كلمات مفتاحية：الاستدلال بالذكاء الاصطناعي, إنفيديا, أوبن إيه آي, هندسة فيرا روبن, محرك المحول, استقالة جيري تووريك
🔥 تسليط الضوء
NVIDIA تطلق معمارية Vera Rubin: تدشين عصر الحوسبة الفائقة للذكاء الاصطناعي من الجيل القادم : في معرض CES 2026، كشف Jensen Huang عن منصة Vera Rubin الجديدة كلياً، والتي تتضمن معالج Vera CPU المصمم ذاتياً (بنواة Olympus مخصصة) ومعالج رسوميات Rubin GPU. يقدم النظام محرك Transformer، مما يعزز أداء الاستدلال بمقدار 5 مرات مقارنة بمعمارية Blackwell، ويدعم أول حوسبة سرية (Confidential Computing) على مستوى الرف (Rack-level). يحقق نظام Rubin NVL72 كفاءة في التجميع والصيانة تزيد بمقدار 18 مرة من خلال تصميم تبريد سائل بنسبة 100% وإلغاء الكابلات. بالإضافة إلى ذلك، أطلقت NVIDIA منصة تخزين ذاكرة سياق الاستدلال، المصممة خصيصاً لحل اختناقات تخزين KV Cache في تطبيقات النصوص الطويلة، بهدف خفض تكلفة الـ Token لنماذج MoE الضخمة إلى 1/10 من تكلفة Blackwell، مما يمثل تطوراً شاملاً للبنية التحتية للذكاء الاصطناعي من “قوة حوسبة نقطية” إلى “هندسة نظم”. (المصدر: NVIDIA، 智东西، TheTuringPost)
مغادرة Jerry Tworek، مسؤول الاستدلال في OpenAI: استمرار نزيف العقول الجوهرية : أعلن Jerry Tworek، نائب رئيس الأبحاث والتطوير في OpenAI والمؤسس الرئيسي لنماذج الاستدلال o1/o3 ونموذج البرمجة Codex، عن استقالته. عمل في OpenAI لمدة تقارب سبع سنوات، حيث قاد الأبحاث من التعلم المعزز المبكر للروبوتات إلى آليات الاستدلال في GPT-4 وGPT-5. صرح Tworek بأن رحيله يهدف إلى “استكشاف أبحاث يصعب القيام بها داخل OpenAI”، مما يشير إلى الفجوة بين بيئة البحث المثالية وضغوط تسليم المنتجات في ظل التوجه التجاري العالي للشركة. وبصفتة قائد مشروع o1، فإن رحيله يعد خسارة فنية كبرى أخرى لـ OpenAI بعد Ilya Sutskever وJohn Schulman، مما أثار مخاوف عميقة في المجتمع التقني بشأن استقلالية أبحاث OpenAI المستقبلية. (المصدر: 36氪، 量子位، The Verge)
Google DeepMind تتعاون مع Boston Dynamics: عقل الذكاء الاصطناعي يقود أقوى جسد : أعلنت Google DeepMind عن شراكة بحثية مع Boston Dynamics. سيعمل هذا التعاون على دمج قدرات نموذج اللغة البصري (VLM) من Gemini Robotics في روبوت Atlas الكهربائي بالكامل الجديد. وهذا يعني دمج أفضل خوارزميات الاستدلال في العالم مع أحدث أجهزة الروبوتات، مما يدفع الذكاء الاصطناعي المتجسد (Embodied AI) من مجرد مطابقة الأنماط البسيطة إلى “الذكاء الاصطناعي الفيزيائي” القادر على فهم البديهيات الفيزيائية والتخطيط المهام المعقدة بشكل مستقل. يُنظر إلى هذا التحالف كخطوة رئيسية لمنافسة Tesla Optimus ومنظومة NVIDIA Isaac، مما يبشر بقرب “لحظة iPhone” للروبوتات البشرية. (المصدر: GoogleDeepMind، HuggingFace)
NVIDIA تطلق Alpamayo كمصدر مفتوح: “لحظة ChatGPT” للقيادة الذاتية : أطلقت NVIDIA في معرض CES أول نموذج قيادة ذاتية قائم على الاستدلال Alpamayo (بـ 10 مليار بارامتر) كمصدر مفتوح. على عكس سلسلة “الإدراك-التخطيط” التقليدية، يتمتع Alpamayo بقدرة “سلسلة الأفكار” (CoT)، مما يسمح له بفهم ظروف الطريق المعقدة وتفسير منطق القرار مثل السائق البشري (مثل “التبطئة لأن المشاة قد يعبرون”). تم إطلاق النموذج مع إطار محاكاة AlpaSim و1700 ساعة من بيانات القيادة الحقيقية. وصفه Jensen Huang بأنه “لحظة ChatGPT للذكاء الاصطناعي الفيزيائي”، ويهدف من خلال المنظومة المفتوحة المصدر إلى كسر احتكار الأنظمة المغلقة مثل Tesla FSD، لتمكين شركات السيارات العالمية من تسريع تنفيذ المستوى الرابع (L4) من القيادة الذاتية بناءً على إطار استدلال موحد. (المصدر: TheTuringPost، NVIDIA)
🎯 التوجهات
NVIDIA Cosmos Reason 2: أداء استدلال الذكاء الاصطناعي الفيزيائي يتصدر القمة : أصدرت NVIDIA نموذج Cosmos Reason 2، الذي تصدر عدة قوائم مثل Physical AI Bench. يعزز هذا النموذج بشكل كبير الفهم الزماني والمكاني ودقة الطوابع الزمنية، ويدعم تحديد النقاط ثنائية وثلاثية الأبعاد وإخراج بيانات المسار. زادت نافذة السياق الخاصة به من 16K إلى 256K، مما يوفر تعليقات توضيحية دقيقة وتحليلاً منطقياً للفيديوهات الطويلة. قامت Salesforce بالفعل بدمجه في Agentforce لاستخدامه في تحليل الامتثال الأمني لروبوتات Cobalt، مما يظهر تطور الذكاء الاصطناعي من فهم اللغة إلى فهم قوانين عمل العالم الفيزيائي. (المصدر: HuggingFace)
نموذج Kimi الغامض “Kiwi-do” يظهر في الحلبة: قدرات مذهلة متعددة الوسائط : ظهر نموذج غامض يحمل الاسم الرمزي “kiwi-do” في حلبة نماذج اللغة الكبيرة (LMArena)، معرفاً نفسه بأنه Kimi. أظهرت اختبارات المستخدمين أداءً ممتازاً في رسم SVG (مثل بجعة تركب دراجة) ومهام الفهم الفيزيائي البصري (VPCT)، حيث يمكنه الاستدلال بدقة بناءً على القوانين الفيزيائية. يُعتقد أن هذا هو نموذج K2-VL متعدد الوسائط الذي ستطلقه شركة Moonshot AI قريباً. وكان Yang Zhilin قد كشف سابقاً أن الشركة تمتلك احتياطيات نقدية بمليارات الدولارات وتخطط لإطلاق جيل جديد من الـ Agent متعدد الوسائط يدعم “التفكير والتعاون المتزامن” في عام 2026. (المصدر: 36氪)
GEO: أرباح تسويقية جديدة وسلاسل صناعية رمادية في عصر البحث بالذكاء الاصطناعي : مع تحول حركة المرور من محركات البحث التقليدية إلى أدوات البحث بالذكاء الاصطناعي مثل ChatGPT وPerplexity، أصبح تحسين محركات التوليد (GEO) ساحة معركة جديدة للعلامات التجارية. من خلال نشر محتوى مهيكل لتوجيه اقتباسات الذكاء الاصطناعي، من المتوقع أن يصل حجم سوق GEO إلى 12 مليار دولار بحلول عام 2025. ومع ذلك، ظهرت في هذا المجال سلاسل صناعية رمادية مثل “تسميم البيانات”، التي تخدع خوارزميات الذكاء الاصطناعي عبر معلومات زائفة. كما أرسلت OpenAI إشارات واضحة حول الإعلانات، حيث تدرس إعطاء الأولوية للمحتوى الممول في الردود، مما يمثل رضوخ النماذج الكبيرة لنماذج الربح الواقعية تحت ضغط الخسائر الفادحة. (المصدر: 36氪، Tech星球)
أزمة موثوقية النماذج الصغيرة: 50-69% من الإجابات الصحيحة ناتجة عن استدلال خاطئ : كشفت أبحاث شاركتها DAIR.AI عن ظاهرة “الإجابة الصحيحة لأسباب خاطئة” (Right-for-Wrong-Reasons): النماذج الصغيرة ذات 7-9 مليار بارامتر غالباً ما تعطي إجابات صحيحة في مهام الرياضيات والأسئلة، لكن سلاسل استدلالها تكون منطقياً محطمة. والأمر الأكثر إثارة للدهشة هو أن مطالبات النقد الذاتي (Self-critique) قد تضر بالأداء، لأن النماذج الصغيرة تميل إلى توليد تبريرات تبدو معقولة لكنها زائفة. تقترح الدراسة إدخال درجات التحقق الإجرائي (RIS) وتقنية RAG لتعزيز سلامة الاستدلال بدلاً من الثقة العمياء في المخرجات النهائية. (المصدر: dair_ai)
NVIDIA Cascade RL: حل معضلات تدريب الاستدلال متعدد المجالات : لمواجهة تضارب أهداف التدريب في مجالات مختلفة مثل الرياضيات والكود والمحاذاة، اقترحت NVIDIA إطار عمل Cascade RL. يعتمد هذا الإطار نمط التعلم المعزز المتسلسل، حيث يتم إجراء محاذاة RLHF أولاً، تليها بالتتابع مراحل RL لاتباع التعليمات، والرياضيات، والكود، وهندسة البرمجيات. أظهرت التجارب أن نموذج Nemotron-Cascade بـ 14 مليار بارامتر تفوق في قوائم الكود على نموذج DeepSeek-R1-0528 الأكبر منه بـ 84 مرة. تثبت هذه الطريقة أن التدريب المتسلسل لا يمنع النسيان الكارثي فحسب، بل يرفع أيضاً سقف الاستدلال للمهام اللاحقة من خلال الخطوات التمهيدية. (المصدر: omarsar0)
عصر ما بعد Transformer: ثلاث معماريات جديدة تتنافس على الصدارة : أشار أحد مخترعي Transformer إلى أن هذه المعمارية بدأت تصبح عائقاً أمام تقدم الذكاء الاصطناعي. في عام 2026، ستطلق ثلاث معماريات تحديها: 1. نماذج انتشار النصوص (Text Diffusion)، التي تدعم إزالة الضوضاء من الجمل الكاملة لتعزيز قدرات التخطيط؛ 2. آلات التفكير المستمر (Continuous Thought Machines)، التي تسمح للنموذج بتحديد مدة التفكير ذاتياً عبر المزامنة العصبية؛ 3. التعلم المتداخل (Nested Learning)، الذي يحاكي دوائر التفكير السريع والبطيء في دماغ الإنسان. تهدف هذه المعماريات إلى حل اختناقات الاقتران في Transformer فيما يخص الاستدلال والذاكرة والتحكم. (المصدر: Reddit)
🧰 الأدوات
Claude Agent SDK: فتح آفاق تطوير الـ Agent المتقدم : يثير Claude Agent SDK (المعروف سابقاً بـ Claude Code SDK) نقاشات حامية في مجتمع المطورين، حيث يُعتبر أكثر من مجرد مساعد برمجي. يسمح هذا الـ SDK ببناء Agent معقد يمتلك قدرات استدلال متعدد الخطوات، واستدعاء الأدوات، والعمل المستقل في البيئات البرمجية. في مؤتمر AI Engineer، استعرض Thariq كيفية استخدام هذا الـ SDK لبناء منسق Agent مستقبلي. مقارنة ببيئات التطوير مثل Cursor، يوفر الـ SDK للمطورين تحكماً أعمق لدعم بناء تدفقات عمل مؤتمتة مخصصة للغاية. (المصدر: omarsar0، swyx)
ik_llama.cpp: قفزة في أداء استدلال الـ GPU المتعدد محلياً : دمج الفرع عالي الأداء ik_llama.cpp تحديثاً رئيسياً يحقق توازياً حقيقياً للموتر (Tensor Parallelism) من خلال دمج مكتبة NVIDIA NCCL. في بيئات البطاقات الرسومية المتعددة، يمكن لهذه الأداة تسريع سرعة توليد النماذج الكبيرة المحلية بمقدار 3 إلى 4 مرات، مما يلغي فترات انتظار خط الأنابيب (Pipeline). يتيح هذا الاختراق للمطورين تشغيل نماذج ببارامترات تصل إلى التريليون بكفاءة عالية على الأجهزة الاستهلاكية، مما يقلل بشكل كبير من عتبة النشر المحلي للذكاء الاصطناعي. (المصدر: karminski3، Reddit)
Memvid v2: استبدال مكدسات RAG المعقدة بملف واحد : أصدر المشروع مفتوح المصدر Memvid نسخته الثانية v2، مقدماً مفهوم “Smart Frames” الذي يخزن تضمينات النصوص داخل إطارات الفيديو، مما يحقق قابلية نقل للذاكرة بنسبة 100%. يمكنه ضغط 50 ألف وثيقة في ملف بحجم 200 ميجابايت مع زمن استجابة للبحث أقل من 17 مللي ثانية. يهدف Memvid إلى استبدال قواعد بيانات المتجهات المعقدة وتدفقات RAG، مما يسمح للـ Agent بحمل ذاكرة طويلة المدى مثل وحدة تخزين USB، مع دعم التنقل السلس بين نماذج مختلفة مثل GPT وClaude وLlama. (المصدر: Reddit)
hf-mem: تقدير احتياجات ذاكرة الفيديو لنماذج HuggingFace بضغطة واحدة : أطلق المطور Alvaro Bartolome أداة Python خفيفة الوزن hf-mem. تعتمد الأداة فقط على بيانات Safetensors الوصفية لتقدير VRAM المطلوبة للاستدلال بدقة دون الحاجة لتحميل النموذج بالكامل. عبر أمر uvx hf-mem --model-id ، يمكن للمستخدمين تحديد ما إذا كانت أجهزتهم تدعم نموذجاً معيناً بسرعة. في ظل انفجار بارامترات النماذج، توفر هذه الأداة راحة كبيرة للنشر المحلي وتجنب هدر الموارد. (المصدر: huggingface)
Unsloth-MLX: أداة قوية للضبط الدقيق المحلي على أجهزة Mac : أصدر المطور Abdur Rahim أداة Unsloth-MLX، التي تتيح للمستخدمين إجراء الضبط الدقيق (Fine-tuning) للنماذج الكبيرة على أجهزة Mac المزودة بـ Apple Silicon باستخدام إطار عمل MLX. تحافظ الأداة على واجهة برمجة تطبيقات (API) متوافقة مع Unsloth، وتدعم الانتقال السلس من النماذج الأولية المحلية إلى GPUs السحابية. يعد هذا مكسباً كبيراً لمستخدمي Mac الذين يرغبون في التدريب على بيانات خاصة محلياً مع تجنب تكاليف الحوسبة السحابية الباهظة. (المصدر: awnihannun)
📚 التعلم
موسوعة التعلم العميق: إصدار 2025 من Deep Learning Book : أصدرت جامعة نوتردام دليلاً دراسياً شاملاً بعنوان “Deep Learning Book 2025” يقع في مئات الصفحات. يغطي الكتاب كل شيء من البرسيبترون الأساسي إلى أحدث نماذج الانتشار، ومتغيرات Transformer، وتقنيات التعلم المعزز المتقدمة. المحتوى مفصل ومدعوم باشتقاقات رياضية ورسوم بيانية توضيحية، مما يجعله مورداً مجانياً ممتازاً للعاملين في مجال الذكاء الاصطناعي لسد فجواتهم التقنية في عام 2026. (المصدر: Reddit)
دليل هندسة GRPO + LoRA: بناء دورة RL صناعية من الصفر : استجابة لموجة التعلم المعزز التي أثارها DeepSeek-R1، شارك Maxime Labonne “دليل هندسة GRPO + LoRA مع Verl”. يشرح الدليل بالتفصيل كيفية بناء خط أنابيب RLVR مستقر في بيئة GPUs متعددة، بما في ذلك تتبع التجارب، وتقنيات التصحيح، وخبرات عملية لاستغلال كامل قدرات A100، وهو حالياً أفضل دليل ممارسة لجلب قدرات استدلال مشابهة لـ DeepSeek إلى النماذج الخاصة. (المصدر: maximelabonne)
9 كتب لفهم الذكاء الاصطناعي: قائمة القراءة الإلزامية لعام 2025/2026 : أوصى TheTuringPost بـ 9 كتب تساعد في الفهم العميق لتوجهات الذكاء الاصطناعي، تشمل “Apple in China” (من منظور سلسلة التوريد)، و”The Thinking Machine” (سيرة Jensen Huang وNVIDIA)، و”The Path to AGI”، وكتاب بيل غيتس “Source Code”. تغطي القائمة جوانب شاملة من المنافسة على الرقائق إلى التأثيرات الاجتماعية، وهي مناسبة للقراء الراغبين في الحفاظ على تفكير واعي وسط حمى التكنولوجيا. (المصدر: TheTuringPost)
💼 الأعمال
Meta تستحوذ على Manus AI: رهان كبير على الـ Agent العام : أعلنت Meta عن استحواذها على شركة Manus AI الناشئة للـ Agent، بهدف دمج قدراتها الرائدة في منتجات Meta الاستهلاكية والتجارية. كانت قيمة Manus تقدر سابقاً بنحو 500 مليون دولار مع معدل نمو إيرادات مرتفع جداً. تظهر هذه الخطوة أن Zuckerberg، بعد تفويت الفرصة في “الذكاء الاصطناعي الفيزيائي”، يسعى بقوة لسد الفجوة في مجال الـ Agent المستقل عبر عمليات الاستحواذ. (المصدر: Reddit)
RayNeo تحصل على تمويل بمليار يوان: China Mobile وChina Unicom تراهنان على “هاتف الجيل القادم” : أكملت RayNeo، الشركة الرائدة في نظارات AR، جولة تمويل جديدة تجاوزت مليار يوان، باستثمار مشترك من صناديق تابعة لـ China Mobile وChina Unicom. هذه هي المرة الأولى التي يراهن فيها المشغلون بشكل جماعي على مسار النظارات الذكية، بهدف وضع النظارات كأفضل وسيط لتطبيقات النماذج الكبيرة. ستعرض RayNeo أول نظارة AR تدعم eSIM في معرض CES، مستفيدة من الحوسبة الطرفية للمشغلين لتقليل زمن الاستجابة، مما يسرع عملية استبدال الهواتف الذكية بالنظارات الذكية. (المصدر: 36氪)
Zhipu AI تتجه للاكتتاب العام في هونغ كونغ: تسعى لتكون “أول سهم للنماذج الكبيرة عالمياً” : بدأت Zhipu AI رسمياً عملية الاكتتاب في هونغ كونغ، مع خطط للإدراج في 8 يناير. وبصفتها رائدة “النمور الستة الصغيرة” في الصين، أكملت Zhipu عدة جولات تمويل في عام 2025، لتتجاوز قيمتها 20 مليار يوان. وتضم قائمة المساهمين عمالقة مثل Alibaba وTencent وMeituan. يُنظر إلى إدراج Zhipu كاختبار لتقييم قطاع الذكاء الاصطناعي، وسوف يؤثر بشكل مباشر على المسار التجاري للشركات الناشئة في هذا المجال في الصين. (المصدر: 36氪)
🌟 المجتمع
Vibe Coding مقابل الهندسة التجريدية: صراع فلسفي في برمجة الذكاء الاصطناعي : شهد المجتمع نقاشاً حاداً حول “Vibe Coding” (البرمجة بالحدس). يرى Andre Karpathy وآخرون أن الذكاء الاصطناعي جعل الكود رخيصاً، وأن البرمجة تتحول إلى فن يشبه عزف الآلات الموسيقية. لكن علماء مثل Omar Khattab حذروا من أن الاعتماد فقط على المحادثات لتوليد آلاف الأسطر من الكود دون تجريد عالي المستوى سيؤدي إلى انتشار “Slop Code” (كود رديء) يصعب صيانته. المستقبل الحقيقي يجب أن يكون تطوير لغات برمجة ذات مستوى أعلى، حيث يعمل الذكاء الاصطناعي كمترجم (Compiler) وليس مجرد مولد كود بسيط. (المصدر: lateinteraction، gfodor)
دراسة من هارفارد: كفاءة التعلم مع معلم الذكاء الاصطناعي تتضاعف : أظهرت تجربة عشوائية محكومة في جامعة هارفارد أن الطلاب الذين استخدموا معلمين ذكاء اصطناعي لتعلم الفيزياء حققوا مكاسب تعليمية ضعف ما حققته الفصول التقليدية، وفي نصف الوقت. يمكن لمعلم الذكاء الاصطناعي تحقيق “صبر غير محدود” و”تغذية راجعة شخصية فورية” يصعب على المعلمين البشر تقديمها. وأشارت نقاشات المجتمع إلى أن هذا يمثل فرصة لديمقراطية التعليم، لكنه قد يفاقم الفجوة الرقمية: 87% من الطلاب في الدول ذات الدخل المرتفع لديهم إنترنت، مقابل 6% فقط في الدول ذات الدخل المنخفض. (المصدر: Reddit)
معجزة قانونية بالذكاء الاصطناعي: Claude يساعد في الفوز بقضية بقيمة 8000 دولار : شارك مستخدم يعيش في منطقة نائية تجربة استخدامه لـ Claude Opus 4.5 لتعلم القانون وصياغة لائحة دعوى، ليفوز في النهاية بقضية مدنية بقيمة 8000 دولار في المحكمة. وذكر أن السوابق القضائية والقوانين التي وجدها Claude كانت “صلبة كالصخر” وخالية تماماً من الهلوسة. أثارت هذه الحالة نقاشاً حول ما إذا كان الذكاء الاصطناعي سينهي “الهيمنة المعلوماتية” لقطاع المحاماة، مما يتيح للناس العاديين الحصول على العدالة بتكلفة منخفضة. (المصدر: Reddit)
💡 أخرى
LEGO تطلق “اللبنة الذكية”: أكبر تطور منذ 50 عاماً : أعلنت LEGO عن إطلاق لبنة ذكية 2×4 مزودة بكمبيوتر صغير مدمج، يمكنها جعل النماذج “تنبض بالحياة”. من خلال أجهزة الاستشعار والذكاء الاصطناعي، يمكن لنماذج LEGO إصدار أضواء وأصوات واستجابات حركية، مثل سيف ضوئي يصدر طنيناً عند التلويح به. يمثل هذا توجه قطاع الألعاب التقليدي نحو تبني أجهزة الذكاء الاصطناعي بالكامل. (المصدر: robrombach)
بطاريات أيون الصوديوم تدخل الإنتاج الضخم في 2026: القضاء على قلق المسافة : أكدت CATL أن بطاريات أيون الصوديوم ستدخل السوق على نطاق واسع في عام 2026. تتميز بكثافة طاقة تبلغ 175 Wh/kg، وتدعم العمل في البرد القارس عند -40 درجة مئوية، وبسعر منخفض للغاية. يعتقد المجتمع أن هذا سيسرع من انهيار الطلب على النفط ويوفر الطاقة الأساسية لأساطيل القيادة الذاتية الرخيصة المدعومة بالذكاء الاصطناعي. (المصدر: teortaxesTex)
