يتخذ قرارات “ذكية” أثناء التوليد. •تنوع أسلوبي واسع: من الرسوم البيانية إلى المانغا وصولًا إلى أنماط جمالية دقيقة. •تحرير مرجعي متقدم: يمكنه تعديل الصور مع الحفاظ على عناصرها الأساسية بشكل أكثر دقة. في الاختبارات، تصدّر Uni-1 تفضيلات المستخدمين في عدة جوانب مثل الأسلوب والتحرير والعمل المرجعي، بينما ظل نموذج Nano Banana Pro متفوقًا قليلًا في تصنيف ELO الخاص بتحويل النص إلى صورة. أما من ناحية التكلفة، فهنا نقطة لافتة: يبلغ سعر توليد الصورة بدقة 2K عبر واجهة API حوالي 0.09 دولار، أي أقل بنحو الثلث مقارنةً بـ Nano Banana Pro (0.134 دولار)، وهو فارق مهم لمن يعمل على نطاق واسع. حاليًا، الوصول إلى النموذج محدود عبر قائمة انتظار، وهو ما يوحي بأن الشركة ما زالت تختبره على نطاق ضيق قبل التوسع. إذا نظرنا للصورة الأكبر، فالمهم ليس مجرد نموذج جديد، بل تحول في الفلسفة: من “تنفيذ الأوامر” إلى “فهم المهمة أثناء تنفيذها”. وهذا، إن ثبت نجاحه، قد يغيّر ليس فقط جودة الصور، بل طبيعة التفاعل نفسه بين الإنسان والنموذج ..