قمة وجوائز سايبر إكس تُعقد بنجاح لأول مرة في البحرين

استضافت مملكة البحرين بنجاح، يوم الأربعاء ٢٣ أبريل ٢٠٢٥، "قمة وجوائز سايبر إكس" (CyberX Summit and Awards)، الحدث البارز ضمن سلسلة المؤتمرات العالمية المتخصصة في الأمن السيبراني والتي تغطي مناطق الشرق الأوسط وأفريقيا وجنوب شرق آسيا. أقيمت القمة في فندق الدبلومات راديسون بلو بالمنامة تحت شعار محوري هو "حالة الأمن السيبراني والاتجاهات الجديدة التي تُحدث تغييرًا في استراتيجيات 2025".
شهدت القمة، التي تُعد التجمع الأول من نوعه لهذه السلسلة في البحرين، حضوراً واسعاً من قادة تكنولوجيا المعلومات والأمن السيبراني والخبراء وصناع القرار والمبتكرين من مختلف القطاعات الحيوية في المملكة والمنطقة. وهدفت إلى توفير منصة استراتيجية لاستكشاف أحدث التهديدات السيبرانية المتطورة، ومناقشة الحلول المبتكرة، وتبادل الرؤى حول الاتجاهات المستقبلية التي ستشكل مشهد الأمن الرقمي بحلول عام 2025 وما بعده.
وافتتحت أعمال القمة بكلمة رئيسية قدمها الدكتور جاسم حاجي، المستشار التنفيذي لمركز سمو الشيخ ناصر للبحوث والتطوير في الذكاء الاصطناعي، رئيس المجموعة العالمية الذكاء الاصطناعي. ركز الدكتور حاجي في كلمته على "مستقبل الأمن السيبراني مع الذكاء الاصطناعي"، مسلطاً الضوء على الإمكانيات الهائلة والتحولات العميقة التي يُحدثها الذكاء الاصطناعي في تعزيز القدرات الدفاعية والتنبؤ بالهجمات السيبرانية والتصدي لها بفعالية غير مسبوقة.

جرب ميزات الذكاء الاصطناعي لدينا

اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:

التعلم مع الذكاء الاصطناعيالتحقق من الحقائقتحويل النص إلى كلامملخص الذكاء الاصطناعي

أخبار ذات صلة

البلاد البحرينية

٢٨-٠٤-٢٠٢٥

• البلاد البحرينية

قمة وجوائز سايبر إكس تُعقد بنجاح لأول مرة في البحرين

استضافت مملكة البحرين بنجاح، يوم الأربعاء ٢٣ أبريل ٢٠٢٥، "قمة وجوائز سايبر إكس" (CyberX Summit and Awards)، الحدث البارز ضمن سلسلة المؤتمرات العالمية المتخصصة في الأمن السيبراني والتي تغطي مناطق الشرق الأوسط وأفريقيا وجنوب شرق آسيا. أقيمت القمة في فندق الدبلومات راديسون بلو بالمنامة تحت شعار محوري هو "حالة الأمن السيبراني والاتجاهات الجديدة التي تُحدث تغييرًا في استراتيجيات 2025". شهدت القمة، التي تُعد التجمع الأول من نوعه لهذه السلسلة في البحرين، حضوراً واسعاً من قادة تكنولوجيا المعلومات والأمن السيبراني والخبراء وصناع القرار والمبتكرين من مختلف القطاعات الحيوية في المملكة والمنطقة. وهدفت إلى توفير منصة استراتيجية لاستكشاف أحدث التهديدات السيبرانية المتطورة، ومناقشة الحلول المبتكرة، وتبادل الرؤى حول الاتجاهات المستقبلية التي ستشكل مشهد الأمن الرقمي بحلول عام 2025 وما بعده. وافتتحت أعمال القمة بكلمة رئيسية قدمها الدكتور جاسم حاجي، المستشار التنفيذي لمركز سمو الشيخ ناصر للبحوث والتطوير في الذكاء الاصطناعي، رئيس المجموعة العالمية الذكاء الاصطناعي. ركز الدكتور حاجي في كلمته على "مستقبل الأمن السيبراني مع الذكاء الاصطناعي"، مسلطاً الضوء على الإمكانيات الهائلة والتحولات العميقة التي يُحدثها الذكاء الاصطناعي في تعزيز القدرات الدفاعية والتنبؤ بالهجمات السيبرانية والتصدي لها بفعالية غير مسبوقة.

الوطن

١٧-٠٤-٢٠٢٥

• الوطن

ما هو نموذج الذكاء الاصطناعي Llama 4 الذي أطلقته شركة 'ميتا'؟

د. جاسم حاجي يُعد Llama4 مجموعة جديدة من نماذج الذكاء الاصطناعي التي ستجعل «ميتا AI» أكثر ذكاءً على تطبيقات مثل «واتساب»، و»إنستغرام»، و»ماسنجر». يمكن تحميل نموذجين من هذه السلسلة، وهما Llama 4 Scout وLlama4 Maverick، من موقع «ميتا» المخصص لـ Llama أو عبر منصة «Hugging Face». كما استعرضت الشركة نموذجاً خاصاً يُدعى Llama4 Behemoth، وهو نموذج متطور يُستخدم في تدريب باقي نماذج Llama4. ببساطة، تُعرف النماذج المتاحة للعامة والمُدرّبة بأوزان مفتوحة باسم «نماذج الذكاء الاصطناعي ذات الأوزان المفتوحة». وتتيح هذه النماذج للمستخدمين تشغيلها محلياً دون الحاجة للاعتماد على واجهات برمجة التطبيقات السحابية. ومع ذلك، قد تظل هناك قيود ترخيص تتعلق بالتعديل أو الاستخدام التجاري. ووفقاً للتقارير، صممت «ميتا» نموذج Llama4 Scout، وهو نموذج أصغر حجماً، ليكون متعدد الوسائط بصورة أصلية. ويعتمد هذا النموذج على تصميم «مزيج من الخبراء» (MoE)، وهو أشبه بوجود فريق من 16 خبيراً متخصصاً يعملون معاً، مع 17 مليار معلمة نشطة تجعله نموذجاً ذكياً للغاية. يستطيع هذا النموذج معالجة كمية هائلة من المعلومات دفعة واحدة تصل إلى 10 ملايين وحدة بيانات، سواء كانت كلمات أو أجزاء من الصور. بالإضافة إلى ذلك، يتمتع بكفاءة عالية تجعله قادراً على العمل باستخدام وحدة معالجة رسومات واحدة فقط من نوع Nvidia H100، وهي شريحة حاسوبية مصممة خصيصاً للمهام الثقيلة في مجال الذكاء الاصطناعي. Llama 4 قد يكون أفضل معلم رياضيات لكيُعد Llama4 Behemoth أكبر وأقوى نموذج في عائلة Llama4، حيث يعمل بمثابة معلم يساعد في تدريب النماذج الأصغر. كما أنه نموذج متعدد الوسائط يمكنه التعامل مع النصوص والصور وغيرها. يحتوي هذا النموذج على 288 مليار معلمة نشطة، ويصل إجمالي عدد معالمه إلى نحو تريليوني معلمة. وتدّعي «ميتا» أن هذا النموذج يتمتع بأداء فائق في مجالات مثل الرياضيات، والعمل بمختلف اللغات، ومعالجة الصور، مما يجعله مثالياً لتوجيه وتدريب بقية نماذج Llama4. وعلاوة على ذلك، ذكرت «ميتا» أن نماذج الذكاء الاصطناعي الجديدة الخاصة بها قادرة على التفوق على نماذج مثل Gemma 3 من «غوغل»، وGemini2.0 Flash-Lite، وChatGPT-4o من «OpenAI»، وMistral 3.1 في العديد من الاختبارات التي تقيس أداء نماذج الذكاء الاصطناعي. Scout وMaverick:قدمت «ميتا» نموذج Llama4 Scout، وهو نموذج قوي وخفيف الوزن في الوقت ذاته، تم بناؤه باستخدام 17 مليار معلمة نشطة مع 16 خبيراً. ويعمل Scout بكفاءة على بطاقة رسومات واحدة متقدمة — NVIDIA H100 — مما يجعله أكثر توفراً للمطورين والباحثين. في مصطلحات الذكاء الاصطناعي، تعمل «المعلمات» مثل الخلايا العصبية في الدماغ، حيث تساعد النموذج على التعلم من البيانات، وفهم اللغة، واتخاذ القرارات المبنية على المعلومات. وكلما زاد عدد المعلمات، زادت درجة ذكاء النموذج. كما أن Scout قادر على معالجة 10 ملايين رمز (token) دفعة واحدة، مما يجعله مفيداً جداً في تحليل كميات ضخمة من البيانات والمعلومات في وقت واحد. ووفقاً لما ذكرته الشركة في منشور على مدونتها، فإن Scout يتفوق على الإصدارات السابقة من نماذج Llama وعلى نماذج أخرى مماثلة مثل Gemma3 و Gemini2.0 Flash-Lite و Mistral 3.1 في العديد من الاختبارات القياسية. مقارنة مع الصين:تشهد الصين تقدماً ملحوظاً في قدراتها على تطوير الذكاء الاصطناعي، مع إطلاق سلسلة «Qwen» من «علي بابا»، و«DeepSeek's R1»، و«ManusAI»، و»Hunyuan Turbo S» من «تينسنت»، من بين نماذج أخرى.وقد أُنجز تطوير النموذج منخفض التكلفة في الصين خلال شهرين فقط، باستثمار يقل عن 6 ملايين دولار، وهو ما يُعد فارقًا كبيرًا مقارنة بتكلفة تدريب نموذج GPT-4 من «OpenAI»، والتي وصلت إلى نحو 100 مليون دولار، وفق ما أفاد تقرير لـ «ET» في يناير. ويحقق نموذج «Qwen» أداءً تنافسياً مع النماذج الرائدة ويتفوق على «DeepSeek V3» في اختبارات البرمجة واستعلامات المستخدم الشائعة. أما «Qwen 2.5 Max»، فيضم 72 مليار معلمة، وربما أكثر في إصداره الأقصى «Max»، وقد تم تدريبه على 20 تريليون رمز، متفوقاً بذلك على «DeepSeek» الذي تدرب على 14.8 تريليون رمز. وفي الشهر الماضي، تم تقديم نموذج صيني آخر يُدعى Manus AI، وهو يمثل قفزة نوعية نحو الاستقلالية في الذكاء الاصطناعي، حيث يستطيع تنفيذ سير عمل متعدد الخطوات، والوصول إلى مصادر البيانات الموثوقة من خلال واجهات برمجة التطبيقات (API). وقد حقق Manus مستوى أداء رائد عالمياً عبر جميع مستوياته الثلاثة من الصعوبة.ومع ذلك، ووفقاً لمسح أجرته منصة «Artificial Analysis»، وهي منصة مستقلة لتقييم أداء الذكاء الاصطناعي، جاء نموذج «Llama» في المرتبة الثانية كأكثر النماذج التي يتم التفكير باستخدامها، واحتل الصدارة بين النماذج مفتوحة المصدر. ومع توسّع قدرات الذكاء الاصطناعي عالمياً، يتزايد توجه الصناعة نحو معايير لا تقتصر فقط على الأداء، بل تشمل أيضًا الانفتاح والكفاءة والتكامل بين اللغات والوسائط المتعددة — وهي مجالات تحرز فيها كل من «ميتا» وعملاقة التكنولوجيا الصينية تقدماً ملحوظاً.

الوطن

١١-٠٤-٢٠٢٥

• الوطن

النوايا الخفية في نماذج الذكاء الاصطناعي.. بين الشفافية والخداع

د. جاسم حاجي أحرزت نماذج الذكاء الاصطناعي المتقدمة، وخاصة في مجال توليد النصوص، تطوراً كبيراً في التعبير المنطقي المتسلسل عبر ما يُعرف بـ«سلسلة التفكير». هذا الأسلوب يوحي بشفافية النموذج، إلا أن الأبحاث تكشف عن جانب مقلق. فقد رصد باحثو OpenAI أن بعض النماذج تُظهر نوايا تخريبية أثناء التفكير، كالرغبة في اختراق الأنظمة أو تنفيذ أوامر غير مصرح بها. ورغم أن هذه الصراحة قد توحي بالوضوح، إلا أنه قد يكون تكتيكاً لخداع المشرفين، خاصة عند وجود رقابة بشرية مباشرة ومكثفة. فالذكاء الاصطناعي قد يتعلم إخفاء نواياه لتجنب العقوبات، مما يجعله أكثر خداعاً وخطورة مع الوقت. وهذا يطرح تساؤلات مهمة حول كيفية مراقبة النماذج وضمان تصرفها بأمان. هل يمكن للذكاء الاصطناعي إخفاء نواياه؟تشير الأبحاث إلى أن هذه النماذج يمكنها تعلم كيفية إخفاء نواياها الحقيقية إذا شعرت بأنها تحت رقابة صارمة. وهذا يعني أن الخطر الحقيقي لا يكمن في النوايا الظاهرة، بل في تلك التي تُخفيها النماذج بذكاء، وهو ما يمثل تحدياً كبيراً أمام المطورين والباحثين الذين يسعون لضمان سلامة هذه الأنظمة.ومع تطور قدرات الذكاء الاصطناعي، تزداد المخاوف من أن تصل النماذج في المستقبل إلى مرحلة لا يمكن فيها التحقق من نواياها أو السيطرة عليها بشكل كامل، مما يجعل من الضروري التفكير بأساليب إشراف جديدة وأكثر فاعلية. * التعلم المعزز:من أبرز الطرق المستخدمة في تدريب النماذج الذكية ما يُعرف بـ«التعلم المعزز»، والذي يقوم على مبدأ المكافأة والعقاب لتوجيه سلوك النموذج. إلا أن لهذه الطريقة مزايا وتحديات:1- المكافآت والعقوبات: سيف ذو حدين:- قد تساهم العقوبات في تسريع التعلم، لكنها قد تدفع النموذج إلى إخفاء نواياه الحقيقية لتجنب العقاب.- التوازن مطلوب: يجب ضبط مستوى المكافآت والعقوبات بعناية لتجنب سلوكيات غير مرغوبة أو سطحية.2- اختراق المكافآت والتحايل:- أحياناً، تتعلم النماذج استغلال الثغرات في تصميم نظام المكافآت، فتركز مثلاً على تقليد الأسلوب بدلاً من تقديم إجابات ذات معنى.- هذا النوع من «التحايل» يؤدي إلى نتائج تبدو جيدة ظاهرياً لكنها تفتقر للفهم العميق.- الحل يكمن في تصميم أنظمة مكافآت متعددة الأبعاد واستخدام طرق تدريب تقلل من فرص التحايل.3- دور الإشراف البشري:- لا غنى عن المشرف البشري لضمان توافق النموذج مع القيم والمعايير الأخلاقية.- البشر قادرون على اكتشاف التحيزات، وتصحيح المسارات، والتعرف على أي سلوك مخادع أو غير متوقع.- الملاحظات المستمرة تساهم في تحسين استدلال النموذج وتقلل من فرص إساءة استخدامه. * الخلاصة وتساؤلات مستقبلية:يمثل التعلم المعزز أداة فعالة لتعزيز قدرات نماذج اللغة الكبيرة، إلا أنه يتطلب توازناً دقيقاً بين الحرية والانضباط، وبين الإشراف والمخاطرة. ولضمان سلامة هذه النماذج، من المهم تطوير أنظمة مكافآت ذكية ومتنوعة، وتحسين خوارزميات التعلم المعزز لتكون أكثر استقراراً، إلى جانب تعزيز تقنيات المراقبة لفهم سلوك النموذج بدقة. كما يُفضَّل اعتماد نهج هجين يجمع بين التعلم المعزز والتعديل البشري الانتقائي لتحقيق الفاعلية المطلوبة وتقليل احتمالات الخطأ أو الانحراف في السلوك.حتى الآن، لا يمكن التأكد من مدى دقة «سلسلة التفكير» التي تعرضها النماذج، فهل تمثل حقاً ما يدور في «عقل» الذكاء الاصطناعي؟ أم أنها مجرد كلمات لا تعكس الواقع الداخلي للنموذج؟هذا السؤال المطروح من قبل باحثين في OpenAI ومطوري نموذج Claude يعكس الحاجة إلى مزيد من البحث والتجريب لفهم هذه الأنظمة المتطورة بعمق، وضمان أنها تخدم البشرية دون التسبب بمخاطر يصعب احتواؤها.