حجم الفجوة بين مجتمع الذكاء الاصطناعي على اكس وبين باقي الناس كبيرة جداً وأعتقد غير مستوعبين بعد لحجمها، العالم الخارجي مازال طبيعي جداً والناس غير مدركة لما يحدث، بينما هنا نشهد باعيننا دخول الـ Singularity
لحظات تاريخية وعجيبة
We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.
The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.
The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
عشر آلاف وكيل عملوا لمدّة ٨٠ ساعة لحل معضلة رياضية تاريخية لم تُحل لمدّة ٩٠ عام.
٨٠ ساعة للذكاء الاصطناعي مقابل ٩٠ عام للبشر؟!
تخيّلوا كيف يمكن للطب والبحث العلمي أن يتحوّل اذا وُجدت الحوسبة الكافية؟
المستقبل سيفوق القدرة على الخيال ..
We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.
The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.
The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
حتى تُدرك حجم هذا الخبر:
في عام 2000، اختار معهد Clay سبع مسائل فقط من بين أعمق وأصعب المسائل المفتوحة في الرياضيات، وأطلق عليها «مسائل الألفية»، ورصد جائزة قدرها مليون دولار لحل كل واحدة منها.
مرّ أكثر من ربع قرن، ولم تُحلّ رسميًا سوى واحدة.
Navier–Stokes واحدة من الست الباقية.
واليوم يبدو أن نموذجاً داخلياً من OpenAI "غير استرا" قد استطاع حلّها.
نعيش لحظة تاريخيّة، ويبدو أننا ما زلنا في البداية.
We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.
The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.
The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
تماما��، ولذلك أدفع بشدّة لأي مستخدم اليوم أن يتوقّف عن استخدام الوكلاء في المتصفح، ويُنشئ بدلاً من ذلك مجلّد مركزي في كمبيوتره بداخله ملفات مارك داون تحفظ السياق، التفضيلات، الخطط، تواريخ المشاريع، و المهارات والبحوث وغيرها، وهذا المجلّد يُدار عن طريق Routing system بداخل CLAUDE.md & AGENTS.md يخبر الوكيل عن هيكلية المجلد (خصوصاً حين ينموا، حالياً نظامي يحتوي ما يقارب 1200 ملف عبر شهور من العمل، و الوكيل يعرف الوصول لاي ملف منهم دون اي عناء)
هذا المجلد يُستخدم من كلود كود، كودكس، أو اي Harness آخر ، كل شيء محفوظ، ببساطة تبني بيئة مركزيّة و يُستدعى لها أي وكيل بدلاً من العكس
ومن هذا المجلّد، أدير المجلدات الثانية للمشاريع البرمجيّة، يُنشئ لكل منهم مجلد خاص فيه، وعند إجراء التغييرات يُحفظ ذلك في ملف مارك داون خاص في ذلك المشروع هنا ليصبح من السهل لاحقاً العودة واستكمال العمل في اي وقت
بصراحة من أفضل القرارات التي اتخذتها هو اعتماد هذه الطريقة قبل تقريباً 6 شهور، النظام ينموا مع المستخدم كلما نما، ويصبح أيضاً سهل التصفح والاسترجاع للانسان حتّى، خصوصاً عن استخدام Obsidian لتصفح الملفّات.
هذا مقطع سابق قمت برفعه قبل فترة عن هذا الموضوع: https://t.co/g0WacrCfYq
يبدو ان العقبة فعلاً لم تعد اليوم في النماذج، النماذج نضجت، والـ Harness لهم وصل لمستويات قويّة جداً واصبح الآن العائق الرئيسي هو في الـ Deployment، خبرين مهمين عن Anthropic و Open AI، اتفاقيات مليارية هدفها شيء واحد، البدء بدمج حقيقي للذكاء الاصطناعي داخل الشركات
لا نتحدث عن استخدام Codex او Claude code بشكل شخصي من قبل الموظفين، لا نتحدث عن أتمتة سطحية هنا وهناك، بل نتحدث عن دمج حقيقي ليكون الذكاء الاصطناعي في قلب الشركة.
الى الان المعضلة كبيرة، كيف تدمج الذكاء الاصطناعي بطريقة آمنة داخل الشركات القائمة؟ كيف تعطي النماذج الوصول للبيانات؟ كيف تضمن تدفّق البيانات بدون اختراق امني؟ كيف تبني الـ Pipelines؟ كيف تكوّن ��رق هندسية قادرة فعلاً على تشغيل وصيانة هذه المنظومة على مستوى مؤسسي؟ هذه المشكلة لا تُحل باستئجار شركة استشارات لستة اشهر، هذه اعادة هيكلة كاملة.
والمفاجئ ان OpenAI و Anthropic وصلتا للاستنتاج نفسه في نفس الاسبوع تقريباً، الحل ليس بناء جيش من المهندسين ومندوبي المبيعات، الحل هو استخدام صناديق الـ Private Equity كقناة توزيع جاهزة.
OpenAI اطلقت كياناً اسمه "The Deployment Company" بشراكة مع 19 مستثمر، منهم TPG و Brookfield و Bain Capital و SoftBank و Dragoneer. هؤلاء مجتمعين يملكون او يستثمرون في اكثر من 2,000 شركة. بدل ان تطرق OpenAI باب كل شركة على حدة، فجأة اصبح عندها وصول الى 2,000 شركة عبر شبكة موزّعين.
Anthropic ردّت بنسختها الخاصة، شراكة بقيمة 1.5 مليار دولار مع Blackstone و Hellman & Friedman و Goldman Sachs و General Atlantic. لكن البنية مختلفة في نقطة جوهرية واحدة، هذه ليست اداة تمويل بشريك تقني، هذه شركة تشغيلية مستقلة، فيها مهندسون من Anthropic مدمجون داخلها مباشرة.
هذا الفرق في البنية يكشف فلسفتين مختلفتين تماماً:
OpenAI تلعب لعبة الحجم، اكبر عدد ممكن من الشركات في اقصر وقت ممكن، وتحويل بيع الذكاء الاصطناعي للمؤسسات من جهد فردي شركة-شركة الى توزيع مُمنهج عبر الشبكة.
Anthropic تلعب لعبة المصداقية، عدد اقل من المؤسسات المالية الاكثر هيبة، يستخدم اسمها كشهادة لبيع Claude لبقية السوق، مع مهندسين فعليين قادرين على تطوير الـ Implementation باستمرار لأن النموذج نفسه يتغيّر كل اسبوعين.
ومن يخسر في هذه المعركة؟ شركات الاستشارات التقليدية. McKinsey و Deloitte و Accenture و BCG، هذه الشركات بنت 300 مليار دولار من الايرادات السنوية على نفس هذه الوظيفة بالضبط، مساعدة الشركات الكبرى على تبنّي التكنولوجيا الجديدة. ما تبنيه OpenAI و Anthropic هو الخدمة نفسها، بدون هامش الوسيط، بدون دورات البيع الطويلة، ومع مطوّري النموذج انفسهم في الغرفة. ولاحظ، لا يوجد اسم اي شركة استشارات في اي من الصفقتين.
Both Anthropic and OpenAI have new initiatives to help enterprises deploy AI agents within their organizations. This is a trend that’s early but going to get very big fast.
As agents enter knowledge work beyond coding, there is very real work to upgrade IT systems, get agents the context they need, modernize the workflows to work with agents, figure out the human-agent relationship in the workflow, drive adoption and do change management, and much more.
While AI models have an incredible amount of capability packed into them, there’s no shortcut to getting that intelligence applied to a business process in a stable way. This is creating tons of opportunities across the market for new jobs and firms, and the labs are equally recognizing the criticality here.
هيك بتكون نتيجة التركيز العميق على مجال واحد فقط، انثروبك اهملت الصوت والفيديو والصور وركّزت بكل ما عند��ا على الكود، والنتيجة منشور واحد بيحرّك الصناعة كاملة!
Anthropic published a blog post one hour ago.
Cybersecurity stocks have lost $10B since.
CrowdStrike -6.5%. Cloudflare -6%. Okta -5.7%.
One blog post. One hour. $10B gone.
Introducing Claude Code Security, now in limited research preview.
It scans codebases for vulnerabilities and suggests targeted software patches for human review, allowing teams to find and fix issues that traditional tools often miss.
Learn more: https://t.co/n4SZ9EIklG
@dubayan@mdarrab@QutaibaAlhajri
تذكرت تغريدتك، يبدو ان الموضوع مو تجربة فريدة ابداً، والعجيب ان هالعمل الاضافي امتع على قلبي من اي شعور ممكن تعطيه عطلة
المخاطـبة هي كل شيء:
مع تطوّر نماذج الذكاء الاصطناعي الجنوني يوم بعد يوم، اعتقد وصلنا لمرحلة محتاج تكون حكيم جداً بتوجيه جهودك تجاه الامور الي تتعلمها اليوم، وباعتقادي نحن الان امام هذا الواقع:
امامنا نوعين من المعرفة
Declarative knowledge
Procedural knowledge
الاولى هي معرفة ان شيء ما موجود اساساً، انك تعرف ان البرمجيّات البرودكشن فيها rate limits محكمة، او مثلاً انك تعرف عن شيء اسمه debounce او او او غيرهم من المصطلحات؛ فقط معرفة ان هذا الشيء موجود اساساً "لتعرف توصفه للذكاء الاصطناعي عشان ينتبه له ويركبه في تطبيقك" اليوم اصبح شيء لا يمكن وصف اهميّته
اما النوع الثاني من المعرفة فهي المعرفة بـ "كيف"، ان تعرف كيف تركّب هذي الـ best practices مثلاً؟ ان تعرف كيف تشبك نظام الحماية الـفُلاني في تطبيقك، وغيرها من الامور، كل هذا اليوم الذكاء الاصطناعي اصبح يتمكن منه بشكل افضل واسرع من البشر نفسهم حتّى
وطبعاً ك شخص غير تقني، معرفة النوع الاول من المعرفة اهم بكثير من الثاني، الذكاء الاصطناعي يعرف يطبق تماماً، لكن الاهم ان الشخص اليوم يعرف اساساً شو يطلب من الذكاء الاصطناعي تطبيقه!
كلشيء يرجع للمخاطبة، من امتلك القدرة اليوم على مخاطبة النماذج، امتلك ما لا يمكن وصفه ..
نلتقي اليوم في الساعة العاشرة بتوقيت السعودية في لقاء مباشر على يوتيوب أتحدث فيه مع رائد أعمال مهتم برفع انتاجيّته وتعلّم الذكاء الاصطناعي، سأفهم منه سير عمله ومشاكله واحتياجه، ومن ثم أبني معه في البث باستخدام الذكاء الاصطناعي تطبيقات مخصصة لمشروعه تزيد من انتاجيّته وتوفّر الجهد والوقت له ولفريقه
وسنناقش أيضاً أهم المعلومات والمهارات اللازمة ليتقن بنفسه بناء تطبيقاته مستقبلاً ويتمكّن من استخدام الذكاء الاصطناعي بأتمّ شكل، اخترنا ان لا نتجهّز ابداً للقاء كي ننقل لكم التجربة كاملة دون اي تجهيز مسبق، كل شيء بشكل مباشر!
نراكم على كل خير ان شاء الله
https://t.co/3bbOzWmALk
تماماً، باعتقادي استاذ فيصل نحن اليوم امام الواقع التالي:
امامنا نوعين من المعرفة
Declarative knowledge
Procedural knowledge
الاولى هي معرفة ان شيء ما موجود اساساً، انك تعرف ان البرمجيّات البرودكشن فيها rate limits محكمة، او مثلاً انك تعرف عن شيء اسمه debounce او او او غيرهم من المصطلحات؛ فقط معرفة ان هذا الشيء موجود اساساً "لتعرف توصفه للذكاء الاصطناعي عشان ينتبه له ويركبه في تطبيقك" اليوم اصبح شيء لا يمكن وصف اهميّته
اما النوع الثاني من المعرفة فهي ال��عرفة بـ "كيف"، ان تعرف كيف تركّب هذي الـ best practices مثلاً؟ ان تعرف كيف تشبك نظام الحماية الـفُلاني في تطبيقك، وغيرها من الامور، كل هذا اليوم الذكاء الاصطناعي اصبح يتمكن منه بشكل افضل واسرع من البشر نفسهم حتّى
وطبعاً ك شخص غير تقني، معرفة النوع الاول من المعرفة اهم بكثير من الثاني، الذكاء الاصطناعي يعرف يطبق تماماً، لكن الاهم ان الشخص اليوم يعرف اساساً شو يطلب من الذكاء الاصطناعي تطبيقه!
كلشيء يرجع للمخاطبة، من امتلك القدرة اليوم على مخاطبة النماذج، امتلك ما لا يمكن وصفه ..
شكراً لمشاركة تجربتك أستاذنا العزيز!
هذي الفكرة لازم الكل يتقبلها ويتجهز لها من الآن، حتى وان توقفت النماذج عن التطور ووصلت قدراتها النهائية (وهذا غير وارد الآن) فإن الوظائف المكتبية التقليدية سينتهي بها الحال بعد سنين قليلة مؤتمتة تماماً، حتى وإن تطلب الأمر تلقين النماذج المهام مهمة مهمة بشكل يدوي.
لكن الواقع يقول ان الخوارزميّات + الشرائح + انتاج الكهرباء، الثلاثيّة الذهبيّة للذكاء الاصطناعي، ما زالت في بداياتها، وان التطور الأسّي مستمر في الصعود.
في السنوات القليلة المقبلة سيتغيّر كل شيء نعرفه، وبرأيي لا الجامعات مستعدة، ولا الغالبية العظمى من الناس مستعدين، كل شيء عن الوظائف التقليلدية تغيّر للأبد.
Anthropic researcher: Even if AI progress stops now & algorithms don’t improve, current models already can automate most white-collar jobs within 5 years. Even if you need to hand-spoon every single task to the model, it's economically worthwhile to do so
حقيقة الفرصة لا توصف، ٣٣ مليون شركة في امريكا لوحدها، النسبة العظمى منهم شركات صغيرة ومتوسطة بميزانيّات محدودة لن تسمع لهم بالاستعانة بشركات التقنية العملاقة لتساعدهم على دمج الذكاء الاصطناعي في شركاتهم
الفرصة خيالية لمن يعمل على سد هذا الفراغ.
Mark Cuban on the next job wave.
Customized AI integration for small to mid-sized companies.
"Software is dead because everything's gonna be customized to your unique utilization. Who's gonna do it for them... And there are 33 mn companies in the US."