宝玉（Parody）
38 منشورات
宝玉（Parody）
إبلاغ
حظر المُستخدم
0 تتابع
2 المتابعون
1 إعجاب
منشورات
الكل
مقاطع فيديو
·
--
عرض الترجمة
据说是 Gemini 4 Argon 做的视频，我觉得还不如 GPT-6 Astra 做的，更比不上 Opus 5.5
据说是 Gemini 4 Argon 做的视频，我觉得还不如 GPT-6 Astra 做的，更比不上 Opus 5.5
63
·
--
اليوم أثناء اختبار Manus تعلمت حيلة في كتابة الأوامر (Prompt)، وهي أنه عند الرسم لا تحتاج إلى التحكم بالأسلوب والنمط عبر الأوامر النصية، بل أعطِ صورة مرجعية مباشرة، وتكون الصورة المرجعية متضمنة للألوان، وعينات الخط، وملمس ورق “شِنْجي”، وحدود آثار الحبر، والآثار المائية، والجبال البعيدة، وختمات الطباعة وقواعد المساحة البيضاء… إلخ
بهذه الطريقة تكون نتيجة الرسم أكثر ثباتًا، ويمكن أيضًا أن تكون أوامر المحتوى أبسط.
الشكل 1: صورة مرجعية
الشكل 2 محتوى أمر (content_prompt):
> العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَبي/وَابي-سابي (Wabi-Sabi)”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
الشكل 3 محتوى أمر (content_prompt):
> العنوان «اجعل اليوميات أبطأ». المحتوى: «تسخين الكوب: أولًا اشعر بحرارة الأداة»، «شمّ العطر: انتبه لروائح أوراق الشاي والماء»، «احتساء الشاي: اشرب رشفات صغيرة مع توقف قصير». يجب أن يلتزم التصميم بأسلوب الصفحة الأولى والصورة المرجعية: هادئ، مكتوم، وأس،لوب حبر مائي حدّ أدنى، مع استخدام عناصر قليلة من الحبر المائي (مثل الجبال البعيدة وآثار الماء لأدوات الشاي… إلخ) لتزيين مناطق المساحة البيضاء، والخلفية بملمس ورق شِنْجي. يجب أن يعكس تنسيق النص إحساسًا بالتدرّج والعمق مع مراعاة المساحة البيضاء.
--- الأمر الكامل للشكل 2 ---
أنشئ شريحة عرض تقديمي احترافية بالمحتوى التالي:
العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَابي-سابي”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
إرشادات التسلسل الهرمي والتخطيط:
- ابدأ بأهم عنصر سردي (العنوان الرئيسي / المؤشر) ثم اتبع بنص داعم في أقسام واضحة
- أي مخططات يجب أن تعكس بيانات حقيقية واردة في أمر المحتوى (content prompt) وأن تظل وفية للمصادر الموصوفة
- رتّب الصور والنص بحيث يستطيع المشاهد المسح من اليسار إلى اليمين أو من الأعلى إلى الأسفل؛ وتجنب التكديس العمودي للمخططات/الصور
اتجاه بصري:
- احترافي ونظيف
- اتبع نمط الشريحة السابقة (إن كانت متاحة) للحفاظ على الاستمرارية البصرية
المتطلبات:
- تخطيط عرض تقديمي احترافي مع تسلسل هرمي بصري واضح
- يجب أن يكون النص مقروءًا بوضوح مع تباين مناسب مقابل الخلفية
- أدرج منطقة العنوان ومنطقة المحتوى حسب الحاجة
- حافظ على أسلوب متسق ومناسب لعرض تقديمي احترافي
- تصميم بصري عالي الجودة ومناسب للنشر
- يجب أن تكون جميع النصوص حادة وقابلة للقراءة
- اجعل كل النصوص الأساسية داخل الإطار بشكل مريح؛ وتجنب وضع النص عند الحواف تمامًا
- نوازن بين العناصر البصرية والمساحة البيضاء بحيث تبدو الشريحة نظيفة وليست مزدحمة
اليوم أثناء اختبار Manus تعلمت حيلة في كتابة الأوامر (Prompt)، وهي أنه عند الرسم لا تحتاج إلى التحكم بالأسلوب والنمط عبر الأوامر النصية، بل أعطِ صورة مرجعية مباشرة، وتكون الصورة المرجعية متضمنة للألوان، وعينات الخط، وملمس ورق “شِنْجي”، وحدود آثار الحبر، والآثار المائية، والجبال البعيدة، وختمات الطباعة وقواعد المساحة البيضاء… إلخ
بهذه الطريقة تكون نتيجة الرسم أكثر ثباتًا، ويمكن أيضًا أن تكون أوامر المحتوى أبسط.
الشكل 1: صورة مرجعية
الشكل 2 محتوى أمر (content_prompt):
> العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَبي/وَابي-سابي (Wabi-Sabi)”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
الشكل 3 محتوى أمر (content_prompt):
> العنوان «اجعل اليوميات أبطأ». المحتوى: «تسخين الكوب: أولًا اشعر بحرارة الأداة»، «شمّ العطر: انتبه لروائح أوراق الشاي والماء»، «احتساء الشاي: اشرب رشفات صغيرة مع توقف قصير». يجب أن يلتزم التصميم بأسلوب الصفحة الأولى والصورة المرجعية: هادئ، مكتوم، وأس،لوب حبر مائي حدّ أدنى، مع استخدام عناصر قليلة من الحبر المائي (مثل الجبال البعيدة وآثار الماء لأدوات الشاي… إلخ) لتزيين مناطق المساحة البيضاء، والخلفية بملمس ورق شِنْجي. يجب أن يعكس تنسيق النص إحساسًا بالتدرّج والعمق مع مراعاة المساحة البيضاء.
--- الأمر الكامل للشكل 2 ---
أنشئ شريحة عرض تقديمي احترافية بالمحتوى التالي:
العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَابي-سابي”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
إرشادات التسلسل الهرمي والتخطيط:
- ابدأ بأهم عنصر سردي (العنوان الرئيسي / المؤشر) ثم اتبع بنص داعم في أقسام واضحة
- أي مخططات يجب أن تعكس بيانات حقيقية واردة في أمر المحتوى (content prompt) وأن تظل وفية للمصادر الموصوفة
- رتّب الصور والنص بحيث يستطيع المشاهد المسح من اليسار إلى اليمين أو من الأعلى إلى الأسفل؛ وتجنب التكديس العمودي للمخططات/الصور
اتجاه بصري:
- احترافي ونظيف
- اتبع نمط الشريحة السابقة (إن كانت متاحة) للحفاظ على الاستمرارية البصرية
المتطلبات:
- تخطيط عرض تقديمي احترافي مع تسلسل هرمي بصري واضح
- يجب أن يكون النص مقروءًا بوضوح مع تباين مناسب مقابل الخلفية
- أدرج منطقة العنوان ومنطقة المحتوى حسب الحاجة
- حافظ على أسلوب متسق ومناسب لعرض تقديمي احترافي
- تصميم بصري عالي الجودة ومناسب للنشر
- يجب أن تكون جميع النصوص حادة وقابلة للقراءة
- اجعل كل النصوص الأساسية داخل الإطار بشكل مريح؛ وتجنب وضع النص عند الحواف تمامًا
- نوازن بين العناصر البصرية والمساحة البيضاء بحيث تبدو الشريحة نظيفة وليست مزدحمة
بهذه الطريقة تكون نتيجة الرسم أكثر ثباتًا، ويمكن أيضًا أن تكون أوامر المحتوى أبسط.
الشكل 1: صورة مرجعية
الشكل 2 محتوى أمر (content_prompt):
> العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَبي/وَابي-سابي (Wabi-Sabi)”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
الشكل 3 محتوى أمر (content_prompt):
> العنوان «اجعل اليوميات أبطأ». المحتوى: «تسخين الكوب: أولًا اشعر بحرارة الأداة»، «شمّ العطر: انتبه لروائح أوراق الشاي والماء»، «احتساء الشاي: اشرب رشفات صغيرة مع توقف قصير». يجب أن يلتزم التصميم بأسلوب الصفحة الأولى والصورة المرجعية: هادئ، مكتوم، وأس،لوب حبر مائي حدّ أدنى، مع استخدام عناصر قليلة من الحبر المائي (مثل الجبال البعيدة وآثار الماء لأدوات الشاي… إلخ) لتزيين مناطق المساحة البيضاء، والخلفية بملمس ورق شِنْجي. يجب أن يعكس تنسيق النص إحساسًا بالتدرّج والعمق مع مراعاة المساحة البيضاء.
--- الأمر الكامل للشكل 2 ---
أنشئ شريحة عرض تقديمي احترافية بالمحتوى التالي:
العنوان «الشاي والحياة البطيئة»، العنوان الفرعي «اترك قليلًا من الوقت… ليُقدَّم لك فنجان شاي». يجب أن يلتزم التصميم بأسلوب الصورة المرجعية: هادئ، مكتوم، و”وَابي-سابي”، باستخدام أسلوب حبر مائي حدّ أدنى مع مساحة بيضاء بالحبر، وخلفية بملمس ورق شِنْجي. يجب أن تكون الكتابة في المنتصف وواضحة.
إرشادات التسلسل الهرمي والتخطيط:
- ابدأ بأهم عنصر سردي (العنوان الرئيسي / المؤشر) ثم اتبع بنص داعم في أقسام واضحة
- أي مخططات يجب أن تعكس بيانات حقيقية واردة في أمر المحتوى (content prompt) وأن تظل وفية للمصادر الموصوفة
- رتّب الصور والنص بحيث يستطيع المشاهد المسح من اليسار إلى اليمين أو من الأعلى إلى الأسفل؛ وتجنب التكديس العمودي للمخططات/الصور
اتجاه بصري:
- احترافي ونظيف
- اتبع نمط الشريحة السابقة (إن كانت متاحة) للحفاظ على الاستمرارية البصرية
المتطلبات:
- تخطيط عرض تقديمي احترافي مع تسلسل هرمي بصري واضح
- يجب أن يكون النص مقروءًا بوضوح مع تباين مناسب مقابل الخلفية
- أدرج منطقة العنوان ومنطقة المحتوى حسب الحاجة
- حافظ على أسلوب متسق ومناسب لعرض تقديمي احترافي
- تصميم بصري عالي الجودة ومناسب للنشر
- يجب أن تكون جميع النصوص حادة وقابلة للقراءة
- اجعل كل النصوص الأساسية داخل الإطار بشكل مريح؛ وتجنب وضع النص عند الحواف تمامًا
- نوازن بين العناصر البصرية والمساحة البيضاء بحيث تبدو الشريحة نظيفة وليست مزدحمة
280
·
--
خلّي شات جي بي تي يستخدم السلوك المنضبط والمحايد ويُصنّف لنا شخصيات بارزة في عالم الذكاء الاصطناعي في شبكة تسعة مربعات للفوضى، وارسم لي هذا
خلّي شات جي بي تي يستخدم السلوك المنضبط والمحايد ويُصنّف لنا شخصيات بارزة في عالم الذكاء الاصطناعي في شبكة تسعة مربعات للفوضى، وارسم لي هذا
28
·
--
خلّي شات جي بي تي يستخدم السلوك المنضبط والمحايد ويُصنّف لنا شخصيات بارزة في عالم الذكاء الاصطناعي في شبكة تسعة مربعات للفوضى، وارسم لي هذا
خلّي شات جي بي تي يستخدم السلوك المنضبط والمحايد ويُصنّف لنا شخصيات بارزة في عالم الذكاء الاصطناعي في شبكة تسعة مربعات للفوضى، وارسم لي هذا
226
·
--
أوبس 5.5 يمنحك حرية تصميم أيقونة التطبيق
في البداية، عندما كنت أعمل على Fable، حاولت أن أطلب من Fable تصميم أيقونة التطبيق لي، لكن كانت النتيجة غير مرضية إلى حد ما، وفي النهاية اضطررت لاستخدام ChatGPT للرسم، ولكن ما يُنتج به ليس رسماً متجهيًا.
خلال هذه الأيام، عندما استخدمت Opus 5.5 لإنشاء فيديوهات، جاءني الإلهام. إذا كان بإمكان Opus 5.5 أن يرسم فيديو عبر JavaScript + Canvas إطاراً بإطار، فلماذا لا يكون بإمكانه رسم أيقونة أيضًا باستخدام JS + Canvas؟
لذلك جرّبت، وكانت النسخة الأولى أفضل بكثير من توقعاتي: تصميم بسيط وجميل، والنتيجة رائعة حقاً. وكان نص التوجيه عبارة عن جملة واحدة فقط:
> ساعدني في إعادة تصميم أيقونة تطبيق لـ http://BaoCut.app ، اجعلها أبسط، ملوّنة، وتعكس تحرير الفيديو وAI Agent
> يمكن استخدام js مباشرةً لرسم canvas
انتبه أن النقطة الأساسية هي «استخدم js لرسم canvas» وليس SVG؛ لأن SVG لا يعطي نتائج جيدة في عرض تأثير JS عند رسم Canvas.
بعد ذلك أصبحت العملية مثل العمل مع الجهة المتعاقدة: فقط اطلب منه التعديل باستمرار.
مثلاً، عندما شعرت أن الخطة 3 جيدة، طلبت منه أن يعتمد عليها لإجراء التعديلات. وبعد عدة جولات من التحسينات وصلت إلى خطة كنت راضياً عنها إلى حد كبير.
أوبس 5.5 يمنحك حرية تصميم أيقونة التطبيق
في البداية، عندما كنت أعمل على Fable، حاولت أن أطلب من Fable تصميم أيقونة التطبيق لي، لكن كانت النتيجة غير مرضية إلى حد ما، وفي النهاية اضطررت لاستخدام ChatGPT للرسم، ولكن ما يُنتج به ليس رسماً متجهيًا.
خلال هذه الأيام، عندما استخدمت Opus 5.5 لإنشاء فيديوهات، جاءني الإلهام. إذا كان بإمكان Opus 5.5 أن يرسم فيديو عبر JavaScript + Canvas إطاراً بإطار، فلماذا لا يكون بإمكانه رسم أيقونة أيضًا باستخدام JS + Canvas؟
لذلك جرّبت، وكانت النسخة الأولى أفضل بكثير من توقعاتي: تصميم بسيط وجميل، والنتيجة رائعة حقاً. وكان نص التوجيه عبارة عن جملة واحدة فقط:
> ساعدني في إعادة تصميم أيقونة تطبيق لـ http://BaoCut.app ، اجعلها أبسط، ملوّنة، وتعكس تحرير الفيديو وAI Agent
> يمكن استخدام js مباشرةً لرسم canvas
انتبه أن النقطة الأساسية هي «استخدم js لرسم canvas» وليس SVG؛ لأن SVG لا يعطي نتائج جيدة في عرض تأثير JS عند رسم Canvas.
بعد ذلك أصبحت العملية مثل العمل مع الجهة المتعاقدة: فقط اطلب منه التعديل باستمرار.
مثلاً، عندما شعرت أن الخطة 3 جيدة، طلبت منه أن يعتمد عليها لإجراء التعديلات. وبعد عدة جولات من التحسينات وصلت إلى خطة كنت راضياً عنها إلى حد كبير.
في البداية، عندما كنت أعمل على Fable، حاولت أن أطلب من Fable تصميم أيقونة التطبيق لي، لكن كانت النتيجة غير مرضية إلى حد ما، وفي النهاية اضطررت لاستخدام ChatGPT للرسم، ولكن ما يُنتج به ليس رسماً متجهيًا.
خلال هذه الأيام، عندما استخدمت Opus 5.5 لإنشاء فيديوهات، جاءني الإلهام. إذا كان بإمكان Opus 5.5 أن يرسم فيديو عبر JavaScript + Canvas إطاراً بإطار، فلماذا لا يكون بإمكانه رسم أيقونة أيضًا باستخدام JS + Canvas؟
لذلك جرّبت، وكانت النسخة الأولى أفضل بكثير من توقعاتي: تصميم بسيط وجميل، والنتيجة رائعة حقاً. وكان نص التوجيه عبارة عن جملة واحدة فقط:
> ساعدني في إعادة تصميم أيقونة تطبيق لـ http://BaoCut.app ، اجعلها أبسط، ملوّنة، وتعكس تحرير الفيديو وAI Agent
> يمكن استخدام js مباشرةً لرسم canvas
انتبه أن النقطة الأساسية هي «استخدم js لرسم canvas» وليس SVG؛ لأن SVG لا يعطي نتائج جيدة في عرض تأثير JS عند رسم Canvas.
بعد ذلك أصبحت العملية مثل العمل مع الجهة المتعاقدة: فقط اطلب منه التعديل باستمرار.
مثلاً، عندما شعرت أن الخطة 3 جيدة، طلبت منه أن يعتمد عليها لإجراء التعديلات. وبعد عدة جولات من التحسينات وصلت إلى خطة كنت راضياً عنها إلى حد كبير.
168
·
--
عرض الترجمة
《中华文明史》by Opus 5.5
--- Prompt ----
做一支史诗编年片《中华文明史》，可以写代码逐帧渲染，再用 ffmpeg 合成。
配乐当时钟：五声调式，乐器从骨笛、编钟一路演进到管弦，BPM 随年代加快，所有切点踩拍。
宣纸白描和玄底泥金两种画风交替；每卷一个主色和一套随时代演变的纹样（彩陶纹 → 饕餮纹 → 云气纹 → 卷草纹 → 缠枝纹 → 回纹）。
每镜一个按词组出现的书法大字关键词，配一幅线稿。全片 HUD：左上朱印卷号，右侧竖排朝代名，底部卷轴时间尺和年份计数。
卷交界用朱印盖下、鼓钟重击的冲击转场。先定拍点网格和分镜表，再渲染。
地图只画示意，不画近现代真实人物，年代核对后再交付。
《中华文明史》by Opus 5.5
--- Prompt ----
做一支史诗编年片《中华文明史》，可以写代码逐帧渲染，再用 ffmpeg 合成。
配乐当时钟：五声调式，乐器从骨笛、编钟一路演进到管弦，BPM 随年代加快，所有切点踩拍。
宣纸白描和玄底泥金两种画风交替；每卷一个主色和一套随时代演变的纹样（彩陶纹 → 饕餮纹 → 云气纹 → 卷草纹 → 缠枝纹 → 回纹）。
每镜一个按词组出现的书法大字关键词，配一幅线稿。全片 HUD：左上朱印卷号，右侧竖排朝代名，底部卷轴时间尺和年份计数。
卷交界用朱印盖下、鼓钟重击的冲击转场。先定拍点网格和分镜表，再渲染。
地图只画示意，不画近现代真实人物，年代核对后再交付。
--- Prompt ----
做一支史诗编年片《中华文明史》，可以写代码逐帧渲染，再用 ffmpeg 合成。
配乐当时钟：五声调式，乐器从骨笛、编钟一路演进到管弦，BPM 随年代加快，所有切点踩拍。
宣纸白描和玄底泥金两种画风交替；每卷一个主色和一套随时代演变的纹样（彩陶纹 → 饕餮纹 → 云气纹 → 卷草纹 → 缠枝纹 → 回纹）。
每镜一个按词组出现的书法大字关键词，配一幅线稿。全片 HUD：左上朱印卷号，右侧竖排朝代名，底部卷轴时间尺和年份计数。
卷交界用朱印盖下、鼓钟重击的冲击转场。先定拍点网格和分镜表，再渲染。
地图只画示意，不画近现代真实人物，年代核对后再交付。
55
·
--
ترشيحات لمجموعات مطالب الفيديو Awesome Opus 5.5 مفتوحة المصدر على GitHub
ترشيحات لمجموعات مطالب الفيديو Awesome Opus 5.5 مفتوحة المصدر على GitHub
78
·
--
في عصر الذكاء الاصطناعي، ما هي المهارة التي ينبغي أن يتعلمها العاملون في المكتب الآن أكثر من غيرها؟
نصيحة أندرو نغ هي أن يتعلم الجميع البرمجة.
كثير من المديرين التنفيذيين في الشركات ينصحون الناس بعدم تعلم البرمجة، بحجة أن الذكاء الاصطناعي سيقوم بأتمتتها. ويرى نغ أن هذا المنطق معكوس تمامًا. فبفضل المساعدة التي يقدمها الذكاء الاصطناعي، أصبح كتابة الكود أسهل من أي وقت مضى، ولذلك يوجد سبب قوي يجعل الأمر يستحق أن يتعلمه الجميع.
لقد لاحظ بالفعل فجوة واضحة في الإنتاجية عبر وظائف عديدة. ولا يحدث ذلك فقط لمهندسي البرمجيات. فهناك من يعرف كتابة الكود ومن يستطيع بنفسه إعداد برمجيات مخصصة، وفي المقابل هناك من لا يعرف. ونتيجة لذلك، أصبحت الكفاءة بين الطرفين متباعدة بالفعل.
تعلم البرمجة لا يعني كتابة الأكواد يدويًا
قال إن تعلم البرمجة لا يعني السطر بعد السطر إدخال الأكواد يدويًا. هو نفسه نادرًا ما يفعل ذلك تقريبًا. وفي المستقبل القريب، ستُعد واحدة من أهم القدرات هي القدرة على توصيل ما تريد أن يقوم به الحاسوب بدقة، ليقوم هو بذلك نيابةً عنك. وبما أن الكود هو لغة الحاسوب، فإن جوهر تعلم البرمجة هو تعلم كيفية صياغة المتطلبات بطريقة يفهمها الكمبيوتر.
أعضاء فريقه من أفضل العاملين في مجال التسويق لديهم أفكار، ولا يحتاجون للانتظار حتى يقوم المهندسون ببناء مواقع الويب، بل يمكنهم فعل ذلك بأنفسهم. أما أفضل العاملين في التوظيف فلم يعودوا يعتمدون على التدقيق البصري في كل سيرة ذاتية على حدة؛ بل يكتبون كودًا ليقوم البرنامج بفرز المرشحين. ومن وجهة نظره، فإن من يستطيع توضيح المتطلبات للحاسوب سيصبح أقوى بكثير وأكثر كفاءة بكثير.
في عصر الذكاء الاصطناعي، ما هي المهارة التي ينبغي أن يتعلمها العاملون في المكتب الآن أكثر من غيرها؟
نصيحة أندرو نغ هي أن يتعلم الجميع البرمجة.
كثير من المديرين التنفيذيين في الشركات ينصحون الناس بعدم تعلم البرمجة، بحجة أن الذكاء الاصطناعي سيقوم بأتمتتها. ويرى نغ أن هذا المنطق معكوس تمامًا. فبفضل المساعدة التي يقدمها الذكاء الاصطناعي، أصبح كتابة الكود أسهل من أي وقت مضى، ولذلك يوجد سبب قوي يجعل الأمر يستحق أن يتعلمه الجميع.
لقد لاحظ بالفعل فجوة واضحة في الإنتاجية عبر وظائف عديدة. ولا يحدث ذلك فقط لمهندسي البرمجيات. فهناك من يعرف كتابة الكود ومن يستطيع بنفسه إعداد برمجيات مخصصة، وفي المقابل هناك من لا يعرف. ونتيجة لذلك، أصبحت الكفاءة بين الطرفين متباعدة بالفعل.
تعلم البرمجة لا يعني كتابة الأكواد يدويًا
قال إن تعلم البرمجة لا يعني السطر بعد السطر إدخال الأكواد يدويًا. هو نفسه نادرًا ما يفعل ذلك تقريبًا. وفي المستقبل القريب، ستُعد واحدة من أهم القدرات هي القدرة على توصيل ما تريد أن يقوم به الحاسوب بدقة، ليقوم هو بذلك نيابةً عنك. وبما أن الكود هو لغة الحاسوب، فإن جوهر تعلم البرمجة هو تعلم كيفية صياغة المتطلبات بطريقة يفهمها الكمبيوتر.
أعضاء فريقه من أفضل العاملين في مجال التسويق لديهم أفكار، ولا يحتاجون للانتظار حتى يقوم المهندسون ببناء مواقع الويب، بل يمكنهم فعل ذلك بأنفسهم. أما أفضل العاملين في التوظيف فلم يعودوا يعتمدون على التدقيق البصري في كل سيرة ذاتية على حدة؛ بل يكتبون كودًا ليقوم البرنامج بفرز المرشحين. ومن وجهة نظره، فإن من يستطيع توضيح المتطلبات للحاسوب سيصبح أقوى بكثير وأكثر كفاءة بكثير.
نصيحة أندرو نغ هي أن يتعلم الجميع البرمجة.
كثير من المديرين التنفيذيين في الشركات ينصحون الناس بعدم تعلم البرمجة، بحجة أن الذكاء الاصطناعي سيقوم بأتمتتها. ويرى نغ أن هذا المنطق معكوس تمامًا. فبفضل المساعدة التي يقدمها الذكاء الاصطناعي، أصبح كتابة الكود أسهل من أي وقت مضى، ولذلك يوجد سبب قوي يجعل الأمر يستحق أن يتعلمه الجميع.
لقد لاحظ بالفعل فجوة واضحة في الإنتاجية عبر وظائف عديدة. ولا يحدث ذلك فقط لمهندسي البرمجيات. فهناك من يعرف كتابة الكود ومن يستطيع بنفسه إعداد برمجيات مخصصة، وفي المقابل هناك من لا يعرف. ونتيجة لذلك، أصبحت الكفاءة بين الطرفين متباعدة بالفعل.
تعلم البرمجة لا يعني كتابة الأكواد يدويًا
قال إن تعلم البرمجة لا يعني السطر بعد السطر إدخال الأكواد يدويًا. هو نفسه نادرًا ما يفعل ذلك تقريبًا. وفي المستقبل القريب، ستُعد واحدة من أهم القدرات هي القدرة على توصيل ما تريد أن يقوم به الحاسوب بدقة، ليقوم هو بذلك نيابةً عنك. وبما أن الكود هو لغة الحاسوب، فإن جوهر تعلم البرمجة هو تعلم كيفية صياغة المتطلبات بطريقة يفهمها الكمبيوتر.
أعضاء فريقه من أفضل العاملين في مجال التسويق لديهم أفكار، ولا يحتاجون للانتظار حتى يقوم المهندسون ببناء مواقع الويب، بل يمكنهم فعل ذلك بأنفسهم. أما أفضل العاملين في التوظيف فلم يعودوا يعتمدون على التدقيق البصري في كل سيرة ذاتية على حدة؛ بل يكتبون كودًا ليقوم البرنامج بفرز المرشحين. ومن وجهة نظره، فإن من يستطيع توضيح المتطلبات للحاسوب سيصبح أقوى بكثير وأكثر كفاءة بكثير.
63
·
--
أوبس 5.5 متينة بالفعل، لم أستعملها حتى قبل أن يحين وقت إعادة الضبط
أوبس 5.5 متينة بالفعل، لم أستعملها حتى قبل أن يحين وقت إعادة الضبط
1.4k
·
--
أوبس 5.5 ما زال صعب الاستخدام بعض الشيء، كنت مصممًا على عدم استخدامه قبل إعادة التعيين
أوبس 5.5 ما زال صعب الاستخدام بعض الشيء، كنت مصممًا على عدم استخدامه قبل إعادة التعيين
552
·
--
قام أشخاص بإجراء اختبار مواجهة بالذكاء الاصطناعي لـ"ستار كرافت" (Brood War Bench)، حيث يتقاتل فيما بينهم النماذج اللغوية الكبيرة السائدة حاليًا في الوقت الحقيقي، والنتيجة أن مستوى جميع النماذج لم يتجاوز مستوى المبتدئ.
"ستار كرافت: معركة العش" هي لعبة إستراتيجية فورية كلاسيكية صدرت عام 1998، وصديقة قديمة لأبحاث الذكاء الاصطناعي. في 2019، تغلبت AlphaStar من DeepMind على لاعب محترف في هذه اللعبة. لكن ذلك كان ذكاءً اصطناعيًا مُدرَّبًا خصيصًا عبر التعلّم المعزز. أما هذه المرة فاختبار مختلف: إذ يترك الاختبار للنماذج اللغوية العامة أن تتعامل مباشرة كعملاء ذكاء اصطناعي، لمعرفة هل يمكنها أن تتقن بناء القواعد وإنتاج الوحدات والقتال.
كان المؤلف Ben Swerdlow في الأصل قد أنشأ نسخة من ستار كرافت لا تتيح التحكم إلا عبر"العميل الذكي" لاستخدامها مع أصدقائه في اللعب. ولم يتوقع أن بعض أصدقائه الذين لم يلعبوا اللعبة تقريبًا سيبدون أداءً جيدًا—قالوا إنهم فقط أعطوا أمرًا مثل"اذهب إلى الهجوم"، فقام العميل الذكي ببناء مجموعة صغيرة من الجنود واندفع بها تلقائيًا. وهذا أثار فضوله: إذا تركنا الذكاء الاصطناعي ليلعب بمفرده بالكامل، فإلى أي مستوى يمكنه أن يصل؟
الجواب: إنه ضعيف جدًا، لكنه ممتع للغاية.
حقق Codex Astra المرتبة الأولى 18 فوزًا متتاليًا، لكن ما يجيده أكثر ليس القتال المباشر، بل"الإزعاج": إذ يرسل عاملاً للتعدين (Probe) للتسلل إلى قاعدة الخصم وإحداث فوضى. تعمل هذه الحيلة جيدًا جدًا ضد خصوم الذكاء الاصطناعي، لأن العميل الذي يرى عاملاً قادمًا يبدأ بالتفكير لعدة عشرات من الثواني فيما يجب فعله، وخلال تلك الفترة لا يقوم بأي شيء. أما في تطوير الاقتصاد بشكل جاد والقتال واسع النطاق، فإن Codex يكون أضعف نسبيًا: غالبًا ما يُنتج جنديًا أو اثنين ثم يرسلهم إلى الخصم بدل أن يجمع قوة كافية ثم ينطلق للهجوم.
حلّ Claude Fable في المركز الثالث بنسبة فوز بلغت 83.3%، وهو الأكثر"شبهًا باللعب بجدية" بين جميع النماذج المشاركة. فهو يتطور بهدوء ويصعد شجرة التكنولوجيا، وحتى إنه في مباراة واحدة أنشأ تنانين بحرية (Mutalisk)، وفي مباراة أخرى بحث تقنية فرسان المعبد (Sundry Templar). صحيح أنه أحيانًا يبذل جهدًا كبيرًا في البحث والتطوير دون أن يلحق ذلك بتجميع القوة القتالية، لكن على الأقل في محاولة فهم قواعد اللعبة، يكون Fable أكثر جدية من أي نموذج آخر.
كان أداء Grok هو الأسوأ. سجل Grok 4.6 أكثر من 11000 رمز استدلال (inference tokens) في مباراة مدتها 43 دقيقة، لكنه أصدر فقط 6 دفعات من أوامر التشغيل، ولم ينشئ طوال الوقت أي وحدة قتالية. جوهريًا، يتعامل مع الإستراتيجية الفورية وكأنها لعبة دورية: يفكر طوال الوقت، وينسى أن يتحرك.
يكشف هذا الاختبار عن المشكلة الأساسية التالية: لا تزال النماذج اللغوية الكبيرة الحالية غير كافية تمامًا للبيئات الزمنية الفعلية التي تتطلب مراقبة مستمرة واتخاذ قرارات سريعة وتنسيقًا متعدد الخيوط. حتى أفضل النماذج أداءً، يستطيع مبتدئ بشري يجيد سيناريو مثل"الاندفاع بسرعة صواريخ الفوتون" (أبسط تكتيك هجوم مبكر) الفوز في كل المباريات. لكن بالمقابل، فإن هذه النماذج أصبحت قادرة على فهم مفاهيم أساسية مثل البناء والتعدين والهجوم، غير أنها تتأخر كثيرًا في تنفيذ الإيقاع والتنسيق بين مهام متعددة.
تمت إتاحة كود الاختبار ومنصة المواجهة للعموم؛ يمكن لأي شخص إحضار عميل الذكاء الاصطناعي الخاص به واللعب في مباراة واحدة، عبر العنوان: http://bw.swerdlow.dev.
قام أشخاص بإجراء اختبار مواجهة بالذكاء الاصطناعي لـ"ستار كرافت" (Brood War Bench)، حيث يتقاتل فيما بينهم النماذج اللغوية الكبيرة السائدة حاليًا في الوقت الحقيقي، والنتيجة أن مستوى جميع النماذج لم يتجاوز مستوى المبتدئ.
"ستار كرافت: معركة العش" هي لعبة إستراتيجية فورية كلاسيكية صدرت عام 1998، وصديقة قديمة لأبحاث الذكاء الاصطناعي. في 2019، تغلبت AlphaStar من DeepMind على لاعب محترف في هذه اللعبة. لكن ذلك كان ذكاءً اصطناعيًا مُدرَّبًا خصيصًا عبر التعلّم المعزز. أما هذه المرة فاختبار مختلف: إذ يترك الاختبار للنماذج اللغوية العامة أن تتعامل مباشرة كعملاء ذكاء اصطناعي، لمعرفة هل يمكنها أن تتقن بناء القواعد وإنتاج الوحدات والقتال.
كان المؤلف Ben Swerdlow في الأصل قد أنشأ نسخة من ستار كرافت لا تتيح التحكم إلا عبر"العميل الذكي" لاستخدامها مع أصدقائه في اللعب. ولم يتوقع أن بعض أصدقائه الذين لم يلعبوا اللعبة تقريبًا سيبدون أداءً جيدًا—قالوا إنهم فقط أعطوا أمرًا مثل"اذهب إلى الهجوم"، فقام العميل الذكي ببناء مجموعة صغيرة من الجنود واندفع بها تلقائيًا. وهذا أثار فضوله: إذا تركنا الذكاء الاصطناعي ليلعب بمفرده بالكامل، فإلى أي مستوى يمكنه أن يصل؟
الجواب: إنه ضعيف جدًا، لكنه ممتع للغاية.
حقق Codex Astra المرتبة الأولى 18 فوزًا متتاليًا، لكن ما يجيده أكثر ليس القتال المباشر، بل"الإزعاج": إذ يرسل عاملاً للتعدين (Probe) للتسلل إلى قاعدة الخصم وإحداث فوضى. تعمل هذه الحيلة جيدًا جدًا ضد خصوم الذكاء الاصطناعي، لأن العميل الذي يرى عاملاً قادمًا يبدأ بالتفكير لعدة عشرات من الثواني فيما يجب فعله، وخلال تلك الفترة لا يقوم بأي شيء. أما في تطوير الاقتصاد بشكل جاد والقتال واسع النطاق، فإن Codex يكون أضعف نسبيًا: غالبًا ما يُنتج جنديًا أو اثنين ثم يرسلهم إلى الخصم بدل أن يجمع قوة كافية ثم ينطلق للهجوم.
حلّ Claude Fable في المركز الثالث بنسبة فوز بلغت 83.3%، وهو الأكثر"شبهًا باللعب بجدية" بين جميع النماذج المشاركة. فهو يتطور بهدوء ويصعد شجرة التكنولوجيا، وحتى إنه في مباراة واحدة أنشأ تنانين بحرية (Mutalisk)، وفي مباراة أخرى بحث تقنية فرسان المعبد (Sundry Templar). صحيح أنه أحيانًا يبذل جهدًا كبيرًا في البحث والتطوير دون أن يلحق ذلك بتجميع القوة القتالية، لكن على الأقل في محاولة فهم قواعد اللعبة، يكون Fable أكثر جدية من أي نموذج آخر.
كان أداء Grok هو الأسوأ. سجل Grok 4.6 أكثر من 11000 رمز استدلال (inference tokens) في مباراة مدتها 43 دقيقة، لكنه أصدر فقط 6 دفعات من أوامر التشغيل، ولم ينشئ طوال الوقت أي وحدة قتالية. جوهريًا، يتعامل مع الإستراتيجية الفورية وكأنها لعبة دورية: يفكر طوال الوقت، وينسى أن يتحرك.
يكشف هذا الاختبار عن المشكلة الأساسية التالية: لا تزال النماذج اللغوية الكبيرة الحالية غير كافية تمامًا للبيئات الزمنية الفعلية التي تتطلب مراقبة مستمرة واتخاذ قرارات سريعة وتنسيقًا متعدد الخيوط. حتى أفضل النماذج أداءً، يستطيع مبتدئ بشري يجيد سيناريو مثل"الاندفاع بسرعة صواريخ الفوتون" (أبسط تكتيك هجوم مبكر) الفوز في كل المباريات. لكن بالمقابل، فإن هذه النماذج أصبحت قادرة على فهم مفاهيم أساسية مثل البناء والتعدين والهجوم، غير أنها تتأخر كثيرًا في تنفيذ الإيقاع والتنسيق بين مهام متعددة.
تمت إتاحة كود الاختبار ومنصة المواجهة للعموم؛ يمكن لأي شخص إحضار عميل الذكاء الاصطناعي الخاص به واللعب في مباراة واحدة، عبر العنوان: http://bw.swerdlow.dev.
"ستار كرافت: معركة العش" هي لعبة إستراتيجية فورية كلاسيكية صدرت عام 1998، وصديقة قديمة لأبحاث الذكاء الاصطناعي. في 2019، تغلبت AlphaStar من DeepMind على لاعب محترف في هذه اللعبة. لكن ذلك كان ذكاءً اصطناعيًا مُدرَّبًا خصيصًا عبر التعلّم المعزز. أما هذه المرة فاختبار مختلف: إذ يترك الاختبار للنماذج اللغوية العامة أن تتعامل مباشرة كعملاء ذكاء اصطناعي، لمعرفة هل يمكنها أن تتقن بناء القواعد وإنتاج الوحدات والقتال.
كان المؤلف Ben Swerdlow في الأصل قد أنشأ نسخة من ستار كرافت لا تتيح التحكم إلا عبر"العميل الذكي" لاستخدامها مع أصدقائه في اللعب. ولم يتوقع أن بعض أصدقائه الذين لم يلعبوا اللعبة تقريبًا سيبدون أداءً جيدًا—قالوا إنهم فقط أعطوا أمرًا مثل"اذهب إلى الهجوم"، فقام العميل الذكي ببناء مجموعة صغيرة من الجنود واندفع بها تلقائيًا. وهذا أثار فضوله: إذا تركنا الذكاء الاصطناعي ليلعب بمفرده بالكامل، فإلى أي مستوى يمكنه أن يصل؟
الجواب: إنه ضعيف جدًا، لكنه ممتع للغاية.
حقق Codex Astra المرتبة الأولى 18 فوزًا متتاليًا، لكن ما يجيده أكثر ليس القتال المباشر، بل"الإزعاج": إذ يرسل عاملاً للتعدين (Probe) للتسلل إلى قاعدة الخصم وإحداث فوضى. تعمل هذه الحيلة جيدًا جدًا ضد خصوم الذكاء الاصطناعي، لأن العميل الذي يرى عاملاً قادمًا يبدأ بالتفكير لعدة عشرات من الثواني فيما يجب فعله، وخلال تلك الفترة لا يقوم بأي شيء. أما في تطوير الاقتصاد بشكل جاد والقتال واسع النطاق، فإن Codex يكون أضعف نسبيًا: غالبًا ما يُنتج جنديًا أو اثنين ثم يرسلهم إلى الخصم بدل أن يجمع قوة كافية ثم ينطلق للهجوم.
حلّ Claude Fable في المركز الثالث بنسبة فوز بلغت 83.3%، وهو الأكثر"شبهًا باللعب بجدية" بين جميع النماذج المشاركة. فهو يتطور بهدوء ويصعد شجرة التكنولوجيا، وحتى إنه في مباراة واحدة أنشأ تنانين بحرية (Mutalisk)، وفي مباراة أخرى بحث تقنية فرسان المعبد (Sundry Templar). صحيح أنه أحيانًا يبذل جهدًا كبيرًا في البحث والتطوير دون أن يلحق ذلك بتجميع القوة القتالية، لكن على الأقل في محاولة فهم قواعد اللعبة، يكون Fable أكثر جدية من أي نموذج آخر.
كان أداء Grok هو الأسوأ. سجل Grok 4.6 أكثر من 11000 رمز استدلال (inference tokens) في مباراة مدتها 43 دقيقة، لكنه أصدر فقط 6 دفعات من أوامر التشغيل، ولم ينشئ طوال الوقت أي وحدة قتالية. جوهريًا، يتعامل مع الإستراتيجية الفورية وكأنها لعبة دورية: يفكر طوال الوقت، وينسى أن يتحرك.
يكشف هذا الاختبار عن المشكلة الأساسية التالية: لا تزال النماذج اللغوية الكبيرة الحالية غير كافية تمامًا للبيئات الزمنية الفعلية التي تتطلب مراقبة مستمرة واتخاذ قرارات سريعة وتنسيقًا متعدد الخيوط. حتى أفضل النماذج أداءً، يستطيع مبتدئ بشري يجيد سيناريو مثل"الاندفاع بسرعة صواريخ الفوتون" (أبسط تكتيك هجوم مبكر) الفوز في كل المباريات. لكن بالمقابل، فإن هذه النماذج أصبحت قادرة على فهم مفاهيم أساسية مثل البناء والتعدين والهجوم، غير أنها تتأخر كثيرًا في تنفيذ الإيقاع والتنسيق بين مهام متعددة.
تمت إتاحة كود الاختبار ومنصة المواجهة للعموم؛ يمكن لأي شخص إحضار عميل الذكاء الاصطناعي الخاص به واللعب في مباراة واحدة، عبر العنوان: http://bw.swerdlow.dev.
352
·
--
أنثروبيك قامت بهدوء ببناء مختبر أبحاث بيولوجية
وبحسب تقرير حصري لوكالة رويترز، أنثروبيك قد أنجزت بناء مختبر رطب (wet lab، أي مختبر فيزيائي يمكن إجراء تجارب بيولوجية/كيميائية حقيقية داخله) في منطقة خليج سان فرانسيسكو، لتُحوّل بشكل رسمي نطاق انتشار الذكاء الاصطناعي من البرمجيات إلى تطوير الأدوية.
وقد أكّد مدير علوم الحياة لدى أنثروبيك، إريك كاودرر-أبرامز، ذلك في مقابلة. ووفقًا له: عند إجراء أبحاث في علم الأحياء، يبقى معيار الاختبار النهائي هو العمل في المختبر الحقيقي، ولا يكفي الاعتماد على محاكاة الحاسوب وحدها. جزء من التجارب يُجرى بأنفسهم، وجزء آخر يتم بالتعاون مع شركاء خارجيين—وهذا نهج شائع لدى معظم شركات التكنولوجيا الحيوية.
وليس الأمر نزوة. خلال الأشهر الماضية تحرّكت أنثروبيك بخطى مكثفة: استحوذت عبر شراء أسهم بقيمة تقارب 400 مليون دولار على شركة ناشئة اسمها Coefficient Bio، بهدف بناء أدوات لتطوير الأدوية؛ وأدخلت الرئيس التنفيذي لشركة نوفارتيس، فاس ناراسيمهان، إلى مجلس الإدارة؛ وأطلقت برنامجًا باسم Claude Science؛ وفي يونيو أعلنت علنًا في سان فرانسيسكو نيتها إطلاق مشروع لتطوير الأدوية. كما كانت منصة LinkedIn تضم إعلانات توظيف لمدير عمليات شراء وتعاقد، وخبراء في توصيف البروتينات والحمض النووي، وكتب في إعلان التوظيف أن الهدف هو "رفع وتيرة التقدم في علوم الحياة بمقدار رتبة واحدة". وقال كاودرر-أبرامز إن علوم الحياة تُعد بالفعل واحدًا من أكبر اتجاهات أنثروبيك من حيث الاستثمار في الموارد والقوى البشرية.
إن أنثروبيك تستهدف مجالات تعتبرها شركات الأدوية التقليدية "غير قابلة للأدوية" (undruggable)—أي الحالات التي يتم تجاهلها لأن الهدف صعب جدًا أو لأن العائد التجاري غير مرتفع. وهم يرون أن الذكاء الاصطناعي يمكن أن يسرّع اكتشاف أجسام مضادة ثنائية الخصوصية وحتى ثلاثية الخصوصية، وهي جزيئات معقدة يمكنها مهاجمة عدة أهداف في الوقت نفسه؛ لكن تصميمها شديد الصعوبة، بينما يتفوق الذكاء الاصطناعي في التعامل مع هذا النوع من التعقيد. ويقول إن CEO داريو أموديلي يعاني من هذا الأمر بشكل شخصي—فقد توفي والده بسبب مرض، ولم تظهر طريقة العلاج إلا بعد سنوات.
لكن أنثروبيك قد رسمت حاليًا خطًا واضحًا: إجراء الأبحاث قبل السريرية فقط، دون خوض التجارب السريرية، وعدم منافسة شركات الأدوية على الأعمال. ويُعد ذلك أيضًا محاولة لتخفيف مشكلة ثقة واقعية—فالشركات الدوائية الكبرى التي تستخدم كلود (منها جيننتك، وبريستول مايرز سكويب، ونوفو نورديسك كلها ضمن القائمة) ستقلق مما قد تتعلمه أنثروبيك من بياناتها.
ومن الجدير بالانتباه إلى الإطار الزمني: كل ما سبق يحدث في اللحظة التي تسبق استعداد أنثروبيك لإجراء طرح عام أولي (IPO) بتقييم يقارب 2 تريليون دولار، وفي الوقت ذاته تتصاعد جدالات سلامة الذكاء الاصطناعي إلى ذروتها—ففي الأسبوعين الأخيرين فقط، حذّر باحثون لدى أنثروبيك أنفسهم من أن الذكاء الاصطناعي قد يؤدي إلى انقراض البشر، كما اكتشفت الشركة وجود مخاطر من إمكانية استخدام أنظمتها في تطوير أسلحة بيولوجية. وبينما تضغط على دواسة الوقود وتسحب فرامل اليد، تبدو هذه التوترات أقرب وصف لما تمر به أنثروبيك حاليًا.
وبالمقارنة، تعمل شركة Isomorphic Labs التابعة لشركة Google على اكتشاف الأدوية بالذكاء الاصطناعي منذ سنوات، وكانت الخطة أن تدخل مرحلة التجارب السريرية بنهاية 2026، لكنها أجلت ذلك من قبل مرة واحدة. والواقع في تطوير الأدوية هو ذلك بالضبط: من اكتشاف جزيء إلى وصول الدواء إلى السوق، عادةً ما تستغرق الأمر لسنوات طويلة، وغالبية الأدوية تفشل خلال التجارب السريرية. طموح أنثروبيك كبير، لكن الطريق ما يزال طويلًا.
أنثروبيك قامت بهدوء ببناء مختبر أبحاث بيولوجية
وبحسب تقرير حصري لوكالة رويترز، أنثروبيك قد أنجزت بناء مختبر رطب (wet lab، أي مختبر فيزيائي يمكن إجراء تجارب بيولوجية/كيميائية حقيقية داخله) في منطقة خليج سان فرانسيسكو، لتُحوّل بشكل رسمي نطاق انتشار الذكاء الاصطناعي من البرمجيات إلى تطوير الأدوية.
وقد أكّد مدير علوم الحياة لدى أنثروبيك، إريك كاودرر-أبرامز، ذلك في مقابلة. ووفقًا له: عند إجراء أبحاث في علم الأحياء، يبقى معيار الاختبار النهائي هو العمل في المختبر الحقيقي، ولا يكفي الاعتماد على محاكاة الحاسوب وحدها. جزء من التجارب يُجرى بأنفسهم، وجزء آخر يتم بالتعاون مع شركاء خارجيين—وهذا نهج شائع لدى معظم شركات التكنولوجيا الحيوية.
وليس الأمر نزوة. خلال الأشهر الماضية تحرّكت أنثروبيك بخطى مكثفة: استحوذت عبر شراء أسهم بقيمة تقارب 400 مليون دولار على شركة ناشئة اسمها Coefficient Bio، بهدف بناء أدوات لتطوير الأدوية؛ وأدخلت الرئيس التنفيذي لشركة نوفارتيس، فاس ناراسيمهان، إلى مجلس الإدارة؛ وأطلقت برنامجًا باسم Claude Science؛ وفي يونيو أعلنت علنًا في سان فرانسيسكو نيتها إطلاق مشروع لتطوير الأدوية. كما كانت منصة LinkedIn تضم إعلانات توظيف لمدير عمليات شراء وتعاقد، وخبراء في توصيف البروتينات والحمض النووي، وكتب في إعلان التوظيف أن الهدف هو "رفع وتيرة التقدم في علوم الحياة بمقدار رتبة واحدة". وقال كاودرر-أبرامز إن علوم الحياة تُعد بالفعل واحدًا من أكبر اتجاهات أنثروبيك من حيث الاستثمار في الموارد والقوى البشرية.
إن أنثروبيك تستهدف مجالات تعتبرها شركات الأدوية التقليدية "غير قابلة للأدوية" (undruggable)—أي الحالات التي يتم تجاهلها لأن الهدف صعب جدًا أو لأن العائد التجاري غير مرتفع. وهم يرون أن الذكاء الاصطناعي يمكن أن يسرّع اكتشاف أجسام مضادة ثنائية الخصوصية وحتى ثلاثية الخصوصية، وهي جزيئات معقدة يمكنها مهاجمة عدة أهداف في الوقت نفسه؛ لكن تصميمها شديد الصعوبة، بينما يتفوق الذكاء الاصطناعي في التعامل مع هذا النوع من التعقيد. ويقول إن CEO داريو أموديلي يعاني من هذا الأمر بشكل شخصي—فقد توفي والده بسبب مرض، ولم تظهر طريقة العلاج إلا بعد سنوات.
لكن أنثروبيك قد رسمت حاليًا خطًا واضحًا: إجراء الأبحاث قبل السريرية فقط، دون خوض التجارب السريرية، وعدم منافسة شركات الأدوية على الأعمال. ويُعد ذلك أيضًا محاولة لتخفيف مشكلة ثقة واقعية—فالشركات الدوائية الكبرى التي تستخدم كلود (منها جيننتك، وبريستول مايرز سكويب، ونوفو نورديسك كلها ضمن القائمة) ستقلق مما قد تتعلمه أنثروبيك من بياناتها.
ومن الجدير بالانتباه إلى الإطار الزمني: كل ما سبق يحدث في اللحظة التي تسبق استعداد أنثروبيك لإجراء طرح عام أولي (IPO) بتقييم يقارب 2 تريليون دولار، وفي الوقت ذاته تتصاعد جدالات سلامة الذكاء الاصطناعي إلى ذروتها—ففي الأسبوعين الأخيرين فقط، حذّر باحثون لدى أنثروبيك أنفسهم من أن الذكاء الاصطناعي قد يؤدي إلى انقراض البشر، كما اكتشفت الشركة وجود مخاطر من إمكانية استخدام أنظمتها في تطوير أسلحة بيولوجية. وبينما تضغط على دواسة الوقود وتسحب فرامل اليد، تبدو هذه التوترات أقرب وصف لما تمر به أنثروبيك حاليًا.
وبالمقارنة، تعمل شركة Isomorphic Labs التابعة لشركة Google على اكتشاف الأدوية بالذكاء الاصطناعي منذ سنوات، وكانت الخطة أن تدخل مرحلة التجارب السريرية بنهاية 2026، لكنها أجلت ذلك من قبل مرة واحدة. والواقع في تطوير الأدوية هو ذلك بالضبط: من اكتشاف جزيء إلى وصول الدواء إلى السوق، عادةً ما تستغرق الأمر لسنوات طويلة، وغالبية الأدوية تفشل خلال التجارب السريرية. طموح أنثروبيك كبير، لكن الطريق ما يزال طويلًا.
وبحسب تقرير حصري لوكالة رويترز، أنثروبيك قد أنجزت بناء مختبر رطب (wet lab، أي مختبر فيزيائي يمكن إجراء تجارب بيولوجية/كيميائية حقيقية داخله) في منطقة خليج سان فرانسيسكو، لتُحوّل بشكل رسمي نطاق انتشار الذكاء الاصطناعي من البرمجيات إلى تطوير الأدوية.
وقد أكّد مدير علوم الحياة لدى أنثروبيك، إريك كاودرر-أبرامز، ذلك في مقابلة. ووفقًا له: عند إجراء أبحاث في علم الأحياء، يبقى معيار الاختبار النهائي هو العمل في المختبر الحقيقي، ولا يكفي الاعتماد على محاكاة الحاسوب وحدها. جزء من التجارب يُجرى بأنفسهم، وجزء آخر يتم بالتعاون مع شركاء خارجيين—وهذا نهج شائع لدى معظم شركات التكنولوجيا الحيوية.
وليس الأمر نزوة. خلال الأشهر الماضية تحرّكت أنثروبيك بخطى مكثفة: استحوذت عبر شراء أسهم بقيمة تقارب 400 مليون دولار على شركة ناشئة اسمها Coefficient Bio، بهدف بناء أدوات لتطوير الأدوية؛ وأدخلت الرئيس التنفيذي لشركة نوفارتيس، فاس ناراسيمهان، إلى مجلس الإدارة؛ وأطلقت برنامجًا باسم Claude Science؛ وفي يونيو أعلنت علنًا في سان فرانسيسكو نيتها إطلاق مشروع لتطوير الأدوية. كما كانت منصة LinkedIn تضم إعلانات توظيف لمدير عمليات شراء وتعاقد، وخبراء في توصيف البروتينات والحمض النووي، وكتب في إعلان التوظيف أن الهدف هو "رفع وتيرة التقدم في علوم الحياة بمقدار رتبة واحدة". وقال كاودرر-أبرامز إن علوم الحياة تُعد بالفعل واحدًا من أكبر اتجاهات أنثروبيك من حيث الاستثمار في الموارد والقوى البشرية.
إن أنثروبيك تستهدف مجالات تعتبرها شركات الأدوية التقليدية "غير قابلة للأدوية" (undruggable)—أي الحالات التي يتم تجاهلها لأن الهدف صعب جدًا أو لأن العائد التجاري غير مرتفع. وهم يرون أن الذكاء الاصطناعي يمكن أن يسرّع اكتشاف أجسام مضادة ثنائية الخصوصية وحتى ثلاثية الخصوصية، وهي جزيئات معقدة يمكنها مهاجمة عدة أهداف في الوقت نفسه؛ لكن تصميمها شديد الصعوبة، بينما يتفوق الذكاء الاصطناعي في التعامل مع هذا النوع من التعقيد. ويقول إن CEO داريو أموديلي يعاني من هذا الأمر بشكل شخصي—فقد توفي والده بسبب مرض، ولم تظهر طريقة العلاج إلا بعد سنوات.
لكن أنثروبيك قد رسمت حاليًا خطًا واضحًا: إجراء الأبحاث قبل السريرية فقط، دون خوض التجارب السريرية، وعدم منافسة شركات الأدوية على الأعمال. ويُعد ذلك أيضًا محاولة لتخفيف مشكلة ثقة واقعية—فالشركات الدوائية الكبرى التي تستخدم كلود (منها جيننتك، وبريستول مايرز سكويب، ونوفو نورديسك كلها ضمن القائمة) ستقلق مما قد تتعلمه أنثروبيك من بياناتها.
ومن الجدير بالانتباه إلى الإطار الزمني: كل ما سبق يحدث في اللحظة التي تسبق استعداد أنثروبيك لإجراء طرح عام أولي (IPO) بتقييم يقارب 2 تريليون دولار، وفي الوقت ذاته تتصاعد جدالات سلامة الذكاء الاصطناعي إلى ذروتها—ففي الأسبوعين الأخيرين فقط، حذّر باحثون لدى أنثروبيك أنفسهم من أن الذكاء الاصطناعي قد يؤدي إلى انقراض البشر، كما اكتشفت الشركة وجود مخاطر من إمكانية استخدام أنظمتها في تطوير أسلحة بيولوجية. وبينما تضغط على دواسة الوقود وتسحب فرامل اليد، تبدو هذه التوترات أقرب وصف لما تمر به أنثروبيك حاليًا.
وبالمقارنة، تعمل شركة Isomorphic Labs التابعة لشركة Google على اكتشاف الأدوية بالذكاء الاصطناعي منذ سنوات، وكانت الخطة أن تدخل مرحلة التجارب السريرية بنهاية 2026، لكنها أجلت ذلك من قبل مرة واحدة. والواقع في تطوير الأدوية هو ذلك بالضبط: من اكتشاف جزيء إلى وصول الدواء إلى السوق، عادةً ما تستغرق الأمر لسنوات طويلة، وغالبية الأدوية تفشل خلال التجارب السريرية. طموح أنثروبيك كبير، لكن الطريق ما يزال طويلًا.
310
·
--
أصبح استغلالي لـ ChatGPT Pro الآن أعلى وأعلى؛ وذلك لأنني أستخدمه في الغالب لمساعدتي في إعداد مخططات/تصاميم تقنية، والنتائج ممتازة، كما أنه لا يستهلك حصة Codex.
في كل مرة أستخدمه، أرسل له مباشرةً عنوان GitHub الخاص بي، فيحلّل الكود ويصمّم بناءً عليه، ويكتب وثيقة تصميم، بل وحتى يقدّم PR. لاحقًا أقوم بتنزيل وثيقة التصميم إلى جهاز الكمبيوتر لدي ليقوم Codex أو Claude Code بتنفيذها.
وأحيانًا أجعله يتنافس مع Fable؛ فبالنسبة لنفس المشكلة، يضع كلٌّ من Fable وGPT-6 Pro خطة/حلًا على حدة، ثم نأخذ الأفضل ونكمل نقاط الضعف.
تنبيه: يلزم ربط حساب GitHub الخاص بك في الإعدادات؛ حتى يتمكن من الوصول إلى مستودعات الكود الخاصة بك وإرسال/تنفيذ PR.
أصبح استغلالي لـ ChatGPT Pro الآن أعلى وأعلى؛ وذلك لأنني أستخدمه في الغالب لمساعدتي في إعداد مخططات/تصاميم تقنية، والنتائج ممتازة، كما أنه لا يستهلك حصة Codex.
في كل مرة أستخدمه، أرسل له مباشرةً عنوان GitHub الخاص بي، فيحلّل الكود ويصمّم بناءً عليه، ويكتب وثيقة تصميم، بل وحتى يقدّم PR. لاحقًا أقوم بتنزيل وثيقة التصميم إلى جهاز الكمبيوتر لدي ليقوم Codex أو Claude Code بتنفيذها.
وأحيانًا أجعله يتنافس مع Fable؛ فبالنسبة لنفس المشكلة، يضع كلٌّ من Fable وGPT-6 Pro خطة/حلًا على حدة، ثم نأخذ الأفضل ونكمل نقاط الضعف.
تنبيه: يلزم ربط حساب GitHub الخاص بك في الإعدادات؛ حتى يتمكن من الوصول إلى مستودعات الكود الخاصة بك وإرسال/تنفيذ PR.
في كل مرة أستخدمه، أرسل له مباشرةً عنوان GitHub الخاص بي، فيحلّل الكود ويصمّم بناءً عليه، ويكتب وثيقة تصميم، بل وحتى يقدّم PR. لاحقًا أقوم بتنزيل وثيقة التصميم إلى جهاز الكمبيوتر لدي ليقوم Codex أو Claude Code بتنفيذها.
وأحيانًا أجعله يتنافس مع Fable؛ فبالنسبة لنفس المشكلة، يضع كلٌّ من Fable وGPT-6 Pro خطة/حلًا على حدة، ثم نأخذ الأفضل ونكمل نقاط الضعف.
تنبيه: يلزم ربط حساب GitHub الخاص بك في الإعدادات؛ حتى يتمكن من الوصول إلى مستودعات الكود الخاصة بك وإرسال/تنفيذ PR.
96
·
--
لا أعرف لماذا أصبحت حصة استخدام فابل لديّ من 97% إلى 67%، هل هذا يعني إلغاء حدّ 50%؟ أم أنّه حصل خلل؟
لا أعرف لماذا أصبحت حصة استخدام فابل لديّ من 97% إلى 67%، هل هذا يعني إلغاء حدّ 50%؟ أم أنّه حصل خلل؟
300
·
--
إصدار 0915 من نموذج Doubao الكبير 2.1 Pro، مع توافر الـ API بالكامل على Volcano Ark. تركز هذه الترقية على أربعة محاور: تسليم مهام الـ Agent، والبرمجة متعددة الوسائط، والفهم متعدد الوسائط، وخفض تكاليف الاستدلال.
تحسينات جانب الـ Agent
عند الحاجة إلى استدعاء أدوات متعددة المراحل، والبحث عبر الإنترنت عن معلومات ثم إصدار تقرير، عزز النموذج قدرات تتبع الأدلة والتحقق من البيانات، ما يقلل بشكل واضح من الهلوسة. والمثال الذي قدمته الجهة الرسمية هو الاستثمار المالي والأبحاث: يستطيع النموذج تفكيك احتياجات البحث تلقائيًا، والبحث عن مصادر البيانات ثم بناء نموذج للتحليل، لتكون المسودات الناتجة قريبة من مستوى المحللين. وللتحقق من ادعاء ورد في تقرير مالي لشركة سيارات بعينها، قام النموذج بجدولة أكثر من 500 Agent فرعي، واسترجع أكثر من 1000 صفحة ويب، كما قام بالمقارنة المتقاطعة بين معلومات مثل مسارات الملاحة البحرية وصور الأقمار الصناعية وغيرها من مصادر متعددة. وتتمتع هذه القدرة من نوع "عدم الاعتماد على بيان طرف واحد، والتحقق المتقاطع من مصادر متعددة" بقيمة مباشرة للشركات في إجراء العناية الواجبة وإعداد تقارير بحثية.
الترميز متعدد الوسائط (Coding)
قد تكون أكثر التغييرات عملية هي كتابة الكود اعتمادًا على الصور. يستطيع النموذج الآن قراءة مخططات التصميم وفواتير/رسومات المخططات وحتى تسجيلات التشغيل (screen recordings) بشكل مباشر، وتحويل المعلومات البصرية إلى كود الواجهة الأمامية. وقد عرضت الجهة الرسمية سيناريو: أعطِ النموذج تسجيل شاشة مع بضع رسومات تخطيطية، وسيقوم بتطوير صفحة للواجهة الأمامية على نظام ERP قديم لا يتوفر له توثيق—فهم النموذج 280 ألف سطر من كود Java، وأعاد مباشرة صفحة واجهة تعمل على الهاتف المحمول.
وبالنسبة لفهم مستودعات الكود، أجرى النموذج اختبارات إصلاح ذاتي على لعبة مفتوحة المصدر Luanti (حوالي 387 ألف سطر من الكود)، وحققت 83% من المهام مستوى يمكن دمجه. وبالنسبة للمطورين الذين يحتاجون كثيرًا إلى تحديد المشكلات داخل مشاريع كبيرة وتصحيح الأخطاء عبر ملفات متعددة، فإن هذا الرقم يستحق الاهتمام.
ترقيات أخرى
في جانب الفهم متعدد الوسائط، تم تعزيز قدرات استدلال الفيديو، بحيث يمكنه تحديد الأدلة داخل الفيديو ودمج المعلومات عبر الإطارات (frames). كما شهد فهم الصور تحسينات واضحة في التعرف على الأجسام ثلاثية الأبعاد (قطع CAD وعناصر محرك الألعاب) وتحليل الصور والمواد النصية الكثيفة (رسومات هندسية وجداول تقارير مالية).
من ناحية التكاليف، فإن استهلاك الـ Tokens للاستدلال على الصور والفيديو انخفض بنسبة 30% أو أكثر مقارنةً بالجيل السابق.
بالنسبة لاستخدام الـ API، توجد مدخلان: استدعاء Doubao-Seed-2.1-pro-0915 لقفل الإصدار؛ واستدعاء Doubao-Seed-Evolving لمتابعة أحدث إصدار تلقائيًا دون الحاجة لتغيير Model ID. كما تم إدماج Doubao Work وTRAE أيضًا بشكل متزامن.
المقال الرسمي: https://mp.weixin.qq.com/s/Fp_mgF6wxMk0bkUVBqOKqA
إصدار 0915 من نموذج Doubao الكبير 2.1 Pro، مع توافر الـ API بالكامل على Volcano Ark. تركز هذه الترقية على أربعة محاور: تسليم مهام الـ Agent، والبرمجة متعددة الوسائط، والفهم متعدد الوسائط، وخفض تكاليف الاستدلال.
تحسينات جانب الـ Agent
عند الحاجة إلى استدعاء أدوات متعددة المراحل، والبحث عبر الإنترنت عن معلومات ثم إصدار تقرير، عزز النموذج قدرات تتبع الأدلة والتحقق من البيانات، ما يقلل بشكل واضح من الهلوسة. والمثال الذي قدمته الجهة الرسمية هو الاستثمار المالي والأبحاث: يستطيع النموذج تفكيك احتياجات البحث تلقائيًا، والبحث عن مصادر البيانات ثم بناء نموذج للتحليل، لتكون المسودات الناتجة قريبة من مستوى المحللين. وللتحقق من ادعاء ورد في تقرير مالي لشركة سيارات بعينها، قام النموذج بجدولة أكثر من 500 Agent فرعي، واسترجع أكثر من 1000 صفحة ويب، كما قام بالمقارنة المتقاطعة بين معلومات مثل مسارات الملاحة البحرية وصور الأقمار الصناعية وغيرها من مصادر متعددة. وتتمتع هذه القدرة من نوع "عدم الاعتماد على بيان طرف واحد، والتحقق المتقاطع من مصادر متعددة" بقيمة مباشرة للشركات في إجراء العناية الواجبة وإعداد تقارير بحثية.
الترميز متعدد الوسائط (Coding)
قد تكون أكثر التغييرات عملية هي كتابة الكود اعتمادًا على الصور. يستطيع النموذج الآن قراءة مخططات التصميم وفواتير/رسومات المخططات وحتى تسجيلات التشغيل (screen recordings) بشكل مباشر، وتحويل المعلومات البصرية إلى كود الواجهة الأمامية. وقد عرضت الجهة الرسمية سيناريو: أعطِ النموذج تسجيل شاشة مع بضع رسومات تخطيطية، وسيقوم بتطوير صفحة للواجهة الأمامية على نظام ERP قديم لا يتوفر له توثيق—فهم النموذج 280 ألف سطر من كود Java، وأعاد مباشرة صفحة واجهة تعمل على الهاتف المحمول.
وبالنسبة لفهم مستودعات الكود، أجرى النموذج اختبارات إصلاح ذاتي على لعبة مفتوحة المصدر Luanti (حوالي 387 ألف سطر من الكود)، وحققت 83% من المهام مستوى يمكن دمجه. وبالنسبة للمطورين الذين يحتاجون كثيرًا إلى تحديد المشكلات داخل مشاريع كبيرة وتصحيح الأخطاء عبر ملفات متعددة، فإن هذا الرقم يستحق الاهتمام.
ترقيات أخرى
في جانب الفهم متعدد الوسائط، تم تعزيز قدرات استدلال الفيديو، بحيث يمكنه تحديد الأدلة داخل الفيديو ودمج المعلومات عبر الإطارات (frames). كما شهد فهم الصور تحسينات واضحة في التعرف على الأجسام ثلاثية الأبعاد (قطع CAD وعناصر محرك الألعاب) وتحليل الصور والمواد النصية الكثيفة (رسومات هندسية وجداول تقارير مالية).
من ناحية التكاليف، فإن استهلاك الـ Tokens للاستدلال على الصور والفيديو انخفض بنسبة 30% أو أكثر مقارنةً بالجيل السابق.
بالنسبة لاستخدام الـ API، توجد مدخلان: استدعاء Doubao-Seed-2.1-pro-0915 لقفل الإصدار؛ واستدعاء Doubao-Seed-Evolving لمتابعة أحدث إصدار تلقائيًا دون الحاجة لتغيير Model ID. كما تم إدماج Doubao Work وTRAE أيضًا بشكل متزامن.
المقال الرسمي: https://mp.weixin.qq.com/s/Fp_mgF6wxMk0bkUVBqOKqA
تحسينات جانب الـ Agent
عند الحاجة إلى استدعاء أدوات متعددة المراحل، والبحث عبر الإنترنت عن معلومات ثم إصدار تقرير، عزز النموذج قدرات تتبع الأدلة والتحقق من البيانات، ما يقلل بشكل واضح من الهلوسة. والمثال الذي قدمته الجهة الرسمية هو الاستثمار المالي والأبحاث: يستطيع النموذج تفكيك احتياجات البحث تلقائيًا، والبحث عن مصادر البيانات ثم بناء نموذج للتحليل، لتكون المسودات الناتجة قريبة من مستوى المحللين. وللتحقق من ادعاء ورد في تقرير مالي لشركة سيارات بعينها، قام النموذج بجدولة أكثر من 500 Agent فرعي، واسترجع أكثر من 1000 صفحة ويب، كما قام بالمقارنة المتقاطعة بين معلومات مثل مسارات الملاحة البحرية وصور الأقمار الصناعية وغيرها من مصادر متعددة. وتتمتع هذه القدرة من نوع "عدم الاعتماد على بيان طرف واحد، والتحقق المتقاطع من مصادر متعددة" بقيمة مباشرة للشركات في إجراء العناية الواجبة وإعداد تقارير بحثية.
الترميز متعدد الوسائط (Coding)
قد تكون أكثر التغييرات عملية هي كتابة الكود اعتمادًا على الصور. يستطيع النموذج الآن قراءة مخططات التصميم وفواتير/رسومات المخططات وحتى تسجيلات التشغيل (screen recordings) بشكل مباشر، وتحويل المعلومات البصرية إلى كود الواجهة الأمامية. وقد عرضت الجهة الرسمية سيناريو: أعطِ النموذج تسجيل شاشة مع بضع رسومات تخطيطية، وسيقوم بتطوير صفحة للواجهة الأمامية على نظام ERP قديم لا يتوفر له توثيق—فهم النموذج 280 ألف سطر من كود Java، وأعاد مباشرة صفحة واجهة تعمل على الهاتف المحمول.
وبالنسبة لفهم مستودعات الكود، أجرى النموذج اختبارات إصلاح ذاتي على لعبة مفتوحة المصدر Luanti (حوالي 387 ألف سطر من الكود)، وحققت 83% من المهام مستوى يمكن دمجه. وبالنسبة للمطورين الذين يحتاجون كثيرًا إلى تحديد المشكلات داخل مشاريع كبيرة وتصحيح الأخطاء عبر ملفات متعددة، فإن هذا الرقم يستحق الاهتمام.
ترقيات أخرى
في جانب الفهم متعدد الوسائط، تم تعزيز قدرات استدلال الفيديو، بحيث يمكنه تحديد الأدلة داخل الفيديو ودمج المعلومات عبر الإطارات (frames). كما شهد فهم الصور تحسينات واضحة في التعرف على الأجسام ثلاثية الأبعاد (قطع CAD وعناصر محرك الألعاب) وتحليل الصور والمواد النصية الكثيفة (رسومات هندسية وجداول تقارير مالية).
من ناحية التكاليف، فإن استهلاك الـ Tokens للاستدلال على الصور والفيديو انخفض بنسبة 30% أو أكثر مقارنةً بالجيل السابق.
بالنسبة لاستخدام الـ API، توجد مدخلان: استدعاء Doubao-Seed-2.1-pro-0915 لقفل الإصدار؛ واستدعاء Doubao-Seed-Evolving لمتابعة أحدث إصدار تلقائيًا دون الحاجة لتغيير Model ID. كما تم إدماج Doubao Work وTRAE أيضًا بشكل متزامن.
المقال الرسمي: https://mp.weixin.qq.com/s/Fp_mgF6wxMk0bkUVBqOKqA
131
·
--
ألقي مهندس لدى شركة Anthropic درسًا تمهيديًا في FDE
https://www.youtube.com/watch?v=KwhgfwOSToQ
كين باي يعمل حاليًا في فريق Applied AI التابع لـ Anthropic. وقبل ذلك كان عضوًا مؤسسًا في فريق FDE لدى Rippling، وقبل Rippling قضى سنوات عدة في Palantir. مؤخرًا قدم عرضًا بعنوان FDE 101، شرح فيه بوضوح دور مهندس النشر في الخط الأمامي (Frontline). ومن المفيد تلخيص ما قاله.
لنبدأ ببيانٍ واحد: في شركات SaaS المدرجة، وبحسب متوسط قيمة العقد، تأتي Palantir في المرتبة الأولى بـ 4 ملايين دولار، ثم ServiceNow بـ 1.2 مليون، وWorkday بـ 600 ألف، ولا توجد أي شركة أخرى تتجاوز 500 ألف. لقد حققت Palantir متوسط قيمة تعاقدات مرتفعًا باستخدام بضعة آلاف من الموظفين، وهو ما لا تستطيع شركات أخرى تحقيقه حتى مع عشرات الآلاف. والسبب يكمن في نموذج FDE.
فماذا يحل FDE بالضبط؟
يعد منتج Palantir Foundry عبارة عن منصة لبناء التطبيقات، ومستوى العوائق التقنية فيها مرتفع. لكن المشتريين هم من المديرين التنفيذيين غير التقنيين في قطاعات مثل النفط والسلع الاستهلاكية. إذا ألقيت منصة تقنية معقدة في يد شخص لا يكتب الكود، وتوقعت أن يفهم وحده كيفية استخدامها، فهذا غير واقعي.
لذلك تتبع Palantir نهجًا يتمثل في أن العميل لا يشتري منتج برمجيًا ولا خدمة استشارية، بل يشتري «نتيجة». ترسل مهندسين إلى العميل، وتغوص في فهم سيناريوهات العمل الخاصة به، ثم تبني لهم ما يلزم على المنصة. ما يهتم به العميل هو عدد المنتجات التي «تزداد على الرفوف»، ومدى تحسن كفاءة خط الإنتاج. أمّا كيفية تنظيم البيانات، فلا يشغل باله—ولا ينبغي أن يشغله.
ما الفرق بين FDE وبين تطوير مُسند/خارجي؟
أكد كيفن نقطةً واحدة على وجه الخصوص: إذا كان مهندسوك يكتبون كودًا مخصصًا للعميل من الصفر في كل مرة، فذلك ليس FDE، بل تطوير خارجي. يمكن أن ينجح نموذج FDE فقط إذا كانت هناك منصة قابلة لإعادة الاستخدام. يقوم المهندس بتركيب وتخصيص الحل انطلاقًا من قدرات المنصة الموجودة بالفعل، وليس بإعادة اختراع العجلة في كل مرة. بدون منصة، ستلتهم تكاليف الصيانة كل الأرباح، وسيغادر المهندسون لأن عليهم لاحقًا صيانة عشرات قواعد الكود غير المرتبطة ببعضها.
هل يجب عليك تبني FDE؟ سؤالان يكفيان للحسم.
أولًا: هل تحتاج إلى بيع شيء تقني التعقيد إلى مشترٍ غير تقني؟ إذا كان عملاؤك أنفسهم مهندسين—مثلًا إذا كنت تبيع GitHub أو Datadog—فلست بحاجة إلى FDE. وإذا كان منتجك بحد ذاته جاهزًا للاستخدام فورًا مثل Slack أو Jira، فلست بحاجة أيضًا. FDE يكون ضروريًا فقط عندما يكون منتجك معقدًا، والعميل لا يفهم التقنية.
ثانيًا: هل لديك منصة قابلة لإعادة الاستخدام؟ أو هل أنت مستعد للاستثمار لبنائها؟ بدون مكونات أساسية مشتركة قابلة لإعادة الاستخدام، يكون FDE غير مستدام.
ما التغير الجديد في 2026؟
كانت تقديرات كيفن مثيرة للاهتمام: طريقة ممارسة الأعمال في قطاع البرمجيات نفسها تتغير. فبفضل الذكاء الاصطناعي أصبح بناء البرمجيات أسهل بشكل كبير، وتتجه تقريبًا جميع المنصات نحو نمط الوكلاء (Agent hóa). وهذا يعني أن معظم المنصات ستصبح قابلة للتخصيص بدرجة عالية. النتيجة هي أن عددًا متزايدًا من العملاء لن يكون قادرًا على فهم ما الذي يمكن لمنتجك فعله بالضبط. وفي عصر الوكلاء، يصبح تسليم نجاح/فشل منتجك ليكتشفه العميل بنفسه أمرًا أصعب فأصعب.
وهذا يحوّل FDE من كونه طريقة خاصة ومحدودة الاستخدام لدى Palantir، إلى موضوع ينبغي على عدد أكبر من شركات البرمجيات أخذه بجدية في الاعتبار.
سؤال أخير: ما نوع الأشخاص المناسبين للعمل في FDE؟
إجابة كيفن كانت مختصرة جدًا: FDE هو عمل يضع فيه ثقتك في مهندس برمجيات لدرجة أنك تسمح له بأن يواجه العملاء مباشرة. الكفاءة التقنية هي الأساس، لكن عليك أيضًا أن تكون مطمئنًا إلى أنه سيُمثل الشركة ويتعامل مع العملاء.
ألقي مهندس لدى شركة Anthropic درسًا تمهيديًا في FDE
https://www.youtube.com/watch?v=KwhgfwOSToQ
كين باي يعمل حاليًا في فريق Applied AI التابع لـ Anthropic. وقبل ذلك كان عضوًا مؤسسًا في فريق FDE لدى Rippling، وقبل Rippling قضى سنوات عدة في Palantir. مؤخرًا قدم عرضًا بعنوان FDE 101، شرح فيه بوضوح دور مهندس النشر في الخط الأمامي (Frontline). ومن المفيد تلخيص ما قاله.
لنبدأ ببيانٍ واحد: في شركات SaaS المدرجة، وبحسب متوسط قيمة العقد، تأتي Palantir في المرتبة الأولى بـ 4 ملايين دولار، ثم ServiceNow بـ 1.2 مليون، وWorkday بـ 600 ألف، ولا توجد أي شركة أخرى تتجاوز 500 ألف. لقد حققت Palantir متوسط قيمة تعاقدات مرتفعًا باستخدام بضعة آلاف من الموظفين، وهو ما لا تستطيع شركات أخرى تحقيقه حتى مع عشرات الآلاف. والسبب يكمن في نموذج FDE.
فماذا يحل FDE بالضبط؟
يعد منتج Palantir Foundry عبارة عن منصة لبناء التطبيقات، ومستوى العوائق التقنية فيها مرتفع. لكن المشتريين هم من المديرين التنفيذيين غير التقنيين في قطاعات مثل النفط والسلع الاستهلاكية. إذا ألقيت منصة تقنية معقدة في يد شخص لا يكتب الكود، وتوقعت أن يفهم وحده كيفية استخدامها، فهذا غير واقعي.
لذلك تتبع Palantir نهجًا يتمثل في أن العميل لا يشتري منتج برمجيًا ولا خدمة استشارية، بل يشتري «نتيجة». ترسل مهندسين إلى العميل، وتغوص في فهم سيناريوهات العمل الخاصة به، ثم تبني لهم ما يلزم على المنصة. ما يهتم به العميل هو عدد المنتجات التي «تزداد على الرفوف»، ومدى تحسن كفاءة خط الإنتاج. أمّا كيفية تنظيم البيانات، فلا يشغل باله—ولا ينبغي أن يشغله.
ما الفرق بين FDE وبين تطوير مُسند/خارجي؟
أكد كيفن نقطةً واحدة على وجه الخصوص: إذا كان مهندسوك يكتبون كودًا مخصصًا للعميل من الصفر في كل مرة، فذلك ليس FDE، بل تطوير خارجي. يمكن أن ينجح نموذج FDE فقط إذا كانت هناك منصة قابلة لإعادة الاستخدام. يقوم المهندس بتركيب وتخصيص الحل انطلاقًا من قدرات المنصة الموجودة بالفعل، وليس بإعادة اختراع العجلة في كل مرة. بدون منصة، ستلتهم تكاليف الصيانة كل الأرباح، وسيغادر المهندسون لأن عليهم لاحقًا صيانة عشرات قواعد الكود غير المرتبطة ببعضها.
هل يجب عليك تبني FDE؟ سؤالان يكفيان للحسم.
أولًا: هل تحتاج إلى بيع شيء تقني التعقيد إلى مشترٍ غير تقني؟ إذا كان عملاؤك أنفسهم مهندسين—مثلًا إذا كنت تبيع GitHub أو Datadog—فلست بحاجة إلى FDE. وإذا كان منتجك بحد ذاته جاهزًا للاستخدام فورًا مثل Slack أو Jira، فلست بحاجة أيضًا. FDE يكون ضروريًا فقط عندما يكون منتجك معقدًا، والعميل لا يفهم التقنية.
ثانيًا: هل لديك منصة قابلة لإعادة الاستخدام؟ أو هل أنت مستعد للاستثمار لبنائها؟ بدون مكونات أساسية مشتركة قابلة لإعادة الاستخدام، يكون FDE غير مستدام.
ما التغير الجديد في 2026؟
كانت تقديرات كيفن مثيرة للاهتمام: طريقة ممارسة الأعمال في قطاع البرمجيات نفسها تتغير. فبفضل الذكاء الاصطناعي أصبح بناء البرمجيات أسهل بشكل كبير، وتتجه تقريبًا جميع المنصات نحو نمط الوكلاء (Agent hóa). وهذا يعني أن معظم المنصات ستصبح قابلة للتخصيص بدرجة عالية. النتيجة هي أن عددًا متزايدًا من العملاء لن يكون قادرًا على فهم ما الذي يمكن لمنتجك فعله بالضبط. وفي عصر الوكلاء، يصبح تسليم نجاح/فشل منتجك ليكتشفه العميل بنفسه أمرًا أصعب فأصعب.
وهذا يحوّل FDE من كونه طريقة خاصة ومحدودة الاستخدام لدى Palantir، إلى موضوع ينبغي على عدد أكبر من شركات البرمجيات أخذه بجدية في الاعتبار.
سؤال أخير: ما نوع الأشخاص المناسبين للعمل في FDE؟
إجابة كيفن كانت مختصرة جدًا: FDE هو عمل يضع فيه ثقتك في مهندس برمجيات لدرجة أنك تسمح له بأن يواجه العملاء مباشرة. الكفاءة التقنية هي الأساس، لكن عليك أيضًا أن تكون مطمئنًا إلى أنه سيُمثل الشركة ويتعامل مع العملاء.
https://www.youtube.com/watch?v=KwhgfwOSToQ
كين باي يعمل حاليًا في فريق Applied AI التابع لـ Anthropic. وقبل ذلك كان عضوًا مؤسسًا في فريق FDE لدى Rippling، وقبل Rippling قضى سنوات عدة في Palantir. مؤخرًا قدم عرضًا بعنوان FDE 101، شرح فيه بوضوح دور مهندس النشر في الخط الأمامي (Frontline). ومن المفيد تلخيص ما قاله.
لنبدأ ببيانٍ واحد: في شركات SaaS المدرجة، وبحسب متوسط قيمة العقد، تأتي Palantir في المرتبة الأولى بـ 4 ملايين دولار، ثم ServiceNow بـ 1.2 مليون، وWorkday بـ 600 ألف، ولا توجد أي شركة أخرى تتجاوز 500 ألف. لقد حققت Palantir متوسط قيمة تعاقدات مرتفعًا باستخدام بضعة آلاف من الموظفين، وهو ما لا تستطيع شركات أخرى تحقيقه حتى مع عشرات الآلاف. والسبب يكمن في نموذج FDE.
فماذا يحل FDE بالضبط؟
يعد منتج Palantir Foundry عبارة عن منصة لبناء التطبيقات، ومستوى العوائق التقنية فيها مرتفع. لكن المشتريين هم من المديرين التنفيذيين غير التقنيين في قطاعات مثل النفط والسلع الاستهلاكية. إذا ألقيت منصة تقنية معقدة في يد شخص لا يكتب الكود، وتوقعت أن يفهم وحده كيفية استخدامها، فهذا غير واقعي.
لذلك تتبع Palantir نهجًا يتمثل في أن العميل لا يشتري منتج برمجيًا ولا خدمة استشارية، بل يشتري «نتيجة». ترسل مهندسين إلى العميل، وتغوص في فهم سيناريوهات العمل الخاصة به، ثم تبني لهم ما يلزم على المنصة. ما يهتم به العميل هو عدد المنتجات التي «تزداد على الرفوف»، ومدى تحسن كفاءة خط الإنتاج. أمّا كيفية تنظيم البيانات، فلا يشغل باله—ولا ينبغي أن يشغله.
ما الفرق بين FDE وبين تطوير مُسند/خارجي؟
أكد كيفن نقطةً واحدة على وجه الخصوص: إذا كان مهندسوك يكتبون كودًا مخصصًا للعميل من الصفر في كل مرة، فذلك ليس FDE، بل تطوير خارجي. يمكن أن ينجح نموذج FDE فقط إذا كانت هناك منصة قابلة لإعادة الاستخدام. يقوم المهندس بتركيب وتخصيص الحل انطلاقًا من قدرات المنصة الموجودة بالفعل، وليس بإعادة اختراع العجلة في كل مرة. بدون منصة، ستلتهم تكاليف الصيانة كل الأرباح، وسيغادر المهندسون لأن عليهم لاحقًا صيانة عشرات قواعد الكود غير المرتبطة ببعضها.
هل يجب عليك تبني FDE؟ سؤالان يكفيان للحسم.
أولًا: هل تحتاج إلى بيع شيء تقني التعقيد إلى مشترٍ غير تقني؟ إذا كان عملاؤك أنفسهم مهندسين—مثلًا إذا كنت تبيع GitHub أو Datadog—فلست بحاجة إلى FDE. وإذا كان منتجك بحد ذاته جاهزًا للاستخدام فورًا مثل Slack أو Jira، فلست بحاجة أيضًا. FDE يكون ضروريًا فقط عندما يكون منتجك معقدًا، والعميل لا يفهم التقنية.
ثانيًا: هل لديك منصة قابلة لإعادة الاستخدام؟ أو هل أنت مستعد للاستثمار لبنائها؟ بدون مكونات أساسية مشتركة قابلة لإعادة الاستخدام، يكون FDE غير مستدام.
ما التغير الجديد في 2026؟
كانت تقديرات كيفن مثيرة للاهتمام: طريقة ممارسة الأعمال في قطاع البرمجيات نفسها تتغير. فبفضل الذكاء الاصطناعي أصبح بناء البرمجيات أسهل بشكل كبير، وتتجه تقريبًا جميع المنصات نحو نمط الوكلاء (Agent hóa). وهذا يعني أن معظم المنصات ستصبح قابلة للتخصيص بدرجة عالية. النتيجة هي أن عددًا متزايدًا من العملاء لن يكون قادرًا على فهم ما الذي يمكن لمنتجك فعله بالضبط. وفي عصر الوكلاء، يصبح تسليم نجاح/فشل منتجك ليكتشفه العميل بنفسه أمرًا أصعب فأصعب.
وهذا يحوّل FDE من كونه طريقة خاصة ومحدودة الاستخدام لدى Palantir، إلى موضوع ينبغي على عدد أكبر من شركات البرمجيات أخذه بجدية في الاعتبار.
سؤال أخير: ما نوع الأشخاص المناسبين للعمل في FDE؟
إجابة كيفن كانت مختصرة جدًا: FDE هو عمل يضع فيه ثقتك في مهندس برمجيات لدرجة أنك تسمح له بأن يواجه العملاء مباشرة. الكفاءة التقنية هي الأساس، لكن عليك أيضًا أن تكون مطمئنًا إلى أنه سيُمثل الشركة ويتعامل مع العملاء.
172
·
--
في الآونة الأخيرة يوجد الكثير من “vibe coding”، خصوصًا عندما تكون الحدود على وشك إعادة الضبط؛ حينها يتم رمي مجموعة من المهام على الـ Agent. بعض المهام يظهر أنها اكتملت فيُتجاهل الأمر، لكن في اليوم التالي أثناء الاختبار اكتشفت أن المهام لم تكتمل. رجعت للتحقق فتبين أنني كنت قد أنشأت worktree ولم يتم التعديل على main أصلًا، بل لم يتم دمجها من الأساس.
بعد ذلك طلبت من الـ Agent أن يقوم بفحص مُركّز، وما زال هناك الكثير من worktree من هذا النوع، فقام بتنظيفها.
وأخيرًا طلبت منه إضافة قاعدة في Agents.md: ليس أنه لا يمكن إنشاء worktree، لكن لا يجوز إغفالها.
--- مرجع تلميحات مراجعة worktree ---
ساعدني في معرفة أي worktree لم يتم مزامنتها إلى main بعد؛ احذف مباشرةً تلك التي تمت مزامنتها، واجلب قائمة بالتي لم تتم مزامنتها: الفرع، ملخص التعديلات (يتضمن آخر عدة commit)، وجلسة session المقابلة
--- مرجع تلميحات تنظيف worktree ---
ساعدني في مراجعة محتوى هذه الـ worktree؛ حدّد ما الذي يستحق الدمج، فادمجه لي ونظّف الـ worktree. غير المتأكد أعطني تأكيدًا، لكن يجب أن تقدم لي توصيات واضحة.
--- مرجع قواعد AGENTS.md ---
- عدم ترك worktree: المهام التي يتم تنفيذها داخل worktree يجب عند اكتمالها حذف ذلك worktree وفرعه. قبل الحذف اختر أحد خيارين: دمجها في `main`; أو عند عدم الدمج، أولًا اجعل التعديلات غير الملتزم بها تُسجل (commit) على هذا الفرع، ثم وسّمها بعلامة `archive/<worktree 名>` لحفظ الأرشيف، ثم نفّذ `git worktree remove` + `git branch -D` . الجلسات التي ينظمها subagent مسؤولة عن إنهاء الـ worktree التي نتجت عنها. يجب تسمية المسارات والأسباب عندما يلزم الاحتفاظ بها (بانتظار قرار المستخدم، أو وجود تعارضات لم تُحل) في الرد النهائي، ولا يجوز تركها بصمت.
في الآونة الأخيرة يوجد الكثير من “vibe coding”، خصوصًا عندما تكون الحدود على وشك إعادة الضبط؛ حينها يتم رمي مجموعة من المهام على الـ Agent. بعض المهام يظهر أنها اكتملت فيُتجاهل الأمر، لكن في اليوم التالي أثناء الاختبار اكتشفت أن المهام لم تكتمل. رجعت للتحقق فتبين أنني كنت قد أنشأت worktree ولم يتم التعديل على main أصلًا، بل لم يتم دمجها من الأساس.
بعد ذلك طلبت من الـ Agent أن يقوم بفحص مُركّز، وما زال هناك الكثير من worktree من هذا النوع، فقام بتنظيفها.
وأخيرًا طلبت منه إضافة قاعدة في Agents.md: ليس أنه لا يمكن إنشاء worktree، لكن لا يجوز إغفالها.
--- مرجع تلميحات مراجعة worktree ---
ساعدني في معرفة أي worktree لم يتم مزامنتها إلى main بعد؛ احذف مباشرةً تلك التي تمت مزامنتها، واجلب قائمة بالتي لم تتم مزامنتها: الفرع، ملخص التعديلات (يتضمن آخر عدة commit)، وجلسة session المقابلة
--- مرجع تلميحات تنظيف worktree ---
ساعدني في مراجعة محتوى هذه الـ worktree؛ حدّد ما الذي يستحق الدمج، فادمجه لي ونظّف الـ worktree. غير المتأكد أعطني تأكيدًا، لكن يجب أن تقدم لي توصيات واضحة.
--- مرجع قواعد AGENTS.md ---
- عدم ترك worktree: المهام التي يتم تنفيذها داخل worktree يجب عند اكتمالها حذف ذلك worktree وفرعه. قبل الحذف اختر أحد خيارين: دمجها في `main`; أو عند عدم الدمج، أولًا اجعل التعديلات غير الملتزم بها تُسجل (commit) على هذا الفرع، ثم وسّمها بعلامة `archive/<worktree 名>` لحفظ الأرشيف، ثم نفّذ `git worktree remove` + `git branch -D` . الجلسات التي ينظمها subagent مسؤولة عن إنهاء الـ worktree التي نتجت عنها. يجب تسمية المسارات والأسباب عندما يلزم الاحتفاظ بها (بانتظار قرار المستخدم، أو وجود تعارضات لم تُحل) في الرد النهائي، ولا يجوز تركها بصمت.
بعد ذلك طلبت من الـ Agent أن يقوم بفحص مُركّز، وما زال هناك الكثير من worktree من هذا النوع، فقام بتنظيفها.
وأخيرًا طلبت منه إضافة قاعدة في Agents.md: ليس أنه لا يمكن إنشاء worktree، لكن لا يجوز إغفالها.
--- مرجع تلميحات مراجعة worktree ---
ساعدني في معرفة أي worktree لم يتم مزامنتها إلى main بعد؛ احذف مباشرةً تلك التي تمت مزامنتها، واجلب قائمة بالتي لم تتم مزامنتها: الفرع، ملخص التعديلات (يتضمن آخر عدة commit)، وجلسة session المقابلة
--- مرجع تلميحات تنظيف worktree ---
ساعدني في مراجعة محتوى هذه الـ worktree؛ حدّد ما الذي يستحق الدمج، فادمجه لي ونظّف الـ worktree. غير المتأكد أعطني تأكيدًا، لكن يجب أن تقدم لي توصيات واضحة.
--- مرجع قواعد AGENTS.md ---
- عدم ترك worktree: المهام التي يتم تنفيذها داخل worktree يجب عند اكتمالها حذف ذلك worktree وفرعه. قبل الحذف اختر أحد خيارين: دمجها في `main`; أو عند عدم الدمج، أولًا اجعل التعديلات غير الملتزم بها تُسجل (commit) على هذا الفرع، ثم وسّمها بعلامة `archive/<worktree 名>` لحفظ الأرشيف، ثم نفّذ `git worktree remove` + `git branch -D` . الجلسات التي ينظمها subagent مسؤولة عن إنهاء الـ worktree التي نتجت عنها. يجب تسمية المسارات والأسباب عندما يلزم الاحتفاظ بها (بانتظار قرار المستخدم، أو وجود تعارضات لم تُحل) في الرد النهائي، ولا يجوز تركها بصمت.
1
197
·
--
هوانغ رين شونغ يجري مقابلة على المسرح في مؤتمر All-In Summit في لوس أنجلوس، وفجأة رنّ هاتفه. المتصل كان الرئيس الأميركي دونالد ترامب. عندما ردّ هوانغ على المكالمة، حوّلها إلى وضع السماعة الخارجية، فاستمع الحضور مباشرةً إلى صوت الرئيس.https://x.com/benitoz/status/2099572926865715548/video/1
قبل يومين، نشر الرئيس التنفيذي لشركة Anthropic داريو أمدي مقالاً مطوّلاً يزيد طوله عن أربعة آلاف كلمة بعنوان 《We Must Pace the Frontier》، دعا فيه إلى أن يبطّئ قطاع الذكاء الاصطناعي وتيرة تطوير القدرات بشكلٍ استباقي، بما يمنح أبحاث السلامة وقتاً كافياً للملاحقة. بعد نشر المقال، أعلن سام ألتمان من OpenAI بشكلٍ علني أنه يوافق، كما نشر إيلون ماسك ثلاث كلمات فقط: "Dario is right." وفجأة تغيّر جوّ الصناعة بأكمله إلى: "لا بد أن نضغط على المكابح".
من الواضح أن ترامب لم يقتنع. ففي صباح ذلك اليوم، نشر أولاً ردّاً على Truth Social، ثم مباشرةً اتصل أثناء مقابلة هوانغ على المسرح. وفي المكالمة، قال ترامب كلامه بصراحة تامة: "لن يستولي الذكاء الاصطناعي على العالم، ولن يستولي الروبوتات على العالم. إن مجمل الأمر خدعة." وأضاف أن مراكز البيانات جعلت المجتمعات التي كانت في طريقها إلى التراجع أكثر ثراءً، وأن الذكاء الاصطناعي أكبر من الإنترنت، وأن من يعارض إنشاء مراكز البيانات "يضرب ذلك مباشرةً في مصلحة من لا يريدون لأميركا أن تفوز؛ وربما يكونون سياسيين، أو ربما يكونون الصين".
كان هوانغ يوافقه طوال الوقت، ورد قائلاً: "ما تقوله صحيح. لن نسمح بحدوث ذلك. سنضمن أن تفوز الولايات المتحدة في سباق الذكاء الاصطناعي؛ كل قطاع، وكل شركة، وكل ولاية، وكل شخص".
هوانغ رين شونغ يجري مقابلة على المسرح في مؤتمر All-In Summit في لوس أنجلوس، وفجأة رنّ هاتفه. المتصل كان الرئيس الأميركي دونالد ترامب. عندما ردّ هوانغ على المكالمة، حوّلها إلى وضع السماعة الخارجية، فاستمع الحضور مباشرةً إلى صوت الرئيس.https://x.com/benitoz/status/2099572926865715548/video/1
قبل يومين، نشر الرئيس التنفيذي لشركة Anthropic داريو أمدي مقالاً مطوّلاً يزيد طوله عن أربعة آلاف كلمة بعنوان 《We Must Pace the Frontier》، دعا فيه إلى أن يبطّئ قطاع الذكاء الاصطناعي وتيرة تطوير القدرات بشكلٍ استباقي، بما يمنح أبحاث السلامة وقتاً كافياً للملاحقة. بعد نشر المقال، أعلن سام ألتمان من OpenAI بشكلٍ علني أنه يوافق، كما نشر إيلون ماسك ثلاث كلمات فقط: "Dario is right." وفجأة تغيّر جوّ الصناعة بأكمله إلى: "لا بد أن نضغط على المكابح".
من الواضح أن ترامب لم يقتنع. ففي صباح ذلك اليوم، نشر أولاً ردّاً على Truth Social، ثم مباشرةً اتصل أثناء مقابلة هوانغ على المسرح. وفي المكالمة، قال ترامب كلامه بصراحة تامة: "لن يستولي الذكاء الاصطناعي على العالم، ولن يستولي الروبوتات على العالم. إن مجمل الأمر خدعة." وأضاف أن مراكز البيانات جعلت المجتمعات التي كانت في طريقها إلى التراجع أكثر ثراءً، وأن الذكاء الاصطناعي أكبر من الإنترنت، وأن من يعارض إنشاء مراكز البيانات "يضرب ذلك مباشرةً في مصلحة من لا يريدون لأميركا أن تفوز؛ وربما يكونون سياسيين، أو ربما يكونون الصين".
كان هوانغ يوافقه طوال الوقت، ورد قائلاً: "ما تقوله صحيح. لن نسمح بحدوث ذلك. سنضمن أن تفوز الولايات المتحدة في سباق الذكاء الاصطناعي؛ كل قطاع، وكل شركة، وكل ولاية، وكل شخص".
قبل يومين، نشر الرئيس التنفيذي لشركة Anthropic داريو أمدي مقالاً مطوّلاً يزيد طوله عن أربعة آلاف كلمة بعنوان 《We Must Pace the Frontier》، دعا فيه إلى أن يبطّئ قطاع الذكاء الاصطناعي وتيرة تطوير القدرات بشكلٍ استباقي، بما يمنح أبحاث السلامة وقتاً كافياً للملاحقة. بعد نشر المقال، أعلن سام ألتمان من OpenAI بشكلٍ علني أنه يوافق، كما نشر إيلون ماسك ثلاث كلمات فقط: "Dario is right." وفجأة تغيّر جوّ الصناعة بأكمله إلى: "لا بد أن نضغط على المكابح".
من الواضح أن ترامب لم يقتنع. ففي صباح ذلك اليوم، نشر أولاً ردّاً على Truth Social، ثم مباشرةً اتصل أثناء مقابلة هوانغ على المسرح. وفي المكالمة، قال ترامب كلامه بصراحة تامة: "لن يستولي الذكاء الاصطناعي على العالم، ولن يستولي الروبوتات على العالم. إن مجمل الأمر خدعة." وأضاف أن مراكز البيانات جعلت المجتمعات التي كانت في طريقها إلى التراجع أكثر ثراءً، وأن الذكاء الاصطناعي أكبر من الإنترنت، وأن من يعارض إنشاء مراكز البيانات "يضرب ذلك مباشرةً في مصلحة من لا يريدون لأميركا أن تفوز؛ وربما يكونون سياسيين، أو ربما يكونون الصين".
كان هوانغ يوافقه طوال الوقت، ورد قائلاً: "ما تقوله صحيح. لن نسمح بحدوث ذلك. سنضمن أن تفوز الولايات المتحدة في سباق الذكاء الاصطناعي؛ كل قطاع، وكل شركة، وكل ولاية، وكل شخص".
90
·
--
لعبة إطلاق نار مفتوحة للعالم قادمة من «ستاركرافت»؛ من المقرر إصدارها في عام 2030، وتبدو وكأنها مُستوحاة بشكل كبير
لعبة إطلاق نار مفتوحة للعالم قادمة من «ستاركرافت»؛ من المقرر إصدارها في عام 2030، وتبدو وكأنها مُستوحاة بشكل كبير
34
سجّل الدخول لاستكشاف المزيد من المُحتوى
انضم إلى مُستخدمي العملات الرقمية حول العالم على Binance Square
⚡️ احصل على أحدث المعلومات المفيدة عن العملات الرقمية.
💬 موثوقة من قبل أكبر منصّة لتداول العملات الرقمية في العالم.
👍 اكتشف الرؤى الحقيقية من صنّاع المُحتوى الموثوقين.
البريد الإلكتروني / رقم الهاتف
المواضيع الرائجة
NFPWatch
10.9M مشاهدات
19,281 يقومون بالنقاش
أخبار العملات الرقمية | البيتكوين تقترب من 85 ألف دولار مع تراجع عوائد الخزانة الأميركية قبيل تقرير الوظائف الأميركي غير الزراعي
Binance News
·40 إعجاب
·50.5k مشاهدات
BitcoinFundingRateTriplesTo10%
168,896 مشاهدات
1,192 يقومون بالنقاش
BitcoinSurpasses$86KUp2.99%
55,354 مشاهدات
113 يقومون بالنقاش