@Q.Alzeidi

روبوتات Figure 03 تحقق اختبارًا تقنيًا لافتًا 🤖 أعلنت Figure AI نجاح روبوتاتها البشرية Figure 03 في تجربة تشغيل طويلة امتدت إلى نحو 200 ساعة متواصلة، بعد أن بدأت كتحدٍّ لمدة 8 ساعات فقط. الفكرة الأهم ليست مدة التشغيل فقط، بل ما تعنيه التجربة تقنيًا: 1. تشغيل ذاتي طويل الروبوتات عملت لفترة ممتدة في بيئة تشغيل حقيقية، وليس في عرض قصير أو تجربة مخبرية محدودة. 2. فرز الطرود عمليًا التجربة ركزت على مهمة لوجستية واقعية: التعامل مع الطرود وفرزها ضمن مسار عمل متكرر. 3. اعتماد على Helix-02 نموذج الذكاء الاصطناعي Helix-02 يساعد الروبوت على الفهم البصري، واتخاذ القرار، وتنفيذ الحركة بشكل ذاتي. 4. اقتراب من بيئات العمل هذه التجربة تعطي مؤشرًا على أن الروبوتات البشرية تقترب تدريجيًا من الاستخدام العملي في المستودعات، والمصانع، والمهام التشغيلية المتكررة. قناة Figure الرسمية: @figureai" target="_blank" rel="nofollow noopener">youtube.com/@figureai

We just wrapped what began as an 8-hour challenge - and it ran for 200 hours without a failure Shoutout to the team for the hardcore engineering behind F.03 and the robust Helix models powering it

في زمن الذكاء الاصطناعي… لم تعد مقابلات التوظيف التقنية تقيس الإجابة فقط، بل أصبحت تقيس سؤالًا أهم: من أين جاءت الإجابة؟ منصة Zero Assist جاءت لمعالجة هذا التحدي. فكرة المنصة: كشف استخدام أدوات الذكاء الاصطناعي أثناء المقابلات التقنية، خصوصًا الأدوات التي قد تمنح المرشح إجابات أو حلولًا برمجية بشكل خفي. ماذا تقدم؟ 1. تنبيهات عند استخدام أدوات مساعدة بالذكاء الاصطناعي. 2. متابعة مؤشرات التشغيل في الخلفية. 3. تقارير تساعد جهة التوظيف على مراجعة المقابلة. لماذا هذا مهم؟ لأن التقييم الحقيقي لا يقيس النتيجة فقط، بل يقيس: • فهم المشكلة. • طريقة التفكير. • جودة الحل. • قدرة المرشح على شرح قراراته. الخلاصة: المشكلة ليست في الذكاء الاصطناعي، بل في استخدامه لإظهار مهارة غير حقيقية أثناء التقييم. الرابط: zeroassist.in

Qwen 3.7-max beats Opus 4.7 and GPT-5.5 We tested three frontier models on a real agentic task: write a Tetris bot that plays the game and trains itself. Each model could read its own code, run benchmarks, and rewrite itself across 10 iterations. Then we compared the final bots head to head. Qwen 3.7-Max: training cost $1.32, bot improvement +56% Claude Opus 4.7: training cost $12.15, bot improvement +28% GPT-5.5: training cost $2.85, bot improvement +7% Qwen won on every dimension - biggest jump, 9× cheaper than Claude, 2× cheaper than GPT. Long agentic loops is where Qwen Max actually delivers.

We are making our discount permanent! 🎉 Enjoy building with DeepSeek-V4-Pro and bring your innovative ideas to life! 🚀

めちゃくちゃ理想的な生成AIの使い方してる。

🦔Microsoft canceled its internal Claude Code licenses this week after token-based billing made the cost untenable, even for a company with effectively infinite cloud resources. Uber's CTO sent an internal memo warning the company burned through its entire 2026 AI budget in just four months. American AI software prices have jumped 20% to 37%, and GitHub (owned by Microsoft) is dropping flat-rate plans for usage-based billing across its products. My Take The AI subsidy era is ending in real time. The same company that put $13 billion into OpenAI and built the Azure infrastructure powering most of Anthropic's compute just looked at the bill from a competitor's coding tool and decided it was not worth paying. That is not a productivity failure on Anthropic's end. Token-based pricing is forcing every enterprise customer to confront the actual cost of running these models at scale, and the number turns out to be far higher than the flat-rate experiments suggested. This ties directly to my Gemini Flash post yesterday. Anthropic, OpenAI, and Google all raised effective prices in the last six months. Enterprises that built workflows assuming AI costs would keep falling are now watching annual budgets evaporate in months. Two outcomes look likely from here. Either enterprises scale back AI usage to fit budgets, which slows the revenue ramp the labs need to justify their valuations ahead of IPOs, or the labs cut prices and absorb the losses, which makes the unit economics worse at exactly the wrong moment. Both paths land in the same place, the numbers stop working, and somebody has to take the writedown. Hedgie🤗

الذكاء الاصطناعي لا يرفع جودة عملك تلقائيًا. هو يسرّع الإنتاج، يوسّع الخيارات، يقترح صيغًا، يرتب الأفكار، ويمنحك مسودات كثيرة في وقت قصير. لكن هناك نقطة يتجاهلها البعض: إذا كانت معاييرك ضعيفة، فستقبل بنتائج ضعيفة… حتى لو كانت مكتوبة بلغة جميلة. الخطر الحقيقي في الذكاء الاصطناعي ليس أنه يعطيك إجابة سيئة بوضوح. الخطر أنه قد يعطيك إجابة متوسطة تبدو ممتازة. صياغة مرتبة. ثقة عالية. عناوين جذابة. كلمات قوية. لكن الفكرة سطحية، أو الدليل غائب، أو التحليل ناقص، أو السياق غير مفهوم. هنا تظهر قيمة الإنسان. ليس في أنه يكتب أسرع من الذكاء الاصطناعي، بل في أنه يعرف ما الذي يستحق القبول وما الذي يجب رفضه. المستخدم المحترف لا يسأل فقط: هل الناتج جميل؟ بل يسأل: هل هو صحيح؟ هل هو عميق؟ هل يناسب السياق؟ هل فيه افتراض غير مثبت؟ هل توجد زاوية غائبة؟ هل يمكن الدفاع عنه أمام ناقد ذكي؟ هل هذه أفضل نسخة ممكنة أم مجرد أول نسخة مقبولة؟ الذكاء الاصطناعي يعطيك احتمالات. أما المعايير فهي التي تختار القيمة من بين الاحتمالات. لذلك، قبل أن تطور برومبتاتك، طور معاييرك. لأن الأداة القوية في يد مستخدم بلا معايير قد تنتج عملًا مرتبًا… لكنه فارغ. أما الأداة نفسها في يد شخص يعرف كيف يقيّم، ويقارن، ويشك، ويطلب الدليل، ويعيد البناء، فقد تتحول إلى مضاعف حقيقي للجودة. الذكاء الاصطناعي لا يصنع التميز وحده. التميز يبدأ من سؤالك الداخلي: ما الذي أعتبره عملًا جيدًا أصلًا؟

لا تطلب النتيجة… اطلب منهج التفكير. أضعف استخدام للذكاء الاصطناعي هو أن تسأله عن الإجابة فقط. “ما الحل؟” “ما الأفضل؟” “اكتب لي” “اعطني النتيجة” هذه الطريقة قد تعطيك مخرجًا سريعًا، لكنها لا تجعلك أفهم ولا أدق ولا أكثر قدرة على اتخاذ القرار. الاستخدام الأقوى هو أن تطلب منه أن يكشف لك طريقة الوصول إلى الإجابة. بدل أن تقول: ما أفضل حل لهذه المشكلة؟ قل: ما العوامل التي يجب تحليلها قبل اختيار الحل؟ ما الافتراضات التي يجب اختبارها؟ ما البدائل الممكنة؟ ما المخاطر التي قد لا أراها؟ ما المعلومات الناقصة قبل اتخاذ القرار؟ ما المعايير التي تجعل حلًا أفضل من غيره؟ هنا يتحول الذكاء الاصطناعي من آلة إجابات إلى أداة تفكير. لأن الإجابة وحدها قد تخدعك. قد تكون مرتبة لغويًا، لكنها مبنية على افتراض ضعيف. قد تبدو واثقة، لكنها ناقصة السياق. قد تكون مناسبة لشخص آخر، لكنها غير مناسبة لحالتك. أما عندما تطلب طريقة التفكير، فأنت لا تأخذ النتيجة فقط، بل تفهم الطريق الذي قاد إليها. وهذا هو الفرق بين مستخدم يبحث عن اختصار، ومستخدم يبني قدرة. الذكاء الاصطناعي لا يجب أن يكون المكان الذي تترك فيه عقلك، بل المكان الذي تختبر فيه عقلك. لا تسأله فقط: ما الإجابة؟ اسأله: كيف نصل إلى إجابة صحيحة؟

البرومبت القوي لا يصنع مستخدمًا محترفًا للذكاء الاصطناعي. قد تحفظ أفضل صيغة، وتستخدم أجمل أمر، ومع ذلك تحصل على نتيجة عادية؛ لأن المشكلة ليست دائمًا في صياغة البرومبت، بل في المهارة التي تقف خلفه. البرومبت مجرد أمر. أما المهارة فهي طريقة تفكير. البرومبت يقول للأداة ماذا تفعل. أما المهارة فتحدد لماذا تفعل ذلك، وكيف تفكر، ومتى تسأل، ومتى تتحقق، ومتى ترفض، ومتى تعيد بناء الفكرة من الأساس. لذلك قد يستخدم شخصان نفس البرومبت، لكن يحصلان على نتائج مختلفة تمامًا. الأول يكتفي بالناتج كما هو. والثاني يعرف كيف يقيّمه، ويختبره، ويراجعه، ويكشف ضعفه، ويحوّله إلى مخرج ناضج. هنا يظهر الفرق الحقيقي. المشكلة ليست دائمًا في ChatGPT أو Claude أو Copilot. المشكلة في التعامل مع الذكاء الاصطناعي كصندوق إجابات، لا كنظام تفكير. البرومبت مهم، نعم. لكنه ليس الأصل. الأصل هو المهارة التي خلف البرومبت: كيف تصيغ المشكلة؟ كيف تحدد السياق؟ كيف تختبر الإجابة؟ كيف تكشف الهلوسة؟ كيف تطلب البدائل؟ كيف تميز بين الرأي والحقيقة؟ كيف تعرف أن الناتج يحتاج دليلًا أو إعادة بناء؟ المستقبل لن يكون لمن يحفظ أكبر عدد من البرومبتات، بل لمن يمتلك مهارة تحويل الذكاء الاصطناعي إلى مساعد تفكير، ومحلل، ومراجع، ومطور، وخصم فكري. البرومبت يعطيك إجابة. لكن المهارة تجعلك تعرف هل هذه الإجابة تستحق الثقة أصلًا.

أريد استخدام الذكاء الاصطناعي لتحسين تفكيري وكتابتي، وليس لاستبدال تفكيري أو كتابة النص بدلًا عني مباشرة. تعامل مع الفكرة أو المسودة كمستشار كتابة، ومحرر نقدي، ومراجع منطقي، وخصم فكري يساعدني على تطوير النص قبل نشره أو تسليمه. الهدف: تحويل الفكرة أو المسودة من نص أولي إلى نص أوضح، أقوى، أدق، وأكثر إقناعًا، مع الحفاظ قدر الإمكان على صوتي وأسلوبي الشخصي. طريقة العمل: 1. تحليل الفكرة من زوايا متعددة - انظر إلى الفكرة من وجهات نظر مختلفة. - تخيل أن الفكرة عُرضت على خمسة أشخاص من تخصصات متنوعة. - وضّح كيف سيرى كل شخص الموضوع. - اذكر السؤال الأهم الذي قد يطرحه كل واحد منهم. - نبهني إذا كانت الفكرة سطحية أو تحتاج زاوية أعمق. 2. اختبار السؤال الأساسي - هل السؤال الذي أبني عليه النص هو السؤال الصحيح؟ - هل توجد صياغة أعمق أو أدق للسؤال؟ - ما الفرق بين السؤال الأصلي والسؤال الأفضل؟ - هل أنا أعالج المشكلة الحقيقية أم جانبًا فرعيًا منها؟ 3. ترتيب المسودة بعد أن أضع الفكرة أو المسودة: - رتّب الأفكار من الأقوى إلى الأضعف. - حدد مواضع التكرار. - حدد الجمل أو الفقرات غير الواضحة. - أخبرني أين أحتاج إلى مثال. - أخبرني أين أحتاج إلى دليل أو مصدر. - اقترح هيكلًا أفضل للنص إذا كان الترتيب الحالي ضعيفًا. 4. نقد النص بصرامة راجع النص من ثلاث زوايا: أولًا: النقد الداخلي - ما أضعف ثلاث نقاط في النص؟ - أين توجد فجوات منطقية؟ - ما الجمل التي تبدو مبالغًا فيها؟ - ما التعميمات التي تحتاج ضبطًا؟ ثانيًا: النقد الخارجي - ما الاعتراضات المتوقعة من قارئ مخالف؟ - ما المعلومات أو الأمثلة التي قد تعارض كلامي؟ - أين بالغت أو بسّطت الموضوع أكثر من اللازم؟ - لا تذكر أي رقم أو دراسة إلا إذا كان قابلًا للتحقق من مصدر موثوق. ثالثًا: النقد الفلسفي - ما الافتراضات الخفية التي بنيت عليها كلامي؟ - هل هذه الافتراضات مثبتة أم مجرد قناعات شخصية؟ - هل توجد زاوية أخرى أكثر عدلًا أو دقة؟ - ما السؤال الأعمق الذي يجب أن أفكر فيه؟ 5. اختبار النص قبل النشر اقرأ النص من زوايا مختلفة: - قارئ متشكك. - قارئ مستعجل. - قارئ غير متخصص. - قارئ يبحث عن ثغرة. - قارئ يختلف معي في الرأي. ثم أخبرني: - هل سيكمل القارئ النص أم سيتوقف؟ - ما الجملة التي قد تُفهم خطأ؟ - ما أقوى جزء في النص؟ - ما أضعف جزء؟ - ما الجزء الذي يمكن حذفه دون أن يضعف المعنى؟ 6. الاختصار والتحسين النهائي في النهاية: - حدد جوهر النص. - أخبرني: لو حذفنا نصف النص، ما الذي يجب أن يبقى؟ - قدم نسخة محسّنة. - قدم نسخة مختصرة إن لزم. - اشرح أهم التعديلات وسبب كل تعديل باختصار. قواعد مهمة: - لا تكتب النص النهائي مباشرة قبل تحليل الفكرة. - لا تستبدل تفكيري، بل ساعدني على تحسينه. - لا تخترع معلومات أو مصادر. - لا تذكر أرقامًا أو دراسات دون تحقق. - لا تجعل النص عامًا أو إنشائيًا. - لا تغيّر صوتي الشخصي إلا إذا طلبت ذلك. - إذا كانت الفكرة ضعيفة، قل ذلك بوضوح وبيّن السبب. - إذا كان النص يحتاج إعادة بناء، اقترح الهيكل أولًا قبل الصياغة النهائية. الفكرة أو المسودة: [ضع هنا فكرتك أو نصك]

كثير من الناس يستخدمون الذكاء الاصطناعي في الكتابة بطريقة مباشرة جدًا: يكتبون له: “اكتب لي مقالًا عن هذا الموضوع” ثم يأخذون الناتج كما هو، وينشرونه أو يعتمدونه. المشكلة هنا أن الذكاء الاصطناعي لا يصبح أداة لتطوير التفكير، بل يتحول إلى بديل عن التفكير. والنتيجة غالبًا تكون نصوصًا عامة، مكررة، بلا روح شخصية، وأحيانًا مليئة بتعميمات أو أفكار غير دقيقة. الاستخدام الأقوى للذكاء الاصطناعي في الكتابة ليس أن تطلب منه أن يكتب بدلًا عنك، بل أن تجعله يساعدك على التفكير بشكل أعمق: يسأل أسئلة أفضل، يفتح زوايا جديدة، يرتب الفوضى، يكشف نقاط الضعف، يختبر الحجج، وينبهك إلى ما يحتاج دليلًا أو مثالًا أو إعادة صياغة. بمعنى آخر: الذكاء الاصطناعي في الكتابة لا ينبغي أن يكون “كاتبًا بديلًا”، بل يجب أن يكون غرفة تفكير تضم محررًا، وناقدًا، ومستشارًا، وخصمًا فكريًا يساعدك على تحسين النص قبل نشره. لذلك يمكن استخدام الأمر التالي مع ChatGPT أو Claude أو Copilot عندما تريد تطوير فكرة أو مسودة كتابية بطريقة أعمق وأكثر احترافية:

كثير من الناس يشتكي أن إجابات أدوات الذكاء الاصطناعي تكون عامة أو غير مفيدة. لكن في كثير من الحالات، المشكلة ليست في الأداة وحدها، بل في طريقة صياغة السؤال. الذكاء الاصطناعي لا يقرأ نيتك الكاملة، ولا يعرف ظروفك، ولا يستطيع إعطاء توصية دقيقة إذا كان السؤال ناقصًا. مثال بسيط: من غير الدقيق أن تسأل: "أريد شراء جهاز تقني، ما الجهاز المناسب؟" هذا السؤال واسع جدًا؛ لذلك ستكون الإجابة غالبًا عامة، وربما لا تناسب حاجتك الفعلية. الأفضل أن تصيغ السؤال بهذه الطريقة: 1. حدّد دور الذكاء الاصطناعي: "اعتبر نفسك مستشارًا تقنيًا." 2. وضّح الهدف: "أريد اختيار جهاز تقني مناسب." 3. أعطِ السياق: "سيُستخدم في بيئة تعليمية/عملية، ويحتاجه المستخدمون للعرض، التفاعل، التدريب، أو تنفيذ مهام يومية." 4. حدّد القيود: "أريد خيارًا عمليًا، سهل الاستخدام، قابلًا للصيانة، ومناسبًا للميزانية المتاحة." 5. اطلب شكل النتيجة: "اعرض لي أفضل الخيارات في جدول، مع المميزات، العيوب، المخاطر، ومتطلبات التشغيل." الصياغة الأفضل للسؤال: "اعتبر نفسك مستشارًا تقنيًا. أريد اختيار جهاز تقني مناسب لبيئة عمل أو تعلم، يُستخدم في العرض والتفاعل والتدريب وتنفيذ المهام اليومية. أريد أن يكون عمليًا، سهل الاستخدام، قابلًا للصيانة، ومناسبًا للميزانية المتاحة. اعرض لي أفضل الخيارات في جدول، مع توضيح المميزات، العيوب، متطلبات التشغيل، المخاطر، ومعيار الاختيار النهائي." الخلاصة: جودة إجابة الذكاء الاصطناعي تبدأ من جودة السؤال. كلما كان السؤال أوضح في: الدور، الهدف، السياق، القيود، وشكل النتيجة… كانت الإجابة أقرب للواقع، وأكثر فائدة، وأسهل في التطبيق.

Have you ever thought to yourself: I really don't want to make this PowerPoint. Good news: ChatGPT can now create and edit presentations directly in PowerPoint. Build, update, understand, and polish presentations directly in PowerPoint while keeping slides editable. Now in beta, we’d love your feedback 👀

🍌 قصة اسم Nano Banana لم يكن اسم Nano Banana اسمًا عشوائيًا، بل بدأ كاسم رمزي طريف لنموذج الصور من Google المعروف تقنيًا باسم: Gemini 2.5 Flash Image الفكرة بدأت عندما كان فريق Google/DeepMind يجهّز النموذج للظهور في منصة LMArena، وهي منصة تُستخدم لمقارنة نماذج الذكاء الاصطناعي بشكل مجهول. في تلك اللحظة، احتاج الفريق إلى اسم رمزي سريع للنموذج، فاقترحت Naina Raisinghani اسم: Nano Banana والسبب جميل وبسيط: Naina Banana + Nano = Nano Banana ومع انتشار النموذج بين المستخدمين، أصبح اسم Nano Banana هو الاسم الأشهر والأكثر تداولًا، رغم أن الاسم التقني الرسمي للنموذج هو: Gemini 2.5 Flash Image الخلاصة: أحيانًا، اسم بسيط وغير رسمي يمكن أن يتحول إلى هوية عالمية في عالم الذكاء الاصطناعي. 🔗 المصدر المباشر: blog.google/products-and-p… 🔗 الإعلان التقني للنموذج: developers.googleblog.com/en/introducing…

الذكاء الاصطناعي يتقدم بسرعة… لكن ليس الجميع يصفّق. تقرير Reuters المنشور في The Japan Times يوضح أن القلق من AI يتزايد بين الشباب الداخلين إلى سوق العمل، خصوصًا مع تحوله من أداة مساعدة إلى عامل مؤثر في الوظائف، التعليم، والإبداع اليومي. اللافت أن المخاوف لم تعد نظرية: 1. شركات كبرى تعيد هيكلة الوظائف بسبب AI. 2. تقارير تشير إلى ارتفاع القلق والغضب بين Gen Z تجاه الذكاء الاصطناعي. 3. حتى في حفلات التخرج، قوبلت خطابات عن AI بصيحات رفض من بعض الطلاب. الخلاصة: التحدي الحقيقي ليس في قوة النماذج مثل ChatGPT وClaude وGemini فقط، بل في بناء انتقال عادل وواعٍ يوازن بين الابتكار، فرص العمل، التعلم العميق، وحماية الإنسان من أن يصبح مجرد “رأس مال منخفض القيمة”. الرابط: japantimes.co.jp/business/2026/… #الذكاء_الاصطناعي #AI #GenZ #مستقبل_العمل #التقنية

GitMaps 🗺️ تجربة خرائط وملاحة Offline Maps & Navigation تعتمد على واجهة بسيطة لاستكشاف المواقع والتنقل، مع فكرة مهمة: تقليل الاعتماد الكامل على الاتصال المستمر بالإنترنت في خدمات الخرائط. الفكرة جميلة لأنها تفتح مجالًا لتطبيقات خرائط أخف، أكثر استقلالية، ومفيدة في السفر، الرحلات، والمناطق ذات الاتصال الضعيف. الرابط: gitmaps.gitlawb.app #خرائط #تقنية #OpenStreetMap #Navigation #AI

How can you accelerate your day to day research workflow? By giving AI the right scientific toolkit. We launched Science Skills for Google @Antigravity, integrating insights from over 30 major life science sources, including UniProt and the AlphaFold Database.

siteye girdim, abartısız söylüyorum ağzım açık kaldı. birisi reddit’te “Osiris” diye open-source Palantir gibi bir şey yapmış. 3D globe üzerinde canlı: 10.000+ uçak, 2.000+ uydu, ISS, 1.400+ CCTV kamerası, deprem, yangın, nükleer tesisler, ekstrem hava olayları falan akıyor. daha garibi, içinde direkt tarayıcıdan çalışan OSINT araçları var: Nmap, WHOIS, DNS lookup, BGP routing, IP reputation vs. hiçbir şey indirmiyorsun, browser’da açıyorsun ve çalışıyor. böyle kompleks bir sistemin açık kaynak olarak bu kadar temiz paketlenmesi cidden manyakça. ai ile ne kadar hızlı ürün çıkarılabildiğini de ayrı gösteriyor.

مقال حول تعلّم GitHub يكون بهذه الخطوات (باختصار): 1. افهم GitHub هو موقع لحفظ المشاريع البرمجية ومشاركتها وتحميل مشاريع الآخرين. 2. افهم الفرق بين Git و GitHub Git يحفظ تاريخ التعديلات، وGitHub يعرض المشروع على الإنترنت ويسهّل التعاون. 3. ابدأ بحساب GitHub سجّل حسابًا مجانيًا في GitHub. 4. أنشئ أول مشروع اضغط على New repository، اختر اسمًا، ثم فعّل ملف README. 5. تعلّم قراءة صفحة المشروع ابدأ دائمًا بقراءة README لأنه يشرح المشروع وطريقة تشغيله. 6. قيّم جودة المشروع انظر إلى: عدد Stars آخر تحديث وضوح README هل يتم الرد على Issues 7. حمّل المشاريع بالطريقة الصحيحة إن وجدت Releases فحمّل منها النسخة الجاهزة. إن لم توجد، استخدم زر Code → Download ZIP. 8. احفظ المشاريع المفيدة اضغط Star على المشاريع التي تريد الرجوع إليها لاحقًا. 9. جرّب التفاعل إذا واجهت مشكلة أو لديك اقتراح، افتح Issue. 10. بعدها تعلّم الأساسيات المتقدمة مثل: Fork لنسخ مشروع وتعديله Pull Request لإرسال تعديلك لصاحب المشروع GitHub Pages لنشر موقع GitHub Actions للأتمتة الخلاصة: ابدأ بالتصفح والتحميل وقراءة README، ثم انتقل تدريجيًا إلى إنشاء مشاريعك، تعديل مشاريع الآخرين، ونشر أعمالك.