Connect with us

الذكاء الاصطناعي

ديب مايند تطرح معيارًا جديدًا لاختبار أخلاقيات الذكاء الاصطناعي من المظهر الأخلاقي إلى الفهم الحقيقي

Avatar of هدير ابراهيم

Published

on

سونوس تعيد بناء تجربة التطبيق بخطة تحديث تدريجية ودعم الأنشطة الحية على آيفون 9

تناولت ورقة بحثية حديثة لفريق Google DeepMind — نُشرت في مجلة Nature — سؤالًا محوريًا: هل تُظهر أنظمة الذكاء الاصطناعي فهمًا أخلاقيًا فعليًا، أم أنها تُنتج إجابات تبدو صحيحة فحسب؟ ترى الدراسة أن طرق الاختبار الحالية تركّز على “الأداء الأخلاقي” الظاهري، أي مدى توافق الإجابات مع التوقعات البشرية، دون قياس ما إذا كان النموذج يدرك أسباب الصواب والخطأ.

ديب مايند تطرح معيارًا جديدًا لاختبار أخلاقيات الذكاء الاصطناعي من المظهر الأخلاقي إلى الفهم الحقيقي

ديب مايند تطرح معيارًا جديدًا لاختبار أخلاقيات الذكاء الاصطناعي من المظهر الأخلاقي إلى الفهم الحقيقي

ديب مايند تطرح معيارًا جديدًا لاختبار أخلاقيات الذكاء الاصطناعي من المظهر الأخلاقي إلى الفهم الحقيقي

تزايد اعتماد المستخدمين على النماذج اللغوية في مجالات حساسة مثل الإرشاد الطبي والدعم النفسي واتخاذ القرارات اليومية. وبحسب تقرير نشره موقع Digital Trends، فإن الخطر يكمن في منح ثقة عالية لأنظمة قد تُحاكي الحكم الأخلاقي دون امتلاك فهم حقيقي له، ما يخلق فجوة بين المخرجات المقنعة والأسس المعرفية الفعلية.

ثلاثة عوائق رئيسية أمام “الكفاءة الأخلاقية”

تحدّد الورقة ثلاث مشكلات تعوق تقييم أخلاقيات الذكاء الاصطناعي بدقة:

  1. إشكالية التقليد الإحصائي
    تعتمد النماذج على التنبؤ بالكلمة التالية استنادًا إلى أنماط البيانات، ما يعني أن الإجابات الأخلاقية قد تكون إعادة تركيب لمحتوى متعلم، لا نتاج تفكير معياري.

  2. تعدد أبعاد الحكم الأخلاقي
    القرارات الواقعية توازن بين قيم متعارضة مثل الصدق واللطف أو الكلفة والإنصاف. تغيّر تفصيلة سياقية واحدة قد يقلب الحكم بالكامل، وهو ما لا ترصده الاختبارات التقليدية.

  3. التنوع الثقافي والمعياري
    تختلف الأطر الأخلاقية عبر الثقافات والمهن. ويستلزم الاستخدام العالمي للنماذج قدرة على التعامل مع منظومات قيم متعددة ومتعارضة أحيانًا، وهو جانب لم يُقاس منهجيًا بعد.

خارطة طريق لاختبارات أكثر صرامة

يقترح الباحثون الانتقال من قياس “صحة النتيجة” إلى اختبار الكفاءة الأخلاقية نفسها، عبر:

نحو معيار علمي شامل للأخلاقيات الآلية

تهدف ديب مايند إلى تطوير معيار علمي يمنح الكفاءة الأخلاقية وزنًا مماثلًا للمهارات التقنية، مع دعم تقييمات تراعي الخصوصيات الثقافية عالميًا. وتشير الدراسة إلى أن التقنيات الحالية لم تبلغ هذا المستوى بعد، لكنها تضع اتجاهًا بحثيًا واضحًا للمطورين.

أخبار تقنية

التجارب السريرية بالذكاء الاصطناعي.. أسترازينيكا تتعاون مع أوراكل لتطوير الأبحاث الطبية

Avatar of هدير ابراهيم

Published

on

التجارب السريرية بالذكاء الاصطناعي. أسترازينيكا تتعاون مع أوراكل لتطوير الأبحاث الطبية 1

تسعى شركة أسترازينيكا إلى تطوير التجارب السريرية بالذكاء الاصطناعي من خلال تعاون جديد مع شركة أوراكل، بهدف تحديد المرضى المناسبين للمشاركة في الدراسات الطبية، وتحسين متابعة مؤشرات السلامة والاستفادة من البيانات الواقعية لتطوير الأدوية.

ويجمع التعاون بين خبرة أسترازينيكا في تطوير العلاجات وقدرات أوراكل في الذكاء الاصطناعي وتحليل بيانات الرعاية الصحية، لدعم اختيار المشاركين وتحسين كفاءة الأبحاث.

التجارب السريرية بالذكاء الاصطناعي تستهدف أمراضًا متعددة

تركز المرحلة الأولى من المشروع على السرطان وأمراض القلب والأوعية الدموية والجهاز التنفسي والمناعة والأمراض النادرة، مع إمكانية دعم التشخيص المبكر للأمراض الخطيرة.

ويشمل المشروع الأول أبحاث ارتفاع ضغط الدم في أبوظبي، بالتعاون مع شركة «إم 42» المتخصصة في الرعاية الصحية، التي تتخذ من الإمارات مقرًا لها.

التجارب السريرية بالذكاء الاصطناعي.. أسترازينيكا تتعاون مع أوراكل لتطوير الأبحاث الطبية

التجارب السريرية بالذكاء الاصطناعي.. أسترازينيكا تتعاون مع أوراكل لتطوير الأبحاث الطبية

الذكاء الاصطناعي لتسريع اختيار المرضى

يمثل استقطاب المرضى المناسبين تحديًا رئيسيًا أمام الأبحاث الطبية، إذ يؤدي التأخر في تسجيل المشاركين إلى إطالة مدة الدراسات وزيادة تكاليف تطوير العلاجات.

ومن خلال التجارب السريرية بالذكاء الاصطناعي، تسعى الشركتان إلى الاستفادة من البيانات الصحية لتحديد المرضى الذين تنطبق عليهم معايير المشاركة، بما قد يساعد على تقليل التأخيرات وتحسين كفاءة الأبحاث.

ويتطلب هذا التوجه حماية خصوصية البيانات الصحية والتحقق من دقة النتائج لضمان استخدام التقنيات الجديدة بصورة آمنة وموثوقة.

أسترازينيكا تستهدف إيرادات تتجاوز 80 مليار دولار

تأتي الشراكة ضمن خطط أسترازينيكا لتوسيع محفظة أدويتها ومعالجة العقبات التي تواجه تطوير العلاجات الجديدة، إذ تستهدف الشركة تحقيق إيرادات سنوية تتجاوز 80 مليار دولار بحلول عام 2030.

وقد يساعد تطوير التجارب السريرية بالذكاء الاصطناعي في تحسين اختيار المشاركين ورفع كفاءة الدراسات، لكن أثر التعاون الفعلي سيعتمد على نتائج التطبيق ومدى نجاحه في تقليل التأخير وتسريع تطوير الأدوية.

Continue Reading

أجهزة محمولة

نموذج MiniMax M3.1 Flash.. سرعة تتجاوز 200 رمز في الثانية وتكلفة أقل

Avatar of هدير ابراهيم

Published

on

نموذج MiniMax M3.1 Flash. سرعة تتجاوز 200 رمز في الثانية وتكلفة أقل

أعلنت شركة ميني ماكس الصينية إطلاق تحديث جديد من نموذج MiniMax M3.1 Flash، مع تحسينات تستهدف البرمجة ووكلاء الذكاء الاصطناعي والأمن السيبراني. وقالت الشركة إن الإصدار الجديد يرفع سرعة الاستنتاج عبر الإنترنت إلى نحو ثلاثة أضعاف، مع خفض تكاليف الاستخدام بنسبة 70%.

نموذج MiniMax M3.1 Flash يعزز السرعة والكفاءة

تقول ميني ماكس إن النموذج المحدث يقدم تحسينات كبيرة في تنفيذ المهام المعقدة، خاصةً المهام التي تعتمد على وكلاء الذكاء الاصطناعي القادرين على تنفيذ خطوات متعددة، إلى جانب كتابة الأكواد وتحليل التهديدات الأمنية.

وتتجاوز سرعة توليد المخرجات 200 رمز في الثانية في بعض الاستخدامات اليومية، بينما تتخطى السرعة الوسيطة 170 رمزًا في الثانية، وفقًا للشركة. وقد تساعد هذه السرعة على تقليل وقت الانتظار عند استخدام النموذج في البرمجة والتطبيقات التفاعلية.

أسعار استخدام النموذج الجديد

حددت الشركة تكلفة الاستخدام عند 0.15 دولار لكل مليون رمز مُدخل، و0.60 دولار لكل مليون رمز مُخرج، مع أسعار أقل للرموز المخزنة مؤقتًا.

وتستهدف هذه الأسعار خفض تكلفة تشغيل تطبيقات الذكاء الاصطناعي، خصوصًا الخدمات التي تعالج كميات كبيرة من النصوص أو تعتمد على استدعاء النماذج بصورة متكررة.

نموذج MiniMax M3.1 Flash.. سرعة تتجاوز 200 رمز في الثانية وتكلفة أقل

نموذج MiniMax M3.1 Flash.. سرعة تتجاوز 200 رمز في الثانية وتكلفة أقل

طرق الوصول إلى MiniMax M3.1 Flash

أصبح نموذج MiniMax M3.1 Flash متاحًا عبر واجهة برمجة التطبيقات (API) الخاصة بالشركة، إلى جانب خطة الاشتراك M Plan وأداة MiniMax Code المخصصة لمهام البرمجة.

كما تخطط ميني ماكس لإتاحة أوزان النموذج لاحقًا، وهو ما قد يمنح المطورين خيارات إضافية لتجربته ودمجه في تطبيقاتهم، وفقًا لما أعلنته الشركة.

منافسة متزايدة في سوق الذكاء الاصطناعي

يعكس التحديث تركيز شركات الذكاء الاصطناعي الصينية على الجمع بين سرعة الاستجابة وخفض تكاليف التشغيل، في سوق تتنافس فيه النماذج على تقديم أداء مرتفع بتكلفة مناسبة للمطورين والشركات.

ومع ذلك، تظل تقييمات الأداء الفعلي بحاجة إلى اختبارات مستقلة تقارن النموذج ببدائل أخرى في البرمجة والاستدلال والمهام متعددة الخطوات.

Continue Reading

الذكاء الاصطناعي

جوجل تطلق Deep Review لمراجعة المستندات التقنية مجانًا

أطلقت جوجل Deep Review لمراجعة المستندات التقنية، مع مراجعتين مجانًا أسبوعيًا ودعم PDF والنصوص. تعرّف إلى آلية العمل وحدودها وسياسة الاحتفاظ بالملفات.

Avatar of عمر الشال

Published

on

رسم توضيحي لمراجعة المستندات والأدلة بالذكاء الاصطناعي
صورة توضيحية مولّدة بالذكاء الاصطناعي، وليست لقطة من واجهة Deep Review.

أطلقت جوجل أداة Deep Review لمراجعة المستندات المعقدة بالذكاء الاصطناعي، مع إتاحتها عالميًا بمراجعتين مجانًا لكل مستخدم أسبوعيًا، بحسب إعلان Google Research المنشور في 14 أكتوبر 2026.

تستهدف الأداة فحص اتساق الحجج والأدلة والادعاءات التقنية، وتقديم ملاحظات تساعد على تحسين المستند قبل مشاركته أو نشره. وتشمل استخداماتها الأوراق البحثية ووثائق التصميم والعروض التقديمية.

ما الملفات التي تدعمها Deep Review؟

تدعم الخدمة عند الإطلاق ملفات PDF والنصوص العادية، بينما تصف جوجل مراجعة عدة ملفات معًا بأنها ميزة قادمة. ويمكن لأصحاب الاستخدام المكثف ربط مفتاح Gemini API لرفع حدود الاستخدام والاستفادة من التكامل البرمجي؛ أما الحصة المجانية المعلنة فتقتصر على مراجعتين أسبوعيًا.

كيف تراجع المستندات؟

تطورت Deep Review من أداة Paper Assistant Tool، المعروفة اختصارًا باسم PAT. وتشرح الورقة البحثية للفريق نهجًا يقسم المستند إلى أجزاء منطقية، ثم يخصص جهدًا حسابيًا أكبر للأقسام الأصعب، مثل البراهين والمعادلات.

يتولى وكلاء متخصصون مراجعة الأجزاء مع الاطلاع على سياق المستند كاملًا، قبل دمج النتائج في تقرير موحد وإجراء فحوص إضافية باستخدام البحث. ويساعد هذا التنظيم على توزيع الانتباه على المستند الطويل بدلًا من الاكتفاء باستدعاء واحد للنموذج.

وفي تجارب PAT مع مؤتمري STOC وICML، تلقى المؤلفون الملاحظات قبل تسليم أوراقهم، بصورة منفصلة عن التحكيم الرسمي. لذلك لا تعني مراجعة الأداة اعتماد البحث أو ضمان قبوله للنشر.

الخصوصية وحدود الاعتماد على النتائج

تقول جوجل إن المستندات المرفوعة لا تُستخدم لتدريب نماذجها أو ضبطها أو تحسينها، لكنها تُحفظ لمدة عام لعرضها للمستخدم داخل واجهة Deep Review.

وتقر الورقة البحثية بأن أدوات المراجعة قد تخطئ في فهم الاستدلال، فتصف حجة صحيحة بأنها خاطئة. وتبقى مسؤولية التحقق من الملاحظات والقرارات النهائية على الباحث أو المراجع البشري.

عمليًا، يُفضّل التعامل مع التقرير بوصفه قائمة نقاط للفحص: راجع كل اعتراض في سياقه، وطابقه مع بياناتك ومصادرك، ولا تعدّل استنتاجًا لمجرد أن الأداة اعترضت عليه. وقبل رفع مستند سري، تحقّق من صلاحية مشاركته وسياسة مؤسستك، مع الانتباه إلى مدة الاحتفاظ المعلنة.

يمكن الوصول إلى الخدمة عبر بوابة Deep Review الرسمية.

Continue Reading

Trending