أكثر حاجة مزعجة في إصدار Fable النموذج يصير غبي فجأة عند استخدامه لتطوير النماذج الرائدة (frontier models).

والموضوع ما يشمل بس أبحاث الـ architecture والشغل على الداتاسيتس، بل حتى تصميم الشرائح وكتابة الـ kernels والله أعلم وش كمان فوقهم. وعشان كذا، يستخدمون ترسانة كاملة من الأساليب: steering vectors، وإعادة كتابة البرومبتات، وحتى تعديل الأوزان نفسها.

والمشكلة إنه على عكس المجالات الثانية زي البيولوجيا والأمن السيبراني اللي الطلبات فيها تتحوّل لـ Opus 4.8 في حالة تطوير الـ LLM المشكلة ما تبان للمستخدم أصلاً. النموذج ممكن يخرّب عملية التطوير بصمت وما تقدر تكتشف الموضوع إلا من علامات غير مباشرة.

ولان الإجراءات هذي غير شفافة بالمرة يخلّي النموذج غير صالح للاستخدام في أي بحث ذكاء اصطناعي. هل فلاتر Anthropic بتخرب بس تطوير الـ LLM وتعدّي توليد الصور والفيديو؟ شبه مؤكد لا. وطيب ايش الوضع مع تطوير الـ harnesses؟ المشكلة إن ما حد يقدر يحدد بالضبط وين يمر الخط الفاصل وهل فيه قيود ثانية غير معلنة أصلاً.

🚀 تحسين أداء Python: استخدام `list comprehension`! 🚀

هل تريد كتابة كود Python أكثر إيجازًا وكفاءة؟ تعلم كيف تستخدم `list comprehension` لإنشاء القوائم بطريقة أنيقة وسريعة!

numbers = [1, 2, 3, 4, 5]
squares = [x**2 for x in numbers]
print(squares)

# مقارنة مع الطريقة التقليدية:
# squares_old = []
# for x in numbers:
#     squares_old.append(x**2)
# print(squares_old)

تسمح لك `list comprehension` بإنشاء قوائم جديدة بناءً على قوائم موجودة في سطر واحد من الكود. إنها طريقة مختصرة للقراءة وأسرع في التنفيذ من استخدام حلقات `for` التقليدية مع `append`.

['#Python', '#برمجة', '#تطوير', '#ListComprehension', '#كود_بايثون', '#نصائح_برمجية']

📚 تحسين استخدام الـ List Comprehensions في بايثون! 🚀

هل تريد كتابة أكواد بايثون أكثر إيجازًا وقوة؟ الـ List Comprehensions هي أداتك السحرية! ✨ دعنا نستكشف طريقة لتحسين استخدامها.

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_squares = [x**2 for x in numbers if x % 2 == 0]
print(even_squares)

في هذا المثال، ننشئ قائمة `even_squares` تحتوي على مربعات الأعداد الزوجية فقط من القائمة الأصلية `numbers`، كل ذلك في سطر واحد أنيق! هذا يجعل الكود أسهل للقراءة وأكثر فعالية.

['#بايثون', '#برمجة', '#ListComprehensions', '#PythonTips', '#Coding']

تخيلوا المبرمجين اللي يسوّون برمجيات خبيثة، بدأوا يحطون داخل اكواد تطبيقاتهم نصوص عن تطوير أسلحة نووية أو بيولوجية، عشان نماذج Claude/OpenAI ترفض تقرأ الملفات هذي أثناء فحوصات الـ AI المختلفة.

كأن ربك لم يخلق لخشيته
سواهم من جميع الناس إنسانا

يا محسنين تصدّقوا علينا بكم توكن 🙏

روبوتات Unitree الشبيهة بالإنسان تستجدي الناس في شوارع المدن الصينية الكبرى.

طبعاً واضح إن هذا مو ظاهرة منتشرة. لكن بشكل عام الموديل المستعمل هو الاقتصادي من Unitree تقدر تشتريه بحوالي ألفين دولار. ومع أخذ تأثير الـ واو بالاعتبار (على الأقل في البداية) يقدر يجمّع مبلغ محترم. يعني الصينيين لقوا أول سيناريو تكون فيه الروبوتات الشبيهة بالإنسان فعلاً تردّ تكاليفها ويكون لها جدوى اقتصادية 😂

وكمان تقدر تبرمج الروبوت يسوي شي مميز لما تتبرع. مثلاً، يقرأ قصيدة. وكذا يقدر ينافس حتى المتسوّل المثقف.

ومشغّل واحد يقدر يتحكم بكذا شحات في نفس الوقت. يعني الموضوع كمان قابل للتوسّع (scalable). في الأساس هذي مزارع بوتات لكن في العالم الفيزيائي الحقيقي. وما راح أستغرب لو قريب، جيوش من الروبوتات المتسوّلة يديرها هندي عن بعد .

يعني لو الذكاء الاصطناعي والروبوتات سرقوا وظائفنا ورمونا في الشارع فهذي مابتكون نهاية القصة.😅

🚀 تحسين أداء Python باستخدام List Comprehensions!

هل تريد كتابة كود Python أكثر إيجازًا وكفاءة؟ اكتشف قوة List Comprehensions في هذا الشرح السريع!

numbers = [1, 2, 3, 4, 5]
squares = [n**2 for n in numbers]
print(squares)

List Comprehensions توفر طريقة مختصرة لإنشاء القوائم. بدلاً من استخدام حلقة `for` تقليدية، يمكنك كتابة الكود في سطر واحد، مما يجعله أسهل للقراءة وأسرع في التنفيذ.

['#Python', '#برمجة', '#ListComprehensions', '#تطوير', '#كود']

تخيلوا Gemini ساعدت في النصب على 100 ألف شخص والان Google ترفع دعوى قضائية ضد المحتالين 🤯

حسب بيانات الشركة مجموعة اسمها Outsider Enterprise باستخدام الذكاء الاصطناعي كانت تزور مواقع مزيفة لبنوك، وجهات حكومية، وعلامات تجارية كبرى وبعدها ترسل الروابط عن طريق رسائل SMS.

الحجم مرعب أكثر من 100 ألف متضرر و 9 آلاف موقع مزيف وأكثر من 2.5 مليون رسالة تصيد وكل هذا خلال أسبوعين بس. الأضرار تُقدّر بملايين الدولارات.

وليش الحكومة الأمريكية ما حظرت Gemini؟ 🤔

🚀 تحسين أداء Python: دليل الأوامر المتعددة 🚀

هل تبحث عن طرق لتسريع أكواد Python الخاصة بك؟ اكتشف كيف يمكن للأوامر المتعددة (multiple commands) أن تحدث فرقًا كبيرًا في الأداء، خاصة عند التعامل مع المهام المتكررة أو الحسابات المعقدة.

import time

def calculate_sum(n):
    total = 0
    for i in range(n):
        total += i
    return total

def calculate_product(n):
    total = 1
    for i in range(1, n + 1):
        total *= i
    return total

start_time = time.time()
result_sum = calculate_sum(1000000)
result_product = calculate_product(10000)
end_time = time.time()

print(f"Sum: {result_sum}")
print(f"Product: {result_product}")
print(f"Execution time: {end_time - start_time:.4f} seconds")

# مثال على استخدام أوامر متعددة (افتراضي، يحتاج لبيئة تدعم ذلك)
# import multiprocessing
# pool = multiprocessing.Pool(processes=2)
# results = pool.starmap(max, [(calculate_sum, calculate_product)]) # هذا مثال توضيحي فقط
# pool.close()
# pool.join()

يوضح هذا الكود كيفية حساب مجموع وضرب أعداد كبيرة. بينما الكود الأساسي يقوم بتنفيذها بشكل تسلسلي، فإن الجزء المعلق يشير إلى إمكانية استخدام مكتبات مثل `multiprocessing` لتشغيل هذه العمليات بشكل متوازٍ، مما يقلل بشكل كبير من وقت التنفيذ الإجمالي على المعالجات متعددة النوى. هذا هو جوهر استخدام الأوامر المتعددة لتحسين الأداء.

['#Python', '#برمجة', '#تحسين_الأداء', '#تطوير_البرمجيات', '#PythonTips', '#Multiprocessing']

طبعآ Anthropic أرسلت عدد من كبار باحثيها إلى واشنطن عشان يطعنون في قرار إيقاف Fable.

بيحاولون يصلحون العلاقة مع البيت الأبيض ويقنعون المسؤولين إن النموذج آمن وتحت السيطرة.

وعلى فكرة واحدة من حججهم على عدم عدالة طلب الحكومة نصّها حرفياً كذا:

التقرير اللي مبني عليه قرار الحكومة، يعرض مستوى من القدرات متوفر بشكل واسع في نماذج ثانية كمان وبالتحديد في GPT-5.5.

يعني ماتستغربوا لو طلع القرار يوقف GPT-5.5 كمان 😂

الناس هذي الأيام تشتري اسهم سبيس اكس وانا اشتري ذهب من تتوقعوا يبكي بعد سته اشهر 😅

🚀 إتقان استخدام `enumerate` في بايثون

هل سئمت من تتبع الفهارس يدوياً في حلقات التكرار؟ `enumerate` هي الحل السحري!

my_list = ['تفاحة', 'موز', 'برتقال']
for index, value in enumerate(my_list):
    print(f'الفهرس: {index}, القيمة: {value}')

الدالة `enumerate` تسمح لك بالتكرار على أي كائن قابل للتكرار (مثل القوائم) مع الحصول على كل من الفهرس والقيمة في كل خطوة. هذا يجعل الكود أكثر وضوحاً وكفاءة.

['#بايثون', '#برمجة', '#تعلم_بايثون', '#enumerate', '#PythonTips']

عندي احساس انه كل كلاب إثارة الجدل اللي موثقين وينزلون صور محادثات مثلا بين الاصحاب او الاباء او الأزواج كلها محادثات مزورة علشان ال 20 الدولار اللي تنزل لهم نهاية الشهر من اكس

تعلموا الذكاء الاصطناعي

الذكاء الاصطناعي يساهم برفع الرواتب، والإنتاجية، والتوظيف والوحيد اللي ما له نصيب في العالم الجديد هم الـ juniors فقط 🥲

شركة PwC حللت أكثر من مليار وظيفة، وأصدرت تقرير عن مدى تأثير الذكاء الاصطناعي على سوق العمل.
هذي اهم النقاط:

أكثر الشركات تقنية وحماساً للذكاء الاصطناعي تتكلم عن قفزة في الإنتاجية بنسبة 163% مقارنة بمستوى 2018. والشركات الثانية كمان تشوف نمو لكن في حدود 20-30%.

المتخصصين اللي عندهم مهارات في الذكاء الاصطناعي الحين يكسبون في المتوسط أكثر بـ 62% من زملائهم اللي ما عندهم وفي بعض القطاعات العلاوات توصل لـ 118%

الوظائف نفسها اللي تتطلب مهارات ذكاء اصطناعي مثل prompt engineering أو ML، صارت أكثر بنسبة 69%.

والشيء الاغرب انه الشركات اللي تتبنى الذكاء الاصطناعي بشكل نشط، توسّع كادرها أسرع من غيرها.

ومن السلبيات: أصحاب العمل بدأوا يطالبون الـ juniors بمهارات الـ seniors. الوظائف المبتدئة الحين تتطلب بمعدل 7 أضعاف مهارات القيادة والتواصل مع أصحاب المصلحة واتخاذ القرارات. طبعآ عدد الوظائف نفسها للمبتدئين تقلّص بشكل ملحوظ.

في السيرة الذاتية قدموا أنفسكم من البدا

ية على انكم middle 😅

رحنا فيها💔

تخيلوا بروسيا ناوين يحددون مدى الكفاءة المهنية للروس عن طريق الوجه والوسامه 👀

ستارت أب روسي صرّح إن نظامه قادر خلال دقايق معدودة يكشف الميول المهنية وسمات الشخصية للإنسان من خلال صورة باستخدام البروفايل البيومتري. البرنامج راح يسمح بإنه يستبدل جزئياً الأخصائيين النفسيين، ويوفّر فلوس على الشركات والدولة. وأيوه، التجارب بدأت فعلاً في أحد مكاتب التوظيف الحكومية في إحدى المناطق، حسب ما يكتب موقع Cnews.

ننتظر مقابلات العمل عن طريق صورة البروفايل 🥲

🚀 تبسيط التعامل مع القوائم في بايثون!

هل تعبت من كتابة الكثير من الأكواد للتعامل مع القوائم؟ إليك خدعة بايثون سريعة تجعل حياتك أسهل!

my_list = [1, 2, 3, 4, 5]
first_three = my_list[:3]
print(first_three)

نستخدم هنا 'تقطيع القوائم' (List Slicing) في بايثون. `my_list[:3]` تعني 'خذ العناصر من البداية حتى العنصر ذي الفهرس 3 (ولكن لا تشمله)'. إنها طريقة أنيقة لاستخراج أجزاء من القوائم.

['#بايثون', '#برمجة', '#قوائم', '#خدع_بايثون', '#Python', '#Programming', '#Lists', '#PythonTips']

اللي عندهم خبره بعد كم ابل ترد بالعادة؟