بس بغض النظر عن ليه الشركات دي فشلت
اللي لفت انتباهي ال Fund اللي كانوا بياخدوه. في ستارت اب صرفت 3 مليون دولار.. ايه بقي فكرة الستارت اب؟
ابلكيشن يحسن المينتال هيلث للناس.. ازاي؟
يوريلهم تمارين تعرفهم يتنفسوا ازاي.. بس كدا
نفسي اعرف ليه VC يدفع ملايين في فكرة زي دي؟
في ويبسايت منزل اسامي لل startups اللي فشلت وليه فشلت والماركت النهاردة عامل ازاي لو حد عايز ي rebuild ال startups دي ويعدل عليها. ال startups اللي فشلت دي اتصرف عليها كام بقي؟
حوالي 50 مليار دولار وبما إني شغال حالياً على Startup في الـ Healthcare، ركزت في السيكتور ده (1)
لو بدأت فحاجة كملها
التنقل بين كورسات كتير وانك تشوف جزء من كل واحد غالبًا بيخليك في الآخر لا مخلص ده ولا ده، أو تاخد وقت أطول بكتير عشان توصل لأي نتيجة.
اتفق
كتاب: Machine Learning Systems Principles and Practices of Engineering Artificially Intelligent Systems بردو بيوضح دا وان ال AGI التحدي فيه مش مجرد مودل بس اصلا ولكن التحدي ف ال systems engineering
انا فاهم ان مازن بيتهكم ولكن انا حابب اقول راي في كدبة ال AGI اللي بيتسوق ليها من فترة علشان الشركات تحافظ على قيمة اسهمها لحد ما يطلعوا من ال plateau الحالي
خلّيني أوضح الأول ان ال AGI أو الذكاء الاصطناعي العام مش أي موديل شاطر وخلاص. AGI هو نظام يقدر يفهم ويتعلّم ويؤدي أي مهمة فكرية زي الإنسان (أو أحسن)، في أي مجال، وينقل خبرته بين المجالات، والاهم انه يتعلّم من بيانات قليلة زي البشر
بس خلّينا واقعيين ، واحنا في في يناير 2026 إحنا لسه بعيد جدًا عن ده. النماذج الحالية زي Claude 4 وGPT-4o وGrok-3/4 وGemini 2.5–3 أقرب لـAI متخصص او متقدم أو حتى مبهر في مهام معيّنة، لكن حدودها واضحة
في ناس كتير ومتخصصين مصدقين بروباجندا بعض الشركات باننا في عصر ال AGI ، بس انا عندي اسباب علمية علشان مصدقش الهبل ده
اولهم انهيار الأداء مع زيادة التعقيد، يعني مع زيادة التعقيد، التفكير الطويل المدى بيفشل حتى مع موديلات ال “reasoning”
غير ان تكبير الموديل بقى مكلف جدًا مقابل تحسينات هامشية. التوسّع وزيادة الهاردوير لوحده مش الحل، واللي ناسي يروح يتفرج على عرض LLAMA من ميتا السنة اللي فاتت ويقارن ادائهم النهاردة
وطبعا لحد الان مفيش فهم حقيقي ولا تاسيس سليم لعلاقة المعلومات بالواقع، الاعتماد الأساسي لسه على مطابقة أنماط ( Pattern Recognition) ، مش فهم سببي أو تعلّم مستمر.
في كارثة صغيرة اي حدا لمسها لما بيجرب يعمل SFT او RL fine tuning وهيا ال (Emergent Misalignment)، يعني تدريب الموديل على مهام ضيّقة ممكن يطلع سلوكيات خطِرة على نطاق واسع. حتة طبعا محدش بيتكلم فيها علشان الشركات ممكن تفقد الثقة في تدريب اي موديل على الداتا الخاصة بيها
اخيرا ضعف التعلّم الذاتي والتخطيط الطويل، يعني هلوسة، يعني فقدان سياق، يعني تعلّم محدود من أمثلة قليلة.
الخلاصة، لا تخطيط طويل موثوق، هلوسات عالية، تعلّم ذاتي ضعيف، ومخاطر انحراف فإحنا عمليًا في مرحلة AI-lite للأعمال المعرفية، لكن AGI الكلاسيكي ده غالبًا بعد 2030
الخطوط مش سوداء وبيضا، بس الأدلة العلمية بتقول: NOT TODAY
مثلا الSymbol Grounding Problem
ال LLMs عارفة ان مثلا البشر بيتكلموا بس دا عشان ال LLMs اتدربت علي دا بس فعليا مسمعوش انسان بيتكلم فبردو الذكاء الحقيقي محتاج Embodiment ويتفاعل مع العالم اللي حواليه بس بردو هيبقي في مشاكل ف ال system constrains
Claude can code- but can claude grow?! 🪴
So far the answer is YES.
Claude is successfully keeping a living organism ALIVE.
There were some hiccups this week!
Some errors and resets, but Claude managed to power through and take care of Sol 🍅
A week in review: