أخبار الذكاء الاصطناعي

الولايات المتحدة تحذر الدول من اختيار بين واشنطن وبكين في الذكاء الاصطناعي

تستعد الولايات المتحدة لإبلاغ عشرات الدول بضرورة الاختيار بين واشنطن وبكين في سباق الذكاء الاصطناعي، محذرةً من أن الدول التي تنضم أيضاً إلى الإطار المنافس الذي تقوده الصين قد تُستبعد من تحالف الذكاء الاصطناعي بقيادة أميركا. أطلقت واشنطن العام الماضي مبادرة «باكس سيليكا» بهدف تأمين سلاسل إمداد نماذج الذكاء الاصطناعي وأشباه الموصلات والمعادن الحيوية، حيث انضمت نحو 24 دولة إلى المبادرة، من بينها كازاخستان، التي تُعد مصدراً محتملاً مهماً للمعادن الحيوية. تسعى أميركا، من خلال دفع الدول إلى الاختيار بين الجانبين، إلى حرمان الصين من الموارد اللازمة للمنافسة على تطوير أنظمة الذكاء الاصطناعي المتقدمة، مما يعكس تحول سباق الذكاء الاصطناعي إلى صراع على الموارد.

الوكلاء والأتمتة

World Labs تطلق محرك محاكاة لتدريب أنظمة التحكم الروبوتية

أطلقت شركة World Labs، التي أسستها الرائدة في الذكاء الاصطناعي فيفي لي، محرك محاكاة يتيح تدريب أنظمة التحكم الروبوتية بالكامل في بيئات افتراضية. يقوم النظام بتوليد آلاف المتغيرات من مهمة واحدة في العالم الحقيقي، مما يعزز فعالية التدريب. تم تشغيل النماذج المدربة لمدة ساعة واحدة على خمسة منصات روبوت مختلفة دون تدخل بشري، مما يفتح آفاقاً جديدة في مجال الروبوتات. تعتبر هذه التقنية خطوة مبتكرة في استخدام المحاكاة لتدريب الروبوتات، حيث يمكنها تحسين الأداء في مهام معقدة من خلال التعلم من مجموعة متنوعة من السيناريوهات الافتراضية. هذا النهج يتيح للروبوتات التكيف بشكل أفضل مع الظروف المتغيرة في العالم الحقيقي. ومع ذلك، يبقى السؤال حول مدى فعالية هذه النماذج في المواقف اليومية الأكثر تعقيدًا.

💡

إنفيديا تخفض دعمها لمشروع مركز بيانات أوبن إيه آي في أوهايو

ما هي التحديات التي تواجه أوبن إيه آي في تمويل مشروعها الجديد؟

اقرأ المزيد ←

اختبار PerceptionBench يكشف ضعف نماذج الذكاء الاصطناعي في الإدراك البصري

اختبار PerceptionBench يكشف ضعف نماذج الذكاء الاصطناعي في الإدراك البصري

أظهرت نتائج اختبار PerceptionBench الذي أجرته Moonshot AI أن نماذج الذكاء الاصطناعي متعددة الوسائط لا تصل إلى 60% من الدقة في الإدراك البصري. يتصدر نموذج GPT-5.6 Sol القائمة بفارق ضئيل، مما يبرز التحديات التي تواجهها هذه النماذج في فهم الصور. تشير النتائج إلى أن العديد من الأخطاء المنطقية التي يُعتقد أنها ناتجة عن التفكير تحدث في الواقع في مرحلة قراءة الصور، مما يعكس ضعفاً أساسياً في كيفية معالجة النماذج للمدخلات البصرية. هذا الأمر يسلط الضوء على الحاجة إلى تحسينات في خوارزميات التعلم العميق المستخدمة في هذه النماذج.

إطلاق نموذج GLM-5.3 من Z.ai يتجاوز المعايير العالمية

إطلاق نموذج GLM-5.3 من Z.ai يتجاوز المعايير العالمية

أعلنت شركة Z.ai عن إطلاق نموذج GLM-5.3، المتاح حاليًا في خطة البرمجة، وسيكون متاحًا قريبًا عبر واجهة برمجة التطبيقات. يتميز النموذج بزيادة ملحوظة في الدرجات، حيث تفوق على نماذج مثل Kimi K3 وClaude Fable 5. يحتوي GLM-5.3 على حوالي 750 مليار معلمة، مما يجعله في طليعة معايير البرمجة الوكيلة، رغم أنه أقل بكثير من Kimi K3. تشير المدونة الخاصة بالشركة إلى أن تحسين ما بعد التدريب هو ما ميز هذا النموذج عن غيره. تثير هذه النتائج تساؤلات حول قدرة الصين على المنافسة في هذا المجال، حيث يُظهر Z.ai كفاءة عالية في تطوير نماذج اللغة. تاريخ نماذج GLM يعكس تطورًا مستمرًا منذ عام 2019، مما يعزز مكانة Z.ai في السوق.

OpenAI تطلق وضع المعالجة الفائق السرعة لنموذج GPT-5.6 Sol

OpenAI تطلق وضع المعالجة الفائق السرعة لنموذج GPT-5.6 Sol

أعلنت OpenAI عن إطلاق وضع المعالجة الفائق السرعة “Ultrafast” لنموذج GPT-5.6 Sol، مما يسمح بإنتاج يصل إلى 750 رمزًا في الثانية. هذا الوضع الجديد يحقق سرعة تصل إلى 14 ضعفًا مقارنةً بوضع المعالجة القياسي، مما يعزز من كفاءة النموذج دون الحاجة لتقليل قدراته. يعتمد الوضع الجديد على بنية Wafer-Scale Engine من شركة Cerebras، التي تستخدم ذاكرة متطورة لتلبية احتياجات المعالجة العالية. هذه التقنية تمثل تقدمًا ملحوظًا في قدرة النماذج على التعامل مع المهام المعقدة بسرعة أكبر، مما يفتح آفاقًا جديدة في استخدام الذكاء الاصطناعي.

الوكلاء والأتمتة

اختيار منصة أتمتة سير العمل المناسبة لتحسين الأداء التشغيلي

الوكلاء والأتمتة

اختيار منصة أتمتة سير العمل المناسبة لتحسين الأداء التشغيلي

يمكن أن يؤثر اختيار منصة أتمتة سير العمل على حريتك التشغيلية للسنوات الثلاث إلى الخمس القادمة. يساعدك هذا الدليل في مقارنة n8n والبدائل الأخرى للعثور على المنصة المناسبة التي تمنحك السيطرة على النشر وتجنب الاعتماد على مزود واحد. عند تقييم منصات أتمتة الذكاء الاصطناعي، يجب مراعاة خمسة معايير رئيسية: نموذج النشر، موثوقية التنفيذ، عمق التكامل، جاهزية الذكاء الاصطناعي، والرؤية. هذه العوامل تؤثر على الأمان والمرونة التشغيلية والتكاليف. تعتبر n8n منصة أتمتة أصلية للذكاء الاصطناعي، حيث يمكن للفرق الهندسية إنشاء وكلاء ذكاء اصطناعي وسير عمل وكيل. تم اختيار ثمانية منافسين لـ n8n يمثلون نهجًا معماريًا متميزًا، مما يتيح لك مقارنة الخيارات المتاحة.

تقنيات التحفيز المتسلسل تعزز دقة نماذج اللغة الكبيرة

تقنيات التحفيز المتسلسل تعزز دقة نماذج اللغة الكبيرة

تواجه نماذج اللغة الكبيرة صعوبة في تقديم إجابات مباشرة عند التعامل مع استفسارات معقدة. يساهم التحفيز المتسلسل في معالجة هذه المشكلة من خلال تحسين الشفافية المنطقية، مما يساعد الفرق على تصحيح النتائج غير الصحيحة والتحقق من صحة استنتاجات النموذج. يستخرج التحفيز المتسلسل سلسلة من خطوات التفكير الوسيطة التي استخدمها النموذج للوصول إلى استجابته. أظهرت دراسة نشرت في Frontiers Media SA أن التحفيز المتسلسل حقق أدنى معدل لهلوسة بنسبة 18.1% مقارنة بأساليب التحفيز الأخرى، مما يعكس فعاليته في تحسين دقة الإجابات.

البنية التحتية

إندونيسيا تطلق مركز تكنولوجيا الذكاء الاصطناعي في جامعة غادجاه مادا

البنية التحتية