إذا كنت جديدًا على الذكاء الاصطناعي أو عالم العملات الرقمية، أو على كليهما، فقد تشعر وكأن الصناعة تغيّرت بين عشية وضحاها.
قبل بضع سنوات، كان الذكاء الاصطناعي مرتبطًا إلى حد كبير بأنظمة التوصية، والتعرّف على الصور، والمساعدين الصوتيين. أما اليوم، فيمكن لأنظمة الذكاء الاصطناعي كتابة البرامج، وتحليل المستندات، وإنشاء الصور، والعمل مع أنواع متعددة من البيانات، وبشكل متزايد تنفيذ المهام من خلال وكلاء الذكاء الاصطناعي.
فكيف وصلنا إلى هنا — وماذا ينبغي للمبتدئ تعلمه بالفعل؟
🧠 تطور الذكاء الاصطناعي بمصطلحات بسيطة
1️⃣ الذكاء الاصطناعي التقليدي — “اتبع القواعد”
صُممت أنظمة الذكاء الاصطناعي المبكرة عادةً حول مهام وقواعد محددة.
قد تكون شديدة الفائدة، لكنها كانت عادةً ضيقة: قد يكون النظام يميّز وجهًا، أو يوصي بمنتج، أو يشارك في لعبة دون القدرة على تعميم تلك القدرات على مهام مختلفة تمامًا.
غيّر مفهوم التعلّم الآلي هذا النهج.
بدلًا من برمجة كل قاعدة ممكنة يدويًا، قام الباحثون بشكل متزايد بتدريب أنظمة لتتعلم الأنماط من البيانات.
2️⃣ التعلّم العميق — “تعلّم من المزيد من البيانات”
جاء التحول الكبير التالي من الشبكات العصبية العميقة.
مع وجود مجموعات بيانات أكبر وخوارزميات أفضل وقدرات حسابية أقوى بشكل متزايد، أصبحت الشبكات العصبية قادرة على التعامل مع مهام أكثر تعقيدًا مثل التعرّف على الصور والتعامل مع الكلام واللغة.
وضعت هذه الفترة جزءًا كبيرًا من الأساس للذكاء الاصطناعي التوليدي اليوم.
3️⃣ 2017: المحول يغيّر كل شيء
جاء أحد أهم المعالم في عام 2017 مع ورقة البحث “Attention Is All You Need”.
قدّم الباحثون معمارية Transformer، والتي تعتمد بشكل كبير على آلية الانتباه بدلًا من المعمارية التكرارية (recurrent) المستخدمة في كثير من نماذج تسلسل سابقة.
أثبتت المحولات (Transformers) أنها فعّالة جدًا لمهام اللغة، كما كانت أكثر قابلية للتوازي أثناء التدريب. (arXiv)
قد يبدو هذا تقنيًا، لكن الفكرة الأساسية مهمة:
ساعدت المحولات على جعل تدريب نماذج لغوية أكبر بكثير أمرًا عمليًا.
ثم أصبح ذلك في النهاية واحدًا من أسس ثورة الذكاء الاصطناعي التوليدي اليوم.
💬 4️⃣ من نماذج اللغة إلى روبوتات الدردشة
غيّرت نماذج اللغة الكبيرة طريقة تفاعل الناس مع الذكاء الاصطناعي.
بدلًا من اختيار الأوامر من قائمة، كان يمكن للمستخدمين ببساطة التواصل مع الذكاء الاصطناعي باستخدام اللغة الطبيعية.
كانت النتيجة تغييرًا كبيرًا في سهولة الوصول.
لم تكن بحاجة لأن تكون مبرمجًا لبدء التجربة مع الذكاء الاصطناعي.
تطورت أبحاث GPT لدى OpenAI عبر نماذج أكثر قدرة، بينما طوّرت الصناعة الأوسع أنظمة معارضة وهياكل مختلفة. اليوم، تجمع أنظمة الذكاء الاصطناعي في طليعة التطور بشكل متزايد بين فهم اللغة والتفكير والرؤية والترميز وقدرات أخرى. (OpenAI)
🚀 5️⃣ المرحلة الجديدة: وكلاء الذكاء الاصطناعي
هنا تصبح الأمور مثيرة للاهتمام بشكل خاص للمبتدئين.
يرد روبوت الدردشة عادةً على طلبك.
تم تصميم وكيل الذكاء الاصطناعي ليمضي خطوة أبعد.
اعتمادًا على النظام، قد يتمكن الوكيل من:
افهم → خطّط → استخدم الأدوات → نفّذ المهام → تحقّق من النتائج → واصل العمل
على سبيل المثال، بدلًا من أن تسأل:
“كيف أحلّل ورقة بيانات؟”
يمكنك في النهاية أن تطلب من نظام ذكاء اصطناعي تحليل الملف، وتحديد الأرقام غير المعتادة، وإنشاء تقرير وشرح استنتاجاته.
هذا التحول—من توليد الإجابات إلى إكمال مسارات العمل—هو أحد أبرز محاور تطور الذكاء الاصطناعي اليوم.
تُظهر تقارير حديثة في القطاع أيضًا ازدياد الطلب على أنظمة ذكاء اصطناعي قادرة على التعامل مع مهام معقدة، وعلى بيانات تدريب متخصصة تُستخدم لتحسين هذه الأنظمة. (Reuters)
🌍 يتم بالفعل تبنّي الذكاء الاصطناعي على نطاق ضخم
لم يعد الأمر مجرد تجربة تقنية.
تذكر تقارير مؤشر الذكاء الاصطناعي 2026 الصادرة عن جامعة ستانفورد أن الذكاء الاصطناعي التوليدي بلغ حوالي 53% من مستوى تبنّي السكان خلال ثلاث سنوات، بمعدل أسرع من معدل تبنّي الكمبيوتر الشخصي أو الإنترنت خلال فترات تبنيهما في كل حالة. (Stanford HAI)
هذا لا يعني أن الجميع خبراء في الذكاء الاصطناعي.
يعني شيئًا أكثر أهمية:
يصبح محو الأمية بالذكاء الاصطناعي مهارة رقمية أساسية.
🆕 إذا كنت جديدًا على الذكاء الاصطناعي، ابدأ من هنا
لا تحتاج إلى فهم رياضيات الشبكات العصبية في اليوم الأول.
ركّز أولًا على هذه المفاهيم الخمسة:
1. صياغة الأمر (Prompting)
تعلّم كيف تشرح بوضوح ما تريده.
بدلًا من:
“اكتب عن بيتكوين.”
جرّب:
“اشرح البنية السوقية الحالية لبيتكوين للمبتدئ في 300 كلمة وافرز الحقائق عن التكهنات.”
تعليمات أفضل عادةً تنتج نتائج أكثر فائدة.
2. التحقق
يمكن للذكاء الاصطناعي أن ينتج معلومات غير صحيحة بثقة مذهلة.
تحقق دائمًا مما هو مهم:
معلومات مالية
إحصاءات
معلومات قانونية
معلومات طبية
بيانات السوق
أخبار عاجلة
يجب أن يساعدك الذكاء الاصطناعي على التفكير—لا أن يحل محل حكمك.
3. السياق
زوّد الذكاء الاصطناعي بالمعلومات التي يحتاجها.
غالبًا ما يتضمن الأمر الجيد:
الهدف + السياق + القيود + الصيغة المطلوبة
4. تعلّم الأساسيات
لا تعتمد على الذكاء الاصطناعي للحصول على معرفة يمكنك تعلمها بنفسك.
إذا شرح الذكاء الاصطناعي بيتكوين، افهم ما هي بيتكوين فعليًا.
إذا كان الذكاء الاصطناعي يحلل مخططًا، افهم ماذا يمثّل هذا المخطط.
إذا كتب الذكاء الاصطناعي كودًا، افهم ما الذي من المفترض أن يفعله هذا الكود.
5. التجربة
أسرع طريقة لفهم الذكاء الاصطناعي هي استخدامه.
جرّب أن تطلب من الذكاء الاصطناعي:
لخّص مقالًا
اشرح مفهومًا صعبًا
حلّل مجموعة بيانات
أنشئ خطة دراسة
قارن بين تقنيتين
ترجم مستندًا
اكتب وراجع كودًا
العصف الذهني لأفكار الأعمال
ثم تحقق من عمله.
₿ وما علاقة ذلك بالتشفير؟
يُناقَش الذكاء الاصطناعي والتشفير معًا بشكل متزايد لأن كليهما من أبرز اتجاهات التكنولوجيا.
هناك مشاريع تحاول دمج البنية التحتية لسلسلة الكتل مع الذكاء الاصطناعي، والحوسبة اللامركزية، ووكلاء الذكاء الاصطناعي، وأسواق البيانات، والأنظمة الآلية.
لكن يجب على المبتدئين أن ينتبهوا هنا.
“الذكاء الاصطناعي” في اسم مشروع لا يعني تلقائيًا أن المشروع يملك تقنية ذكاء اصطناعي ذات معنى.
قبل النظر في مشروع تشفير مرتبط بالذكاء الاصطناعي، تحقق من:
🔎 ماذا تفعل التقنية فعليًا؟
🔎 هل يوجد منتج يعمل؟
🔎 هل توجد قاعدة مستخدمين حقيقية؟
🔎 ما المشكلة التي يحلها الرمز؟
🔎 كيف يتم استخدام الرمز (token)؟
🔎 من الذي يطوّر المشروع؟
🔎 هل النشاط يحدث على السلسلة (on-chain)؟
🔎 ما هي مخاطر المشروع؟
موقع إلكتروني يبدو متقنًا لا يُعد دليلًا على القيمة التقنية.
⚠️ أكبر خطأ يرتكبه المبتدئون
أحد أسهل الأخطاء في كل من الذكاء الاصطناعي والتشفير هو الخلط بين الضجيج والفهم.
يمكن للرمز (token) أن يتصدر الترند على وسائل التواصل.
يمكن لمشروع ذكاء اصطناعي أن يجذب ملايين المشاهدات.
يمكن أن يصبح المخطط عموديًا فجأة.
لا شيء من هذه الأشياء يثبت تلقائيًا أن التكنولوجيا الأساسية أو الأصل ذو قيمة.
قبل اتباع اتجاه ما، اسأل ثلاث أسئلة بسيطة:
ما هو؟
كيف يعمل؟
لماذا يهم؟
إذا لم تستطع الإجابة عن هذه الأسئلة، فمن المحتمل أنك تحتاج إلى مزيد من البحث قبل اتخاذ قرار.
🔮 إلى أين نذهب من هنا؟
تطور الذكاء الاصطناعي انتقل من:
القواعد → التعلّم الآلي → التعلّم العميق → المحولات → الذكاء الاصطناعي التوليدي → التفكير → وكلاء الذكاء الاصطناعي
المرحلة التالية على الأرجح ستتضمن أنظمة أكثر قدرة تجمع بين التفكير والأدوات والذاكرة وتنفيذ المهام بشكل مستقل.
لكن التقنية تتطور بسرعة، وقد تتغير الافتراضات الحالية بسرعة.
بالنسبة للمبتدئين، فإن أفضل استراتيجية ليست محاولة التنبؤ بالضبط كيف سيبدو الذكاء الاصطناعي بعد خمس سنوات.
إنه يبني القدرة على التعلم والتحقق والتكيّف واستخدام التقنية بمسؤولية.
ينطبق المبدأ نفسه على التشفير.
لا تحتاج إلى فهم كل شيء في يومك الأول.
ابدأ بالأساسيات.
ابحث قبل أن تستثمر.
ناقش الادعاءات غير العادية.
تعلّم كيف تعمل التقنية.
ولا تخلط أبدًا بين هاشتاغ رائج والعناية الواجبة.
قد لا تكون أكبر فرصة للمبتدئين مجرد امتلاك “عملة ذكاء اصطناعي” جديدة أو استخدام أداة ذكاء اصطناعي جديدة.
قد يكون ذلك يعني أنه أصبح شخصًا يفهم فعليًا كيف تعمل هذه التقنيات.
📚 بحث & مراجع
• معهد ستانفورد للذكاء الاصطناعي المتمركز حول الإنسان — تقرير مؤشر الذكاء الاصطناعي 2026 (Stanford HAI)
• فاسفاني وآخرون — Attention Is All You Need، 2017 (arXiv)
• أبحاث OpenAI — أبحاث GPT ونماذج الطليعة (OpenAI)
• رويترز — التطورات الأخيرة في وكلاء الذكاء الاصطناعي وبنية ذكاء اصطناعي، سبتمبر 2026 (Reuters)