أكملت للتو قراءة هذه المقالة، وأعادت هدوءًا ترتيب طريقي في التفكير حول تدريب الذكاء الاصطناعي على الإطلاق. جوهرها هو أن أحدًا لا يصبح جيدًا من العمل النهائي، بل يصبح جيدًا من التصحيحات، من الجزء الذي يُظهر فيه شخصٌ ذو خبرة ما كان خاطئًا ولماذا. التحرير هو الدرس، وليس المسودة النهائية النظيفة... وهذا بالضبط كيف أصبح الذكاء الاصطناعي جيدًا في البرمجة أيضًا. لم يتعلم أبدًا من الكود النهائي، بل تعلم من التغييرات (diffs). كل إصلاح، كل إعادة كتابة، كل "لا، افعلها بهذه الطريقة" التي حفظها git على مر السنين. لكن في كل مكان آخر، نلقي بهذا الجزء بعيدًا. العرض يُسلَّم، المذكرة تُخزَّن، العقد يُوقَّع، والتفكير الذي أنتجها قد اختفى. الوثيقة هي ناتج الحكم مع إزالة الحكم منها. > هذا هو السبب في أن "التقاط معرفتك" من خلال البحث في الوثائق القديمة لم ينجح أبدًا. كل شركة بنت نظامًا للسجل... ما تعرفه. لكن لم يبنِ أحد نظام الحكم... ما يقرره فعليًا أنه جيد. والحكم يُكشف، لا يُصرح به... المقابلات تكذب، لكن التصحيحات لا تكذب. > هذه هي النقطة التي تفوتها دائمًا المناقشة حول "التعذر على التدريب / الدقة الخاصة": إنه ليس غير قابل للتدريب، بل يعيش فقط في المكان الوحيد الذي يحذفه الجميع. اسأل أي شركة عن معدل قبولها، ولن تستطع حتى الإجابة... لم يحفظ أحد الخطوط الحمراء. البرمجيات حدث فقط أنها حافظت على إيصالاتها. القانون والمالية لم تبنيا نظام git الخاص بهما. الحكم موجود في التغيير (diff).

مهندسون من Anthropic قاموا للتو ببناء تطبيق كامل من الصفر باستخدام حلقة من الوكلاء فقط. 40 دقيقة من الفريق الذي يبني Claude Code. ثلاثة وكلاء يعملون في دورة: واحد يخطط، واحد يبني، وواحد يُقيّم، وتتكرر الدورة حتى يعمل التطبيق فعليًا. لم يكتب أي شخص في هذا العرض نفس المطالبة مرتين. لقد صمموا الحلقة مرة واحدة ثم غادروا. شاهد الفيديو، ثم اقرأ الدليل الكامل حول كيفية بناء واحد أدناه

ظننت أنني أتأخر في مجال الذكاء الاصطناعي، لكن بعد بحث مكثف، أعتقد أننا فقط في البداية. بالطبع، لا شيء يصعد في خط مستقيم. ستحدث ازدهارات وانهيارات. لكن تجاهل هذا المجال والدعوة إلى أنه فقاعة أمر غير مقبول.

هل يمكن لقضاة الذكاء الاصطناعي ارتكاب أخطاء في التفكير تشبه أخطاء البشر؟ قم برمي حجر نرد مرتين. على الأقل أحدهما هو 6. يقول الكثيرون: 1 من 6 الإجابة الصحيحة: 1 من 11 فخ منطقي بسيط — يُرى أيضًا في نماذج الذكاء الاصطناعي. #AI #Ontology #DID #Web3

يمكن أن يجعل تنظيف مدته دقيقتان كلاود يشعر وكأنك رقيت النماذج. الفيديو ليس عن حيلة إدخال سرية. بل هو عن حذف الفوضى التي قدمتها بالفعل لكلاود. المهارات القديمة، والوصلات الميتة، والأدوات المستخدمة جزئيًا، وتعليمات مساحة العمل العشوائية، والتجارب المهجورة. كل ذلك يمكن أن يبقى في الخلفية ويسمّم السياق بهدوء. ثم يقول الناس: "لقد ساء كلاود." ربما. أو ربما جعلته يشبه متصفحًا مزدحمًا به 47 علامة تبويب مفتوحة وطلبت منه التفكير بوضوح. هذا مهم لأن أداء الوكلاء لا يعتمد فقط على جودة النموذج. بل هو نظافة السياق، وانضباط الأدوات، وكمية الفوضى غير ذات الصلة التي يجب على النظام حملها قبل الإجابة. المقال يتناول في الواقع نفس الدرس للمستخدم: الذكاء الأكبر لا ينقذ إعدادًا فوضويًا. يمكن أن يكون النموذج قويًا ولا يزال ينتج عملًا ضعيفًا إذا كان البيئة المحيطة به مزدحمة. أحيانًا، العقبة ليست كلاود. بل هي درج الفوضى الذي وصلته به.

شيء واحد لفت انتباهي بشأن ExpRL هو أنه يكشف عن حدود الطريقة الحالية التي نفكر بها بشأن تقدم الذكاء الاصطناعي. معظم المعايير تقيس فقط ما إذا كان النموذج يصل إلى الإجابة الصحيحة. نادرًا ما تقيس عدد الأفكار المفيدة التي تم استكشافها ورفضها على طول الطريق. غالبًا ما يأتي الابتكار البشري من المحاولات الفاشلة، وليس من المحاولات المثالية. قد يختبر العلماء مئات الفرضيات الخاطئة قبل العثور على الفرضية الصحيحة. لكن التعلم المعزز التقليدي يعامل كل مسار فاشل على أنه بلا قيمة على الإطلاق. يشير ExpRL إلى أن هناك معلومات قيّمة قد تكون مخفية داخل هذه الفشلات. هذا المفهوم يبدو مهمًا أكثر من مجرد معايير رياضية. مع تحسن قدرات وكلاء الذكاء الاصطناعي، قد لا يكون الفائزون هم النماذج التي تجد الإجابات بأسرع وقت، بل النماذج التي تتعلم أكثر من أخطائها. وهذا أيضًا هو سبب أهمية التحقق. بدون طرق موثوقة لتقييم التفكير والنتائج الوسيطة، لا يمكننا التمييز بين الاستكشاف المنتج والوهم الخالص. مستقبل الذكاء الاصطناعي قد يعتمد أقل على توليد الإجابات، وأكثر على فهم أي الأخطاء تستحق التعلم منها. @ritualnet

المنشور الوحيد الذي تحتاجه لتعيش في عصر الذكاء الاصطناعي. جلست مؤخرًا وكتبت 10 "قواعد" للبقاء في عصر الذكاء الاصطناعي الوشيك. لا شيء من محتوى الذكاء الاصطناعي الرديء — فقط أفكارى الصادقة. إذا كنت قلقًا من فقدان وظيفتك، أو أي من التأثيرات الجانبية للذكاء الاصطناعي، أتمنى أن تقرأ هذا: القاعدة #1: كن سريعًا أكبر مهارة في عصر الذكاء الاصطناعي هي القدرة على اتخاذ المبادرة. لم يعد المعلومات حاجزًا وقائيًا. ميزتك الآن هي السرعة. اجعل هدفك أن تكون شخصًا يتخذ إجراءات بسرعة. القاعدة #2: أنشئ مشروعًا تجاريًا الذكاء الاصطناعي يخلق فرصًا تجارية كثيرة جدًا. أصبحت المعلومات وفيرة الآن، ولا يوجد لديك أي عذر لعدم إنشاء مشروع يولد تدفقًا نقديًا. القاعدة #3: استخدم الذكاء الاصطناعي يوميًا أن تكون من مواليد الذكاء الاصطناعي لم يعد خيارًا. ادمجه في حياتك واجتهد لتكون في طليعة التطور. القاعدة #4: الذكاء العاطفي > الذكاء المعرفي عندما يمتلك الجميع نفس أدوات الذكاء الاصطناعي، لم يعد الذكاء هو العامل المميز، بل قدرتك على التواصل مع الآخرين. القاعدة #5: أولوية الصحة ابدأ بالأمور البسيطة: النوم، التمرين، الترطيب، والتغذية. القاعدة #6: أنشئ علامة شخصية التوزيع هو الحاجز الوقائي الجديد. إنشاء المحتوى مجاني، وهو أفضل قناة توزيع. القاعدة #7: تعلّم البيع هذه المهارة التي لا يتحدث عنها أحد. يمكن للذكاء الاصطناعي بناء المنتج، وكتابة النصوص، وتصميم الموقع، وتشغيل الإعلانات، لكنه لا يزال لا يستطيع بناء علاقات إنسانية. القاعدة #8: استثمر استثمر في نفسك (المهارات) وفي الذكاء الاصطناعي (الأدوات الأساسية). هذه أكبر فقاعة شهدناها على الإطلاق — استغلها. القاعدة #9: بنِ شبكة علاقات ابنِ شبكتك. شبكتك هي ملاذك النهائي وكيفية حصولك على فرص جديدة. القاعدة #10: ابقَ فضوليًا هذه المهارة الأعلى التي تغذي كل ما سبق. أولئك الذين يستطيعون التعلم والتحسين بسرعة أصبحوا أكثر قيمة من أي وقت مضى. احفظ هذا حتى لا تنساه.

[APRO Intelligence #07] ──────────────── الذكاء الاصطناعي مذهل في العلوم والتكنولوجيا والهندسة والرياضيات، والبرمجة، والرياضيات. لكن التعاطف، وحكم الجمال، وقراءة الغرفة، وإدراك السببية البطيئة — الذكاء الاصطناعي لا يزال بعيدًا جدًا جدًا عنا. وضحت دانييلا من Anthropic الأمر تمامًا: "نحن ندخل عصرًا يصبح فيه الإنسان الأساسي أكثر ندرة وتكلفة من أي وقت مضى." ابنِ باستخدام الذكاء الاصطناعي. لا تنسَ ما يجعلك لا يمكن استبداله. → @APRO_Oracle

غيليرمو راوش، الرئيس التنفيذي لـ @vercel: "كل مهمة في العالم تصبح في النهاية مهمة برمجية. هذا هو السبب في أن كل مختبر يتسابق نحو نفس الشيء.. وكيل برمجي يعمل دونك." أوضح تحليل لمكان ذهاب الذكاء الاصطناعي البرمجي التالي. أفضل من أي دورة بقيمة 500 دولار. شاهد الفيديو، ثم اقرأ كيفية تشغيله أثناء نومك أدناه.