أحدث الأخبار مع #باحثوجوجل
نافذة على العالم
١٧-٠٤-٢٠٢٥
- نافذة على العالم
أخبار التكنولوجيا : تحديثات أمنية عاجلة من أبل لإصلاح ثغرتين استخدمتا فى هجمات تجسسية
الجمعة 18 أبريل 2025 12:01 صباحاً نافذة على العالم - أصدرت شركة أبل تحديثات برمجية عاجلة لأنظمة تشغيلها المختلفة، بعد اكتشاف ثغرتين أمنيتين خطيرتين قالت الشركة إنهما ربما استُخدمتا في هجمات تجسسية معقدة استهدفت مستخدمين محددين من خلال نظام iOS. وفي تقارير أمنية نُشرت على موقعها الرسمي، أكدت أبل أنها أصلحت الثغرتين من نوع Zero-Day، وهي الثغرات التي تكون غير معروفة للمطورين وقت استغلالها، مما يجعلها من أخطر أنواع التهديدات الرقمية. لم تكشف أبل عن الجهة المسؤولة عن هذه الهجمات، ولا عن عدد المستخدمين المستهدفين أو ما إذا كانت الأجهزة قد تم اختراقها بنجاح. كما لم ترد الشركة على استفسارات موقع TechCrunch بشأن تفاصيل الحادثة. وأشارت أبل إلى أن الهجمات كانت شديدة التعقيد واستهدفت أفرادًا بعينهم، ما يُرجّح أن تكون جهات حكومية أو كيانات مدعومة من دول خلف هذه العمليات، خاصة وأن إحدى الثغرتين تم اكتشافها من قبل باحثين أمنيين في مجموعة تحليل التهديدات في جوجل (TAG)، وهي وحدة معروفة بتتبع الهجمات المدعومة حكوميًا. تفاصيل الثغرتين الأمنيتين 1. الثغرة الأولى (اكتشفها باحثو جوجل): تتعلق بمكون Core Audio، وهو مكوّن رئيسي يسمح للتطبيقات بالتفاعل مع الصوت في أجهزة أبل. وقد تمكن المهاجمون من استغلاله عبر تشغيل ملفات وسائط معدّة خصيصًا، مما يتيح لهم تنفيذ تعليمات ضارة داخل الجهاز. 2. الثغرة الثانية (اكتشفتها أبل): تسمح للمهاجمين بتجاوز ميزة مصادقة المؤشرات Pointer Authentication، وهي خاصية أمان مهمة تمنع التلاعب بذاكرة الجهاز. تجاوز هذه الميزة يعني قدرة أكبر على حقن تعليمات برمجية خبيثة والسيطرة على الجهاز. التحديثات الجديدة: حماية شاملة أطلقت أبل تحديثًا جديدًا لأجهزة iPhone وiPad بإصدار iOS 18.4.1، بالإضافة إلى تحديث macOS Sequoia إلى الإصدار 15.4.1. كما شملت التحديثات أجهزة Apple TV ونظارة الواقع المختلط Vision Pro، وذلك لضمان سد جميع الثغرات عبر مختلف المنصات. رغم أن التفاصيل التقنية معقدة، إلا أن الرسالة واضحة: يجب على جميع المستخدمين تحديث أجهزتهم فورًا لضمان الحماية من هذه الثغرات التي قد تُستغل في عمليات تجسس متقدمة، خاصة مع تزايد الهجمات السيبرانية التي تستهدف الأفراد والجهات ذات الطبيعة الحساسة.
عمون
١٣-٠٢-٢٠٢٥
- علوم
- عمون
الذكاء الاصطناعي: كيف تعزز النماذج اللغوية تطوير أداء الحكومات؟
يشهد العالم اليوم تحولًا رقميًا غير مسبوق، حيث أصبح الذكاء الاصطناعي (AI - Artificial Intelligence) في قلب التطور التكنولوجي، مما أدى إلى إعادة تعريف العمليات في القطاعات الحكومية، الصحية، والتعليمية. مع توقع وصول حجم سوق الذكاء الاصطناعي إلى 1.8 تريليون دولار بحلول عام 2030، أصبح من الواضح أن هذه التكنولوجيا لم تعد مجرد أداة تحسين، بل أصبحت الأساس في بناء مستقبل يعتمد على الأتمتة، التحليل المتقدم، واتخاذ القرار القائم على البيانات (Data-Driven Decision Making). تشير الإحصائيات إلى أن 70% من الشركات العالمية تعتمد على الذكاء الاصطناعي في عملياتها اليومية، حيث تُستخدم النماذج اللغوية الضخمة (LLMs - Large Language Models) مثل ChatGPT، Gemini، DeepSeek، Jimi AI، و في تحليل النصوص القانونية، تقديم التوصيات الطبية، تحسين تفاعل العملاء، وتطوير بيئات التعلم الذكي. هذه النماذج تعتمد على التعلم العميق (Deep Learning)، معالجة اللغة الطبيعية (NLP - Natural Language Processing)، والتعلم المعزز بالتغذية الراجعة (RLHF - Reinforcement Learning with Human Feedback)، مما يجعلها أكثر دقة وموثوقية بمرور الوقت. لكن كيف تطور الذكاء الاصطناعي ليصل إلى هذه المرحلة؟ وما الذي يجعل هذه النماذج قادرة على تقديم هذا المستوى من الفهم والتحليل؟ للإجابة على هذه الأسئلة، من الضروري تتبع تطور الذكاء الاصطناعي من بداياته الأولى وصولًا إلى الأنظمة المتقدمة التي نشهدها اليوم. رحلة تطور الذكاء الاصطناعي بدأ الذكاء الاصطناعي في عام 1958 مع ظهور نموذج Perceptron، الذي كان محاولة أولى لمحاكاة وظائف الدماغ البشري في معالجة البيانات. رغم بساطته، فقد وضع الأساس للشبكات العصبية الاصطناعية (Artificial Neural Networks - ANN) التي تطورت لاحقًا. في الثمانينيات، أحدثت تقنية (Backpropagation) تحولًا جذريًا، حيث سمحت للنماذج بتحسين أدائها من خلال التعلم التدريجي، مما مهد الطريق لتطور الشبكات العصبية العميقة. لكن الثورة الحقيقية جاءت في 2017، عندما نشر باحثو جوجل ورقة بحثية بعنوان "Attention Is All You Need"، التي قدمت معمارية المحولات (Transformers)، وهي التقنية التي تقف وراء نجاح النماذج اللغوية الحديثة. هذه التقنية مكنت الذكاء الاصطناعي من معالجة النصوص بشكل متزامن بدلاً من التحليل التسلسلي التقليدي، مما أدى إلى تحسين كبير في سرعة ودقة الفهم والاستجابة. بفضل هذه التطورات، شهدنا ظهور نماذج قوية مثل ChatGPT الذي أصبح قادرًا على تقديم استجابات دقيقة في خدمة العملاء والتحليل اللغوي، و Gemini الذي يتميز بمعالجة البيانات متعددة الأنماط (Multimodal Processing)، مما يتيح له التعامل مع النصوص، الصور، والصوت. في الوقت نفسه، برز DeepSeek كأداة فعالة في تحليل كميات ضخمة من البيانات المالية والإدارية، بينما أصبح Jimi AI خيارًا مفضلًا للشركات التي تحتاج إلى تحليل الأسواق واتخاذ قرارات استراتيجية، وساعد المؤسسات القانونية والتعليمية في تحليل الوثائق الطويلة واستخلاص المعلومات الجوهرية منها. كيف يتم تدريب النماذج اللغوية الضخمة؟ تتطلب النماذج اللغوية الضخمة كميات هائلة من البيانات (Training Data) وتحتاج إلى عمليات تدريب متقدمة تشمل ثلاث مراحل رئيسية. تبدأ بمرحلة التدريب المسبق (Pretraining)، حيث يتم تعليم النموذج الأنماط اللغوية والقواعد الأساسية من خلال تحليل تيرابايت من البيانات النصية المأخوذة من مصادر متنوعة مثل الكتب، المقالات، والمستندات القانونية. في المرحلة الثانية، التدريب المتخصص (Fine-Tuning)، يتم تخصيص النموذج لمهام محددة مثل الترجمة، الإجابة على الأسئلة، أو تقديم التوصيات الطبية. وأخيرًا، يتم تحسين أداء النموذج باستخدام التعلم المعزز بالتغذية الراجعة البشرية (RLHF)، حيث يتم تقييم استجابات النموذج وتعديلها بناءً على ملاحظات المستخدمين لضمان دقة وموثوقية أعلى. الذكاء الاصطناعي العام ومستوياته يتطور الذكاء الاصطناعي عبر ثلاث مراحل رئيسية. يتمثل المستوى الأول في الذكاء الاصطناعي الضيق (ANI - Artificial Narrow Intelligence)، وهو ما نستخدمه اليوم في التطبيقات المتخصصة مثل الترجمة وتحليل البيانات. أما المستوى الثاني، الذكاء الاصطناعي العام (AGI - Artificial General Intelligence)، فيسعى العلماء إلى تطويره ليصبح قادرًا على تنفيذ أي مهمة عقلية بشرية بكفاءة مماثلة للإنسان. وأخيرًا، يُعد الذكاء الاصطناعي الفائق (ASI - Artificial Super Intelligence) المستقبل الأكثر طموحًا، حيث سيكون قادرًا على تجاوز القدرات البشرية في التحليل واتخاذ القرار، مما يثير تحديات متعددة وتقنية تتطلب استراتيجيات تنظيمية واضحة. التحول الرقمي من خلال الذكاء الاصطناعي مع تبني المؤسسات للذكاء الاصطناعي، أصبحت البيانات عنصرًا رئيسيًا في دعم اتخاذ القرار، حيث يتم الاعتماد على التحليل القائم على البيانات (Data-Driven Decision Making) لاستخلاص الرؤى الدقيقة. في الحكومات، يتم استخدام هذه التقنيات في تحليل الوثائق القانونية، أتمتة الخدمات، وتحسين تجربة المواطنين، مما أدى إلى تقليل البيروقراطية وتسريع الإجراءات الإدارية. في الصحة، يمكن لهذه النماذج تحليل الأشعة الطبية، التنبؤ بالأمراض المزمنة، وتقديم خطط علاجية محسنة، مما يساعد على تحسين دقة التشخيص وتقليل الأخطاء الطبية بنسبة 30%. أما في قطاع الأعمال، فإن الشركات التي تعتمد على الذكاء الاصطناعي تحقق زيادة في الأرباح بنسبة 25% مقارنة بتلك التي لا تستفيد من هذه التكنولوجيا. التوقيعات الرقمية ورموز QR في تعزيز الأمان أصبح الاعتماد على التوقيعات الرقمية ورموز QR أمرًا ضروريًا في عمليات التحقق من الوثائق الرسمية وتسهيل الإجراءات الحكومية. تساعد هذه التقنيات في تقليل التزوير، تسريع المعاملات، وضمان أمان أكبر للوثائق الرقمية، حيث يتمكن المستخدمون من التحقق من صحة المستندات بسرعة من خلال مسح رموز QR. أهمية تدريب الموظفين على الذكاء الاصطناعي رغم التطورات التكنولوجية الهائلة، لا يمكن تحقيق الاستفادة الكاملة من الذكاء الاصطناعي دون تدريب وتأهيل الموظفين على استخدام هذه التقنيات بفعالية. يتطلب ذلك بناء قدرات في تحليل البيانات، فهم نماذج الذكاء الاصطناعي، وإدارة أنظمة التشغيل الذكية، مما يضمن تكامل التكنولوجيا مع العنصر البشري بطريقة تعزز الكفاءة دون استبدال الدور البشري بالكامل. هل نحن مستعدون لمستقبل يقوده الذكاء الاصطناعي؟ الذكاء الاصطناعي لم يعد مجرد أداة تقنية، بل أصبح القوة الدافعة للتحول الرقمي وإعادة تشكيل أسلوب الحياة والعمل في جميع القطاعات. لكن تحقيق الاستفادة القصوى منه لا يكمن فقط في تطوير النماذج الذكية، بل في ضمان استخدامها بمسؤولية واستدامة، وتعزيز جودة البيانات التي تبني عليها قراراتها، إلى جانب الاستثمار في تنمية مهارات الأفراد القادرين على توجيهها نحو مستقبل يخدم الإنسان والمجتمع. إذا كان الذكاء الاصطناعي هو حجر الأساس للمستقبل، فالسؤال الحقيقي ليس إن كنا مستعدين له، بل إن كنا قادرين على قيادته، وتوظيفه بما يحقق التقدم والابتكار، أم أننا سنكتفي بمواكبة تطوراته دون أن نكون جزءًا من صناعته؟
