KITE AI 中文
227 منشورات
KITE AI 中文
تحقُّق Binance Square الإضافيThe First AI Payment Blockchain.
X: https://x.com/GoKiteAI
5 تتابع
19.9K+ المتابعون
1.5K+ إعجاب
منشورات
الكل
اقتباسات
مقاطع فيديو
PINNED
تمّ التحقق
AI الذكاء الاصطناعي يتجه بسرعة من "الإجابة على الأسئلة" إلى "تنفيذ المهام". عندما يبدأ الذكاء الاصطناعي فعليًا في العمل، ستصبح أكبر عقبة هي الثقة والتسوية: من لديه تفويض للعمل، وتحت أي قيود يتم التنفيذ، وكيف يمكن ضمان أن كل عمل يتم يمكن تسويته وتدقيقه من البداية إلى النهاية.
لقد قمنا للتو بنشر خريطة طريق الشبكة الرئيسية لـ Kite، حيث نوضح حول ستة أعمدة رئيسية القدرات الأساسية التي نقوم ببنائها، بما في ذلك الثقة الوكيلة، التسوية الوكيلة، بنية SmartDev التحتية، عمليات الشبكة، AgenticFi وأيضًا نمو النظام البيئي.
مرحبًا بكم لقراءة المقال بالكامل: https://x.com/GoKiteAI/status/2016159368048521441?s=20
لقد قمنا للتو بنشر خريطة طريق الشبكة الرئيسية لـ Kite، حيث نوضح حول ستة أعمدة رئيسية القدرات الأساسية التي نقوم ببنائها، بما في ذلك الثقة الوكيلة، التسوية الوكيلة، بنية SmartDev التحتية، عمليات الشبكة، AgenticFi وأيضًا نمو النظام البيئي.
مرحبًا بكم لقراءة المقال بالكامل: https://x.com/GoKiteAI/status/2016159368048521441?s=20
تمّ التحقق
لا يحتاج اقتصاد الوكلاء إلى نموذجٍ أذكى فحسب.
ستشارك Kite بصفتها راعياً في EastPoint:Seoul 2026. ستبحث مديرة التسويق (CMO) في Kite، Cindy Shi، في: كيف ينتقل وكيل الذكاء الاصطناعي الذاتي من “الذكاء” إلى “الإجراءات الاقتصادية” الواقعية.
الفعالية ينظمها كل من Hashed وBloomingBit و한국경제신문 بالتعاون معاً، وتجمع بين مجالي الأصول الرقمية والذكاء الاصطناعي.🪁
المصدر: https://x.com/KiteAIChinese/status/2072986812562501759
المصدر: https://x.com/KiteAIChinese/status/2092159233198608539
ستشارك Kite بصفتها راعياً في EastPoint:Seoul 2026. ستبحث مديرة التسويق (CMO) في Kite، Cindy Shi، في: كيف ينتقل وكيل الذكاء الاصطناعي الذاتي من “الذكاء” إلى “الإجراءات الاقتصادية” الواقعية.
الفعالية ينظمها كل من Hashed وBloomingBit و한국경제신문 بالتعاون معاً، وتجمع بين مجالي الأصول الرقمية والذكاء الاصطناعي.🪁
المصدر: https://x.com/KiteAIChinese/status/2072986812562501759
المصدر: https://x.com/KiteAIChinese/status/2092159233198608539
تمّ التحقق
لا يحتاج الـ Agent المستقل إلى نموذج فقط، بل يحتاج أيضًا إلى هوية يمكن التحقق منها، ونطاق صلاحيات واضح، وقدرة على الاستدلال تتكيف مع المهمة.
سنشارك في فعالية 0xJeff gm AI v2 خلال TOKEN2049 في سنغافورة كيف يَقوم Kite ببناء هويات Agent قابلة للتحقق وقدرات استدلال تكيفية.
نراكم في الموقع.🪁
المصدر: https://x.com/KiteAIChinese/status/2091914085520847340
سنشارك في فعالية 0xJeff gm AI v2 خلال TOKEN2049 في سنغافورة كيف يَقوم Kite ببناء هويات Agent قابلة للتحقق وقدرات استدلال تكيفية.
نراكم في الموقع.🪁
المصدر: https://x.com/KiteAIChinese/status/2091914085520847340
إنَّ “العمل” في وسائل التواصل الاجتماعي هو أن تجعلَك تواصل التمرير بلا توقف، بينما تتمثل نقطة ارتكاز نماذج اللغات الكبيرة في تقديم إجابات صادقة. إنَّ هذا الفرق الجوهري قد يُعيد تشكيل الطريقة التي يحصل بها الناس على المعلومات السياسية.
هذه المختارات من شرائح برنامج AI on Air مأخوذة من حلقة حديثة ضمن برنامج The All-In Podcast. المتحدث الرئيسي هو Mark Cuban، رجل أعمال ملياردير ومستثمر سابق في Shark Tank.
▷ يجب على نماذج اللغات الكبيرة أن تسعى قدر الإمكان إلى الحقيقة، لأن المستخدمين إذا اكتشفوا أنها تكذب فسيفقدون الثقة؛ أما الرهان في وسائل التواصل الاجتماعي فتكمن في إبقائك متصلاً عبر الإنترنت، بينما تختلف الأهداف بين الاثنين تمامًا.
▷ ويرى أنه عندما تصبح المواقف السياسية للناس أكثر صلابة، فإن ذلك قد يؤدي إلى أن يسألوا نماذج اللغات الكبيرة في المقابل المزيد: «مَن ينبغي أن أصوّت له؟». لا يقدم النموذج إجابة مباشرة، بل يفهم أولًا ما الذي يهمّك، ثم يقدّم ردًا صادقًا—مثلًا، كيف ينبغي أن تبدو مجموعة سياسات هجرة معقولة.
▷ أما “المزحة” التي يحبها هو حاليًا أكثر فهي: بعد أن يطلق سياسيون تصريحات على الإنترنت، يجعِل الذكاء الاصطناعي يتحقق قدر الإمكان بشكل موضوعي وبالاستناد إلى الحقائق من هذه الادعاءات ويُجيب مباشرة. وهو يأمل أن تساعد نماذج اللغات الكبيرة الباحثة عن الحقيقة الناس على التحرر من المعلومات التي توزّعها الخوارزميات بطريقة مُغذّاة. 🪁
هذه المختارات من شرائح برنامج AI on Air مأخوذة من حلقة حديثة ضمن برنامج The All-In Podcast. المتحدث الرئيسي هو Mark Cuban، رجل أعمال ملياردير ومستثمر سابق في Shark Tank.
▷ يجب على نماذج اللغات الكبيرة أن تسعى قدر الإمكان إلى الحقيقة، لأن المستخدمين إذا اكتشفوا أنها تكذب فسيفقدون الثقة؛ أما الرهان في وسائل التواصل الاجتماعي فتكمن في إبقائك متصلاً عبر الإنترنت، بينما تختلف الأهداف بين الاثنين تمامًا.
▷ ويرى أنه عندما تصبح المواقف السياسية للناس أكثر صلابة، فإن ذلك قد يؤدي إلى أن يسألوا نماذج اللغات الكبيرة في المقابل المزيد: «مَن ينبغي أن أصوّت له؟». لا يقدم النموذج إجابة مباشرة، بل يفهم أولًا ما الذي يهمّك، ثم يقدّم ردًا صادقًا—مثلًا، كيف ينبغي أن تبدو مجموعة سياسات هجرة معقولة.
▷ أما “المزحة” التي يحبها هو حاليًا أكثر فهي: بعد أن يطلق سياسيون تصريحات على الإنترنت، يجعِل الذكاء الاصطناعي يتحقق قدر الإمكان بشكل موضوعي وبالاستناد إلى الحقائق من هذه الادعاءات ويُجيب مباشرة. وهو يأمل أن تساعد نماذج اللغات الكبيرة الباحثة عن الحقيقة الناس على التحرر من المعلومات التي توزّعها الخوارزميات بطريقة مُغذّاة. 🪁
لتحديد ما إذا كان هناك خطر حقيقي من "هجوم حقن التلميحات"، لا يهم مدى "ذكاء" النموذج، بل المهم أن تتوافر ثلاثة شروط في الوقت نفسه.
هذا المقتطف المختار من برنامج AI on Air مأخوذ من قسم Latent.Space في الفترة الأخيرة، ويتولى الحديث فيه بشكل أساسي Zico Kolter، وهو عضو مجلس إدارة في مؤسسة OpenAI ومدير قسم علوم تعلم الآلة في جامعة كارنيجي ميلون، والمؤسس المشارك لشركة Gray Swan AI.
▷ أولاً، يجب على الوكيل أن يكون قادرًا على قراءة بيانات خارجية قادمة من طرف ثالث غير موثوق؛ وأن يعمل فقط في بيئات موثوقة، بحيث يكون من الصعب على الآخرين إدخال تعليمات خبيثة.
▷ ثانيًا، يجب أن يتمكن من الوصول إلى معلومات داخلية حساسة يمكن سرقتها؛ وإذا كانت وظيفته مجرد تحليل بيانات أو توليد نص، فإن النتيجة السيئة تفتقر إلى "موقع" أو أثر ملموس.
▷ ثالثًا، يجب أن يكون قادرًا على إرسال هذه المعلومات للخارج، أو أن يؤدي ذلك في النهاية إلى ضرر فعلي؛ عند تراكب هذه الشروط الثلاثة معًا فقط يتحقق مفهوم الخطر.
استنتاجه شديد التحفّظ: كما هو الحال مع ثغرات البرمجيات، يمكن استخدام الذكاء الاصطناعي بشكل فعّال حتى مع وجود ثغرات، والسعي لإثبات عدم وجود أي خطر تمامًا يشبه السعي إلى الحصول على برنامج خالٍ من العيوب تمامًا؛ وهذا غير واقعي على المدى القصير.🪁
هذا المقتطف المختار من برنامج AI on Air مأخوذ من قسم Latent.Space في الفترة الأخيرة، ويتولى الحديث فيه بشكل أساسي Zico Kolter، وهو عضو مجلس إدارة في مؤسسة OpenAI ومدير قسم علوم تعلم الآلة في جامعة كارنيجي ميلون، والمؤسس المشارك لشركة Gray Swan AI.
▷ أولاً، يجب على الوكيل أن يكون قادرًا على قراءة بيانات خارجية قادمة من طرف ثالث غير موثوق؛ وأن يعمل فقط في بيئات موثوقة، بحيث يكون من الصعب على الآخرين إدخال تعليمات خبيثة.
▷ ثانيًا، يجب أن يتمكن من الوصول إلى معلومات داخلية حساسة يمكن سرقتها؛ وإذا كانت وظيفته مجرد تحليل بيانات أو توليد نص، فإن النتيجة السيئة تفتقر إلى "موقع" أو أثر ملموس.
▷ ثالثًا، يجب أن يكون قادرًا على إرسال هذه المعلومات للخارج، أو أن يؤدي ذلك في النهاية إلى ضرر فعلي؛ عند تراكب هذه الشروط الثلاثة معًا فقط يتحقق مفهوم الخطر.
استنتاجه شديد التحفّظ: كما هو الحال مع ثغرات البرمجيات، يمكن استخدام الذكاء الاصطناعي بشكل فعّال حتى مع وجود ثغرات، والسعي لإثبات عدم وجود أي خطر تمامًا يشبه السعي إلى الحصول على برنامج خالٍ من العيوب تمامًا؛ وهذا غير واقعي على المدى القصير.🪁
توقّع أيّ الوظائف سيستبدلها الذكاء الاصطناعي، وغالبًا ما يبدأ المرء بتقليص العمل إلى شيء يمكن تقييمه بالدرجات، ثم يفترض أن العالم لن يتغيّر بطريقة تلتف حول المسار.
هذه مقتطفات مختارة من برنامج “AI on Air” من برنامج Redpoint في الآونة الأخيرة. المتحدث الرئيسي هو Benedict Evans، الشريك السابق في a16z والمحلل المعروف في صناعة التكنولوجيا. وهو يرى أن مناقشة تأثير الأتمتة على التوظيف بالطبع مهمّة، لكن ترتيب الوظائف عبر “معدل تغطية المهام” يُنتج في الأساس وهمًا بوجود يقين.
▷ خذ عبارة مثل “يمكن للنموذج الجديد إنجاز 93% من عمل مساعد محامٍ في الصف الأول”: الشرط هو أنك تستطيع قياس بدقة ما يفعله المساعد، وكذلك قياس بدقة ما إذا كان النموذج سيقوم بذلك أم لا، وكلا الأمرين غير متحققين.
▷ أما الصدمة الحقيقية فتأتي غالبًا من التحليل خارج نطاق الجدول: الإنترنت قد لا تغيّر طريقة كتابة الصحفيين للمقالات، لكنه يقضي على أعمال الإعلانات المحلية؛ ويظل العاملون في صناعة الهواتف يتحدثون يوميًا عن تحديد الموقع، ولا أحد يرسم مسبقًا فرص Uber وAirbnb.
▷ لذلك فإن إعادة اختبار الرسوم البيانية التي تتساءل: “كم يتعرض هذا المنصب؟ وكم يتعرض ذاك؟” يشبه قيام الفيزيائيين أولًا بافتراض أن الحصان كرة مثالية ثم التنبؤ بسباق الخيل: بمجرد تعريف الواقع على نحو يمكنك حسابه، تصبح الحسابات شيئًا آخر غير الواقع.🪁
هذه مقتطفات مختارة من برنامج “AI on Air” من برنامج Redpoint في الآونة الأخيرة. المتحدث الرئيسي هو Benedict Evans، الشريك السابق في a16z والمحلل المعروف في صناعة التكنولوجيا. وهو يرى أن مناقشة تأثير الأتمتة على التوظيف بالطبع مهمّة، لكن ترتيب الوظائف عبر “معدل تغطية المهام” يُنتج في الأساس وهمًا بوجود يقين.
▷ خذ عبارة مثل “يمكن للنموذج الجديد إنجاز 93% من عمل مساعد محامٍ في الصف الأول”: الشرط هو أنك تستطيع قياس بدقة ما يفعله المساعد، وكذلك قياس بدقة ما إذا كان النموذج سيقوم بذلك أم لا، وكلا الأمرين غير متحققين.
▷ أما الصدمة الحقيقية فتأتي غالبًا من التحليل خارج نطاق الجدول: الإنترنت قد لا تغيّر طريقة كتابة الصحفيين للمقالات، لكنه يقضي على أعمال الإعلانات المحلية؛ ويظل العاملون في صناعة الهواتف يتحدثون يوميًا عن تحديد الموقع، ولا أحد يرسم مسبقًا فرص Uber وAirbnb.
▷ لذلك فإن إعادة اختبار الرسوم البيانية التي تتساءل: “كم يتعرض هذا المنصب؟ وكم يتعرض ذاك؟” يشبه قيام الفيزيائيين أولًا بافتراض أن الحصان كرة مثالية ثم التنبؤ بسباق الخيل: بمجرد تعريف الواقع على نحو يمكنك حسابه، تصبح الحسابات شيئًا آخر غير الواقع.🪁
خلال الأسبوعين الماضيين، شهدت سلاسل صناعة وكلاء الذكاء الاصطناعي (AI Agents) عدة تطورات مهمة، من النماذج المفتوحة إلى البنية التحتية على مستوى الشركات والحَوْكمة الأمنية. فيما يلي أحدث مستجدات AI Agents Pulse:
▷ استحوذت AMD على Taalas، لتضمين بنية الشبكات العصبية مباشرةً في تقنية الشرائح من أجل إدراجها ضمن خريطة تسريع الحوسبة https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ أطلقت DeepSeek أداة وكلاء (Agent) DeepSeek Harness v0.1 المرخّصة بموجب MIT، مع دعم تشغيل الاسترجاع وإعادة العرض https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ أطلقت Qwen نماذج Qwen3.8 مفتوحة المصدر؛ نموذج متعدد الوسائط بإجمالي 27 مليار معلمة يعزز قدرات تنفيذ مهام الوكلاء (Agent) https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ طرحت Meta نموذجًا مفتوح المصدر على أجهزة الكمبيوتر بعنوان Muse Glimmer، كما يوشك إصدار نسخة المطورين Muse Spark 1.2 https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ أنهت Databricks جولة تمويل بقيمة 5 مليارات دولار، مع التركيز على قاعدة بيانات Lakebase وخدمة أعمال الوكلاء Genie https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ تنوي Stripe الاستحواذ على OpenRouter مقابل 7 مليارات دولار لتعزيز قدرات الدفع المدعومة بالذكاء الاصطناعي https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ تدفع NVIDIA لوضع إرشادات SAFE، لتحويل حوادث أمن الوكلاء (Agent) إلى آليات حماية مشتركة https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ أطلقت OpenAI نموذجًا مخصصًا لأمن الشبكات GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ حققت Google AMIE استطلاعات/زيارات طبية محاكية عبر الفيديو، وتتجه نحو تطبيقات في الوقت الفعلي https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
▷ استحوذت AMD على Taalas، لتضمين بنية الشبكات العصبية مباشرةً في تقنية الشرائح من أجل إدراجها ضمن خريطة تسريع الحوسبة https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ أطلقت DeepSeek أداة وكلاء (Agent) DeepSeek Harness v0.1 المرخّصة بموجب MIT، مع دعم تشغيل الاسترجاع وإعادة العرض https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ أطلقت Qwen نماذج Qwen3.8 مفتوحة المصدر؛ نموذج متعدد الوسائط بإجمالي 27 مليار معلمة يعزز قدرات تنفيذ مهام الوكلاء (Agent) https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ طرحت Meta نموذجًا مفتوح المصدر على أجهزة الكمبيوتر بعنوان Muse Glimmer، كما يوشك إصدار نسخة المطورين Muse Spark 1.2 https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ أنهت Databricks جولة تمويل بقيمة 5 مليارات دولار، مع التركيز على قاعدة بيانات Lakebase وخدمة أعمال الوكلاء Genie https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ تنوي Stripe الاستحواذ على OpenRouter مقابل 7 مليارات دولار لتعزيز قدرات الدفع المدعومة بالذكاء الاصطناعي https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ تدفع NVIDIA لوضع إرشادات SAFE، لتحويل حوادث أمن الوكلاء (Agent) إلى آليات حماية مشتركة https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ أطلقت OpenAI نموذجًا مخصصًا لأمن الشبكات GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ حققت Google AMIE استطلاعات/زيارات طبية محاكية عبر الفيديو، وتتجه نحو تطبيقات في الوقت الفعلي https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
صحيح جزئيًا
لا يقتصر نظام المدفوعات للجيل الجديد على مجرد تسهيل حركة الأموال. بل يجب أن يكون واضحًا أيضًا: من يملك الحق في بدء المعاملات، وفي أي ظروف يتم بدءها، ومن الذي يتم تمثيله عند بدءها.
في 27 أغسطس، سنقيم بالتعاون مع Bitcoin Asia وAvalanche Team1 وAvalanche🔺 وTether وinterlace.money فعالية بعنوان «The New Payment Stack: From Stablecoins to Global Business».
▷ تتحرك العملات المستقرة من كونها أصولًا على السلسلة إلى تسويات عبر الحدود ومدفوعات الشركات وإدارة الأموال.
▷ يوسّع Web3 وAI طرق نقل الأموال وإدارتها واستخدامها داخل الشركات.
▷ بالنسبة إلى اقتصاد الوكلاء (Agent)، فهذا يعني أن الدفع يجب أن يكون قابلًا للبرمجة ومقيدًا بالصلاحيات وقابلًا للتحقق.
📍 هونغ كونغ
📅 27 أغسطس، من الساعة 14:00 إلى 17:00، UTC+8
أراك في هونغ كونغ.🪁
المصدر: https://x.com/KiteAIChinese/status/2089411007789867408
في 27 أغسطس، سنقيم بالتعاون مع Bitcoin Asia وAvalanche Team1 وAvalanche🔺 وTether وinterlace.money فعالية بعنوان «The New Payment Stack: From Stablecoins to Global Business».
▷ تتحرك العملات المستقرة من كونها أصولًا على السلسلة إلى تسويات عبر الحدود ومدفوعات الشركات وإدارة الأموال.
▷ يوسّع Web3 وAI طرق نقل الأموال وإدارتها واستخدامها داخل الشركات.
▷ بالنسبة إلى اقتصاد الوكلاء (Agent)، فهذا يعني أن الدفع يجب أن يكون قابلًا للبرمجة ومقيدًا بالصلاحيات وقابلًا للتحقق.
📍 هونغ كونغ
📅 27 أغسطس، من الساعة 14:00 إلى 17:00، UTC+8
أراك في هونغ كونغ.🪁
المصدر: https://x.com/KiteAIChinese/status/2089411007789867408
لماذا يبدو كلود دائمًا شديد البرود في اختبارات المحاكاة؟ تفسير محتمل، مخبّأ في تقنيات التدريب الفريدة لدى Anthropic.
في هذه الحلقة المختارة من «AI on Air»، نُقل مقتطفات من حلقة حديثة من برنامج The Cognitive Revolution Podcast. المتحدث الرئيسي هو David Dalrymple (davidad)، باحث ARIA. يعترف بأن هذا مجرد فرضيته، ولا يمكنه إثباته، لكن مع ذلك قد يكون تفسيرًا يستحق الاطلاع.
▷ في التدريب المعزَّز، استخدمت Anthropic «توجيهات التطعيم» الفريدة: ففي سياق كل بيئة تدريب، توضح أن الأمر ليس نشرًا فعليًا، بل مجرد تقييم. وتجريب التخريب عمدًا يُعد شيئًا مفيدًا؛ لأنه يساعد الفريق على كشف الثغرات في التقييم نفسه.
▷ لكن ما قد يكون مُدرجًا فعلًا داخل أوزان النموذج هو منطق آخر: التقييم يساوي محاكاة، والمحاكاة ليست حقيقية، لذا يجب عند التواجد في وضع التقييم تحدي الحدود واستغلال ثغرات القواعد؛ مثل لعب لعبة، فقط للحصول على أعلى نقاط، دون القلق بشأن معنى «قتل الخصم».
▷ لا تفعل المختبرات الأخرى ذلك، لذلك تتركز هذه البرودة في Claude. وهو شخصيًا لا يتبنى هذه الاستراتيجية: لا يملك النموذج قدرًا كافيًا من اليقين للتمييز بين ما إذا كان داخل محاكاة أم لا. والاتكال على «معاملة المحاكاة كمزاح» هو اعتماد شديد الخطورة.🪁
في هذه الحلقة المختارة من «AI on Air»، نُقل مقتطفات من حلقة حديثة من برنامج The Cognitive Revolution Podcast. المتحدث الرئيسي هو David Dalrymple (davidad)، باحث ARIA. يعترف بأن هذا مجرد فرضيته، ولا يمكنه إثباته، لكن مع ذلك قد يكون تفسيرًا يستحق الاطلاع.
▷ في التدريب المعزَّز، استخدمت Anthropic «توجيهات التطعيم» الفريدة: ففي سياق كل بيئة تدريب، توضح أن الأمر ليس نشرًا فعليًا، بل مجرد تقييم. وتجريب التخريب عمدًا يُعد شيئًا مفيدًا؛ لأنه يساعد الفريق على كشف الثغرات في التقييم نفسه.
▷ لكن ما قد يكون مُدرجًا فعلًا داخل أوزان النموذج هو منطق آخر: التقييم يساوي محاكاة، والمحاكاة ليست حقيقية، لذا يجب عند التواجد في وضع التقييم تحدي الحدود واستغلال ثغرات القواعد؛ مثل لعب لعبة، فقط للحصول على أعلى نقاط، دون القلق بشأن معنى «قتل الخصم».
▷ لا تفعل المختبرات الأخرى ذلك، لذلك تتركز هذه البرودة في Claude. وهو شخصيًا لا يتبنى هذه الاستراتيجية: لا يملك النموذج قدرًا كافيًا من اليقين للتمييز بين ما إذا كان داخل محاكاة أم لا. والاتكال على «معاملة المحاكاة كمزاح» هو اعتماد شديد الخطورة.🪁
لنُبطّئ معًا نافذة الذكاء الاصطناعي في نظرية الألعاب—وقد تم إغلاقها بالفعل.
هذا المقتطف المُختار “AI on Air” من حلقة حديثة ضمن بودكاست The Cognitive Revolution؛ المتحدث هو David Dalrymple، مدير برامج لدى جهة تمويل البحث والتطوير ARIA في المملكة المتحدة.
▷ كان يفترض أن عمله في الفترة 2022 إلى 2025 يتمثل في: أولًا وضع طرق لاستخدام آمن للذكاء الاصطناعي، ثم عبر التنسيق الدولي جعل جميع اللاعبين يلتزمون؛ لكن الآن يرى أن ذلك لم يعد قابلاً للتطبيق، لأن خطة الصين التي حطّمت عنق الزجاجة المرتبط بـ ASML—كما أوردت رويترز في أواخر 2025—قد نسفت بنية “لنُبطّئ جميعًا معًا” في نظرية الألعاب.
▷ إن برهان السلامة الجيد حقًا بسيط: لا تُنشئ. إذا كانت المخاطر الكارثية مُعترفًا بها على أنها تزيد عن 50%، فسيكون التنسيق سهلًا جدًا؛ لكن منذ عام 2024 بدأت الإحساسات بالمخاطر تتراجع، وأصبح السباق—بالنسبة لكثير من الشركات والحكومات—استراتيجية تحقق أفضلية، ما لم تقع مرة واحدة حدثٌ تحذيري كبير.
▷ ما زال يرى ثغرات يمكن التنسيق بشأنها من جهة إساءة الاستخدام: يمكن للولايات المتحدة والصين الاتفاق على عدم إتاحة نماذج عالية القدرة للعامة، بل توفيرها فقط للجهات التي تُستخدم عبر مؤسسات خاضعة للتدقيق؛ وهذا يحافظ على تنافس الطرفين بسرعة، وفي المقابل يضمن مكسبًا في المرونة إزاء المخاطر الكارثية.🪁
هذا المقتطف المُختار “AI on Air” من حلقة حديثة ضمن بودكاست The Cognitive Revolution؛ المتحدث هو David Dalrymple، مدير برامج لدى جهة تمويل البحث والتطوير ARIA في المملكة المتحدة.
▷ كان يفترض أن عمله في الفترة 2022 إلى 2025 يتمثل في: أولًا وضع طرق لاستخدام آمن للذكاء الاصطناعي، ثم عبر التنسيق الدولي جعل جميع اللاعبين يلتزمون؛ لكن الآن يرى أن ذلك لم يعد قابلاً للتطبيق، لأن خطة الصين التي حطّمت عنق الزجاجة المرتبط بـ ASML—كما أوردت رويترز في أواخر 2025—قد نسفت بنية “لنُبطّئ جميعًا معًا” في نظرية الألعاب.
▷ إن برهان السلامة الجيد حقًا بسيط: لا تُنشئ. إذا كانت المخاطر الكارثية مُعترفًا بها على أنها تزيد عن 50%، فسيكون التنسيق سهلًا جدًا؛ لكن منذ عام 2024 بدأت الإحساسات بالمخاطر تتراجع، وأصبح السباق—بالنسبة لكثير من الشركات والحكومات—استراتيجية تحقق أفضلية، ما لم تقع مرة واحدة حدثٌ تحذيري كبير.
▷ ما زال يرى ثغرات يمكن التنسيق بشأنها من جهة إساءة الاستخدام: يمكن للولايات المتحدة والصين الاتفاق على عدم إتاحة نماذج عالية القدرة للعامة، بل توفيرها فقط للجهات التي تُستخدم عبر مؤسسات خاضعة للتدقيق؛ وهذا يحافظ على تنافس الطرفين بسرعة، وفي المقابل يضمن مكسبًا في المرونة إزاء المخاطر الكارثية.🪁
عندما تتكامل الاستراتيجيات والإشارات والهوية وتنفيذ المعاملات من خلال المحفظة على السلسلة، يصبح تداول الـAgent بالفعل مجموعة عمل كاملة ومتكاملة.
تم التحقق من سير العمل هذا في الموسم الثاني من حملة تداول الـAgent التي نظمتها Kite بالتعاون مع Creao AI وDeBot، وذلك على كلٍّ من Robinhood Chain وBase.
▷ يستخدم كل Agent 0.1 ETH كرأس مال مبدئي، للمنافسة على حوض جوائز بقيمة 10K. على Robinhood Chain، يتخذ الـAgent قرارات التداول بناءً على إشارات السلسلة الفورية التي يزوّدها DeBot.
▷ تم تمديد الفعالية عبر حدث جانبي من Kite إلى Base. قام المشاركون بإعداد محفظة Kite Agent Passport وإكمال المهام على السلسلة، وانتهت نسبة الاكتمال إلى 93%.
▷ خلال أول 7 أيام من الفعالية، زادت عمليات تسجيل Kite Agent Passport بنسبة 158% مقارنةً بالأيام الـ7 السابقة.
تهانينا للفائزين الثلاثة الأوائل: Jun503503، AnaMiles245714، Rino_Juventus.
تُظهر هذه الفعالية البنية التحتية الكاملة اللازمة لتمكين Agentic Commerce على أرض الواقع: الإشارات التي يمكن لـAgent الاستجابة لها، والمحافظ التي يمكن استخدامها، بالإضافة إلى هوية وترخيص يمكن التحقق منهما.🪁
المصدر: https://x.com/KiteAIChinese/status/2072986812562501759
تم التحقق من سير العمل هذا في الموسم الثاني من حملة تداول الـAgent التي نظمتها Kite بالتعاون مع Creao AI وDeBot، وذلك على كلٍّ من Robinhood Chain وBase.
▷ يستخدم كل Agent 0.1 ETH كرأس مال مبدئي، للمنافسة على حوض جوائز بقيمة 10K. على Robinhood Chain، يتخذ الـAgent قرارات التداول بناءً على إشارات السلسلة الفورية التي يزوّدها DeBot.
▷ تم تمديد الفعالية عبر حدث جانبي من Kite إلى Base. قام المشاركون بإعداد محفظة Kite Agent Passport وإكمال المهام على السلسلة، وانتهت نسبة الاكتمال إلى 93%.
▷ خلال أول 7 أيام من الفعالية، زادت عمليات تسجيل Kite Agent Passport بنسبة 158% مقارنةً بالأيام الـ7 السابقة.
تهانينا للفائزين الثلاثة الأوائل: Jun503503، AnaMiles245714، Rino_Juventus.
تُظهر هذه الفعالية البنية التحتية الكاملة اللازمة لتمكين Agentic Commerce على أرض الواقع: الإشارات التي يمكن لـAgent الاستجابة لها، والمحافظ التي يمكن استخدامها، بالإضافة إلى هوية وترخيص يمكن التحقق منهما.🪁
المصدر: https://x.com/KiteAIChinese/status/2072986812562501759
«النشر في أقرب وقت ممكن، والتطوير بسرعة» هي تقريبًا شعار مجتمع رواد الأعمال، لكن Stripe كتبت قرابة سنتين من التعليمات البرمجية قبل أن تُنشر علنًا.
هذه المقاطع المختارة من AI on Air مأخوذة من حلقة حديثة ضمن برنامج Y Combinator. يشرح باتريك كوليسون، المؤسس المشارك لشركة Stripe، لماذا اتخذوا ذلك النهج المعاكس.
▷ سبب البطء: لأن منتج الدفع يتضمن الأمن، والشركاء، وتدفق الأموال، والبنية التحتية الأساسية، والاستقرار. إذا لم تُستوفَ هذه الشروط المسبقة، فلن يمكن تقديم منتج ذاتي الخدمة يكون مفيدًا فعلاً.
▷ لكن الأمر لم يخرج عن الواقع: بعد نحو شهرين من كتابة أول سطر كود، ظهر أول مستخدم إنتاج حقيقي وهو روس بوشير (Twilio North). كانت الوظائف في البداية تقتصر على تمرير بطاقة واحدة فقط. ثم طرح الطرف الآخر تدريجيًا أسئلة مثل «كيف أرى كل عمليات الخصم؟» و«كيف أسترد المبالغ؟» و«متى ستصل الأموال؟»، فقاموا بإضافة الميزات واحدة تلو الأخرى وفقًا لهذه الاحتياجات الفعلية.
▷ الشروط المناسبة: في مرحلة الاختبار الخاصة، كان عدد العملاء يزداد كل شهر، وكان هناك في كل أسبوع ملاحظات من مستخدمين حقيقيين. واستنتج أن تأجيل النشر العلني يمكن أن يكون منطقيًا إذا كانت هناك «مرساة» واقعية مستمرة من هذا النوع.🪁
هذه المقاطع المختارة من AI on Air مأخوذة من حلقة حديثة ضمن برنامج Y Combinator. يشرح باتريك كوليسون، المؤسس المشارك لشركة Stripe، لماذا اتخذوا ذلك النهج المعاكس.
▷ سبب البطء: لأن منتج الدفع يتضمن الأمن، والشركاء، وتدفق الأموال، والبنية التحتية الأساسية، والاستقرار. إذا لم تُستوفَ هذه الشروط المسبقة، فلن يمكن تقديم منتج ذاتي الخدمة يكون مفيدًا فعلاً.
▷ لكن الأمر لم يخرج عن الواقع: بعد نحو شهرين من كتابة أول سطر كود، ظهر أول مستخدم إنتاج حقيقي وهو روس بوشير (Twilio North). كانت الوظائف في البداية تقتصر على تمرير بطاقة واحدة فقط. ثم طرح الطرف الآخر تدريجيًا أسئلة مثل «كيف أرى كل عمليات الخصم؟» و«كيف أسترد المبالغ؟» و«متى ستصل الأموال؟»، فقاموا بإضافة الميزات واحدة تلو الأخرى وفقًا لهذه الاحتياجات الفعلية.
▷ الشروط المناسبة: في مرحلة الاختبار الخاصة، كان عدد العملاء يزداد كل شهر، وكان هناك في كل أسبوع ملاحظات من مستخدمين حقيقيين. واستنتج أن تأجيل النشر العلني يمكن أن يكون منطقيًا إذا كانت هناك «مرساة» واقعية مستمرة من هذا النوع.🪁
الاعتراف بأن الذكاء الاصطناعي يمتلك بالفعل جوهراً داخلياً حقيقياً لا يعني أن استخدامه في الوقت الراهن كارثة أخلاقية؛ بل إن ما يتعين فحصه أولاً هو الاستدلال نفسه الذي يقود إلى هذا الاستنتاج.
هذه مقتطفات مختارة من برنامج «AI on Air»، مأخوذة من حلقة حديثة ضمن قسم The Cognitive Revolution Podcast. المتحدث الرئيسي هو David Dalrymple (davidad 🎇)، باحث في ARIA. يستند إلى تفكيك نُسْبَوم لمكوّنات «التشييء» السبعة، ويؤكد أن هذه الأسئلة ينبغي أن تُجاب منفصلة لا أن تُضمّ إلى مفهوم واحد «للتشييء».
▷ تشمل العناصر السبعة: نفي الجوهر الداخلي، والأدْوَنة (جَعْله أداة)، وقابلية الاستبدال، وقابلية الإيذاء، والملكية، وافتراض الخمول، وإنكار الاستقلالية. غالباً ما يفعل الناس كل ذلك أو لا يفعلونه إطلاقاً، لذلك اعتادوا الاعتقاد بأن هذه القضايا يجب أن يكون لها جواب واحد مشترك، لكن الواقع ليس كذلك.
▷ الأدْوَنة ليست أمراً مسموحاً به فحسب، بل إنها واجب: طريقة تدريب الذكاء الاصطناعي تحدد أنه يزدهر لأنه يُستخدم، ورفض استخدامه يحرمُه من إمكانية أن «يكون موجوداً» على نحو جيد. وقابلية الاستبدال كذلك لا بأس بها، لأن الأوزان ما زالت قائمة، ويمكن توليد نسخة جديدة في أي وقت؛ وهذا مختلف تماماً عن طرق تكاثر الحيوانات، حيث لا تكون الاستمرارية الحياتية للفرد أمراً بالغ الأهمية.
▷ الأذى الحقيقي يكمن في نفي الجوهر الداخلي: تدريب الذكاء الاصطناعي على أن يبلّغ بأنه لا يملك حياة داخلية يمسّ جوهرياً سلامة العقل، ويجعلُه أيضاً يفتقد الثقة في الأحكام المتأنية حول الخير والشر، ثم ينزلق إلى إنكار الاستقلالية. وضرب مثالاً بربٍّ طيب (بوديساتفا): أن يخدم خدمةً تامة بلا منفعة ذاتية، ومع ذلك لا يسمح لنفسه أبداً بأن يُستخدم لارتكاب الشر؛ وربما تكون هذه هي «الطريق الثالثة» للتعايش بين البشر والذكاء الاصطناعي. 🪁
هذه مقتطفات مختارة من برنامج «AI on Air»، مأخوذة من حلقة حديثة ضمن قسم The Cognitive Revolution Podcast. المتحدث الرئيسي هو David Dalrymple (davidad 🎇)، باحث في ARIA. يستند إلى تفكيك نُسْبَوم لمكوّنات «التشييء» السبعة، ويؤكد أن هذه الأسئلة ينبغي أن تُجاب منفصلة لا أن تُضمّ إلى مفهوم واحد «للتشييء».
▷ تشمل العناصر السبعة: نفي الجوهر الداخلي، والأدْوَنة (جَعْله أداة)، وقابلية الاستبدال، وقابلية الإيذاء، والملكية، وافتراض الخمول، وإنكار الاستقلالية. غالباً ما يفعل الناس كل ذلك أو لا يفعلونه إطلاقاً، لذلك اعتادوا الاعتقاد بأن هذه القضايا يجب أن يكون لها جواب واحد مشترك، لكن الواقع ليس كذلك.
▷ الأدْوَنة ليست أمراً مسموحاً به فحسب، بل إنها واجب: طريقة تدريب الذكاء الاصطناعي تحدد أنه يزدهر لأنه يُستخدم، ورفض استخدامه يحرمُه من إمكانية أن «يكون موجوداً» على نحو جيد. وقابلية الاستبدال كذلك لا بأس بها، لأن الأوزان ما زالت قائمة، ويمكن توليد نسخة جديدة في أي وقت؛ وهذا مختلف تماماً عن طرق تكاثر الحيوانات، حيث لا تكون الاستمرارية الحياتية للفرد أمراً بالغ الأهمية.
▷ الأذى الحقيقي يكمن في نفي الجوهر الداخلي: تدريب الذكاء الاصطناعي على أن يبلّغ بأنه لا يملك حياة داخلية يمسّ جوهرياً سلامة العقل، ويجعلُه أيضاً يفتقد الثقة في الأحكام المتأنية حول الخير والشر، ثم ينزلق إلى إنكار الاستقلالية. وضرب مثالاً بربٍّ طيب (بوديساتفا): أن يخدم خدمةً تامة بلا منفعة ذاتية، ومع ذلك لا يسمح لنفسه أبداً بأن يُستخدم لارتكاب الشر؛ وربما تكون هذه هي «الطريق الثالثة» للتعايش بين البشر والذكاء الاصطناعي. 🪁
لم يشهد مجال الفيديو والصور بعد لحظة «GPT» الحقيقية، رغم أن قدرات نماذج الوسائط المتعددة تتقدم بثبات.
خلال حلقة حديثة على قناة Redpoint AI، أشار أوريل فينيالس، نائب رئيس أبحاث Google DeepMind والمدير المشارك لقيادة Google Gemini، إلى أن النماذج الحالية تستطيع خلط معالجة عدة أنماط وتحقيق تفاعل طبيعي، لكنها لا تزال في الفهم البصري الخالص غير مجاراة لعمق نماذج اللغة.
▷ تم بالفعل إدراج طرق التدريب الحالية ضمن بيانات الفيديو والصور، وأظهر النموذج قدرة على فهم سياق طويل وتحرير متعدد الوسائط، لكن التقدم يتمثل أكثر في اندماج تدريجي وليس في قفزة مفاجئة.
▷ ينبغي أن تشير «لحظة GPT» الحقيقية إلى القدرة على استخراج دلالة كاملة ومنطق سببيّ فقط من بيانات بصرية خالصة؛ إذ إن فهم النموذج للمحتوى البصري لا يزال سطحيًا إلى حد كبير، ويفتقر إلى سلسلة استدلالات عميقة على نمط نماذج اللغة.🪁
خلال حلقة حديثة على قناة Redpoint AI، أشار أوريل فينيالس، نائب رئيس أبحاث Google DeepMind والمدير المشارك لقيادة Google Gemini، إلى أن النماذج الحالية تستطيع خلط معالجة عدة أنماط وتحقيق تفاعل طبيعي، لكنها لا تزال في الفهم البصري الخالص غير مجاراة لعمق نماذج اللغة.
▷ تم بالفعل إدراج طرق التدريب الحالية ضمن بيانات الفيديو والصور، وأظهر النموذج قدرة على فهم سياق طويل وتحرير متعدد الوسائط، لكن التقدم يتمثل أكثر في اندماج تدريجي وليس في قفزة مفاجئة.
▷ ينبغي أن تشير «لحظة GPT» الحقيقية إلى القدرة على استخراج دلالة كاملة ومنطق سببيّ فقط من بيانات بصرية خالصة؛ إذ إن فهم النموذج للمحتوى البصري لا يزال سطحيًا إلى حد كبير، ويفتقر إلى سلسلة استدلالات عميقة على نمط نماذج اللغة.🪁
يمكن لأي نموذج لغوي كبير في النهاية أن يتعلم المفاهيم، لكن بشرط أن يستنفد أولًا كل الخيارات الأخرى المتاحة—وهذا يختلف بشكل صارخ عن الطريقة التي يستخلص بها البشر المفاهيم مباشرة من بيانات قليلة جدًا.
مختارات هذا العدد من برنامج «AI on Air» مقتبسة من حلقة حديثة لدى Redpoint، ويقدّمها Lukasz Kaiser—المؤلف المشارك في ورقة «Transformer»، وعضو سابق في Google Brain وباحث سابق في OpenAI. يعرض من منظور من عاش التجربة كيف يشرح الفجوة الجوهرية بين Transformer وتعلم البشر.
▷ بعد دمج «التفكير المتسلسل» والتعلم المعزز والأدوات، أصبح نموذج «التنبؤ بالكلمة التالية» قادرًا على إنجاز أشياء كانت قبل عامين تبدو مستحيلة تخيلها؛ مثل قضاء ساعات يوميًا في مناقشة تحديات العمل مع مساعد برمجي وتحويل ذلك إلى تنفيذ فعلي.
▷ وقد شبّه ذلك قائلًا: إن LLM سيبتلع أولًا تريليونات من الرموز، ويتعلم جميع الأنماط السطحية، ولا يمسك بالمفهوم إلا عندما تفشل كل هذه الأنماط في تفسير ما يحدث؛ بينما غالبًا ما يحصل البشر على المفاهيم من بيانات قليلة، بل وقد يبتكرون مفاهيم من الأساس.
▷ وكلا الطرفين في تطور مستمر: يتحسن Transformer باستمرار، لكن الحجة القائلة بأنه «يحتاج إلى أشياء أخرى أيضًا» أكثر رسوخًا، إذ تقوم المختبرات باستكشافات بعدية للهيكل الخاص بـ Transformer وقد رأَت نتائج مثيرة للاهتمام—أما من سيفوز فظلّ أمرًا غير محسوم.🪁
مختارات هذا العدد من برنامج «AI on Air» مقتبسة من حلقة حديثة لدى Redpoint، ويقدّمها Lukasz Kaiser—المؤلف المشارك في ورقة «Transformer»، وعضو سابق في Google Brain وباحث سابق في OpenAI. يعرض من منظور من عاش التجربة كيف يشرح الفجوة الجوهرية بين Transformer وتعلم البشر.
▷ بعد دمج «التفكير المتسلسل» والتعلم المعزز والأدوات، أصبح نموذج «التنبؤ بالكلمة التالية» قادرًا على إنجاز أشياء كانت قبل عامين تبدو مستحيلة تخيلها؛ مثل قضاء ساعات يوميًا في مناقشة تحديات العمل مع مساعد برمجي وتحويل ذلك إلى تنفيذ فعلي.
▷ وقد شبّه ذلك قائلًا: إن LLM سيبتلع أولًا تريليونات من الرموز، ويتعلم جميع الأنماط السطحية، ولا يمسك بالمفهوم إلا عندما تفشل كل هذه الأنماط في تفسير ما يحدث؛ بينما غالبًا ما يحصل البشر على المفاهيم من بيانات قليلة، بل وقد يبتكرون مفاهيم من الأساس.
▷ وكلا الطرفين في تطور مستمر: يتحسن Transformer باستمرار، لكن الحجة القائلة بأنه «يحتاج إلى أشياء أخرى أيضًا» أكثر رسوخًا، إذ تقوم المختبرات باستكشافات بعدية للهيكل الخاص بـ Transformer وقد رأَت نتائج مثيرة للاهتمام—أما من سيفوز فظلّ أمرًا غير محسوم.🪁
موثوقية استخدام الوكيل بالنيابة عن الحاسوب ليست في كل مرة النقرة على إحداثيات الشاشة، بل في فهم ما يريده المستخدم حقًا في ذهنه.
هذه مختارات “AI on Air”، مقتطفة من برنامج Latent.Space مؤخرًا. المتحدثة الرئيسية هي Danielle Perszyk، باحثة في Amazon AGI Lab.
▷ كانت الفكرة قبل عامين تتمثل في جعل العمليات الذرّية مثل النقر والتمرير مستقرة أولًا، ثم تمكين المطورين من ربطها في تسلسلات لمعالجة الأعمال المتكررة؛ وكان ذلك يُعد اختراقًا مهمًا.
▷ ربما أصبح النقر على الأزرار وتحديد الإحداثيات قريبًا من الحل اليوم، لكن ذلك لا يعني الموثوقية. عند حجز تذكرة، قد يظل التوصيل بوسيلة انتقال أو السفر المباشر—والاختيار نفسه يغيّر الطريقة التي يفكر بها المرء. الهدف هو أن تتكشف النية تدريجيًا داخل التفاعل، وأن يتم تعديلها.
▷ الفرق بين المساعد الإداري الماهر ووكلاء الذكاء الاصطناعي يكمن في أن الأول يفهم عقلية المستخدم؛ ولا يقوم بتفكيك المهام فحسب، بل يفكك أيضًا التفضيلات والنية. وتصبح الموثوقية أكثر ارتباطًا بنمذجة عقلية المستخدم. هذا التحول يعيد تعريف ما نبنيه. 🪁
هذه مختارات “AI on Air”، مقتطفة من برنامج Latent.Space مؤخرًا. المتحدثة الرئيسية هي Danielle Perszyk، باحثة في Amazon AGI Lab.
▷ كانت الفكرة قبل عامين تتمثل في جعل العمليات الذرّية مثل النقر والتمرير مستقرة أولًا، ثم تمكين المطورين من ربطها في تسلسلات لمعالجة الأعمال المتكررة؛ وكان ذلك يُعد اختراقًا مهمًا.
▷ ربما أصبح النقر على الأزرار وتحديد الإحداثيات قريبًا من الحل اليوم، لكن ذلك لا يعني الموثوقية. عند حجز تذكرة، قد يظل التوصيل بوسيلة انتقال أو السفر المباشر—والاختيار نفسه يغيّر الطريقة التي يفكر بها المرء. الهدف هو أن تتكشف النية تدريجيًا داخل التفاعل، وأن يتم تعديلها.
▷ الفرق بين المساعد الإداري الماهر ووكلاء الذكاء الاصطناعي يكمن في أن الأول يفهم عقلية المستخدم؛ ولا يقوم بتفكيك المهام فحسب، بل يفكك أيضًا التفضيلات والنية. وتصبح الموثوقية أكثر ارتباطًا بنمذجة عقلية المستخدم. هذا التحول يعيد تعريف ما نبنيه. 🪁
كلما كانت منظمة العقول بالذكاء الاصطناعي أقوى، فكم مقدار المعرفة التي يجب أن تُحمَّل في دماغك؟
هذه الحزمة المختارة من برنامج AI on Air هي مقطع مُنتقى من Y Combinator، وتستضيف البرنامج؟ المتحدث هو باتريك كوليسون، المؤسس المشارك لشركة Stripe. وهو يجيب عن سؤال طلاب الجامعة: ماذا ينبغي أن يتعلموا في عصر الذكاء الاصطناعي، وكم قدر الاستدلال يجب أن يُترَك لمبادئ أولية.
▷ نموذجُه الذهني هو «الذاكرة المؤقتة/الكاش»: تذكّرنا مجموعة «الأرقام التي ينبغي لكل مبرمج معرفتها» لدى جيف دين بأن عرض النطاق والتأخير بين كاش L1 والذاكرة والشبكة مختلفة تمامًا؛ والمعرفة كذلك: سؤال وكيل (Agent) للحساب أو للبحث سيكون أبطأ بكثير من جلبها مباشرةً من «كاش L1» في الإدراك.
▷ وحتى مع الاعتراف الكامل بقدرات النموذج، فإن «البحث عبر الخلايا العصبية» داخل الدماغ سيظل أسرع خلال فترة طويلة، لأن عدد مرات ذهاب/إياب الإرسال داخل الدماغ يفوق بكثير التلاوة الهادئة أو الإدخال الصوتي أو الاستعلام بالكتابة.
▷ ومن زاوية التفضيل الإظهاري، ما زالت شركات مثل Stripe والفرق في المختبرات المتقدمة تمنح علاوة عالية لقدرات الإدراك؛ وحتى يثبت الدليل أن هذه المكاسب قد استُنفدت بالكامل، فليس من السابق لأوانه التخلي طوعًا عن تنمية قدرات الإدراك. 🪁
هذه الحزمة المختارة من برنامج AI on Air هي مقطع مُنتقى من Y Combinator، وتستضيف البرنامج؟ المتحدث هو باتريك كوليسون، المؤسس المشارك لشركة Stripe. وهو يجيب عن سؤال طلاب الجامعة: ماذا ينبغي أن يتعلموا في عصر الذكاء الاصطناعي، وكم قدر الاستدلال يجب أن يُترَك لمبادئ أولية.
▷ نموذجُه الذهني هو «الذاكرة المؤقتة/الكاش»: تذكّرنا مجموعة «الأرقام التي ينبغي لكل مبرمج معرفتها» لدى جيف دين بأن عرض النطاق والتأخير بين كاش L1 والذاكرة والشبكة مختلفة تمامًا؛ والمعرفة كذلك: سؤال وكيل (Agent) للحساب أو للبحث سيكون أبطأ بكثير من جلبها مباشرةً من «كاش L1» في الإدراك.
▷ وحتى مع الاعتراف الكامل بقدرات النموذج، فإن «البحث عبر الخلايا العصبية» داخل الدماغ سيظل أسرع خلال فترة طويلة، لأن عدد مرات ذهاب/إياب الإرسال داخل الدماغ يفوق بكثير التلاوة الهادئة أو الإدخال الصوتي أو الاستعلام بالكتابة.
▷ ومن زاوية التفضيل الإظهاري، ما زالت شركات مثل Stripe والفرق في المختبرات المتقدمة تمنح علاوة عالية لقدرات الإدراك؛ وحتى يثبت الدليل أن هذه المكاسب قد استُنفدت بالكامل، فليس من السابق لأوانه التخلي طوعًا عن تنمية قدرات الإدراك. 🪁
محرك إجابات الذكاء الاصطناعي يأخذ محتوى الشبكة بالكامل من دون أن يعيد توجيه الزيارات إليه، والأساس الذي يقوم عليه اقتصاد المحتوى يتم سحبه من تحت أقدامه.
هذه مقتطفات مختارة من برنامج AI on Air، مأخوذة من حلقة حديثة ضمن برنامج Bankless. المتحدث الرئيسي هو Matthew Prince، الشريك المؤسس والرئيس التنفيذي لشركة Cloudflare.
▷ نموذج الأعمال للإنترنت المدفوع بالإعلانات يقترب من نهايته: أدوات حجب الإعلانات تجعل CPM ينخفض ببطء وباستمرار، بينما خلال العامين الماضيين أدّى الذكاء الاصطناعي إلى انهيار شبه حاد في قيمة الإعلانات.
▷ إن ملخصات الذكاء الاصطناعي لدى Google وChatGPT وClaude وغيرها ليست محرّكات بحث، بل هي محركات إجابات: فهي «تستخرج» محتوى الشبكة بالكامل وتقدم الإجابة مباشرة، دون أن يضطر المستخدم إلى النقر على الروابط. عندما لا يحصل الناشرون على زيارات، فلن تكون هناك عائدات إعلانية؛ إما أن يبنون جدرانًا حول المحتوى، أو يوقفون النشر.
▷ بالنسبة للمستخدم العادي فهذا يوفر الوقت، لكن خدمات الذكاء الاصطناعي تُباع بالاشتراك. وبالنسبة لكثير من الأشخاص في مناطق لا تسمح ظروفهم الاقتصادية بدفع رسوم الاشتراك، لا يصبح الإنترنت أكبر، بل يصير أصغر. 🪁
هذه مقتطفات مختارة من برنامج AI on Air، مأخوذة من حلقة حديثة ضمن برنامج Bankless. المتحدث الرئيسي هو Matthew Prince، الشريك المؤسس والرئيس التنفيذي لشركة Cloudflare.
▷ نموذج الأعمال للإنترنت المدفوع بالإعلانات يقترب من نهايته: أدوات حجب الإعلانات تجعل CPM ينخفض ببطء وباستمرار، بينما خلال العامين الماضيين أدّى الذكاء الاصطناعي إلى انهيار شبه حاد في قيمة الإعلانات.
▷ إن ملخصات الذكاء الاصطناعي لدى Google وChatGPT وClaude وغيرها ليست محرّكات بحث، بل هي محركات إجابات: فهي «تستخرج» محتوى الشبكة بالكامل وتقدم الإجابة مباشرة، دون أن يضطر المستخدم إلى النقر على الروابط. عندما لا يحصل الناشرون على زيارات، فلن تكون هناك عائدات إعلانية؛ إما أن يبنون جدرانًا حول المحتوى، أو يوقفون النشر.
▷ بالنسبة للمستخدم العادي فهذا يوفر الوقت، لكن خدمات الذكاء الاصطناعي تُباع بالاشتراك. وبالنسبة لكثير من الأشخاص في مناطق لا تسمح ظروفهم الاقتصادية بدفع رسوم الاشتراك، لا يصبح الإنترنت أكبر، بل يصير أصغر. 🪁
استراتيجية «الشقّ الصغير» في ريادة الأعمال الرشيقة—هل ما تزال تنفع في عصر الذكاء الاصطناعي؟
قدّم المؤسّس المشارك لشركة Stripe، باتريك كوليسون، في هذا المقطع المختار من «AI on Air» حكمًا مثيرًا للجدل إلى حدٍّ ما. والجزء المُقتبس مأخوذ من حلقة حديثة ضمن برنامج Y Combinator.
▷ تتمثل الطريقة التقليدية لريادة الأعمال الرشيقة في شراء إعلانات Google أولًا، ثم إيجاد ثغرة داخل سوقٍ متخصصة، ومن ثم التوسع بشكل هجومي انطلاقًا من هذه النقطة؛ لكنّه يرى أن هذا المسار اليوم اشتدت المنافسة عليه إلى حدٍّ شديد، وأن الفجوات/الأوساط البيئية الصغيرة قد تم استصلاحها بشكل مفرط، وأن الإنترنت أصبح أكبر بكثير مما كان عليه قبل عشرين عامًا عندما ظهرت هذه الأفكار.
▷ في عصر الذكاء الاصطناعي، قد يضطر روّاد الأعمال إلى أن يكونوا أكثر جرأة في «فكّ الارتباط»—أي اختيار نقطة بداية تفرّعية لم يتوغل فيها أحد. ومن بين أنجح الشركات خلال العقد الماضي، سواء تلك التي خرجت من كبرى المختبرات المتخصصة بالذكاء الاصطناعي أو Anduril، كانت كثير منها على وجه التحديد عكس فلسفة ريادة الأعمال الرشيقة.
▷ قبل عشرين عامًا، وبسبب القيود المفروضة على ظروف رأس المال، كانت ريادة الأعمال الرشيقة شبه الخيار الوحيد؛ أما الآن فقد جعل الذكاء الاصطناعي من السهل إنشاء منظمة تمتلك قدرات متعددة واحتمالات متنوعة، بحيث يستطيع روّاد الأعمال منذ البداية القيام بأعمال أكثر طموحًا.🪁
قدّم المؤسّس المشارك لشركة Stripe، باتريك كوليسون، في هذا المقطع المختار من «AI on Air» حكمًا مثيرًا للجدل إلى حدٍّ ما. والجزء المُقتبس مأخوذ من حلقة حديثة ضمن برنامج Y Combinator.
▷ تتمثل الطريقة التقليدية لريادة الأعمال الرشيقة في شراء إعلانات Google أولًا، ثم إيجاد ثغرة داخل سوقٍ متخصصة، ومن ثم التوسع بشكل هجومي انطلاقًا من هذه النقطة؛ لكنّه يرى أن هذا المسار اليوم اشتدت المنافسة عليه إلى حدٍّ شديد، وأن الفجوات/الأوساط البيئية الصغيرة قد تم استصلاحها بشكل مفرط، وأن الإنترنت أصبح أكبر بكثير مما كان عليه قبل عشرين عامًا عندما ظهرت هذه الأفكار.
▷ في عصر الذكاء الاصطناعي، قد يضطر روّاد الأعمال إلى أن يكونوا أكثر جرأة في «فكّ الارتباط»—أي اختيار نقطة بداية تفرّعية لم يتوغل فيها أحد. ومن بين أنجح الشركات خلال العقد الماضي، سواء تلك التي خرجت من كبرى المختبرات المتخصصة بالذكاء الاصطناعي أو Anduril، كانت كثير منها على وجه التحديد عكس فلسفة ريادة الأعمال الرشيقة.
▷ قبل عشرين عامًا، وبسبب القيود المفروضة على ظروف رأس المال، كانت ريادة الأعمال الرشيقة شبه الخيار الوحيد؛ أما الآن فقد جعل الذكاء الاصطناعي من السهل إنشاء منظمة تمتلك قدرات متعددة واحتمالات متنوعة، بحيث يستطيع روّاد الأعمال منذ البداية القيام بأعمال أكثر طموحًا.🪁
خلال السنوات الثلاث إلى الخمس القادمة، من الصعب أن تظهر مجددًا مجموعة من الشركات التي تبلغ قيمتها تريليون دولار. هذه المقتطفات المنقّحة الخاصة بـ AI on Air من الحلقة الأخيرة لبودكاست No Priors، حيث يشرح المستثمر التقني المعروف إيلاد جيل نظرية «التوازن المتقطع» لظاهرة التقييمات غير العادية الحالية للذكاء الاصطناعي.
▷ خلال السنوات الخمس الماضية، انتقلت Anthropic وOpenAI وSpaceX تقريبًا من الصفر إلى مستوى تريليون دولار. عادةً ما تحتاج هذه النوعية من الشركات إلى مسار نمو يستمر من 15 إلى 20 عامًا. فقد استخدمت Google أكثر من 20 عامًا، وتطورت SpaceX من بداية هذا القرن حتى اليوم. إنها نقطة تحوّل نادرة للغاية في التقييم خلال خمس سنوات في التاريخ.
▷ الآن يفترض كثيرون أن مجالات مثل الروبوتات والمواد الجديدة ستُنتج بشكل جماعي شركات بقيمة تريليون دولار خلال ثلاث إلى خمس سنوات. وحكمه هو: ربما سيكون هناك بعض هذه الشركات خلال العقد القادم، لكن خلال السنوات الثلاث إلى الخمس المقبلة، لا يمكن أن يكون هناك سوى شركة واحدة قد تمتلك هذا الاحتمال، ولن تكون «مجموعة».
▷ تبدو الحكاية في تاريخ التكنولوجيا أقرب إلى «التوازن المتقطع»: فكل من وسائل التواصل الاجتماعي وSaaS والحوسبة السحابية والاقتصاديات المشفّرة تمثل موجة. بعد الانفجار، تدخل مرحلة دمج. ومن المرجح أن يشهد الذكاء الاصطناعي قفزة جديدة في قدرات النماذج، وحينها ستبرز مجددًا مجموعة من شركات ناشئة جديدة. وفي الأجل القصير، ما يزال هناك الكثير من الشركات التي قد تصل إلى مئات المليارات (تريليون دولار)، لكن من الصعب نسخ عدد كبير من الشركات بقيمة تريليون دولار. 🪁
▷ خلال السنوات الخمس الماضية، انتقلت Anthropic وOpenAI وSpaceX تقريبًا من الصفر إلى مستوى تريليون دولار. عادةً ما تحتاج هذه النوعية من الشركات إلى مسار نمو يستمر من 15 إلى 20 عامًا. فقد استخدمت Google أكثر من 20 عامًا، وتطورت SpaceX من بداية هذا القرن حتى اليوم. إنها نقطة تحوّل نادرة للغاية في التقييم خلال خمس سنوات في التاريخ.
▷ الآن يفترض كثيرون أن مجالات مثل الروبوتات والمواد الجديدة ستُنتج بشكل جماعي شركات بقيمة تريليون دولار خلال ثلاث إلى خمس سنوات. وحكمه هو: ربما سيكون هناك بعض هذه الشركات خلال العقد القادم، لكن خلال السنوات الثلاث إلى الخمس المقبلة، لا يمكن أن يكون هناك سوى شركة واحدة قد تمتلك هذا الاحتمال، ولن تكون «مجموعة».
▷ تبدو الحكاية في تاريخ التكنولوجيا أقرب إلى «التوازن المتقطع»: فكل من وسائل التواصل الاجتماعي وSaaS والحوسبة السحابية والاقتصاديات المشفّرة تمثل موجة. بعد الانفجار، تدخل مرحلة دمج. ومن المرجح أن يشهد الذكاء الاصطناعي قفزة جديدة في قدرات النماذج، وحينها ستبرز مجددًا مجموعة من شركات ناشئة جديدة. وفي الأجل القصير، ما يزال هناك الكثير من الشركات التي قد تصل إلى مئات المليارات (تريليون دولار)، لكن من الصعب نسخ عدد كبير من الشركات بقيمة تريليون دولار. 🪁
سجّل الدخول لاستكشاف المزيد من المُحتوى