أمانة «التعاون» تشارك في مخيم إماراتي
وهدفت الورشتان إلى تعميق الفهم والمعرفة في أبعاد وآفاق تقنيات الذكاء الاصطناعي، وجاهزية الحكومات والجهات والمؤسسات لعصر وكلاء الذكاء الاصطناعي.
هاشتاغز
جرب ميزات الذكاء الاصطناعي لدينا
اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:
التعليقات
لا يوجد تعليقات بعد...
أخبار ذات صلة
البيان
منذ 28 دقائق
- البيان
الذكاء الاصطناعي في صيانة السكك الحديدية.. نموذج دبي للابتكار التشغيلي
يشكّل نظام الفحص الآلي للبنية التحتية للسكك الحديدية (ARIIS)، الذي تطبّقه هيئة الطرق والمواصلات في دبي، نموذجاً عملياً لتوظيف أحدث تقنيات الذكاء الاصطناعي في قطاع النقل، بهدف الارتقاء بكفاءة الصيانة التشغيلية وتعزيز مستويات السلامة، مع تقليل الاعتماد على الفحوصات التقليدية التي كانت تستنزف الوقت والموارد. ويتيح النظام إمكانية تطبيق استراتيجيات الصيانة الاستباقية بفضل تقنيات التشخيص المتقدمة، ما يسهم في إطالة عمر البنية التحتية وتقليل تكاليف الصيانة الدورية بنسبة تصل إلى 25%، كما تتيح تحليلات البيانات الفورية اتخاذ قرارات دقيقة ومدروسة في الصيانة، ما يعزز كفاءة إدارة الموارد بنسبة 40% ويحد من التدخلات غير الضرورية. ونجح النظام منذ بدء تطبيقه في تقليص زمن الفحص الدوري بنسبة 75%، ما يعادل اختصار نحو 1,700 ساعة عمل بشرية، وخفض عمليات الفحص التقليدية بنسبة تصل إلى 70%، مع رفع القدرة على تقييم حالة البنية التحتية بنسبة 40%، وانعكست هذه المؤشرات على تسريع إجراءات الصيانة، وأسهمت في تقليل التدخلات الطارئة، إضافة إلى تحسين موثوقية شبكة المترو. وأشارت هيئة الطرق والمواصلات في دبي، إلى أن تفعيل النظام يجري حالياً بشكل مرحلي في بعض مناطق خطوط المترو، مع وجود خطة شاملة لتعميمه على جميع المسارات بعد نجاح التقييم الفني والتشغيلي. وكشفت الهيئة أنها تدرس إمكانية تعميم تقنيات ARIIS أو تقنيات مشابهة على وسائل نقل أخرى مثل الترام، وفق ما يتناسب مع طبيعة بنيتها التحتية واحتياجات التشغيل. ويجمع النظام بيانات شاملة تشمل حالة السكك الحديدية، التشققات، التآكل، والانحرافات، ويتم تحليلها باستخدام خوارزميات الذكاء الاصطناعي لاتخاذ قرارات صيانة قائمة على البيانات، بما يدعم مفهوم "الصيانة التنبؤية"، ويعزز استدامة البنية التحتية ويُطيل من عمر البنية التحتية. وتُنفّذ جميع أعمال الفحص وفق أعلى معايير السلامة المهنية، بالتنسيق مع غرفة التحكم، وفي أوقات مدروسة ضمن فترة الصيانة الليلية، بهدف تقليل التأثير على تشغيل المترو ونقل الركاب، وبفضل التقنية الذكية، أصبحت الفحوصات أكثر سرعة ودقة، دون الحاجة لتعليق أو تأخير الخدمات.
الإمارات اليوم
منذ 3 ساعات
- الإمارات اليوم
10 مهام لمعلمي الذكاء الاصطناعي في العام الأول لتطبيق المنهاج
أكد خبراء في التعليم والذكاء الاصطناعي أن تطبيق منهاج الذكاء الاصطناعي للمرة الأولى على طلبة الصفوف من الأول حتى الثاني عشر، يفرض على المعلمين أدواراً جديدة تتجاوز حدود التدريس التقليدي، ليصبحوا موجهين ومرشدين في رحلة الطلبة نحو استيعاب التقنيات الحديثة، موضحين أن هذه المرحلة تتطلب من المعلمين الجمع بين المهارات التربوية والمعرفة التقنية، لضمان نجاح التجربة وتحقيق أهدافها التعليمية. وقالوا لـ"الإمارات اليوم" إن معلمي الذكاء الاصطناعي في العام الدراسي الأول سيواجهون مجموعة من المهام الرئيسية، أبرزها تدريب الطلبة على التفكير النقدي، وتعزيز مهارات البرمجة، وربط المناهج بالواقع العملي، إضافة إلى مواكبة التطورات السريعة في هذا المجال. كما شددوا على أهمية تهيئة البيئة الصفية الداعمة، وتفعيل الشراكة مع أولياء الأمور، بما يضمن ترسيخ ثقافة الابتكار لدى الأجيال الجديدة. تبسيط المفاهيم وتفصيلا، قال خبير الذكاء الاصطناعي الدكتور محمد عبد الظاهر أهمية أن يكون لدى معلم هذه المادة مهارات تبسيط المفاهيم المعقدة بحيث يقدم أساسيات الذكاء الاصطناعي بلغة واضحة وسهلة تناسب أعمار الطلبة. الوعي الرقمي وأفاد بأنه ينبغي على المعلم بناء ثقافة الوعي الرقمي، وتعريف الطلبة باستخدامات الذكاء الاصطناعي في حياتهم اليومية، وإبراز فوائده وتحدياته، مشيرا إلى أهمية تعليم التفكير النقدي والأخلاقي وتوضيح مسؤولية استخدام الذكاء الاصطناعي، وفتح نقاشات حول قضايا الخصوصية والعدالة. تصميم أنشطة وأوضح أنه ينبغي على المعلم تصميم أنشطة عملية وتقديم مشاريع وتجارب بسيطة (مثل روبوتات أو تطبيقات ذكية) لربط المفاهيم بالواقع، فضلا عن تنمية مهارات البرمجة الأساسية وتدريب الطلبة على لغات وأدوات أولية (مثل بايثون أو Scratch AI ) لتهيئتهم لمراحل متقدمة. العمل التعاوني من جانبها، ترى خبيرة تكنولوجيا التعليم والذكاء الاصطناعي ريم اسعد أن المعلم مطالب بتشجيع العمل التعاوني وإشراك الطلبة في فرق عمل صغيرة لحل مشكلات باستخدام أدوات الذكاء الاصطناعي، فضلا عن دمج الذكاء الاصطناعي مع المناهج الأخرى، وإبراز العلاقة بين الذكاء الاصطناعي والرياضيات، العلوم، التكنولوجيا، وحتى الفنون. متابعة التطورات وأضافت:" من أبرز مهام معلمي الذكاء الاصطناعي يكمن في متابعة التطورات الحديثة، والاطلاع المستمر على الجديد في المجال وتحديث الدروس بما يناسب مستوى الطلبة، مشيرة إلى أهمية بناء شراكات تعليمية والتواصل مع خبراء، جامعات، ومؤسسات تقنية لمدّ الطلبة بفرص تعلم إضافية، مشددة على ضرورة إلهام الطلبة نحو المستقبل، وغرس الحماس لديهم بأن الذكاء الاصطناعي ليس مجرد مادة دراسية، بل مستقبل مهنة وإبداع.
البوابة العربية للأخبار التقنية
منذ 5 ساعات
- البوابة العربية للأخبار التقنية
تقييم نقدي لنموذج 'GPT-5'.. هل هو حقًا قفزة نحو الذكاء الاصطناعي العام؟
تزعم شركة (OpenAI) أن أحدث نماذجها (GPT-5)، يمثل قفزة نوعية نحو الذكاء الاصطناعي العام (AGI)، وهو مفهوم لطالما زعم قادة قطاع الذكاء الاصطناعي أنه قريب المنال. ووفقًا لتعريف شركة (OpenAI) نفسها، فإن الذكاء الاصطناعي العام هو 'نظام مستقل بدرجة عالية يتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية'. ومع ذلك، تبدو الحجج التي يقدمها سام ألتمان، الرئيس التنفيذي للشركة، لدعم كون نموذج (GPT-5) خطوة مهمة في هذا الاتجاه غير مقنعة بنحو لافت. فقد أبدى بعض المستخدمين الأوائل خيبة أمل من أداء نموذج (GPT-5) في بعض المهام مثل الكتابة الإبداعية، في حين رأى آخرون أن الفجوة بينه ونماذج منافسة من جوجل وأنثروبيك لم تتقلص بالنحو المأمول. ومن ثم؛ ظهرت الكثير من التساؤلات حول مدى قدرته الفعلية على تجاوز حدود النماذج اللغوية الكبيرة الحالية، وهل يمثل بالفعل قفزة نوعية نحو ذكاء اصطناعي قادر على منافسة القدرات البشرية في معظم المجالات؟ لذلك يهدف هذا التقرير إلى تفكيك هذه الادعاءات من خلال تحليل الإمكانيات المعلنة للنموذج، والقيود التي لا يزال يواجهها، والابتكار التقني الذي يرتكز عليه، ووضع كل ذلك في سياق التطور الأوسع لمجال الذكاء الاصطناعي: أولًا؛ ما الإمكانيات المعلنة في نموذج (GPT-5)؟ يزعم ألتمان أن نموذج (GPT-5) يظهر تحسينات ملحوظة مقارنةً بالنماذج السابقة، مثل: كفاءة أفضل في كتابة الأكواد البرمجية: يؤكد ألتمان أن النموذج أصبح أكثر قدرة على إنتاج أكواد برمجية دقيقة. يؤكد ألتمان أن النموذج أصبح أكثر قدرة على إنتاج أكواد برمجية دقيقة. تقليل الهلوسة وتحسين اتباع التعليمات: يزعم ألتمان أن النموذج يقع في الهلوسة (تقديم معلومات غير صحيحة) بمعدل أقل من الإصدارات السابقة، وأنه أكثر دقة في تنفيذ التعليمات، خاصةً تلك التي تتطلب خطوات متعددة أو استخدام برامج أخرى. يزعم ألتمان أن النموذج يقع في الهلوسة (تقديم معلومات غير صحيحة) بمعدل أقل من الإصدارات السابقة، وأنه أكثر دقة في تنفيذ التعليمات، خاصةً تلك التي تتطلب خطوات متعددة أو استخدام برامج أخرى. زيادة الأمان: أصبح نموذج (GPT-5) أكثر أمانًا وأقل تملقًا للمستخدمين، إذ لا يميل إلى تقديم معلومات ضارة لمجرد إرضائهم. ويصل ألتمان إلى حد القول إن نموذج (GPT-5) يقترب أكثر من فكرة المساعد الخبير، إذ يصفه بأنه النموذج الأول الذي يعطي انطباعًا وكأن المستخدم يتحدث مع شخص يحمل درجة الدكتوراه في أي موضوع. ثانيًا؛ ما القيود التي لا يزال يواجهها نموذج (GPT-5)؟ تبدو التحسينات التي يقدمها نموذج (GPT-5)، كأنها مجرد تطورات تدريجية على نماذج سابقة، وليس قفزة نوعية نحو الذكاء الاصطناعي العام، فالنموذج لا يزال يفتقر إلى القدرة على التعلم من تجاربه الخاصة، كما أنه يظهر قصورًا واضحًا في فهمه للعالم الحقيقي، والدليل على ذلك محاولته الفاشلة لرسم خريطة لأمريكا الشمالية، التي توضح أنه يفتقر إلى فهم السياق. Sam Altman: With GPT-5, you'll have a PhD-level expert in any area you need Me: Draw a map of North America, highlighting countries, states, and capitals GPT 5: *Sam Altman forgot to mention that the PhD-level expert used ChatGPT to cheat on all their geography classes… — Luiza Jarovsky, PhD (@LuizaJarovsky) August 10, 2025 وعلاوة على ذلك؛ لا يزال نموذج (GPT-5) غير قادر على تحقيق دقة عالية في الاختبارات العلمية المعقدة مثل: (Humanity's Last Exam)، الذي يتضمن أسئلة معقدة في مختلف المجالات العلمية، إذ حقق النموذج نسبة دقة لم تتجاوز 42%، وهي نتيجة أقل من منافسه المباشر نموذج (Grok 4) لشركة (xAI)، الذي حقق نسبة دقة بلغت 44%. ويثير هذا الأداء الشكوك حول قدرة (GPT-5) على التفكير والاستدلال بنحو عميق، وهي سمات أساسية للذكاء الاصطناعي العام. وتجدر الإشارة إلى أن (Humanity's Last Exam)، هو اختبار معياري صُمم لتقييم قدرات نماذج الذكاء الاصطناعي المتقدمة، ويهدف هذا الاختبار إلى تجاوز المعايير التقليدية، التي أصبحت نماذج الذكاء الاصطناعي الحالية قادرة على التفوق فيها بسهولة. ثالثًا، ما الابتكار التقني الذي يرتكز عليه النموذج الجديد؟ يكمن الابتكار التقني الرئيسي وراء نموذج (GPT-5) في إدخال مفهوم (الموجّه اللحظي الذكي) Real-Time Router، وهو عبارة عن آلية تعمل على تحديد النموذج الأنسب من بين نماذج (GPT) المختلفة للإجابة عن سؤال معين. بعبارة أخرى، يقرر الموجّه مقدار الجهد الحسابي الذي يجب استثماره في الإجابة، ويتعلم من ردود الفعل السابقة لتحسين خياراته بمرور الوقت. وتشمل خيارات التفويض نماذج (GPT) السابقة، بالإضافة إلى نموذج (GPT-5 Thinking) الجديد، الذي يُفترض أنه أعمق في الاستدلال، لكن ما هو هذا النموذج الجديد بالضبط؟ لا تقدم شركة (OpenAI) أي تفاصيل واضحة عنه؛ فهي لا تذكر أنه يعتمد على خوارزميات جديدة أو أنه دُرب على بيانات جديدة. ويفتح هذا الغموض الباب للتكهنات، إذ قد يكون هذا النموذج ليس سوى آلية متطورة للتحكم في النماذج الحالية، عبر دفعها للعمل بنحو أكثر تركيزًا من خلال استعلامات متكررة حتى تصل إلى النتيجة المرجوة، مما يمنح انطباعًا بالتفكير العميق بينما هو في الواقع مجرد إعادة صياغة محسّنة. باختصار، قد لا يكون نموذج (GPT-5) خطوة مهمة نحو الذكاء الاصطناعي العام، بل مجرد تحسين تدريجي وذكي للنماذج الحالية. ولكن هل يعني ذلك أن النماذج اللغوية الكبيرة وصلت إلى مرحلة الثبات؟ شهد عالم الذكاء الاصطناعي تحولًا كبيرًا في عام 2017 مع اكتشاف باحثين في جوجل لبنية جديدة للذكاء الاصطناعي سمحت بالتقاط أنماط معقدة داخل تسلسلات الكلمات التي تشكل اللغة البشرية، فقد قدموا في ورقتهم البحثية التي حملت عنوان (Attention Is All You Need)، مفهوم (المحولات) Transformers، وهي أنظمة تساعد نماذج الذكاء الاصطناعي في التركيز على أهم المعلومات في البيانات التي تُحللها، وقد فتح هذا الاكتشاف الباب أمام تطوير ما يُعرف اليوم باسم النماذج اللغوية الكبيرة (LLMs). وتميزت النماذج اللغوية الكبيرة بقدرتها على محاكاة الذكاء البشري بنحو متزايد عبر تحليل كميات ضخمة من النصوص، وتعتمد هذه النماذج، مثل: ChatGPT، على ربط توجيه المستخدم بالاستكمال الأكثر ترجيحًا وفقًا للأنماط الموجودة في بيانات التدريب. ومع ذلك؛ تعتمد هذه النماذج في جوهرها على مبدأ بسيط، فهي تعمل كجداول ضخمة تربط بين المحفزات (طلبات المستخدمين) والاستجابات، فعندما تقدم طلبًا (prompt)، يبحث النموذج في هذا الجدول الضخم ليجد أفضل رد ممكن. قد تبدو هذه الفكرة بسيطة، ولكن المثير للدهشة هو أن هذه النماذج استطاعت التفوق على أنظمة ذكاء اصطناعي أخرى أكثر تعقيدًا، ليس بالضرورة من حيث الدقة والموثوقية، بل من حيث المرونة وسهولة الاستخدام، مما جعلها تكتسب شعبية واسعة وتغير من طريقة تفاعلنا مع الذكاء الاصطناعي. ومع ذلك، لا يزال الجدل قائمًا حول كون هذه النماذج قادرة على تحقيق الاستدلال الحقيقي أو فهم العالم بطرق مشابهة للبشر، أو التعلم من تجاربها لتحسين سلوكها، وهي مكونات أساسية لتحقيق الذكاء الاصطناعي العام. تقنية (الموجّه).. ابتكار أم إعادة صياغة؟ ظهرت في السنوات الأخيرة صناعة متكاملة تركز في ترويض النماذج اللغوية الكبيرة ذات الأغراض العامة لجعلها أكثر موثوقية في تطبيقات محددة، إذ تعمل هذه الشركات على صياغة توجيهات فعالة، وتوجيه النماذج عدة مرات، أو استخدام نماذج متعددة لتحقيق النتائج المرجوة. ويأتي هنا نموذج (GPT-5) بميزته الجديدة، وهي تقنية (الموجّه)، التي تدمج هذه الفكرة في صميم النموذج، وإذا نجحت هذه الخطوة، فمن المحتمل أن تقل الحاجة إلى مهندسي (أوامر الذكاء الاصطناعي)، الذين يعملون في الشركات الوسيطة، والذين يقومون بهذه التعديلات. كما ستجعل (GPT-5) أقل تكلفة للمستخدمين، لأنه سيقدم فائدة أكبر دون الحاجة إلى تحسينات إضافية. ومع ذلك، قد يكون تقديم تقنية (الموجّه) اعترافًا ضمنيًا من شركة (OpenAI) بأننا وصلنا إلى نقطة لا يمكن فيها تحسين النماذج اللغوية الكبيرة بنحو أكبر، وإذا كان هذا صحيحًا، فإنه يثبت صحة رأي العلماء والخبراء الذين يجادلون منذ مدة طويلة بأنه لن يكون من الممكن التغلب على القيود الحالية للذكاء الاصطناعي دون تجاوز بنية النماذج اللغوة الكبيرة نفسها. باختصار، لا يمكن الوصول إلى مرحلة الذكاء الاصطناعي العام عن طريق زيادة حجم النماذج أو تعقيدها، بل يجب البحث عن بنى جديدة تمامًا. ولكن يعيد هذا التوجه إلى الأذهان مفهوم (الاستدلال الماورائي) meta-reasoning، الذي ساد في التسعينيات، والذي يقوم على فكرة (الاستدلال حول الاستدلال)، أي تقسيم المهام المعقدة إلى مشكلات صغيرة يمكن حلها بمكونات أكثر تخصصًا. وقد كان هذا النموذج هو السائد في الذكاء الاصطناعي قبل أن يتحول الاهتمام إلى النماذج اللغوية الكبيرة. لذلك قد يمثل إطلاق (GPT-5) نقطة تحول مهمة في عالم الذكاء الاصطناعي، فمع أنه قد لا يُعيدنا بالكامل إلى الأساليب القديمة، لكنه قد يكون بداية نهاية عصر النماذج الضخمة، التي يستحيل فهم عملياتها الداخلية، والتوجه نحو إنشاء أنظمة ذكاء اصطناعي يمكننا فهمها والسيطرة عليها وتطويرها وفقًا لأسس هندسية واضحة، مما يذكرنا بأن الرؤية الأصلية للذكاء الاصطناعي التي لم تكن تهدف فقط إلى استنساخ الذكاء البشري، بل إلى فهمه بعمق.
