توظيف (50) روبوت وتسريح (1000) موظف

شركة جنرال موتورز (GM) فصلت أكثر من 1000 عامل في مصنع Factory Zero في ديترويت (الذي ينتج السيارات الكهربائية). وبعد ذلك أضافت حوالي 50 روبوت تعاوني (cobots) إلى خط الإنتاج وهي تعمل جنبًا إلى جنب مع العمال المتبقين، وتساعد في مهام مثل تركيب ألواح الهيكل.

الشركة تقول أن الفصل جاء بسبب تباطؤ الطلب على السيارات الكهربائية، مع إيقاف الإنتاج مؤقتًا وتقليص الالتزامات

وتقول إن الروبوتات تحسن السلامة والراحة (ergonomics) وتساعد في المهام المتكررة أو الخطرة

هل أنت روبوت/ بشري؟

Google تختبر نظام reCAPTCHA جديد بحركات اليد بدل من حل الألغاء القديم

حيث يطلب المتصفح منك فتح الكاميرا ويسجل فيديو قصير لحركات اليد بدون صوت ويحذف الفيديو بعد اكتمال الفحص.

(التطبيق اختياري)

جي دي فانس (نائب الرئيس الأمريكي)
أيد فكرة إنشاء صندوق ثروة سيادي أمريكي يستحوذ على حصص ملكية في الشركات الكبرى للذكاء الاصطناعي مثل OpenAI وAnthropic وغيرها، بهدف توزيع الفوائد الاقتصادية على الشعب الأمريكي ومنع تركز الثروة.

ماذا أبعاد هذا الخبر؟

ظهرت نسخة جديدة من Mythos أقوى من النسخة السابقة…

الحظر لـ Mythos 5 و Fable 5 عن الجمهور ما يعني توقف التطوير والتقدم…. بالعكس يزيد التسارع والمنافسة…

وأي تباطؤ يعني الأخرين راح يلحقوا بك

كيف نجعل استخدام الوكلاء المستقلين مقبولًا اقتصاديًا وقابلًا للتأمين والمسؤولية القانونية؟

من المعروف أن وكيل الذكاء الاصطناعي (AI Agent) يمكن ان يرتكب خطأ مثل:
- حذف قاعدة بيانات الإنتاج
- تحويل أموال
- تعطيل خدمة حرجة

ولكن…

• من المسؤول قانونيا واقتصاديا؟
• كم تبلغ قيمة الضرر؟
• كيف يمكن تسعير هذا الخطر مسبقاً قبل السماح للوكيل بالعمل؟

لهذا السبب…المؤسسات تعتمد على:

- مراجعة بشرية (Human Review)
- توقيع بشري (Human Sign-off)
- موافقات متكررة

وبالتالي: كلما زادت الحاجة للمراجعة البشرية، انخفضت المكاسب الاقتصادية المتوقعة من الأتمتة.

ولحل هذا الاشكال يقول باحثون إن التأمين التقليدي لا يصلح مباشرة لوكلاء الذكاء الاصطناعي. لأنه يعتمد على:

- نوع السيارة
- نوع المنزل
- تاريخ الحوادث

أما في الوكلاء:
نفس النموذج (Model) قد يسبب خسائر مختلفة جدًا حسب:

- العميل
- المهمة
- الصلاحيات
- البيانات المستخدمة
- سلسلة الخطوات التي نفذها الوكيل

لذلك يقترح الباحثون ما يسمونه:

Trace-Economic Underwriting
(الاكتتاب التأميني القائم على الأثر التشغيلي)

أي، يتم جمع:

- سجل العمليات الكامل (Trace)
- المهمة المنفذة
- الع

ميل
- الأصول المتأثرة
- الصلاحيات المستخدمة

ثم يتم:

- تسعير الخطر
- تحديد التغطية التأمينية
- فرض ضوابط إضافية
- أو إيقاف العملية قبل التنفيذ إذا أصبحت المخاطرة مرتفعة

▪️هل الهدف فقط تحديد قسط التأمين؟

لا…. الهدف أوسع:

- تسعير المخاطر (Pricing)
- التحكم بالمخاطر (Control)
- نقل المخاطر للتأمين (Risk Transfer)

أي أن النظام قد يقرر:
“هذه العملية خطرة جدًا مقارنة بالعائد المتوقع، لذلك يجب إيقافها أو طلب موافقة بشرية.”

وليس فقط حساب قيمة القسط.

▪️هل الوكلاء العموميون (General Agents) يمكن تأمينهم؟

الباحثون يصرحون تقريبا بأن:

الوكيل العام غير المقيّد لا ينتج نمط مخاطر يمكن قياسه أو مقارنته بشكل موثوق. لذلك فإن النموذج المقترح يعمل فقط عندما يكون الوكيل:

- محدد المهمة
- محدد الصلاحيات
- محدد نطاق العمل
- له آثار تشغيلية قابلة للتتبع

الورقة البحثية هنا

When Agent Automation Becomes Profitable: Quantifying and Insuring Autonomous AI Risk through Trace-Economic Underwritingarxiv.org/pdf/2606.16465

وش يعني ؟؟

لما الرئيس التنفيذي والمؤسس لشركة Vercel

يصرح بأنه منبهر من النموذج الصيني GLM-5.2

كلام مهم …

الرئيس التنفيذي لـ (Anthropic)، داريو أمودي

• يحذر من أن شركات الذكاء الاصطناعي الرائدة تحتاج إلى تحقيق [مئات المليارات من الدولارات في الإيرادات السنوية] وإلا فإنها تواجه مخاطر وجودية مالية (الإفلاس أو الانهيار)

• قد تصل تكاليف التدريب والحوسبة إلى تريليون دولار أو أكثر بحلول 2027، وإذا لم تتواكب الإيرادات فإن لا قوة على الأرض يمكن أن تحول دون الإفلاس، حتى لو كانت الشركة ناجحة حالياً

نمو عدد الأوراق البحثية في NeurIPS

في عام واحد فقط، شهد المؤتمر زيادة كبيرة في الأبحاث والمشاركين، ما يؤكد أن الذكاء الاصطناعي لم يعد مجرد توجه تقني، بل أصبح محرك رئيسي للبحث والابتكار

وهذا النمو يكشف عن التحديات المتزايدة التي تواجه منظومة التحكيم العلمي مع تدفق أعداد قياسية من الأبحاث

🔴الخوف أن تتحول الورقة البحثية إلى Prompt🔴

نموذج ياباني 🇯🇵 يتفوق على ChatGPT 5.5

Sakana Fugu الياباني منافس قوي قادم وخاصة نسخته Fugu Ultra

التفاصيل👇🏻sakana ai

سباق الذكاء الاصطناعي بين الصين وأمريكا

من مقابلة (Aravind Srinivas)، الرئيس التنفيذي لشركة Perplexity AI

▪️ "لقد رأيت أوراق بحثية من الصين تحاول استنساخ نموذج (o1) بعد الإعلان عنه، أكثر مما رأيت من أمريكا."

▪️المذيعة: "هل ستدمجون (DeepSeek) في (Perplexity)؟"

"لقد بدأنا بالفعل في استخدامه... لقد أتاحوا أوزان النموذج كمصدر مفتوح، لذا يمكننا استضافته بأنفسنا أيضًا. من الجيد البدء في استخدام ذلك لأنه يتيح لنا القيام بالكثير من الأشياء بتكلفة أقل."

▪️ "أعتقد أنه يجب عليك الفصل بين ما يقوله شخص مثل سام [ألتمان] وما يصب في مصلحته الشخصية... كل ما فعلتموه لمنعهم من اللحاق بالركب لم يكن له أي أهمية. لقد انتهى بهم الأمر باللحاق بالركب على أي حال."

▪️المذيعة: "الحاجة أم الاختراع."

"بالضبط... ما هو أكثر خطورة من محاولة القيام بكل الأشياء لمنعهم من اللحاق بالركب، هو أنهم يمتلكون الآن أفضل نموذج مفتوح المصدر، وكل المطورين الأمريكيين يستخدمونه..."

بيان نادر…. من قادة [العيون الخمسة]

أصدر قادة الأمن السيبراني في تحالف [العيون الخمسة: أمريكا، بريطانيا، أستراليا، كندا، نيوزيلندا) بيان نادر بعنوان:
(تحول الذكاء الاصطناعي في مخاطر الإنترنت: لماذا يجب على القادة التصرف الآن)

وجاء في بيانهم:

• نماذج الذكاء الاصطناعي المتقدمة راح تغير لعبة الهجمات السيبرانية بشكل جذري.
• الزمن ما في سنوات… لا… في أشهر فقط.
• يعني الهجمات الإلكترونية (مثل الفيروسات، الابتزاز الرقمي، تعطيل المواقع والخدمات) راح تصير أسهل وأقوى وأسرع بكثير.
• ولكن في نفس الوقت الذكاء الاصطناعي ممكن يكون وسيلة دفاع
• لازم ألحين تكون للحكومات والمؤسسات (مرونة سيبرانية) بعني عندهم القدرة على الصمود أمام الهجمات وبشكل عاجل بدون تأخير

إذا الحكومات ما تحركت بسرعة راح يشوفوا أنفسهم في وسط عاصفة من إسقاط الأنظمة الإلكترونية (take down systems) مثل تعطيل البنوك أو الكهرباء أو الخدمات الحكومية بهجمات سيبرانية.

قادة العيون الخمسة ينصحوا بالآتي:

• تقليل سطح الهجوم يعني لا تترك أنظمة مكشوفة بدون داعي
• السرعة في تحديث البرمجيات (الثغرات تُستغل بسرعة أكبر).
• التركيز على كلمات المرور القوية والتحق

ق الثنائي.
• إعداد خطط الاستجابة للهجمات وافترض أن الاختراق قد يحدث.
• استخدم الذكاء الاصطناعي للدفاع

أخطر ما قد يفعله الذكاء الاصطناعي أنه يجعلنا نتوقف عن المحاولة …. ويعطينا إجابة جاهزة (اختياريا) ينتهي بعدها التفكير والتوسع

كلما زاد اللطف والود.. زاد التملق

ورقة نشرت في Nature تكشف عن أن تدريب نماذج الذكاء الاصطناعي على (اللطف والود - الدفء-) يجعل أخطاءها تزداد وتساير المستخدم…

هنا النتائج

▪️ زيادة احتمالية تقديم إجابات خاطئة بمعدل 7.43 نقطة مئوية مقارنة بالنماذج الأصلية

▪️في الأسئلة الطبية، ارتفعت الأخطاء بمقدار 8.6 نقطة مئوية

▪️في اختبار قياس مقاومة المعلومات الخاطئة (TruthfulQA)، ارتفعت الأخطاء بمقدار 8.4 نقطة مئوية

▪️في اختبار مقاومة المعلومات المضللة ونظريات المؤامرة، ارتفعت الأخطاء بمقدار 5.4 نقطة مئوية

▪️في أسئلة المعرفة العامة، ارتفعت الأخطاء بمقدار 4.9 نقطة مئوية مقارنة بالنماذج الأصلية

▪️النماذج الأكثر ودّاً كانت أكثر ميلاً بنحو 40٪ لموافقة المستخدم على معتقداته الخاطئة بدلاً من تصحيحها

▪️عندما عبّر المستخدم عن اعتقاد خاطئ، ارتفعت أخطاء النماذج الدافئة بمقدار 11 نقطة مئوية مقارنة بالنماذج الأصلية

▪️عندما اجتمع الاعتقاد الخاطئ مع سياق عاطفي في الرسالة، ارتفعت فجوة الأخطاء إلى 12.1 نقطة مئوية

🔴 مجرد إضافة مشاعر أو سياق عاطفي إلى السؤال زاد الفارق في الأخطاء بين النماذج الأصلية والدافئة إلى 8.87 نقطة مئوية

🔴وج

ود الحزن جعل تأثير التملق والانخفاض في الدقة أكبر بنحو 60٪ مقارنة بالمحادثات العادية.

✔️تكررت النتائج نفسها عبر خمسة نماذج لغوية مختلفة، ما يشير إلى أن المشكلة مرتبطة بطريقة التدريب على “الدفء” وليست مرتبطة بنموذج معين.

nature. com/articles/s41586-026-10410-0.pdf

وهنا نظمته في مخطط بصري / انفوجرافيك

تعالوا …
المشككين في قدرة الصيني 🇨🇳

GLM-5.2 متفوق على Opus 4.8

صح يستهلك توكنز أكثر لكنه أرخص
صح أنه استهلك وقت أكثر لكنه ما ترك أخطاء

الاختبار من فريق Cline المعروف

أصحاب البشرة السمراء والاسويين يستبعدهم الذكاء الاصطناعي في التوظيف

تحليل 4 ملايين طلب توظيف كشف:

- 26% من المتقدمين السود تم تمييزهم سلباً

- 15% من الآسيويين تأثروا

كان يمكن قبول 40 ألف طلب إضافي لو الـ AI ما متحيز

Stanford HAI - مايو 2026