أخبار الذكاء الاصطناعي

أمزون وإنفيديا وAMD تستثمر 310 مليون دولار في Odyssey ML

استثمرت شركات أمازون وإنفيديا وAMD مبلغ 310 مليون دولار في شركة Odyssey ML الناشئة، التي تقدر قيمتها الآن بـ 1.45 مليار دولار. يشمل هذا التمويل أيضًا دعم صندوق مرتبط بوكالة الاستخبارات المركزية IQT والعالم جيف دين من جوجل. تعتبر نماذج العالم جزءًا من الاتجاه الجديد في الذكاء الاصطناعي، حيث تركز الشركات الكبرى على تطوير نماذج ثلاثية الأبعاد. هذا الاستثمار يعكس اهتمام السوق المتزايد بتقنيات الذكاء الاصطناعي التي تتجاوز مجرد نماذج اللغة. يمثل هذا التمويل خطوة استراتيجية للشركات الكبرى في مجال الذكاء الاصطناعي، حيث يتوقع أن تلعب نماذج العالم دورًا محوريًا في المستقبل. قد تؤثر هذه التطورات على كيفية تصميم التطبيقات والأنظمة الذكية في مختلف القطاعات.

ويكيب يكتسب شركة فرونتلاين لتعزيز قدراته في تخطيط المشاريع

أعلنت شركة ويكاب، المتخصصة في تكنولوجيا البناء، عن استحواذها على شركة فرونتلاين، المزود لبرمجيات تخطيط البناء المعتمدة على الذكاء الاصطناعي. يهدف هذا الاستحواذ إلى توسيع قدرات ويكاب من المراقبة الفورية لمواقع العمل إلى تخطيط وتحسين المشاريع. تأسست فرونتلاين من قبل لويس مارتينيز وريكي دين، وتقدم أدوات تخطيط تعتمد على الذكاء الاصطناعي تساعد الفرق على تحسين الجداول الزمنية من خلال المحاكاة واختبار الضغط. سيمكن هذا الاستحواذ ويكاب من إنشاء منصة ذكاء متكاملة تربط خطط المشاريع ببيانات التنفيذ الميداني.

💡

أوديسي تعزز مكانتها في عالم نماذج الذكاء الاصطناعي

كيف ترى تأثير نماذج العالم على مستقبل الذكاء الاصطناعي؟

اقرأ المزيد ←

إطلاق Zhipu AI نموذج GLM-5.2 بقدرة سياق مليون توكن

إطلاق Zhipu AI نموذج GLM-5.2 بقدرة سياق مليون توكن

أعلنت مختبر Zhipu AI الصيني عن إطلاق نموذج GLM-5.2، الذي يتمتع بسياق مستقر يصل إلى مليون توكن، تحت رخصة MIT. على منصة FrontierSWE، التي تقيس أداء النماذج في مهام البرمجة الطويلة، يتفوق النموذج الجديد على Claude Opus 4.8 من Anthropic بفارق نقطة واحدة فقط. رغم ذلك، لا يزال GLM-5.2 متخلفًا عن المنافسين المغلقين في مجال التفكير المنطقي، مما يشير إلى تحديات مستمرة في تحسين قدراته في هذا المجال.

بروتوكول A2A: تسهيل التواصل بين الأنظمة الذكية

بروتوكول A2A: تسهيل التواصل بين الأنظمة الذكية

أطلق جوجل بروتوكول A2A في أبريل 2025 كمعيار مفتوح لتواصل الأنظمة الذكية. يعتمد البروتوكول على HTTP لنقل البيانات، وJSON-RPC للرسائل المنظمة، مما يسهل التعاون بين الوكلاء الذكيين. يتيح هذا التصميم العمل غير المتزامن، حيث يمكن لوكيل إرسال مهمة لوكيل آخر ومتابعة العمل في نفس الوقت. يساعد بروتوكول A2A المطورين على تجنب الحاجة إلى كتابة كود مخصص لربط الأدوات المختلفة، مما يقلل من مخاطر الاعتماد على بائع واحد. كما يتماشى مع أنماط الأمان والتفويض المتبعة في المؤسسات، مما يسهل استبدال الأطر دون التأثير على البنية التحتية. يتضمن بروتوكول A2A مكتبة تطوير الوكلاء (ADK) التي تدعم هذا البروتوكول، بالإضافة إلى مكتبات أخرى.

تحديات البيانات أمام تطور الذكاء الاصطناعي الفيزيائي

تحديات البيانات أمام تطور الذكاء الاصطناعي الفيزيائي

يواجه الذكاء الاصطناعي الفيزيائي تحديات كبيرة في معالجة البيانات اللازمة لتحقيق إنجازات مماثلة لتلك التي حققتها نماذج اللغة الكبيرة. يتطلب الأمر تطوير آليات فعالة لجمع وتحليل البيانات، مما يؤثر على قدرة الأنظمة الفيزيائية على التعلم والتكيف. إذا لم يتم معالجة هذه التحديات، فقد يتأخر تقدم الذكاء الاصطناعي الفيزيائي مقارنةً بنماذج اللغة الكبيرة.

استخدام الذكاء الاصطناعي لتعليم الروبوتات مهارات الإمساك الدقيقة

استخدام الذكاء الاصطناعي لتعليم الروبوتات مهارات الإمساك الدقيقة

يعمل باحثون من إنفيديا وجامعة كارنيجي ميلون وجامعة كاليفورنيا في بيركلي على استخدام وكلاء برمجة الذكاء الاصطناعي لتعليم الروبوتات مهارات الإمساك الدقيقة في العالم الحقيقي. تمكنت مجموعة من ثمانية روبوتات من تحقيق نسبة نجاح تصل إلى 99% في مهام صعبة تتطلب دقة عالية. تعتبر هذه الدراسة خطوة مهمة في تطوير الروبوتات القادرة على التعلم الذاتي، حيث تستخدم تقنيات الذكاء الاصطناعي لتحسين الأداء في المهام المعقدة. تعتمد الروبوتات على وكلاء برمجة الذكاء الاصطناعي لتدريب نفسها، مما يعكس تقدمًا ملحوظًا في مجال الروبوتات.

باحثو OpenAI يقترحون طريقة لتوقع أخطاء نماذج الذكاء الاصطناعي

باحثو OpenAI يقترحون طريقة لتوقع أخطاء نماذج الذكاء الاصطناعي

اقترح باحثو OpenAI طريقة جديدة لتوقع الأخطاء المحتملة التي قد تحدثها نماذج الذكاء الاصطناعي بعد إطلاقها. تهدف هذه الطريقة إلى سد الفجوات التي تتركها اختبارات السلامة التقليدية، مما يعزز من موثوقية النماذج الجديدة. من المتوقع أن تسهم هذه الابتكارات في تحسين عملية تطوير النماذج، مما يساعد الشركات على اتخاذ قرارات أكثر استنارة قبل الإطلاق. تتضمن الآلية المقترحة استخدام بيانات سابقة ونماذج رياضية لتقدير معدل الأخطاء المحتملة. هذه الطريقة قد تكون مفيدة بشكل خاص في حالات الاستخدام الحرجة حيث يمكن أن تؤدي الأخطاء إلى عواقب وخيمة. كما أن هذه الابتكارات تأتي في وقت يتزايد فيه التركيز على سلامة الذكاء الاصطناعي وموثوقيته.

برامانا تركز على قطاعات حساسة مثل القانون واكتشاف الأدوية