أحدث الأخبار مع #AMI
وجدة سيتي
٢٥-٠٤-٢٠٢٥
- أعمال
- وجدة سيتي
إعلان عن إطلاق طلب إبداء الاهتمام (AMI) المتعلق بتطوير البنية التحتية للغاز الطبيعي / وزارة الانتقال الطاقي والتنمية المستدامة
إعلان عن إطلاق طلب إبداء الاهتمام AMI المتعلق بتطوير البنية التحتية للغاز الطبيعي بمناسبة انعقاد الدورة السادسة عشرة لمؤتمر الطاقة، بمدينة ورزازات، أعلنت السيدة ليلى بنعلي، وزيرة الانتقال الطاقي والتنمية المستدامة، يوم الأربعاء 23 أبريل 2025 ، عن إطلاق طلب إبداء الاهتمام (AMI) المتعلق بتطوير البنية التحتية الغازية الوطنية، وذلك من أجل إنشاء أول محطة لاستقبال الغاز الطبيعي المسال (GNL) بميناء الناظور غرب المتوسط، بالإضافة إلى إنجاز شبكة أنابيب الغاز لربط هذه المحطة بأنبوب الغاز المغاربي- الأوروبي (GME) ، وتزويد المحطات الكهربائية الحالية والمستقبلية للمكتب الوطني للكهرباء والماء الصالح للشرب والمناطق الصناعية بالقنيطرة والمحمدية. وسيتم على المدى البعيد توسيع هذه البنية التحتية لتصل ميناء الداخلة والربط بأنبوب الغاز الأطلسي الإفريقي. وتندرج هذه الخطوة المهمة في إطار تنزيل الرؤية الشمولية لتطوير قطاع الغاز الطبيعي بالمملكة المغربي ة، باعتباره ركيزة أساسية لمواكبة الانتقال الطاقي وتنويع المزيج الطاقي، بفضل مرونته التي تتيح الإدماج المكثف للطاقات المتجددة، لا سيما من خلال مشاريع الدورات المفتوحة أو المركبة التي تعتمد على الغاز الطبيعي. وستساهم هذه البنية التحتية الغازية في تعزيز السيادة الطاقية للمملكة وتقليص انبعاثات الغازات الدفيئة في القطاع الكهربائي، مع خفض البصمة الكربونية للأنشطة الصناعية، بهدف إرساء منظومة اقتصادية وطنية تنافسية، خاصة في ظل التوجه العالمي نحو اعتماد آليات ضريبية تتعلق بحياد الكربون. ويأتي إطلاق طلب إبداء الاهتمام هذا المفتوح للفاعلين المهنيين الوطنيين والدوليين، في إطار تنفيذ خارطة طريق البنية التحتية الغازية المستدامة، وتتضمن المراحل الأساسية لبرنامج إنشاء بنية تحتية متكاملة كفيلة بتسريع تطوير سوق الغاز الطبيعي بالمغرب . ويمكن تحميل الوثيقة المتعلقة بطلب إبداء الاهتمام على الموقع الرسمي للوزارة :
النهار
٠١-٠٣-٢٠٢٥
- ترفيه
- النهار
جوليا روبرتس وزوي سالدانا بالأسود في حفل جوائز سيزار (صور وفيديو)
في أمسيّة مميّزة من ليالي باريس الساحرة، تألّق نجوم السينما الفرنسيّة والعالميّة بإطلالات أنيقة على السجّادة الحمراء لحفل جوائز سيزار 2025 في دورته الخمسين والذي أقيم على مسرح الأولمبيا العريق. وسُلطّت الأضواء بشكل خاصّ على جوليا روبرتس وزوي سالدانا، كما لفتت النجمة المخضرمة الفرنسيّة كاثرين دونوف الأنظار بحضورها المميّز. View this post on Instagram A post shared by CANAL+ (@canalplus) جوليا روبرتس تلّقت التكريم لمسيرتها الفنيّة التي استمرّت ثلاثة عقود كأيقونة هوليووديّة، وتسلّمت جائزتها وسط تصفيقٍ حار متأنّقة بـ "جمبسوت" باللون الأسود ذي كتف واحدة من تصميم "فيبي فيلو" (Phoebe Philo) أثبت أنّ الأناقة البسيطة يمكن أن تكون توقيعاً للتميّز والحضور المبهرين دون عناء. تميّز التصميم بلمسة عصرية من خلال قصّة السروال الواسعة والتي زيّنتها السحّابات المعدنيّة من الخلف، في حين جاءت الـ "توب" التي تغلّف السروال بقصّة غير متماثلة الطول. أمّا اللمسة المثاليّة التي صنعت كلّ الفرق، فكانت المجوهرات المبهرة المرصّعة بالألماس الأبيض والأسود والزمرّد من "شوبارد" (Chopard) التي زيّنت إطلالة جوليا وعزّزت مظهرها الراقي. واللافت أنّ جوليا انتعلت حذاء من الجلد الأسود بكعبٍ مسطّح مستغنية عن الكعب العالي. View this post on Instagram A post shared by Académie des César (@academiedescesar) زوي سالدانا كانت الأكثر أناقة بفستانٍ هو الأجمل بين كلّ الإطلالات، حيث ارتدت ثوباً من الدانتيل الأسود مكشوف الصدر وبقصّة غير متماثلة الطول مع كُمّين طويلين من "سان لوران" (Saint Laurent)، وتزيّنت بمجوهرات مرصّعة بالألماس والـ"أونيكس" من مجموعة Panthere من "كارتييه" (Cartier). كذلك، انتعلت كندرة مدبّبة سوداء مع جوارب نسائيّة سوداء منقّطة. View this post on Instagram A post shared by Académie des César (@academiedescesar) النجمة المخضرمة كاثرين دونوف التي تولّت رئاسة الحفل هذا العام، بدت أنيقة جداً بتصميم من "سان لوران" (Saint Laurent) شمل تنّورة طويلة مع "توب" فضّيّة منمّقة بالكريستال وسترة سوداء بياقة ساتينيّة تحاكي التفصيل الذي يزيّن التنّورة. كما ارتدت معطفاً قصيراً من الفرو الأسود، وانتعلت كندرة مدبّبة بلون زيّها مزيّنة بأكسسوار مرصّع بالكريستال. الممثلة الفرنسيّة ليلى بختي ذات الأصول الجزائريّة بدت ملفتة بفستانٍ طويل يعانق جسمها من ساتان Duchesse باللون الحمضي، وهو مقرونٌ مع معطف طويل مزدوج الصدر من اللون نفسه كلاهما من "الكسندر ماتيوسي" (Alexandre Mattiussi) لعلامة "آمي" (AMI)، كما تزيّنت بمجوهرات من البلاتين المرصّع بالألماس. إيمانويل بيار اختارت أيضاً بدلتها من "الكسندر ماتيوسي" (Alexandre Mattiussi) لعلامة "آمي" (AMI)، وقد شملت سروالاً بقصّة كلاسيكيّة ومعطفاً طويلاً كلاهما من الصوف بلون أبيض عاجي، نسّقتهما مع قميص من البوبلين الوردي الزاهي وربطة عنق من ساتان (Duchesse) باللون نفسه. كذلك، تزيّنت النجمة الفرنسيّة بمجوهرات مرصّعة بالألماس. النجمة الشابة أديل إكزاركوبولوس المرشّحة لجائزة أفضل ممثّلة عن دورها في فيلم "الحبّ المجنون"، اختارت فستاناً بسيطاً وأنيقاً بدون حمّالات، بقصّة تعانق جسمها ومكشوف على طول السّاق اليسرى من علامة "كوريج" (Courreges) أبرز جمالها الطبيعيّ. كما تزيّنت بمجوهرات من البلاتين المرصّع بالألماس. أمّا الممثل فرانسوا سيفيل الذي رافقها فتأنّق ببدلة من علامة "فرساتشي" (Versace). حفصيّة حرزي نالت جائزة أفضل ممثلة، وتأنقّت بفستانٍ طويل ومنسدل باللون الأسود من "لويفي" (Loewe)، تميّز بياقة عميقة وتفصيل الزمزمة مع حزامٍ فضّيّ برّاق يحدّد الخصر بتفصيل معقود على شكل فراشة، وتزيّنت بمجوهرات ماسيّة من علامة "ميسيكا" (Messika). View this post on Instagram A post shared by Académie des César (@academiedescesar) لينا محفوف اختارت أيضاً اللون الأسود وإنّما بتصميم عصريّ جريء بدون حمّالات من "علايا" (Alaia)، جاء بقصّة طويلة مكشوفة وغير متماثلة الطول، وتزيّنت بمجوهرات مرصّعة بالألماس، كما انتعلت كندرة سوداء مدبّبة بكعبٍ شاهق. الممثّلة الأستراليّة ناتاشا أندرو ارتدت فستاناً أسودَ طويلاً بقصّة كلاسيكيّة بسيطة مع كُمّين طويلين وتفصيل قطار طويل، وتزيّنت بمجوهرات مرصّعة بالألماس من "بوشرون" (Boucheron). أمّا شريكها النجم الفرنسي بيار نيني فتأنّق ببدلة سوداء من "غوتشي" (Gucci).
تحيا مصر
٠١-٠٣-٢٠٢٥
- منوعات
- تحيا مصر
كل ما تحتاج معرفته عن عداد الكهرباء الكارت.. كيفية التقديم والأوراق المطلوبة
مع سعي الحكومة المصرية نحو تعزيز كفاءة استهلاك الكهرباء، أصبح استخدام الذكي (عداد الكارت) الحل الأمثل لاستبدال العدادات التقليدية، حيث يتيح هذا النظام للمستخدمين إدارة استهلاكهم بكفاءة والتحكم في فواتير الكهرباء بشكل أكثر دقة. في هذا المقال، يقدم الكهرباء ما هو عداد الكهرباء الذكي؟ يُعد العداد الذكي جهازًا إلكترونيًا متطورًا لقياس استهلاك الكهرباء بدقة عالية، حيث يعتمد على نظام البنية التحتية للقياس المتقدم (AMI) ، الذي يمكنه مراقبة وتحليل استهلاك الكهرباء وإرسال البيانات بشكل تلقائي إلى الجهات المختصة. يتميز العداد الذكي بإمكانية التحكم في الاستهلاك ووضع حد أقصى للطاقة المستخدمة، مما يسهم في تقليل الفاقد وتوفير تجربة أكثر كفاءة للمستهلك. مقارنة بين العداد الذكي والعداد التقليدي شهدت العدادات الكهربائية تطورًا كبيرًا، حيث انتقلت من العدادات الميكانيكية إلى العدادات الإلكترونية، ثم إلى العدادات الذكية الحديثة. ويتميز العداد الذكي عن التقليدي في عدة جوانب، منها: القدرة على التحكم في الاستهلاك دون انتظار الفواتير الشهرية. إمكانية الشحن المسبق عبر بطاقة إلكترونية، مما يمنع تراكم الديون. دقة أعلى في احتساب الاستهلاك، وتقليل الأخطاء التي قد تحدث مع العدادات القديمة. عدم الحاجة إلى مرور محصل الكهرباء، حيث يمكن متابعة الاستهلاك لحظيًا عبر التطبيقات أو الرسائل النصية. خطوات التقديم لتركيب العداد الذكي لعام 2025 إذا كنت ترغب في التقديم للحصول على عداد كهربائي ذكي لأول مرة، يمكنك اتباع هذه الخطوات من خلال المنصة الموحدة لخدمات الكهرباء : الدخول إلى الموقع الرسمي اختيار خدمة "تركيب عداد قانوني لأول مرة". إدخال جميع البيانات المطلوبة بدقة. رفع المستندات اللازمة مثل صورة البطاقة الشخصية ومستندات ملكية العقار. تقديم الطلب وانتظار الموافقة بعد مراجعة البيانات. الاحتفاظ بكود الطلب لمتابعة حالته لاحقًا. المستندات المطلوبة لتركيب العداد الذكي لضمان إتمام طلب تركيب العداد بسهولة، يجب تجهيز المستندات التالية: صورة بطاقة الرقم القومي للمتقدم. مستند رسمي يثبت ملكية العقار أو الوحدة السكنية. نسخة من آخر فاتورة كهرباء، مياه أو تليفون أرضي. في حالة الوحدات التجارية، يجب تقديم الملف الضريبي الخاص بالنشاط. سداد رسوم التقديم والتي تبلغ 50 جنيهًا مصريًا . تسعيرة العدادات الجديدة لعام 2025 أعلنت الجهات المعنية عن تسعيرة العدادات الذكية الجديدة لعام 2025، والتي تختلف حسب نوع العقار ونظام الاستهلاك. لمعرفة أحدث التفاصيل حول الأسعار، يمكنك زيارة الموقع الرسمي لشركة الكهرباء أو متابعة التحديثات عبر مزايا العدادات الذكية مقابل العدادات التقليدية المرونة في السداد : يمكن شحن العداد الذكي بسهولة من خلال الهاتف المحمول أو المنافذ المعتمدة. التحكم في الاستهلاك : يتيح العداد الذكي تتبع الاستخدام الفعلي للكهرباء يوميًا أو حتى لحظيًا. تقليل الانقطاعات : عند انخفاض الرصيد، يتم إرسال إشعارات تنبيه للمستخدمين لإعادة الشحن قبل انتهاء الرصيد. سهولة التركيب والصيانة : تتم عملية تركيب العداد الذكي بسرعة، كما أنه يقلل من الأعطال المتكررة التي تواجه العدادات التقليدية. يعد العداد الكهربائي الذكي نقلة نوعية في إدارة استهلاك الكهرباء، حيث يوفر دقة أعلى في الحسابات، ويقلل من أخطاء الفواتير، كما يمنح المستهلكين مزيدًا من التحكم في استخدامهم للكهرباء. إذا كنت تفكر في التحول إلى هذا النظام، فلا تتردد في البدء بإجراءات التقديم عبر المنصة الموحدة لخدمات الكهرباء لضمان الاستفادة القصوى من المزايا التي يقدمها العداد الذكي.
تونس الرقمية
٢٠-٠٢-٢٠٢٥
- علوم
- تونس الرقمية
باحثون يطوّرون خوارزمية ذكاء اصطناعي قادرة على التعلم واتخاذ القرارات مثل البشر !
طوّر مجموعة من الباحثين في جامعة سيدني للتكنولوجيا (UTS) خوارزمية ذكاء اصطناعي جديدة تُسمى (Torque Clustering)، تُحدث نقلة نوعية في مجال التعلم غير الخاضع للإشراف – وهو أحد فروع الذكاء الاصطناعي الواعدة – وذلك من خلال محاكاة الذكاء الطبيعي. فعلى عكس الأساليب التقليدية التي تعتمد على المراقبة والإشراف، تحدد هذه الخوارزمية الأنماط دون الحاجة إلى بيانات مصنفة يدويًا، مما يجعلها أكثر كفاءة وقابلية للتطوير، وقد حققت هذه الخوارزمية دقة بلغت 97.7% في الاختبارات، متفوقة على الخوارزميات الحالية. ولكن ما التعلم غير الخاضع للإشراف؟ على عكس التعلم الخاضع للإشراف، الذي يعتمد على بيانات مصنفة سابقًا، يسمح التعلم غير الخاضع للإشراف للذكاء الاصطناعي بتحديد الأنماط والعلاقات في البيانات بشكل مستقل، دون الحاجة إلى تدخل بشري، وهذا يجعله أكثر كفاءة وقابلية للتطوير، خاصة في التعامل مع كميات ضخمة من البيانات غير المصنفة التي يصعب على البشر تحليلها. ابتكار ذكاء اصطناعي مستوحى من الفيزياء: استوحى الباحثون خوارزمية (Torque Clustering) من مفهوم عزم الدوران في الفيزياء، لتحقيق فهم أعمق للبيانات، وتعتمد هذه الخوارزمية المبتكرة على فكرة بسيطة لكنها فعالة، وهي أن الأجسام ذات الكتلة الكبيرة تجذب الأجسام الصغيرة تمامًا كما تتجمع البيانات المتشابهة لتشكيل عناقيد أو مجموعات متماسكة. وقال البروفيسور (تشين تنج لين) من جامعة سيدني للتكنولوجيا (UTS): 'تتعلم الحيوانات في الطبيعة من خلال مراقبة بيئتها واستكشافها والتفاعل معها، دون الحاجة إلى تعليمات صريحة، ويهدف الجيل القادم من الذكاء الاصطناعي، الذي يعتمد على نهج التعلم غير الخاضع للإشراف، إلى محاكاة هذه الطريقة الطبيعية في التعلم'. وأشار البروفيسور لين إلى أن جميع تقنيات الذكاء الاصطناعي الحالية تقريبًا تعتمد على التعلم الخاضع للإشراف، وهي طريقة تدريب الذكاء الاصطناعي التي تتطلب تصنيف كميات كبيرة من البيانات يدويًا باستخدام فئات أو قيم محددة سابقًا، حتى يتمكن الذكاء الاصطناعي من التنبؤ ورؤية العلاقات، ولكن هذه العملية مكلفة وتستغرق وقتًا طويلًا، وغالبًا ما تكون غير عملية للمهام المعقدة أو واسعة النطاق، وعلى النقيض من ذلك، يعمل التعلم غير الخاضع للإشراف دون الحاجة إلى بيانات مصنفة، ويكشف عن الأنماط والعلاقات الخفية في البيانات بشكل مستقل، مما يجعله أكثر كفاءة وقابلية للتطوير، خاصة في التعامل مع كميات ضخمة من البيانات غير المهيكلة. أداء مذهل: نشر الباحثون في جامعة سيدني للتكنولوجيا تفاصيل خوارزمية (Torque Clustering) في ورقة بحثية في دورية (IEEE Transactions on Pattern Analysis and Machine Intelligence)، وهي مجلة رائدة في مجال الذكاء الاصطناعي. وأظهرت الورقة أن الخوارزمية تتفوق على طرق التعلم التقليدية، مما يُبشِّر بتحول نموذجي محتمل في هذا المجال، فهي مستقلة تمامًا وخالية من المعلمات، كما أنها قادرة على معالجة مجموعات بيانات كبيرة بكفاءة حسابية استثنائية. وقد خضعت الخوارزمية لاختبارات مكثفة على 1000 مجموعة بيانات متنوعة، وحققت دقة بلغت 97.7% وفقًا لمقياس (AMI) – وهو معيار يقيس جودة تجميع البيانات – في حين لم تتجاوز الخوارزميات الأخرى المتقدمة في هذا المجال دقة تبلغ 80%. ويؤكد هذا التفوق أن خوارزمية (Torque Clustering) قد تكون حجر الأساس لثورة في التعلم غير الخاضع للإشراف، الأمر الذي سيؤدي إلى تحسينات جذرية في أداء أنظمة الذكاء الاصطناعي. وأكد الدكتور جيه يانج، المؤلف الرئيسي للورقة البحثية، أهمية الإلهام الفيزيائي وراء خوارزمية (Torque Clustering)، قائلًا: 'تتميز هذه الخوارزمية بأنها مستوحاة من مفهوم فيزيائي أساسي وهو عزم الدوران، مما يمنحها القدرة على تحديد المجموعات بنحو مستقل والتكيف بمرونة مع مختلف أنواع البيانات، حتى تلك التي تتسم بأشكال أو مستويات ضوضاء متنوعة'. وأضاف الدكتور يانج موضحًا: 'لقد استوحينا هذه الخوارزمية من آلية توازن عزم الدوران، التي تحدث في أثناء اندماج المجرّات بفعل الجاذبية، وتقوم الخوارزمية على خاصيتين أساسيتين في الكون، وهما الكتلة والمسافة. ويضفي هذا الارتباط الوثيق بمبادئ الفيزياء على هذه الخوارزمية أهمية علمية كبيرة، ويجعلها منافسًا قويًا للأساليب الحالية في مجال الذكاء الاصطناعي'. وفي معرض حديثه عن إمكانات الخوارزمية، قال الدكتور يانج: 'نظرًا إلى أن جائزة نوبل في الفيزياء قد مُنحت في العام الماضي لاكتشافات فتحت الباب أمام استخدام التعلم الآلي الخاضع للإشراف مع الشبكات العصبية الاصطناعية، فإننا نؤمن بأن التعلم الآلي غير الخاضع للإشراف، والمستوحى من مبدأ عزم الدوران، يحمل في طياته إمكانات مماثلة لإحداث تأثير كبير في مجال الذكاء الاصطناعي'. تطبيقات واسعة: صمم الباحثون خوارزمية (Torque Clustering) لتحليل مجموعات البيانات الكبيرة بكفاءة عبر مختلف المجالات، بما يشمل: علم الأحياء: اكتشاف توجهات الأمراض وتحديد الجينات المرتبطة بها. الكيمياء: فهم التفاعلات الكيميائية وتطوير مواد جديدة. علم الفلك: تحليل البيانات الفلكية الضخمة واكتشاف أنماط جديدة في الكون. علم النفس: فهم السلوك البشري وتحديد العوامل المؤثرة فيه. التمويل: تحديد الأنشطة الاحتيالية وتحليل الأسواق المالية. الطب: تشخيص الأمراض وتطوير علاجات جديدة. الوصول إلى مرحلة الذكاء الاصطناعي العام: تتمتع خوارزمية (Torque Clustering) بإمكانيات واسعة قد تساهم في تطوير الذكاء الاصطناعي العام، وخاصة في مجال الروبوتات والأنظمة المستقلة وذلك من خلال: تحسين الحركة: تساهم الخوارزمية في تطوير قدرة الروبوتات على الحركة في البيئات المعقدة بطريقة أكثر سلاسة وفعالية، مما يجعلها قادرة على التنقل واتخاذ المسارات المناسبة بشكل أكثر ذكاءً. تعزيز التحكم: تحسن الخوارزمية قدرة الروبوتات والأنظمة المستقلة على التحكم في أدائها ووظائفها المختلفة، مما يسمح لها بالاستجابة بدقة عالية للمتغيرات البيئية واتخاذ القرارات المناسبة في الوقت المناسب. دعم اتخاذ القرار: تقدم الخوارزمية للأنظمة المستقلة بيانات مفصلة ودقيقة تساعدها في اتخاذ قرارات مستنيرة بنحو أكثر فعالية، مما يحسن أداءها في المواقف المعقدة. وبفضل هذه الإمكانيات، يتوقع الباحثون أن خوارزمية (Torque Clustering) ستعيد تشكيل مشهد التعلم غير الخاضع للإشراف، وتمهد الطريق نحو تحقيق الهدف المنشود وهو تطوير ذكاء اصطناعي مستقل بشكل كامل قادر على التعلم والتطور باستمرار دون تدخل بشري. وتجدر الإشارة إلى أن الباحثين قد أتاحوا الكود المصدري لهذه الخوارزمية لعموم الباحثين مما يمكّن المجتمع العلمي من الاستفادة منها وتطويرها وتوسيع تطبيقاتها في مختلف المجالات. لمتابعة كلّ المستجدّات في مختلف المجالات في تونس
جريدة أكاديميا
٢٠-٠٢-٢٠٢٥
- علوم
- جريدة أكاديميا
إنجاز تاريخي جديد.. باحثون يطوّرون خوارزمية ذكاء اصطناعي تتعلم مثل البشر
طوّر مجموعة من الباحثين في جامعة سيدني للتكنولوجيا (UTS) خوارزمية ذكاء اصطناعي جديدة تُسمى (Torque Clustering)، تُحدث نقلة نوعية في مجال التعلم غير الخاضع للإشراف – وهو أحد فروع الذكاء الاصطناعي الواعدة – وذلك من خلال محاكاة الذكاء الطبيعي. فعلى عكس الأساليب التقليدية التي تعتمد على المراقبة والإشراف، تحدد هذه الخوارزمية الأنماط دون الحاجة إلى بيانات مصنفة يدويًا، مما يجعلها أكثر كفاءة وقابلية للتطوير، وقد حققت هذه الخوارزمية دقة بلغت 97.7% في الاختبارات، متفوقة على الخوارزميات الحالية. ولكن ما التعلم غير الخاضع للإشراف؟ على عكس التعلم الخاضع للإشراف، الذي يعتمد على بيانات مصنفة سابقًا، يسمح التعلم غير الخاضع للإشراف للذكاء الاصطناعي بتحديد الأنماط والعلاقات في البيانات بشكل مستقل، دون الحاجة إلى تدخل بشري، وهذا يجعله أكثر كفاءة وقابلية للتطوير، خاصة في التعامل مع كميات ضخمة من البيانات غير المصنفة التي يصعب على البشر تحليلها. ابتكار ذكاء اصطناعي مستوحى من الفيزياء: استوحى الباحثون خوارزمية (Torque Clustering) من مفهوم عزم الدوران في الفيزياء، لتحقيق فهم أعمق للبيانات، وتعتمد هذه الخوارزمية المبتكرة على فكرة بسيطة لكنها فعالة، وهي أن الأجسام ذات الكتلة الكبيرة تجذب الأجسام الصغيرة تمامًا كما تتجمع البيانات المتشابهة لتشكيل عناقيد أو مجموعات متماسكة. وقال البروفيسور تشين تنج لين من جامعة سيدني للتكنولوجيا (UTS): 'تتعلم الحيوانات في الطبيعة من خلال مراقبة بيئتها واستكشافها والتفاعل معها، دون الحاجة إلى تعليمات صريحة، ويهدف الجيل القادم من الذكاء الاصطناعي، الذي يعتمد على نهج التعلم غير الخاضع للإشراف، إلى محاكاة هذه الطريقة الطبيعية في التعلم'. وأشار البروفيسور لين إلى أن جميع تقنيات الذكاء الاصطناعي الحالية تقريبًا تعتمد على التعلم الخاضع للإشراف، وهي طريقة تدريب الذكاء الاصطناعي التي تتطلب تصنيف كميات كبيرة من البيانات يدويًا باستخدام فئات أو قيم محددة سابقًا، حتى يتمكن الذكاء الاصطناعي من التنبؤ ورؤية العلاقات، ولكن هذه العملية مكلفة وتستغرق وقتًا طويلًا، وغالبًا ما تكون غير عملية للمهام المعقدة أو واسعة النطاق، وعلى النقيض من ذلك، يعمل التعلم غير الخاضع للإشراف دون الحاجة إلى بيانات مصنفة، ويكشف عن الأنماط والعلاقات الخفية في البيانات بشكل مستقل، مما يجعله أكثر كفاءة وقابلية للتطوير، خاصة في التعامل مع كميات ضخمة من البيانات غير المهيكلة. أداء مذهل: نشر الباحثون في جامعة سيدني للتكنولوجيا تفاصيل خوارزمية (Torque Clustering) في ورقة بحثية في دورية (IEEE Transactions on Pattern Analysis and Machine Intelligence)، وهي مجلة رائدة في مجال الذكاء الاصطناعي. وأظهرت الورقة أن الخوارزمية تتفوق على طرق التعلم التقليدية، مما يُبشِّر بتحول نموذجي محتمل في هذا المجال، فهي مستقلة تمامًا وخالية من المعلمات، كما أنها قادرة على معالجة مجموعات بيانات كبيرة بكفاءة حسابية استثنائية. وقد خضعت الخوارزمية لاختبارات مكثفة على 1000 مجموعة بيانات متنوعة، وحققت دقة بلغت 97.7% وفقًا لمقياس (AMI) – وهو معيار يقيس جودة تجميع البيانات – في حين لم تتجاوز الخوارزميات الأخرى المتقدمة في هذا المجال دقة تبلغ 80%. ويؤكد هذا التفوق أن خوارزمية (Torque Clustering) قد تكون حجر الأساس لثورة في التعلم غير الخاضع للإشراف، الأمر الذي سيؤدي إلى تحسينات جذرية في أداء أنظمة الذكاء الاصطناعي. وأكد الدكتور جيه يانج، المؤلف الرئيسي للورقة البحثية، أهمية الإلهام الفيزيائي وراء خوارزمية (Torque Clustering)، قائلًا: 'تتميز هذه الخوارزمية بأنها مستوحاة من مفهوم فيزيائي أساسي وهو عزم الدوران، مما يمنحها القدرة على تحديد المجموعات بنحو مستقل والتكيف بمرونة مع مختلف أنواع البيانات، حتى تلك التي تتسم بأشكال أو مستويات ضوضاء متنوعة'. وأضاف الدكتور يانج موضحًا: 'لقد استوحينا هذه الخوارزمية من آلية توازن عزم الدوران، التي تحدث في أثناء اندماج المجرّات بفعل الجاذبية، وتقوم الخوارزمية على خاصيتين أساسيتين في الكون، وهما الكتلة والمسافة. ويضفي هذا الارتباط الوثيق بمبادئ الفيزياء على هذه الخوارزمية أهمية علمية كبيرة، ويجعلها منافسًا قويًا للأساليب الحالية في مجال الذكاء الاصطناعي'. وفي معرض حديثه عن إمكانات الخوارزمية، قال الدكتور يانج: 'نظرًا إلى أن جائزة نوبل في الفيزياء قد مُنحت في العام الماضي لاكتشافات فتحت الباب أمام استخدام التعلم الآلي الخاضع للإشراف مع الشبكات العصبية الاصطناعية، فإننا نؤمن بأن التعلم الآلي غير الخاضع للإشراف، والمستوحى من مبدأ عزم الدوران، يحمل في طياته إمكانات مماثلة لإحداث تأثير كبير في مجال الذكاء الاصطناعي'. تطبيقات واسعة: صمم الباحثون خوارزمية (Torque Clustering) لتحليل مجموعات البيانات الكبيرة بكفاءة عبر مختلف المجالات، بما يشمل: علم الأحياء: اكتشاف توجهات الأمراض وتحديد الجينات المرتبطة بها. اكتشاف توجهات الأمراض وتحديد الجينات المرتبطة بها. الكيمياء: فهم التفاعلات الكيميائية وتطوير مواد جديدة. فهم التفاعلات الكيميائية وتطوير مواد جديدة. علم الفلك: تحليل البيانات الفلكية الضخمة واكتشاف أنماط جديدة في الكون. تحليل البيانات الفلكية الضخمة واكتشاف أنماط جديدة في الكون. علم النفس: فهم السلوك البشري وتحديد العوامل المؤثرة فيه. فهم السلوك البشري وتحديد العوامل المؤثرة فيه. التمويل: تحديد الأنشطة الاحتيالية وتحليل الأسواق المالية. تحديد الأنشطة الاحتيالية وتحليل الأسواق المالية. الطب: تشخيص الأمراض وتطوير علاجات جديدة. الوصول إلى مرحلة الذكاء الاصطناعي العام: تتمتع خوارزمية (Torque Clustering) بإمكانيات واسعة قد تساهم في تطوير الذكاء الاصطناعي العام وخاصة في مجال الروبوتات والأنظمة المستقلة وذلك من خلال: تحسين الحركة: تساهم الخوارزمية في تطوير قدرة الروبوتات على الحركة في البيئات المعقدة بطريقة أكثر سلاسة وفعالية، مما يجعلها قادرة على التنقل واتخاذ المسارات المناسبة بشكل أكثر ذكاءً. تساهم الخوارزمية في تطوير قدرة الروبوتات على الحركة في البيئات المعقدة بطريقة أكثر سلاسة وفعالية، مما يجعلها قادرة على التنقل واتخاذ المسارات المناسبة بشكل أكثر ذكاءً. تعزيز التحكم: تحسن الخوارزمية قدرة الروبوتات والأنظمة المستقلة على التحكم في أدائها ووظائفها المختلفة، مما يسمح لها بالاستجابة بدقة عالية للمتغيرات البيئية واتخاذ القرارات المناسبة في الوقت المناسب. تحسن الخوارزمية قدرة الروبوتات والأنظمة المستقلة على التحكم في أدائها ووظائفها المختلفة، مما يسمح لها بالاستجابة بدقة عالية للمتغيرات البيئية واتخاذ القرارات المناسبة في الوقت المناسب. دعم اتخاذ القرار: تقدم الخوارزمية للأنظمة المستقلة بيانات مفصلة ودقيقة تساعدها في اتخاذ قرارات مستنيرة بنحو أكثر فعالية، مما يحسن أداءها في المواقف المعقدة. وبفضل هذه الإمكانيات، يتوقع الباحثون أن خوارزمية (Torque Clustering) ستعيد تشكيل مشهد التعلم غير الخاضع للإشراف، وتمهد الطريق نحو تحقيق الهدف المنشود وهو تطوير ذكاء اصطناعي مستقل بشكل كامل قادر على التعلم والتطور باستمرار دون تدخل بشري. وتجدر الإشارة إلى أن الباحثين قد أتاحوا الكود المصدري لهذه الخوارزمية لعموم الباحثين مما يمكّن المجتمع العلمي من الاستفادة منها وتطويرها وتوسيع تطبيقاتها في مختلف المجالات.
