معهد التخطيط القومي يعقد برنامجًا تدريبيًا حول "الذكاء الاصطناعي وتطبيقاته"

عقد معهد التخطيط القومي برنامجًا تدريبيًا بعنوان "الذكاء الاصطناعي وتطبيقاته" لعددٍ من العاملين بالمجلس القومي للسكان، بلغ عددهم 20 متدربًا، وذلك خلال الفترة من 4 إلى 7 مايو 2025.
شارك في البرنامج دكتورة بسمة محرم الحداد، مدير مركز الأساليب التخطيطية بالمعهد والمشرف العلمي على البرنامج، وأ. سعد عبد الحميد، المدرس المساعد بمركز الأساليب التخطيطية.
يأتي هذا البرنامج انطلاقًا من حرص المعهد على تنمية الكوادر البشرية، واعتماد الأساليب العلمية الحديثة في تطوير المهارات وبناء القدرات المعرفية والإبداعية في مختلف المجالات.
مفاهيم الذكاء الاصطناعي
وفي هذا السياق، أوضح الدكتور أشرف صلاح الدين، نائب رئيس المعهد لشئون التدريب والاستشارات وخدمة المجتمع، أن البرنامج يهدف إلى تعريف المشاركين بمفاهيم الذكاء الاصطناعي، والتعرف على أنواعه وخصائصه وتطبيقاته، بالإضافة إلى تكنولوجياته وأدواته التي يمكن توظيفها عمليًا في حل المشكلات، ودعم اتخاذ القرار، وتعزيز كفاءة الأعمال وبيئات العمل.
وأشار إلى أن البرنامج يتناول كذلك تطبيقات الذكاء الاصطناعي من خلال عرض نماذج عملية لتحليل وإعداد وتطوير بعض النماذج المعتمدة على المعرفة، والتعرف على كيفية بناء النظم الخبيرة، إلى جانب استعراض الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة وتطبيقاتها، وكذلك تعلم الآلة بأنواعه المختلفة وتطبيقاته المتنوعة.
محاور البرنامج
وجدير بالذكر أن البرنامج تضمن عدة محاور، منها: الذكاء الاصطناعي: المفاهيم والإطار النظري"، ويتناول المفاهيم والمدخلات والسمات الأساسية للذكاء الاصطناعي، بالإضافة إلى تاريخه ومراحل تطوره، والذكاء الاصطناعي: المجالات والأنواع والتكنولوجيات البازغة"، وتعلم الآلة والذكاء الاصطناعي التوليدي"، وتطبيقات النماذج اللغوية الكبيرة (LLMs)".

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

الاتحاد

منذ 3 أيام

• الاتحاد

"AlphaEvolve" يفك شيفرات رياضية أعجزت البشر لعقود!

في خطوة قد تُعيد رسم حدود الابتكار العلمي، كشفت شركة Google DeepMind عن نظام ثوري يُدعى AlphaEvolve، يمثل قفزة نوعية في توظيف الذكاء الاصطناعي لحل مشكلات رياضية وخوارزمية معقدة طالما حيّرت العلماء لعقود. ما يميز AlphaEvolve ليس فقط قدرته على تسريع الحلول، بل ابتكاره لطرق جديدة بالكامل، عبر الدمج بين إبداع نماذج اللغة الكبيرة (LLMs) وخوارزميات تقييم تفاعلية تُنقّح وتُطوّر الأفكار بشكل ذاتي ومتدرج. نموذج يُبدع... لا يُقلّد AlphaEvolve يختلف عن الأدوات السابقة التي اعتمدت على ذكاء اصطناعي مصمّم خصيصًا لمهام محددة. فهو نموذج عام متعدد الاستخدامات، قادر على معالجة قضايا علمية في مجالات متعددة، عبر ما يشبه دورة تطورية للأفكار. تبدأ العملية من إدخال مسألة علمية ومعايير للحل، ثم يقترح النموذج مئات التعديلات، تقوم خوارزمية داخلية بتقييمها وفرز الأنسب منها، لتولد عنها حلول جديدة أكثر تطورًا. هكذا، يتطور النظام بشكل ذاتي، ويُنتج أفكارًا مبتكرة تمامًا دون تدخّل بشري مباشر. اقرا أيضاً.. في أضخم تجربة طبية عرفها التاريخ.. الذكاء الاصطناعي يشخّص ويتفوق على الأطباء من المختبر إلى التطبيق ووفقًا لما نشره موقع Scientific American، لم يبقَ AlphaEvolve مجرد تجربة نظرية في المختبر، بل أثبت فعاليته في أرض الواقع داخل شركة Google نفسها. فقد ساهم في تحسين تصميم الجيل الجديد من معالجات الذكاء الاصطناعي (TPUs)، كما أعاد تنظيم طريقة توزيع المهام الحوسبية في مراكز بيانات جوجل حول العالم، ما أدى إلى توفير 0.7% من إجمالي موارد الشركة — وهي نسبة ضخمة عند الحديث عن بنية تحتية بحجم جوجل. إنجاز رياضي يتفوق على إنسان منذ 1969 واحدة من أبرز مفاجآت AlphaEvolve كانت ابتكار خوارزمية جديدة لضرب المصفوفات تتفوق – في بعض الحالات – على الطريقة الأسرع المعروفة حتى اليوم، والتي ابتكرها الرياضي الألماني فولكر شتراسن عام 1969. مثل هذه العمليات أساسية في تدريب الشبكات العصبية، ما يعكس البعد الاستراتيجي لاكتشاف كهذا. نقلة على مستوى الحجم والتعقيد بُني AlphaEvolve على أساس نظام FunSearch الذي أُطلق في 2023، والذي أظهر قدرة على حل مسائل رياضية غير محلولة. إلا أن AlphaEvolve يتميز بقدرته على معالجة شيفرات أكبر وخوارزميات أكثر تعقيدًا، بالإضافة إلى اتساع نطاق تطبيقه في العلوم والهندسة. حدود الإمكانات ورغم الإشادات، يقرّ علماء مثل سيمون فريدر من جامعة أوكسفورد أن إمكانات AlphaEvolve قد تظل محدودة بالمهام القابلة للتحويل إلى أكواد قابلة للتقييم. كما دعا باحثون مثل هوان صن إلى الحذر، مطالبين بتجارب مفتوحة ضمن المجتمع العلمي قبل الحكم النهائي على قدرات النظام. ورغم أن تشغيل AlphaEvolve أقل استهلاكًا للطاقة من AlphaTensor، إلا أن كلفته لا تزال مرتفعة بما يمنع توفيره للجمهور حاليًا. مع ذلك، تأمل Google DeepMind أن يدفع هذا التقدم الباحثين إلى اقتراح مجالات جديدة لتجريب هذا النظام، مؤكدة التزامها بإتاحة أدواته تدريجيًا أمام المجتمع العلمي العالمي.

البوابة

١٠-٠٥-٢٠٢٥

• البوابة

معهد التخطيط القومي يعقد برنامجًا تدريبيًا حول "الذكاء الاصطناعي وتطبيقاته"

عقد معهد التخطيط القومي برنامجًا تدريبيًا بعنوان "الذكاء الاصطناعي وتطبيقاته" لعددٍ من العاملين بالمجلس القومي للسكان، بلغ عددهم 20 متدربًا، وذلك خلال الفترة من 4 إلى 7 مايو 2025. شارك في البرنامج دكتورة بسمة محرم الحداد، مدير مركز الأساليب التخطيطية بالمعهد والمشرف العلمي على البرنامج، وأ. سعد عبد الحميد، المدرس المساعد بمركز الأساليب التخطيطية. يأتي هذا البرنامج انطلاقًا من حرص المعهد على تنمية الكوادر البشرية، واعتماد الأساليب العلمية الحديثة في تطوير المهارات وبناء القدرات المعرفية والإبداعية في مختلف المجالات. مفاهيم الذكاء الاصطناعي وفي هذا السياق، أوضح الدكتور أشرف صلاح الدين، نائب رئيس المعهد لشئون التدريب والاستشارات وخدمة المجتمع، أن البرنامج يهدف إلى تعريف المشاركين بمفاهيم الذكاء الاصطناعي، والتعرف على أنواعه وخصائصه وتطبيقاته، بالإضافة إلى تكنولوجياته وأدواته التي يمكن توظيفها عمليًا في حل المشكلات، ودعم اتخاذ القرار، وتعزيز كفاءة الأعمال وبيئات العمل. وأشار إلى أن البرنامج يتناول كذلك تطبيقات الذكاء الاصطناعي من خلال عرض نماذج عملية لتحليل وإعداد وتطوير بعض النماذج المعتمدة على المعرفة، والتعرف على كيفية بناء النظم الخبيرة، إلى جانب استعراض الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة وتطبيقاتها، وكذلك تعلم الآلة بأنواعه المختلفة وتطبيقاته المتنوعة. محاور البرنامج وجدير بالذكر أن البرنامج تضمن عدة محاور، منها: الذكاء الاصطناعي: المفاهيم والإطار النظري"، ويتناول المفاهيم والمدخلات والسمات الأساسية للذكاء الاصطناعي، بالإضافة إلى تاريخه ومراحل تطوره، والذكاء الاصطناعي: المجالات والأنواع والتكنولوجيات البازغة"، وتعلم الآلة والذكاء الاصطناعي التوليدي"، وتطبيقات النماذج اللغوية الكبيرة (LLMs)".

ارابيان بيزنس

٣٠-٠٤-٢٠٢٥

• ارابيان بيزنس

فك شيفرة 'فالكون 180B': رحلة داخل عقل عملاق رقمي وكيفية بناءه

تخيل للحظة رقماً: 180 مليار. ليس مليوناً، بل مليار. هذا هو عدد 'البارامترات' أو المعاملات التي يحتوي عليها نموذج الذكاء الاصطناعي 'فالكون 180B'. لو حاولت عَدّ هذا الرقم بمعدل رقم كل ثانية، لاستغرق الأمر منك أكثر من 5700 عام! هذا العدد الضخم يضعنا أمام وحش رقمي حقيقي، ويجعلنا نتساءل: ما معنى كل هذه الأرقام؟ وكيف يمكن بناء شيء بهذا التعقيد الهائل؟ دعنا نبسط الأمور قليلاً. نماذج اللغات الكبيرة (LLMs) مثل 'فالكون' هي في جوهرها شبكات عصبية اصطناعية معقدة للغاية. فكر في 'البارامترات' كأنها مقابض وأزرار دقيقة جداً داخل هذه الشبكة. كلما زاد عدد هذه المقابض والأزرار، زادت قدرة النموذج نظرياً على تعلم الأنماط المعقدة في اللغة وفهم الفروق الدقيقة بين الكلمات والمعاني. 'فالكون 180B'، بهذا العدد الهائل من البارامترات، تم تصميمه ليكون قادراً على التعامل مع مهام لغوية معقدة جداً. لكن كيف يتعلم هذا العقل الرقمي؟ هنا يأتي دور البيانات، والكثير جداً منها. تم تدريب 'فالكون 180B' على ما يقرب من 3.5 تريليون 'توكن'. الـ 'توكن' يمكن أن يكون كلمة كاملة، أو جزءاً من كلمة، أو حتى علامة ترقيم. تخيل مكتبة رقمية بحجم لا يمكن تصوره تحتوي على نصوص من كل حدب وصوب من الإنترنت (تم تجميعها وتنقيحها بعناية في مجموعة بيانات اسمها RefinedWeb). عملية التدريب تشبه جعل النموذج يقرأ هذه المكتبة الهائلة مراراً وتكراراً، وفي كل مرة يحاول التنبؤ بالكلمة التالية في النص، ويقوم بتعديل تلك الـ 180 مليار مقبض وزر بناءً على مدى صحة توقعه. إنها عملية ضخمة ومكثفة حسابياً بشكل لا يصدق. وهنا نصل إلى التحدي الهندسي الهائل: كيف توفر القوة الحاسوبية اللازمة لتدريب مثل هذا العملاق؟ أنت لا تتحدث عن جهاز كمبيوتر شخصي قوي، ولا حتى عن خادم جامعي متطور. أنت بحاجة إلى جيش من وحدات معالجة الرسوميات (GPUs) المتطورة، مثل NVIDIA A100s – وهي رقائق قوية جداً ومصممة خصيصاً لمهام الذكاء الاصطناعي. يتطلب تشغيل 180B مئات الجيجابايت من الذاكرة، وتحتاج إلى ربط العديد من هذه الرقائق معاً في مجموعات ضخمة تعمل بتناغم تام. فكر فيها كأوركسترا سيمفونية رقمية عملاقة، كل عازف (GPU) يجب أن يؤدي دوره بدقة متناهية وبالتزامن مع الآخرين لمعالجة تريليونات التوكنات وتعديل مليارات البارامترات. هذا النوع من البنية التحتية ليس شيئاً تبنيه بسهولة في قبو منزلك. هنا يأتي دور المنصات السحابية مثل خدمات أمازون ويب (AWS). منصات مثل Amazon SageMaker (لإدارة وتنظيم عملية التدريب والنشر المعقدة)، و Amazon S3 (لتخزين كميات البيانات الهائلة بأمان)، و Amazon EC2 (لتوفير القوة الحاسوبية الخام من خلال أساطيل من الـ GPUs) تعمل بمثابة 'المصنع الرقمي' أو 'المسبك' الذي يمكن فيه بناء وتشغيل مثل هذه النماذج الضخمة. بدون هذه الأدوات والبنية التحتية القوية، لكانت مهمة تدريب نموذج بحجم 180B شبه مستحيلة عملياً لمعظم المؤسسات. إنها توفر الأدوات والقدرات اللازمة لتحويل الأفكار النظرية الطموحة إلى واقع رقمي ملموس. الآن، بعد بناء هذا الشيء المذهل، كيف تشاركه مع العالم؟ هنا تدخل التراخيص. استخدم 'فالكون 180B' ترخيصاً يعتمد على'Apache 2.0″، وهو خيار شائع في عالم البرمجيات مفتوحة المصدر ويسمح بالكثير من الحرية في الاستخدام والتعديل. لكنه أضاف بعض البنود الخاصة. أحدها هو 'قيود الاستضافة'، والتي تنظم بشكل أساسي كيف يمكن للآخرين تقديم النموذج نفسه كخدمة تجارية مدفوعة – فكر فيها كقواعد لكيفية مشاركة النسخ تجارياً على نطاق واسع. وهناك أيضاً 'سياسة استخدام مقبول' منفصلة تحدد بعض الاستخدامات المسموحة والمحظورة. هذه آليات يتم استخدامها أحياناً لإدارة كيفية توزيع واستخدام البرمجيات أو النماذج المعقدة في بيئات مختلفة. عندما خرج 'فالكون 180B' إلى النور، أظهر قدرات مثيرة للاهتمام حقاً في الاختبارات القياسية (benchmarks). هذه الاختبارات هي طرق موحدة لقياس أداء النماذج في مهام محددة (مثل الإجابة على الأسئلة، أو فهم النصوص). تصدره لقائمة Hugging Face لنماذج اللغات الكبيرة المفتوحة في ذلك الوقت كان مؤشراً على القدرات التي تم تصميمها فيه، ووضعه في مرتبة متقدمة مقارنة بنماذج أخرى كانت متاحة في تلك الفترة. وبالطبع، عالم الذكاء الاصطناعي لا يتوقف عن الحركة أبداً. إنه مجال يتطور بسرعة البرق. الأبحاث تستمر، وتظهر تقنيات وأفكار جديدة باستمرار. نفس الفريق في معهد الابتكار التكنولوجي واصل العمل، وأطلق نماذج لاحقة تستكشف اتجاهات مختلفة: 'فالكون 2″ الذي يدمج فهم الصور مع اللغة (متعدد الوسائط)، و'فالكون مامبا' الذي يستخدم بنية مختلفة تماماً (تسمىstate-space model) تركز على الكفاءة، وسلسلة 'فالكون 3' التي تقدم نماذج أصغر حجماً ومُحسّنة للاستخدام على أجهزة أقل قوة. هذا التطور المستمر هو السمة المميزة لهذا المجال البحثي المثير – دائماً هناك تحدٍ جديد، فكرة جديدة، وهندسة مبتكرة قيد التجربة. في النهاية، قصة 'فالكون 180B' من منظور تقني بحت هي شهادة على ما يمكن تحقيقه عندما تجتمع الأفكار الطموحة، والبيانات الهائلة، والقوة الحاسوبية الجبارة، والأدوات المتقدمة. إنها تفتح نافذة على التعقيد المذهل للذكاء الاصطناعي الحديث، وتذكرنا بأننا ربما لا نزال في المراحل الأولى جداً من فهم واستكشاف إمكانيات هذه العقول الرقمية التي نبنيها. والسؤال المثير دائماً هو: ما هي الحدود التالية التي ستكسرها هذه التكنولوجيا؟