سديم الحربيَ .

I wanna be a priority not an option .

رحلة في قلب المستقبل .. حيث يلتقي الشغف بالذكاء الاصطناعي 🌌🤖 ! بين عالم البرمجة وآفاق الابتكار، خضتُ خلال الأيام الماضية تجربة ليست كغيرها ، فخورة جداً بختام مشاركتي في معسكر AI ERA NEON للذكاء الاصطناعي .. تجربة كانت بمثابة " قفزة نوعية " نحو المستقبل 🚀 . لم تكن مجرد دورة تدريبية، بل عن حدث تقني فريد جمع عمالقة الصّناعة والتمكين : IBM SkillsBuild | حيث العلم والمعايير العالمية . EFE | حيث التمكين وبناء المهارات . NEON & AI ERA | حيث الرؤية والابتكار اللامحدود . ما يجعل هذه التجربة استثنائية هو التناغم بين الأدوات التقنية المتقدمة وبين العقول المُلهمة التي أشرفت علينا ، خرجتُ منها ليس فقط بـ معرفة ، بل برؤية أوضح لكيفية صياغة حلول ذكية تُغير الواقع💡✨ . امتنانٌ عميق لكل يدٍ خططت ، ولكل عقلٍ ألهمنا في هذا المعسكر ؛ لقد أحدثتم فرقاً يتجاوز حدود التدريب إلى بناء الطموح ، شكراً لهذا الفكر الرائد الذي جمع IBM و EFE و NEON و AI ERA في منصة واحدة لتصنيع التميز .. أيضاً خالص الامتنان للأستاذ @AlomairAbdulDS ممتنة لجهودك التي حولت تعقيدات الذكاء الاصطناعي إلى آفاق واضحة المعالم .. وبـ النهاية فخورة أنني كنت جزءاً من هذا الأثر 🙏🏻 . اليوم طوينا صفحة المعسكر ، لكنني بدأتُ كتابة فصل جديد في مسيرتي ، الشغف في أعلى مستوياته ، وأتطلع بـ شوق للتحديات القادمة والتجارب التي تنتظرني في هذا العالم المذهل👩🏻‍💻🌟 . #عام_الذكاء_الاصطناعي #AI_ERA_NEON #IBM @EduNeonSA @IBM

it’s scary trusting people again

chasing nothing but a better life

I want it all. The career. The love. The life.

لما يمتلك الشات بوت " المعرفة " لكن يفشل في " التواصل " فإن الخلل غالباً لا يكون في بنك المعلومات ، بل في " هندسة المعالجة " وكيفية صياغة الأوامر ( Prompts ) لربط المعلومة بالسياق الصحيح 🤖🌐 . وهذه أهم الأسباب الرئيسية لهذا الفشل : 1. غياب " التلخيص التجريدي " ( Abstractive Summarization ) 🧠 . - قد يعتمد البوت على " التلخيص الاستخراجي " الذي يكتفي بنسخ النصوص التقنية كما هي دون معالجتها . - المشكلة تكمن في عدم قدرة البوت على إعادة صياغة المعلومات المعقدة بـ أسلوب جديد يتناسب مع حاجة المستخدم ، مما يؤدي لفشل في إيصال الفكرة رغم صحتها . 2. افتقار " إرشادات السياق " ( Context Guidelines ) 🌫️ . - الفشل في تحديد الجمهور المستهدف ( سواء كان تقنياً أو مبتدئاً ) يجعل لغة البوت غير متوافقة مع مستوى السائل . - عدم التركيز على المهمة المحددة داخل " المطالبة " يشتت تركيز النموذج بين دقة المعلومة وبين الهدف الوظيفي منها . 3. نقص " إرشادات التنسيق " (Formatting Instructions) 📋 . - تضيع المعلومة الصحيحة إذا لم يتم تحديد الهيكل المطلوب للإجابة ( مثل تقسيمها إلى أقسام أو نقاط واضحة ) . - البوت يحتاج لتوجيهات صارمة لتقسيم مخرجاته إلى " رؤى قابلة للتنفيذ " بدلاً من سرد كتل نصية طويلة يصعب فهمها . 4. اختيار " نوع النموذج " الخاطئ ( Model Mismatch ) ⚙️ . - استخدام نماذج الحوار العام ( Chat ) في مهام تتطلب دقة تنفيذية قد يؤدي لإجابات حوارية " ضائعة " وغير محددة . - بينما يُفضل استخدام نماذج التعليمات ( Instruct ) مثل IBM Granite عند الحاجة لاتباع أوامر تقنية صارمة أو استخراج بنود محددة بدقة عالية . الخلاصة : إن السر دائماً يكمن في " هندسة الأوامر " فـ البوت يحتاج إلى وضوح في المهمة ، وسياق يحدد الجمهور ، وتنسيق ينظم المعلومات ، لكي تتحول " البيانات الجامدة " إلى " حلول مفهومة " 🚀🌟 . #IBMSkillsBuild #مبادرة_آفاق_الذكاء_الاصطناعي @AIPioneer_sa #A3

آفاق | ثالث محطات المسار ☀️ لم يعد الشات بوت يعتمد فقط على صحة المعلومات التقنية، بل على قدرته في فهم المستخدم والتفاعل معه بذكاء. | تساؤل اليوم: تخيّل شات بوت يفشل في فهم المستخدم رغم صحة معلوماته التقنية، برأيك أين تكون المشكلة غالبًا؟ #IBMSkillsBuild | #مبادرة_آفاق_الذكاء_الاصطناعي | #من_نيويورك_إلى_الطائف

الذكاء الاصطناعي .. المحرك الخفي في عالم البرمجة ! 💻🚀 . دور الذكاء الاصطناعي اليوم تجاوز مجرد " المساعدة التقليدية " أصبح شريكاً حقيقياً يختصر المسافات لكل من يعمل في المجال التقني .. وهذه هي أهم أدواره : 1. توليد الأكواد بلمح البصر ( Code Generation ) : صار بإمكانك وصف الوظيفة التي تريدها بـ لغة بسيطة ، لكي يقوم الذكاء الاصطناعي بصياغة الكود البرمجي كاملاً وجاهزاً للاستخدام في ثوانٍ معدودة . 2. تفكيك " شفرة " الأكواد المعقدة : لو واجهت كوداً قديماً أو صعب الفهم ، يقوم الذكاء الاصطناعي بتحليل الأسطر وشرح وظيفة كل جزء منها بوضوح تام ، مما يسهل عملية التعلم والتطوير . 3. صياد ذكي للأخطاء ( Debugging ) : يراجع الأكواد بدقة ، ويكتشف الثغرات أو الأخطاء البرمجية قبل التشغيل ، بل ويقترح الحلول الأمثلة لتعديلها لضمان كفاءة النظام . 4. تسريع الإنجاز ورفع الكفاءة : يحرر المبرمج من المهام الروتينية والمملة ( مثل تكرار الأكواد البسيطة ) مما يسمح له بالتركيز على الابتكار وحل المشكلات الكبيرة والأكثر أهمية . الخلاصة : الذكاء الاصطناعي حول عملية البرمجة من " كتابة يدوية مرهقة " إلى " إدارة ذكية للأفكار " مما جعل بناء التطبيقات متاحاً للجميع وأسرع بكثير مما كنا نتخيل . #IBMSkillsBuild #مبادرة_آفاق_الذكاء_الاصطناعي @AIPioneer_sa #A3

آفاق | ثاني محطات المسار 🌤️ لم يعد الذكاء الاصطناعي مجرد أداة، بل شريكًا حاضرًا في كل مرحلة من مراحل البرمجة. | تساؤل اليوم: ما دور الذكاء الاصطناعي في كتابة الأكواد البرمجية؟ #IBMSkillsBuild |#مبادرة_آفاق_الذكاء_الاصطناعي | #من_نيويورك_إلى_الطائف

ليش النماذج اللغوية ( LLMs ) هي " المحرك النفاث " لكل شيء نشوفه اليوم ؟ 🚀🔥 تدري ليش العالم كله قالب موازينه على الـ LLMs ؟ لأننا ببساطة انتقلنا من مرحلة " تلقين الآلة " إلى مرحلة " فهم الآلة " . هي مو مجرد برنامج ! هي البنية التحتية الذكية اللي خلت كل شيء ممكن . وهذه أهم الأسباب بـ وضوح : 1. كسر حاجز اللغة .. صار الكمبيوتر " يفهمنا " ! 🗣️💎 زمان كنا نتعب عشان نخلي الكمبيوتر يفهمنا بلغات برمجة معقدة ، لكن النماذج اللغوية الكبيرة خلت " اللغة البشرية " هي لغة البرمجة الجديدة . الحين تقدر تطلب أي شيء بـ لهجتك أو بـ لغة بسيطة والنموذج يفهم قصدك وسياقك ! وهذا هو السر اللي خلى تطبيقات مثل المساعدات الافتراضية ( Virtual Assistants ) تصير بذكاء بشري وتجاوبك في أي وقت. 2. " الجوكر " اللي يسوي كل شيء ( General Purpose ) 🃏✨ أكبر ميزة خلتها حجر أساس هي " المرونة ". أول كان لازم نصمم نموذج خاص للترجمة ونموذج ثاني للكود ، لكن LLM نموذج واحد يقدر : • يحلل مشاعر العملاء ويعرف الزعلان من الراضي ( Sentiment Analysis ) . • يولد أكواد برمجية ويشرحها كأنه مبرمج خبير . • يستخرج بيانات معقدة من عقود طويلة في ثواني . يعني هي " سكين سويسري " ذكي يخدم كل القطاعات ! 3. عقل يتعلم بلمح البصر ( Context Learning ) 🧠💡 هذه النماذج عندها قدرة عجيبة إنها تفهم المطلوب منها بمجرد ما تعطيها " مثال أو مثالين ". هذا الشيء خلى الشركات تبني تطبيقات تخصيص ( Personalization ) مذهلة ، بحيث يقدر الذكاء الاصطناعي يقترح لكل عميل الشيء اللي يحبه بالضبط بناءً على كلامه واهتماماته . 4. سرعة خرافية في التنفيذ ( Scalability ) ⚡🏃🏻‍♀️ تخيل فريق لوجستي يقعد ساعات يراجع عقود أو موظفين يتوهون بين سياسات الشركة .. الـ LLMs جات وحلت هالمعضلة ! خلت الوصول للمعلومة واستخراج النصوص ( Text Extraction ) يتم بضغطة زر وبدقة متناهية ، وهذا اللي يخلي أي تطبيق حديث اليوم يعتمد عليها عشان ينجز الشغل في ثواني . الخلاصة: النماذج اللغوية الكبيرة هي "الكهرباء" الجديدة . هي اللي تعطي القوة والعقل لكل تطبيق نشوفه ، سواء كان شات بوت ، أو نظام تحليل بيانات ، أو حتى أداة توليد صور وفيديو . هي الأساس اللي خلى الذكاء الاصطناعي واقع نعيشه ونلمسه في كل تفاصيل يومنا !🌟💪🏻 . #IBMSkillsBuild #مبادرة_آفاق_الذكاء_الاصطناعي @AIPioneer_sa #A3

آفاق | أولى محطات المسار ⛅️ ليست كل التقنيات تُحدث فرقًا، لكن بعض الأسس تغيّر طريقة بناء الذكاء الاصطناعي. | تساؤل اليوم: لماذا تعد النماذج اللغوية الكبيرة هي حجر الأساس لمعظم تطبيقات الذكاء الاصطناعي الحديثة اليوم؟ #IBMSkillsBuild | #مبادرة_آفاق_الذكاء_الاصطناعي | #من_نيويورك_إلى_الطائف

اللهُم مستقبلاً أعظم مما حلمت ، وحياة ألطف مما أردت .

Everything is a choice .

We mature by damage not age.

ما ترغب فيه أكثر هو غالبًا الشيء الذي سيدمرك —أنطونيو بورشيا

الأنتباه هو لعنتي ، أرى ما لا أريد أن أرى

" ليست كل التجارب تروى .. بعضها يترَك ليفسّر نفسه " تحليل البيانات كشف لي كيف تخلق القرارات وتبنى الرؤى من حيث لا نرى . شكراً @KafaatBYC ، وامتنان لـ @BaraaBasfer @AlomairAbdulDS ولكل من كان خلف هذه التجربة الفريدة . #ملتقى_تحليل_البيانات_كفاءات

Everything will go away .

Anyway, I always get what I want .

Things end, people change and life goes on.

Pain changes people .

Not responding is the strongest response.