الذكاء الاصطناعى مع اسامة AI with Osama

تصوير مسألة رياضيات والحصول على الحل فورًا قد يبدو اختصارًا مذهلًا.

لكن السؤال الحقيقي:
هل الطالب سيتعلم؟ أم سينسخ الإجابة فقط؟

هنا تظهر أهمية **Photomath**.

التطبيق يساعد الطلاب على حل مسائل الرياضيات من خلال كاميرا الهاتف، ثم يعرض الحل خطوة بخطوة، مع شرح يساعد على فهم طريقة الوصول إلى الناتج، لا الاكتفاء بالجواب النهائي. ويغطي موضوعات مثل الحساب، الجبر، الهندسة، التفاضل والتكامل وغيرها. ([photomath.com](https://photomath.com/en))

القيمة الحقيقية في Photomath ليست أنه يحل الواجب بسرعة.

القيمة أن يستخدمه الطالب كمدرس مساعد:

يراجع خطواته.
يفهم أين أخطأ.
يرى أكثر من طريقة للحل.
ويتدرب على سؤال مشابه بنفسه.

لكن دعنا نكون واضحين:

Photomath قد يصبح خطرًا تعليميًا إذا تحول إلى آلة لنسخ الواجبات.

الرياضيات لا تُفهم بمجرد رؤية الحل.
ولا تُتقن دون محاولة، خطأ، وتصحيح.

الخلاصة:

**Photomath** أداة قوية عندما تساعد الطالب على الفهم.
لكنها تضعفه إذا جعلته يتوقف عن التفكير.

هل ترى أن تطبيقات حل الرياضيات تساعد الطلاب فعلًا؟
أم تجعلهم أكثر اعتمادًا على الإجابات الجاهزة؟







#الرياضيات





تصوير مسألة رياضيات والحصول على الحل فورًا قد يبدو اختصارًا مذهلًا.

لكن السؤال الحقيقي:
هل الطالب سيتعلم؟ أم سينسخ الإجابة فقط؟

هنا تظهر أهمية **Photomath**.

التطبيق يساعد الطلاب على حل مسائل الرياضيات من خلال كاميرا الهاتف، ثم يعرض الحل خطوة بخطوة، مع شرح يساعد على فهم طريقة الوصول إلى الناتج، لا الاكتفاء بالجواب النهائي. ويغطي موضوعات مثل الحساب، الجبر، الهندسة، التفاضل والتكامل وغيرها. ([photomath.com](https://photomath.com/en))

القيمة الحقيقية في Photomath ليست أنه يحل الواجب بسرعة.

القيمة أن يستخدمه الطالب كمدرس مساعد:

يراجع خطواته.
يفهم أين أخطأ.
يرى أكثر من طريقة للحل.
ويتدرب على سؤال مشابه بنفسه.

لكن دعنا نكون واضحين:

Photomath قد يصبح خطرًا تعليميًا إذا تحول إلى آلة لنسخ الواجبات.
هل ترى أن تطبيقات حل الرياضيات تساعد الطلاب فعلًا؟
أم تجعلهم أكثر اعتمادًا على الإجابات الجاهزة؟







#الرياضيات

إطلاق AutoScientists… خطوة جديدة نحو “فرق بحثية” من وكلاء الذكاء الاصطناعي. 🤯🚀

نحن لا نتحدث هنا عن أداة تلخص ورقة علمية.
ولا عن مساعد يكتب لك فرضية بحثية.

نحن أمام نظام بحثي مفتوح المصدر يحاول إدارة التجارب العلمية الحاسوبية طويلة المدى بطريقة أقرب إلى فرق بحث تعمل بالتوازي.

النظام اسمه **AutoScientists**، وطوره باحثون من Harvard، وهم:

**Shanghua Gao**
**Ada Fang**
**Marinka Zitnik**

الفكرة الأساسية قوية جدًا:

بدل أن يعمل وكيل ذكاء اصطناعي واحد في مسار بحثي ثابت، يقوم AutoScientists بتشغيل فرق من الوكلاء تتنظم ذاتيًا حول فرضيات واعدة.

كل فريق يقترح.
يناقش.
ينتقد.
ينفذ تجارب.
يسجل النتائج.
ويشارك النجاحات والإخفاقات مع بقية الفرق.

النظام يعتمد على تنسيق قائم على الأدلة؛ أي أن اتجاه البحث يتغير حسب نتائج التجارب، لا حسب خطة جامدة وُضعت في البداية.

يقوم الوكلاء بتسجيل ذلك، تقليل الهدر الحوسبي، وإعادة التنظيم حول اتجاهات أكثر جدوى.

وهذا مهم جدًا؛ لأن كثيرًا من أنظمة الذكاء الاصطناعي الحالية تسير في خط واحد:
تجربة بعد تجربة… حتى لو كان المسار نفسه ضعيفًا.

أما هنا، فالفكرة أقرب إلى مختبر صغير يعمل فيه أكثر من فريق، وكل فريق يتعلم من الآخر.

النظام لا يهتم فقط بالنتيجة النهائية.
بل يوثق الطريق كله:

سجلات التجارب.
الفرضيات الفاشلة.
الاتجاهات غير المجدية.
بطاقات النماذج.
والتقارير البحثية.

وهذه نقطة عميقة جدًا.

لأن العلم الحقيقي لا يتقدم بالنجاحات فقط.
بل يتقدم أيضًا بتوثيق الإخفاقات حتى لا نكرر الطريق نفسه كل مرة.

تم اختبار AutoScientists على مهام في الطب الحيوي، تشمل:

اكتشاف العقاقير.
هندسة البروتينات.
تحليل بيانات الأوميكس أحادية الخلية.
التصوير الحيوي.
وتحسين نماذج التعلم الآلي الحيوية.

وعلى BioML-Bench، حقق النظام متوسط ترتيب **74.4%** عبر 24 مهمة، متفوقًا على أقوى وكلاء سابقين بفارق يقارب **+8.3 نقطة مئوية**.

وفي مهمة مرتبطة بتنبؤ ارتباط بروتين ACE2 بالشوكة الفيروسية، اكتشف النظام تحسينًا خوارزميًا رفع الأداء بنسبة واضحة مقارنة بالنموذج السابق.

وهل سيؤدي ذلك إلى تسريع الاكتشاف العلمي… أم إلى إنتاج كم هائل من النتائج التي تحتاج رقابة علمية أكثر صرامة؟

قبل شهرين، لم يكن الحديث عن نموذج Mythos من Anthropic مجرد ضجة تقنية عابرة.

الشركة رفضت إتاحته للعامة، وفضّلت منحه بشكل محدود لجهات مختارة في الأمن السيبراني وشركات تقنية كبرى، بعدما أظهر قدرة غير مسبوقة على اكتشاف ثغرات خطيرة، من بينها ثغرات Zero-Day ظلت كامنة لسنوات في أنظمة وبرمجيات واسعة الاستخدام.

الفكرة هنا ليست أن النموذج “ذكي” فقط.

الفكرة أنه قادر على الدخول إلى مناطق كانت تحتاج فرقًا متخصصة وخبرات نادرة وساعات طويلة من التحليل الأمني.

ولهذا كان قرار عدم إطلاقه للجميع منطقيًا؛ لأن الفارق بين استخدامه لحماية الأنظمة واستخدامه لاختراقها قد يكون مجرد نية المستخدم.

الآن، تعود Anthropic بنسخة جديدة باسم Claude Fable 5.

نموذج يحتفظ بجانب كبير من القوة التحليلية والبرمجية والبحثية التي جعلت Mythos مثيرًا للجدل، لكنه يأتي محاطًا بقيود صارمة تمنعه من تقديم دعم مباشر في المجالات عالية الخطورة، مثل اختراق الأنظمة، تطوير البرمجيات الخبيثة، أو تقديم إرشادات يمكن توظيفها في مخاطر بيولوجية أو أمنية.

وهنا تكمن أهمية النموذج.

نحن لا نتحدث فقط عن أداة جديدة للكتابة أو البرمجة، بل عن جيل مختلف من النماذج القادرة على التعامل مع مشكلات معقدة في البرمجة، البحث العلمي، التحليل، واكتشاف الأنماط الخفية داخل الأنظمة.

قد لا يكون وصفه بأنه “أقوى نموذج ذكاء اصطناعي متاح حتى الآن” مبالغة، بشرط أن نفهم القوة هنا بمعناها الحقيقي:
قدرة ضخمة، لكنها تحتاج حوكمة صارمة.
إمكانات مذهلة، لكنها تحمل مخاطر حقيقية.
قفزة تقنية، لكنها تفتح أسئلة أكبر عن الأمان، والضبط، ومن يملك حق الوصول إلى هذه القدرات.

الذكاء الاصطناعي لم يعد سباقًا في الإجابات فقط.
بل أصبح سباقًا في السيطرة على القوة قبل أن تتحول إلى خطر.

كورس ستانفورد CS336 خرج للنور… وهذا ليس كورسًا عاديًا عن الذكاء الاصطناعي. 🤯🚀

اسمه:

**Language Modeling from Scratch**

وفكرته ببساطة:
لا تتعامل مع نماذج اللغة الكبيرة كصندوق أسود.
افهم كيف تُبنى من الداخل.

الكورس لا يشرح لك كيف تستخدم ChatGPT، بل يأخذك إلى ما وراء الواجهة:

كيف يتم تجهيز البيانات؟
كيف تعمل التوكنة؟
كيف تُبنى معماريات Transformer؟
ما دور Attention وMLP وMixture of Experts؟
كيف يتم تدريب النموذج وتسريعه على GPUs؟
كيف تعمل تقنيات مثل FlashAttention وTriton؟
كيف نقيس أداء النموذج؟
وكيف تتم المواءمة بعد التدريب عبر SFT وRLHF وAlignment؟

القيمة الحقيقية في CS336 أنه يذكّرك بحقيقة مهمة:

المستقبل لن يكون فقط لمن يعرف كيف يكتب Prompt جيدًا،
بل لمن يفهم كيف تُبنى النماذج، وكيف تُدرّب، وكيف تُقيّم، وكيف تُشغّل بكفاءة.

الكورس ليس خفيفًا، وليس للمشاهدة السريعة.
هو مساق جاد يحتاج برمجة، رياضيات، وفهمًا للأنظمة.

لكن لو كنت تريد الانتقال من مستخدم أدوات إلى شخص يفهم بنية الذكاء الاصطناعي فعلًا، فهذا من أقوى المسارات التي يمكن أن تبدأ منها.

هل ترى أن العاملين في الذكاء الاصطناعي يجب أن يفهموا بناء النماذج من الداخل؟
أم يكفي إتقان استخدام الأدوات الجاهزة؟

في سباق الفيديو بالذكاء الاصطناعي، المشكلة لم تعد:
“هل يمكن توليد فيديو من نص؟”

المشكلة أصبحت:
أي نموذج أستخدم؟ وكم سيكلفني الوصول لكل هذه النماذج؟

هنا تظهر فكرة ImagineX Video.

المنصة تقدم نفسها كأداة لإنشاء الصور والفيديوهات بالذكاء الاصطناعي، موجهة لصناع المحتوى والمسوقين والشركات، مع إمكانية توليد محتوى بصري احترافي بسرعة من خلال النصوص أو الصور أو الأصول التي يرفعها المستخدم. كما تعرض صفحة الـ API الخاصة بها أنها منصة لإنشاء فيديوهات وصور احترافية بالذكاء الاصطناعي.

الفكرة الأقوى في ImagineX ليست أنها “مولد فيديو” فقط.
بل أنها تحاول جمع أكثر من نموذج فيديو متقدم داخل مكان واحد، بدل أن يدفع المستخدم لكل أداة منفصلة. بعض القوائم التقنية تصفها بأنها تجمع أكثر من 10 نماذج، مثل Sora وVeo وKling، في منصة واحدة.

وهذا مهم جدًا لصناع المحتوى.

لأن إنتاج الفيديو بالذكاء الاصطناعي لم يعد قرارًا بسيطًا.
كل نموذج له أسلوب.
كل نموذج له نقاط قوة.
كل نموذج ينجح في نوع معين من المشاهد.
وهناك فرق بين فيديو إعلاني، مشهد سينمائي، تحريك صورة، فيديو منتج، أو لقطة قصيرة للسوشيال ميديا.

ImagineX يحاول أن يختصر هذه الفوضى:
بدل أن تنتقل بين أدوات كثيرة، تستخدم منصة واحدة لاختبار أكثر من اتجاه بصري.

يمكن أن يخدم ذلك في:

إعلانات قصيرة.
فيديوهات منتجات.
مشاهد للسوشيال ميديا.
تحريك الصور.
اختبار أفكار الحملات.
بناء نماذج أولية لفيديوهات تسويقية.
وتحويل الوصف النصي إلى مشاهد قابلة للتطوير.

لكن دعنا نكون واضحين:

تجميع النماذج في مكان واحد لا يعني أن النتيجة ستكون قوية تلقائيًا.

لو كان الـ Prompt ضعيفًا، ستكون النتيجة ضعيفة.
لو كانت الفكرة مكررة، سيظهر الفيديو مكررًا.
لو لم تكن تعرف الهدف والجمهور والرسالة، ستنتج لقطة جميلة… لكنها بلا قيمة.

ImagineX Video يمثل اتجاهًا مهمًا في أدوات الفيديو بالذكاء الاصطناعي:
الانتقال من أداة واحدة مغلقة إلى منصة تجمع عدة نماذج، وتساعد المستخدم على اختيار الأنسب للمشهد والفكرة.

هل ترى أن منصات تجميع نماذج الفيديو ستصبح الخيار الأفضل لصناع المحتوى؟
أم أن الاعتماد على أداة واحدة متخصصة سيظل أكثر احترافية؟

لم يعد صانع المحتوى يحتاج إلى أدوات كثيرة متفرقة حتى يحوّل الفكرة إلى صورة أو فيديو.

أحيانًا الفارق الحقيقي يكون في منصة واحدة تختصر عليه الطريق.

وهنا تظهر Dreamina من CapCut.

Dreamina منصة إبداعية بالذكاء الاصطناعي تساعدك على توليد الصور والفيديوهات من أوصاف نصية بسيطة، أو من صور موجودة بالفعل. يمكن استخدامها في تصميم بوسترات، لوجوهات، أفاتارات، ميمز، صور منتجات، ومشاهد فيديو قصيرة مناسبة للسوشيال ميديا.

القوة هنا ليست فقط في “توليد صورة جميلة”.

القوة في أن الأداة قريبة جدًا من عالم صناع المحتوى؛ لأنها مرتبطة بثقافة CapCut: السرعة، الفيديوهات القصيرة، المشاهد الجذابة، وسهولة النشر.

يمكنك أن تبدأ بفكرة بسيطة، ثم تحوّلها إلى صورة، أو تستخدم صورة كمرجع، أو تطوّرها إلى فيديو قصير. كما توفر Dreamina أدوات مثل: توليد الصور، تحويل النص إلى صورة، تحويل الصورة إلى صورة، تكبير الصور، ونقل الأسلوب البصري.

وفي جانب الفيديو، تقدم Dreamina أدوات لتحويل النص أو الصورة إلى فيديو، مع إمكانات مثل ربط عدة صور في مشاهد متتابعة، والتحكم في حركة الكاميرا والشخصيات عبر الوصف النصي.

وهنا تظهر القيمة العملية:

إعلان سريع.
صورة منتج.
مشهد تعليمي.
بوستر لحملة.
أفاتار لشخصية.
فيديو قصير لريلز أو تيك توك.
أو تصور بصري لفكرة قبل إنتاجها فعليًا.

لكن دعنا نكون واضحين:

سهولة التوليد لا تعني جودة المحتوى.

الأداة قد تعطيك صورة أو فيديو خلال دقائق، لكنها لن تعوض ضعف الفكرة، ولا غياب الرسالة، ولا عدم فهم الجمهور.

من يستخدم Dreamina فقط للانبهار سيخرج بنتائج كثيرة وسطحية.
أما من يستخدمها بعقلية صانع محتوى محترف، فسيحوّلها إلى وسيلة لاختبار الأفكار، تسريع الإنتاج، وتطوير محتوى بصري أكثر جذبًا.

الخلاصة:

Dreamina ليست مجرد أداة صور وفيديو.
هي مثال واضح على أن صناعة المحتوى تتحرك نحو منصات أسرع وأسهل، تجعل الفكرة قابلة للتحويل إلى مادة بصرية في وقت قصير.

لكن المنافسة القادمة لن تكون فيمن ينتج أكثر.
بل فيمن ينتج محتوى له فكرة، إيقاع، ورسالة واضحة.

هل ترى أن أدوات مثل Dreamina ستساعد صناع المحتوى فعلًا؟
أم ستجعل السوشيال ميديا ممتلئة بمحتوى كثير لكنه متشابه؟

ليست كل موسيقى بالذكاء الاصطناعي معناها “أغنية جاهزة من Prompt”.

هناك اتجاه آخر أكثر هدوءًا… لكنه مهم جدًا:
موسيقى تتغير وتتفاعل حسب السياق.

وهنا تظهر فكرة Aimi.

Aimi تقدم نفسها كمنصة موسيقى توليدية قادرة على إنتاج موسيقى ديناميكية في الوقت الحقيقي، يمكن أن تتغير حسب النوع الموسيقي، الإيقاع، التوزيع، أو الاستخدام المطلوب. والفكرة ليست مجرد إنتاج ملف صوتي ثابت، بل بناء تجربة صوتية قابلة للتطور والاستمرار.

المهم هنا أن Aimi لا تتعامل مع الموسيقى كمنتج مغلق فقط، بل كنظام حي:

موسيقى طويلة أو قصيرة.
طبقات صوتية متعددة.
مؤثرات وصوت وتعليق صوتي.
توليد يناسب الفيديو أو التطبيق أو التجربة التفاعلية.
وتحكم في الإيقاع والنوع والآلات والأسلوب.

الأداة تقدم أيضًا Aimi Sync لتوليد موسيقى وتعليق صوتي ومؤثرات متزامنة مع الفيديو، مع مخرجات تراعي حقوق الاستخدام وتناسب الوكالات والاستوديوهات والمنصات.

وهنا تظهر القيمة الحقيقية لصناع المحتوى:

بدل البحث لساعات عن موسيقى خلفية مناسبة…
يمكنك توليد موسيقى أقرب للمشهد، الإيقاع، وطبيعة المحتوى.

وهذا قد يخدم:

الفيديوهات القصيرة.
الإعلانات.
البودكاست.
التطبيقات.
الألعاب.
المحتوى التعليمي.
تجارب اللياقة والتأمل.
والبيئات التفاعلية التي تحتاج موسيقى مستمرة لا تتكرر بشكل ممل.

لكن دعنا نكون واضحين:

الموسيقى بالذكاء الاصطناعي ليست مجرد زر سحري.

لو كان المحتوى ضعيفًا، فلن تنقذه خلفية موسيقية ذكية.
ولو كان الإيقاع البصري سيئًا، فلن تحل الأداة المشكلة وحدها.
ولو لم تفهم الحالة الشعورية المطلوبة، ستنتج صوتًا مناسبًا تقنيًا… لكنه بلا أثر.

القوة الحقيقية تظهر عندما تعرف:
ما الشعور المطلوب؟
ما سرعة المشهد؟
ما هو الجمهور؟
هل تريد موسيقى هادئة، متوترة، ملهمة، تجارية، أو تفاعلية؟

Aimi مهمة لأنها تشير إلى مستقبل مختلف للصوت:
ليس فقط موسيقى تُسمع، بل موسيقى تتكيف.

والسؤال الآن:
هل ترى أن الموسيقى التوليدية ستصبح جزءًا طبيعيًا من الفيديوهات والتطبيقات والألعاب؟
أم أن الموسيقى البشرية ستظل وحدها قادرة على صناعة الإحساس الحقيقي؟

الذكاء الاصطناعي دخل منطقة حساسة جدًا هذه المرة:
القانون.

ومن الأدوات التي تعكس هذا الاتجاه موقع Ask a Lawyer.

الفكرة ببساطة:
بدل أن تظل تائهًا أمام مصطلحات قانونية معقدة، أو لا تعرف من أين تبدأ، يمكنك طرح سؤالك القانوني والحصول على إجابة أولية، مع إمكانية الاختيار بين مساعد ذكاء اصطناعي أو محامٍ مرخّص على المنصة. الموقع يوضح أن خدماته تشمل الإجابة عن أسئلة قانونية في مجالات مثل القانون الجنائي، الأسرة، وغيرها، وأنه يتيح دعمًا من محامين موثقين ومرخّصين.

لكن هنا يجب أن نكون دقيقين جدًا.

الأداة مفيدة كبداية.
كمحاولة لفهم المشكلة.
لتبسيط المصطلحات.
لترتيب الأسئلة قبل مقابلة محامٍ.
أو لفهم الخيارات العامة المتاحة.

لكنها ليست بديلًا عن محامٍ متخصص يعرف بلدك، نظامك القانوني، تفاصيل قضيتك، والمستندات المرتبطة بها.

وهنا الخطأ الذي قد يقع فيه البعض:

أن يتعامل مع إجابة الذكاء الاصطناعي وكأنها فتوى قانونية نهائية.

وهذا خطر.

لأن القانون ليس معلومات عامة فقط.
القانون يتغير من دولة إلى دولة.
ومن ولاية إلى ولاية.
ومن حالة إلى حالة.
وتفصيلة واحدة في عقد أو واقعة أو تاريخ قد تغيّر الحكم بالكامل.

حتى المنصات القانونية المعتمدة على الذكاء الاصطناعي عادةً تؤكد أنها تقدم معلومات عامة أو مساعدة أولية، لا بديلًا عن استشارة مهنية مؤهلة؛ وبعض التقارير الحديثة حذّرت من أن روبوتات قانونية غير خاضعة لإشراف مهني قد تقدم نصائح عامة أو مضللة في قضايا شديدة الحساسية.

القيمة الحقيقية لأدوات مثل Ask a Lawyer أنها قد تساعدك على:

فهم المصطلحات القانونية.
تجهيز أسئلتك قبل زيارة المحامي.
قراءة عقد بصورة أولية.
صياغة خطاب أو شكوى مبدئية.
معرفة الاتجاه العام للمشكلة.
وتقليل الارتباك قبل اتخاذ خطوة رسمية.

لكن القرار القانوني الحقيقي؟
هذا لا يؤخذ من شات بوت.

الخلاصة:

Ask a Lawyer يمثل اتجاهًا مهمًا في democratization of legal help؛ أي جعل المعرفة القانونية الأولية أكثر وصولًا للناس.

لكن الوصول السريع لا يعني الدقة النهائية.
والإجابة الفورية لا تعني الأمان القانوني.

استخدم الذكاء الاصطناعي لتفهم أكثر.
لا لتخاطر أكثر.

والسؤال الآن:
هل ترى أن أدوات الذكاء الاصطناعي القانونية ستجعل الناس أكثر وعيًا بحقوقهم؟
أم قد تفتح بابًا خطيرًا للاعتماد على إجابات غير كافية في قضايا مصيرية؟