شهد هذا الأسبوع تطورات مهمة في عالم الذكاء الاصطناعي، حيث أعلن سام ألتمان، الرئيس التنفيذي لشركة OpenAI، أن شركته باتت تمتلك المعرفة اللازمة لبناء ذكاء اصطناعي عام (AGI) وقد بدأت العمل على تطوير "الذكاء الفائق"، الذي يتجاوز قدرات البشر في الابتكار والإبداع.
الذكاء الاصطناعي وتأثيره على الوظائف
الذكاء الاصطناعي العام يُعرف بأنه نظام قادر على التفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية.
أما "الذكاء الفائق"، فيعتبر خطوة أبعد، حيث يمكنه دفع عجلة الابتكار إلى مستويات غير مسبوقة.
ورغم هذه التطلعات، يظل التساؤل قائمًا: هل سيتم توزيع فوائد هذه التقنيات بالتساوي بين الجميع؟
ألتمان أعرب عن ثقته بأن أدوات الذكاء الاصطناعي ستُستخدم لتحقيق نتائج إيجابية وموزعة على نطاق واسع.
ولكن، دراسة حديثة سلطت الضوء على تأثير الذكاء الاصطناعي على سوق العمل، حيث أفادت بأن تقنيات مثل ChatGPT ساعدت العاملين المستقلين في البداية، لكنها لاحقًا بدأت تؤدي إلى استبدالهم، خاصة في مجالات مثل الترجمة.
فالدراسة التي أُجريت بمشاركة جامعات مرموقة، أظهرت أن الذكاء الاصطناعي قد يزيد من التفاوت الاقتصادي.
في البداية، شهد مطورو الويب ارتفاعًا في أرباحهم بنسبة 65%، لكن مترجمين مستقلين واجهوا انخفاضًا بنسبة 30% بعد أن بدأ الذكاء الاصطناعي يأخذ مكانهم.
ومع تسارع تطور الذكاء الفائق، تثار مخاوف من أن فوائده قد يتم احتكارها من قبل الشركات الكبرى، وهو ما يعزز هذا التفاوت بدلاً من تقليله.
اطلع على الدراسة
https://scholarspace.manoa.hawaii.edu/server/api/core/bitstreams/4f39375d-59c2-4c4a-b394-f3eed7858c80/content…
اشتراكات ChatGPT Pro تتسبب في خسائر
في منشور عبر منصة X، صرح سام ألتمان المدير التنفيذي لشركة OpenAI أن اشتراكات باقة ChatGPT Pro تسبب خسائر قوية.
ورغم سعر الاشتراك العالي، والذي يبلغ 200 دولارًا، إلا أن الاشخاص يستخدمونها أكثر مما توقعته الشركة.
فهل ستكون هذه نقطة فيصلية لرفع سعر الباقة أكثر من ذلك؟
الجدير بالذكر أن الشركة حققت فارق سلبي بين الإيرادات والخسائر خلال العام الماضي يبلغ حوالي 1.3 مليار دولار.
مايكروسوفت تتيح نموذج Phi-4 القوي مفتوحا للمصدر بالكامل على هاجنج فيس
أعلنت مايكروسوفت عن إطلاق نموذجها "Phi-4" كمشروع مفتوح المصدر بالكامل.
ويتميز هذا النموذج -الذي يضم 14 مليار معلمة- بقدرته على تقديم أداء استثنائي في مهام التفكير الرياضي وفهم اللغات المتعددة، مع استهلاك موارد حاسوبية أقل مقارنةً بالنماذج الضخمة.
وما يجعل "Phi-4" فريدًا هو تدريبه على بيانات مختارة بعناية، تشمل مصادر أكاديمية وبيانات صناعية موجهة نحو المنطق والبرمجة، مما يتيح استخدامه في تطبيقات تجارية متنوعة بفضل رخصة MIT المفتوحة.
هذه الخطوة تمثل تحولًا ملحوظًا في كيفية تصميم ونشر نماذج الذكاء الاصطناعي، حيث تركز على الكفاءة دون التضحية بالأداء.
اذهب إلى Phi-4 في HuggingFace
مايكروسوفت تخطط لإنفاق 80 مليار دولار على مراكز بيانات الذكاء الاصطناعي
وما زال الحديث عن مايكروسوفت قائما، حيث أعلنت الشركة عن خططها لإنفاق 80 مليار دولار خلال السنة المالية 2025 على بناء مراكز بيانات قادرة على التعامل مع أحمال الذكاء الاصطناعي، مما يعكس التزامها بتعزيز بنيتها التحتية لدعم التطورات في هذا المجال.
غياب نموذج Grok 3
تأخر إطلاق نموذج الذكاء الاصطناعي Grok 3 من شركة xAI، التي يقودها إيلون ماسك.
ويُلقي هذا الأمر الضوء على التحديات التي تواجهها الشركات الكبرى في تطوير الجيل التالي من النماذج الذكية.
فالنموذج كان من المفترض أن يكون جاهزًا بنهاية عام 2024، ولكنه لم يظهر حتى الآن، وسط تكهنات بطرح نسخة وسيطة تُعرف بـGrok 2.5.
ولا يعتبر هذا التأخير حالة فريدة؛ فشركات أخرى مثل Anthropic وGoogle واجهت صعوبات مشابهة مع نماذجها المتقدمة.
يبدو أن الطرق التقليدية التي تعتمد على زيادة حجم البيانات وقوة الحوسبة لتحقيق تحسينات كبيرة قد وصلت إلى حدودها.
وأصبح الاتجاه العام للشركات هو البحث عن أساليب جديدة لتطوير النماذج وهو ما قد يتجاوز تحقيق التوقعات الزمنية المحددة.
أبحاث بارزة: تأثير الذكاء الاصطناعي على الخبراء والمستثمرين
أظهر بحث جديد من جامعتي شيكاغو وMIT أن استخدام الذكاء الاصطناعي يمكن أن يُحسّن أداء المستثمرين. حيث حقق المستثمرون ذوو الخبرة زيادة بنسبة 9.6% في عوائدهم السنوية بعد استخدام ملخصات نصية متقدمة، مما يُبرز إمكانيات التعاون بين البشر والذكاء الاصطناعي.
ابتكارات جديدة: نموذج METAGENE-1
شركة Prime Intellect أطلقت نموذجًا يدعى METAGENE-1، وهو نظام يعتمد على الذكاء الاصطناعي لتحليل المعلومات الجينية، ورصد مسببات الأمراض.
وقد تم تصميمه باستخدام تقنيات متقدمة لفهم وتسلسل الحمض النووي (DNA) والحمض النووي الريبوزي (RNA) المستخلص من مياه الصرف الصحي.
وبخلاف النماذج التقليدية التي تركز على جينات محددة أو كائنات معروفة، يعتمد هذا النموذج على بيانات متنوعة جدًا، مأخوذة من آلاف الأنواع، مما يجعله أكثر شمولًا.
ولتسهيل فهم البيانات الجينية، يستخدم النموذج تقنية تُعرف بـ"تشفير الأزواج" (Byte-pair Encoding)، وهي طريقة لتقسيم النصوص الطويلة إلى أجزاء صغيرة، بهدف معالجتها بشكل دقيق وسريع.
هذا النموذج يمثل خطوة متقدمة في دراسة الجينات التي يصعب التعامل معها بالطرق التقليدية، ودعم جهود المراقبة البيولوجية ومكافحة الأوبئة.
اطلع على المشروع في Github
https://github.com/metagene-ai/metagene-pretrain?tab=readme-ov-file#data-details
