في محاضرته «كعب أخيل: أين تكمن حدود الذكاء الاصطناعي؟» المنشورة في 16 أكتوبر 2026 يطرح المهندس أبو بكر سليمان المتخصص في معالجة اللغات الطبيعية والنماذج اللغوية الكبيرة فكرة واضحة: الذكاء الاصطناعي اليوم تحفة مبنية من أعواد الكبريت وليس الهرم الأكبر. فقد تعلّم كل ما يعرفه من البشر، ويمكن أن ينهار عند نقطة ضعف واحدة دون أن يشعر، وكثير مما يُقال إنه «يتذكّر» أو «يستدل» أو «يتعلّم» هو في الحقيقة هندسة مبنية حول نموذج متجمّد. ويبقى الذكاء البشري بقدرته على إدراك أن شيئًا ما يسير على نحو خاطئ وعلى التكيّف مع مواقف لم يرها من قبل هو المرجع. في هذا المقال ملخص أمين للمحاضرة بترتيبها الأصلي مع روابط إلى المصادر الأولية لكل معلومة وقسم قصير عمّا تعنيه للشركات.
من هو أبو بكر سليمان وما موضوع هذه المحاضرة؟
يعمل أبو بكر سليمان (ماجستير) على حلول الذكاء الاصطناعي التطبيقية واستراتيجياته مع تخصص في معالجة اللغات الطبيعية والنماذج اللغوية الكبيرة. وينشر عمله على قناته على يوتيوب وعلى لينكدإن. والمحاضرة جلسة مباشرة مدتها 71 دقيقة تطرح سؤالًا بسيطًا: كلنا نعرف ما يستطيع الذكاء الاصطناعي فعله اليوم، لكن هل نعرف أين تنتهي قدراته؟
يبدأ بلعبة مستوحاة من برنامج «الرابط العجيب» الذي عرضته قناة سبيستون: ابحث عن القصة التي تجمع سبعة أشياء لا علاقة بينها. وكانت قائمته: الفيلسوف المصري زكي نجيب محمود والهرم الأكبر وسوق السمك وكوريا الجنوبية والروائي أحمد خالد توفيق والشاي بالنعناع والفنان سمير غانم. ومع نهاية المحاضرة يجد كل عنصر منها مكانه في القصة.
لماذا تبدأ المحاضرة بتعريف «الإدراك»؟
القصة الأولى مألوفة لكل من عاش في مصر. مجموعة أصدقاء يجلسون على مقهى شعبي فيقول أحدهم «ما رأيكم أن نبدأ مشروعًا معًا؟». يتحمّس الجميع وتُوزَّع الأدوار ويُجمع المال. ثم يأتي الواقع: المهام أصعب مما توقعوا والشركاء ينسحبون وتظهر تفاصيل لم يفكر فيها أحد. وفي لحظة ما تدرك أن هناك خطأً ما.
هذه اللحظة هي ما يسميه سليمان الإدراك. ويربطها بفكرة زكي نجيب محمود أن كثيرًا من خلافاتنا هي في الحقيقة خلافات على مصطلحات لم نعرّفها. فقبل أن نتجادل هل «يدرك» الذكاء الاصطناعي أو «يفكر» أو هل هو «ذكاء عام» علينا أن نتفق على معنى هذه الكلمات. وتعريفه الشخصي للإدراك هو القدرة على أن تلاحظ وأنت في قلب الموقف أن شيئًا غريبًا يحدث. احتفظ بهذا التعريف في ذهنك لأن المحاضرة كلها تعود إليه.
كيف تتعلّم الشبكة العصبية في خمس دقائق؟
ليجعل بقية المحاضرة مفهومة للجميع يشرح سليمان الشبكات العصبية بمثال الترجمة. تجهّز أزواجًا من المدخلات والمخرجات الصحيحة مثل كلمة عربية وترجمتها الإنجليزية. والشبكة التي يمكن تخيّلها جدولًا من الأرقام تُضرب وتُجمع معًا تأخذ المدخل وتُخرج توقعًا. يُقارَن التوقع بالإجابة الحقيقية والفرق بينهما يسمى الخسارة (Loss). ثم تعدّل الشبكة أرقامها حتى تقل الخسارة في المرة القادمة.
الأمر يشبه مدرسًا يختبر طالبًا: يسأله ويقيس بُعد إجابته عن الصواب ويصحّح له ثم يسأله من جديد حتى تقل الأخطاء.
ماذا كشفت النقلة 37 والنقلة 78 عن الذكاء الاصطناعي؟
ظل حلم باحثي الذكاء الاصطناعي لعقود أن يهزموا الإنسان في ألعابه. وقد هزم حاسوب ديب بلو من IBM بطل العالم في الشطرنج جاري كاسباروف في مباراة الإعادة عام 1997. ويقول سليمان إن الشطرنج صار مع الوقت «مملًا» للباحثين لأن لكل قطعة حركات محدودة. فكان التحدي التالي لعبة «جو»: قواعدها بسيطة لكن اللاعب يستطيع وضع حجره في أي نقطة تقريبًا على لوح 19 × 19 فيصبح عدد الاحتمالات هائلًا.
في مارس 2016 واجه برنامج ألفا جو من ديب مايند اللاعب لي سيدول الحائز 18 لقبًا عالميًا في سول. ووفقًا لـديب مايند تعلّم ألفا جو أولًا من آلاف المباريات لخبراء اللعبة ثم تحسّن باللعب ضد نسخ من نفسه. وفاز بالمباراة 4 مقابل 1. وفي المباراة الثانية لعب النقلة 37 الشهيرة التي لم يفهمها المعلّقون في البداية والتي كتب ديميس هاسابيس بعد المباراة أن احتمال أن يلعبها إنسان كان 1 من 10 آلاف. وقد تقاسم هاسابيس لاحقًا جائزة نوبل في الكيمياء لعام 2024 عن نظام ألفا فولد.
هذه هي القصة التي يرويها الجميع. لكن سليمان يريد أن نتذكر قصة أخرى. خسر لي سيدول المباريات الثلاث الأولى ومع حسم النتيجة لعب المباراة الرابعة بلا ضغط. وفي النقلة 78 لعب نقلة لم يتوقعها ألفا جو ووصفها هاسابيس بأنها أيضًا نقلة احتمالها 1 من 10 آلاف. وجاء رد ألفا جو في النقلة 79 خاطئًا وكما نقلت إذاعة NPR قال هاسابيس إن النظام لم يدرك خطأه حتى النقلة 87. ولم يتعافَ بعدها وانسحب من المباراة.
قراءة سليمان بسيطة: تعلّم ألفا جو من لاعبين أقوياء ومن نفسه فكسرته نقلة جاءت من خارج هذا العالم وظل يلعب نقلات ضعيفة دون أن يدرك أن شيئًا خاطئًا يحدث. ويقول: «الكل يحكي عن النقلة 37 ولا أحد يحكي لك عن النقلة 78» أي اللحظة التي اكتشف فيها إنسان أين تنكسر الآلة.
ما هو «كعب أخيل» الذكاء الاصطناعي؟
في الأسطورة الإغريقية غُمس أخيل في نهر جعله لا يُقهر إلا من الكعب الذي أمسكته منه أمه. وكعب أخيل ليس نقطة ضعف عادية بل هو النقطة الوحيدة التي ينهار عندها النظام بالكامل.
ومثال سليمان من مجال الرؤية الحاسوبية هو هجوم البكسل الواحد. فقد أظهر الباحثون سو وفارغاس وساكوراي أن تغيير بكسل واحد كان كافيًا لدفع 67.97% من صور اختبار CIFAR-10 و16.04% من صور اختبار ImageNet التي جرّبوها إلى تصنيف خاطئ. لن يرى أي إنسان فرقًا بين الصورتين لكن النموذج يرى شيئًا مختلفًا تمامًا. والأسوأ أن النموذج لا يشعر بأنه يخطئ فيستمر بثقة كاملة. ولهذا تخصص فرق بحثية اليوم جهدًا حقيقيًا لاختبار النماذج بحثًا عن نقاط الانهيار هذه تحديدًا.
كيف تُدرَّب النماذج اللغوية من توقع الكلمة التالية حتى ChatGPT؟
أغلب الحماس الحالي يأتي من النماذج اللغوية الكبيرة التي تكتب الكود والرسائل وتساعد في المذاكرة. ويشرح سليمان تدريبها في ثلاث خطوات.
- التدريب المسبق على النصوص الخام. تؤخذ جمل من الكتب والمقالات وصفحات الويب وتتحول إلى أمثلة: بعد هذه الكلمات ما الكلمة التالية؟ والنتيجة نموذج أساسي يكمل النص مثل الإكمال التلقائي في لوحة مفاتيح الهاتف لكن بقوة أكبر بكثير. وإذا سألته سؤالًا فقد يرد عليك بأسئلة أخرى. ولهذا يقول سليمان إن GPT-3 الذي صدر عام 2020 لم يُبهر الجمهور الواسع.
- بيانات تعليمات يكتبها البشر. كان الناقص أمثلة على مهام وإجابات جيدة عنها. فاستعانت الشركات بأشخاص يطرحون الأسئلة وخبراء يجيبون عنها ثم أعادت تدريب النموذج الأساسي على هذه البيانات. ووفقًا لـOpenAI فإن ChatGPT الذي أُطلق في 30 نوفمبر 2022 دُرِّب بمساعدة مدرّبين بشريين كتبوا محادثات أدّوا فيها دوري المستخدم والمساعد معًا.
- البيانات الاصطناعية. الاستعانة بالبشر مكلفة لذلك جاءت الفكرة التالية: أن يكتب النموذج الأسئلة والأجوبة بنفسه. فمجموعة بيانات Cosmopedia المفتوحة من Hugging Face مثلًا تضم أكثر من 30 مليون ملف و25 مليار وحدة نصية (Token) من الكتب المدرسية والقصص والمقالات التي ولّدها نموذج. وصار الشعار الجديد «الآلات تعلّم الآلات».
والفكرة نفسها تفسّر جدلًا قائمًا اليوم. ففي فبراير 2026 أعلنت Anthropic أن شركات DeepSeek وMoonshot وMiniMax استخدمت نحو 24 ألف حساب مزيّف لإجراء أكثر من 16 مليون محادثة مع Claude بهدف تدريب نماذجها على إجاباته. وتسمى هذه الممارسة «التقطير» (Distillation) أي تدريب نموذج أضعف على مخرجات نموذج أقوى.
هل يمكن أن يتفوق الطالب على المعلم؟
هنا يطرح سليمان تجربة ذهنية. خذ ألف مدرس و50 ألف طالب بمعدل 50 طالبًا لكل مدرس ودع المدرسين يدرّسون مقررًا واحدًا لثلاثة أشهر دون أي مصادر خارجية. ثم امتحن المجموعتين بالامتحان نفسه. وقاعدته أنه إذا كانت التجربة سليمة فلا يمكن أن يتجاوز متوسط درجات الطلاب متوسط درجات المدرسين.
وفي حالة الذكاء الاصطناعي كان المدرسون هم البشر: أكوادهم ومقالاتهم وكتبهم وقصصهم. تحسّنت النماذج بسرعة من نقطة بداية منخفضة فأبهرتنا لكنها في رأيه لم تبلغ بعد متوسط أداء البشر الذين تعلّمت منهم وهي تصطدم بحائط. ويفرّق بين ذلك وبين السرعة. فالنموذج الذي يصمم صفحة هبوط في عشر دقائق بينما يحتاج الإنسان أسبوعًا أسرع وليس أذكى وقد تبقى صفحة المصمم الماهر أفضل.
هل كان ذكاء اصطناعي مدرّب عام 2000 سيخترع Git أو React؟
يطلب من المبرمجين بين الحضور أن يتخيلوا مساعدًا برمجيًا دُرِّب على كل ما كتبه المبرمجون حتى عام 2000. هل كان سيقترح لاحقًا تطبيقات الصفحة الواحدة وأطرًا مثل React أو يخترع Git بفروعه ودمجه أو يصمم خطوط CI/CD أو يقترح نقل JavaScript إلى الخادم أو يدعو إلى لغات جديدة مثل Go وRust؟ وإجابته: لا. فالنظام الذي تعلّم فقط من مبرمج عام 2000 يبقى داخل عالمه.
ويضيف أن مخرجات الذكاء الاصطناعي ما زال من السهل التعرّف عليها مشيرًا إلى التدرجات البنفسجية التي تظهر في كثير من صفحات الهبوط المولّدة. في عام 2000 قال بعضهم إنه لم يعد في البرمجيات شيء جديد يُخترع ويقول بعضهم الكلام نفسه في 2026. وإذا سلّمنا المستقبل لأنظمة دُرِّبت على الماضي سنتوقف عن صنع Git القادم. ونصيحته: أبقوا الأفكار والتجارب في تدافع مستمر ولا تستسلموا لحدود الذكاء الاصطناعي الحالية.
ديجافو أم جاميفو: ما الذي يستطيعه الإنسان ولا يستطيعه الذكاء الاصطناعي؟
يستعيد سليمان رواية قصيرة من سلسلة «سافاري» لأحمد خالد توفيق يدرك فيها بطلها الدكتور علاء عبد العظيم فجأة أن حياته تغيرت: صار زوجًا وأبًا بمسؤوليات جديدة. ويكتب توفيق عن «ديجافو» أي الإحساس بأنك رأيت الشيء من قبل وعن نقيضه الأقل شهرة «جاميفو» ومعناه الحرفي «لم أره من قبل».
يواجه الإنسان باستمرار مواقف لم يرها من قبل والإدراك هو ما يجعله يتكيف معها ويبحث عن حل جديد. أما النظام الذي يفتقد الإدراك فيرى سليمان أنه لا يستطيع وحده أن يصل إلى فكرة لم يرها أحد من قبل.
لماذا يتوقف النموذج المدرَّب عن التعلم؟
يمر الذكاء الاصطناعي بمرحلتين. في مرحلة التدريب يكون النموذج نشطًا يستقبل البيانات ويحدّث نفسه. وفي مرحلة الاستدلال (Inference) وهي المرحلة التي نستخدمها يوميًا يكون النموذج متجمّدًا يولّد الإجابات فقط. وسواء تحدّث معه شخص واحد أو مليار شخص فإن النموذج نفسه لا يتغير.
وتحسين النموذج له ثمن أيضًا. حسّنه في الترجمة فيتراجع في البرمجة وحسّن لغة Python لديه فتتراجع لغة C. ويستشهد سليمان بعبارة سمير غانم الشهيرة عن ضبط الجاكيت فيفسد البنطلون. ويسمي الباحثون هذه الظاهرة النسيان الكارثي وقد وصفتها ديب مايند بأنها من القيود الأساسية للشبكات العصبية. فإذا ضبطت نموذجًا لتحليل المستندات القانونية فتوقع أن يفقد بعض قدرته على الترجمة أو كتابة القصص. أما الإنسان فلا يتعلم بهذه الطريقة بل يكتسب مهارة جديدة دون أن ينسى كل ما عداها.
ما هي «القدرات المصنّعة»؟
هذا الجزء من المحاضرة سيبقى في ذهن كثير من المطورين. يرى سليمان أن الصناعة استعارت كلمات بشرية لأشياء تعمل بطريقة مختلفة تمامًا من الداخل.
| القدرة | عند الإنسان | في الذكاء الاصطناعي الحالي كما تصفه المحاضرة |
|---|---|---|
| الذاكرة | يستدعي العقل السياق المناسب بشكل طبيعي | يكتب البرنامج المحيط بالنموذج ملاحظات في ملفات («اسم المستخدم أبو بكر») ثم يضيفها إلى كل طلب جديد |
| الاستدلال | عملية داخلية تحدث قبل أن نتكلم أو نتصرف | نص إضافي يولّده النموذج وهو جزء من المخرجات نفسها |
| المهارات الجديدة | تعلّم شيء جديد يغير طريقة عملنا | ملف تعليمات مكتوبة غالبًا بصيغة Markdown يُحمَّل في الطلب |
ويقول يان ليكون الفكرة نفسها عن الاستدلال في محاضرته في جامعة ETH زيورخ: «نحن نستدل داخليًا ولا نستدل في فضاء الوحدات النصية». وتحذير سليمان أن هذه الأسماء جزء منها تسويق. فعندما «يتذكرك» النموذج فهو غالبًا يقرأ ملف ملخص وحين يطول هذا الملف يُختصر فتضيع «الذاكرة».
ماذا يقول يان ليكون عمّا ينقص الذكاء الاصطناعي اليوم؟
يوصي سليمان بمحاضرة ليكون في يونيو 2026 في جامعة ETH زيورخ «نماذج العالم: تمكين ثورة الذكاء الاصطناعي القادمة» ويستخلص منها ومن أطروحة ليكون الأوسع ثلاث مشكلات.
- الأخطاء تتدحرج مثل كرة الثلج. الإنسان الذي يخطئ في كلمة وسط جملته يصححها ويكمل. أما النموذج اللغوي فيبني على خطئه. وقد قاس الباحثون هذا الأثر وسمّوه تدحرج الهلوسة: تدافع النماذج عن إجابة خاطئة مبكرة بادعاءات خاطئة أخرى مع أن ChatGPT تعرّف على 67% من هذه الادعاءات بوصفها خاطئة حين سُئل عنها منفصلة وتعرّف عليها GPT-4 بنسبة 87%.
- اللغة جزء واحد فقط من الذكاء. يقول ليكون في المحاضرة إن «اللغة سهلة بالمقارنة» وإن العالم الحقيقي فوضوي. فالذكاء يحتاج إلى نموذج للعالم يتوقع ويخطط ويتجاهل التفاصيل غير المهمة. وعندما تمر سيارة مسرعة فوق كومة من أوراق الشجر لا يتتبع عقلك كل ورقة بل يلاحظ أن شيئًا ما أربكها.
- التعلم مكلف جدًا. يقول ليكون في المحاضرة نفسها إن النموذج اللغوي الكبير يُدرَّب على نحو 20 تريليون كلمة أي قرابة 30 تريليون وحدة نصية وهو ما يحتاج الإنسان إلى نحو 400 ألف سنة لقراءته. بينما يكون الطفل في الرابعة قد قضى نحو 16 ألف ساعة مستيقظًا واستقبل كمية مماثلة من البيانات عبر البصر وحده. ومع أن شركات السيارات ذاتية القيادة تملك ملايين الساعات من بيانات التدريب يصف ليكون الذكاء بأنه القدرة على تعلّم القيادة في نحو 20 ساعة.
والنتيجة التي يخلص إليها سليمان أن طريقة تعلّم الذكاء الاصطناعي الحالي يجب أن تتغير قبل أن نقارنه بالذكاء البشري.
لماذا لا تثق بمن يملك تفسيرًا لكل شيء؟
يعود سليمان إلى كارل بوبر فيلسوف العلم الذي ترك الماركسية في شبابه لأنها بدت قادرة على تفسير أي نتيجة: إذا نجحت الثورة فهناك سبب وإذا فشلت فهناك سبب أيضًا. وأُعجب بوبر بنظرية النسبية لأينشتاين لأنها قدمت ادعاءات يمكن إثبات خطئها. وخلص إلى أن النظرية التي تفسر كل شيء ليست علمًا.
وتطبق المحاضرة ذلك على تعليقات عالم الأعمال حول الذكاء الاصطناعي. فالأصوات نفسها تفسر لماذا تتدفق الاستثمارات على الذكاء الاصطناعي ولماذا لا تعود بعائد ولماذا سيجلس المبرمجون في بيوتهم ولماذا سيخلق مزيدًا من وظائف البرمجة. وطلب سليمان متواضع: أن نعترف بأنها لحظة «جاميفو» لم يرها أحد من قبل.
ويناقش أيضًا العبارة الشهيرة «لو سألت الناس عمّا يريدون لقالوا خيولًا أسرع» التي تُنسب عادة إلى هنري فورد مع أنه لا يوجد دليل قوي على أنه قالها. ونقطة سليمان مختلفة: فورد لم يوزع سياراته مجانًا بينما توزع شركات الذكاء الاصطناعي حصص الاستخدام مجانًا على الجميع وتُحرق أموال كثيرة على محتوى بلا قيمة حقيقية.
لماذا لا تسأل بائع السمك؟
إذا أرسلتك أمك إلى سوق السمك لتعرف من يبيع أفضل سمك بوري فلن تسأل البائع هل سمكه هو الأفضل لأن له مصلحة في الإجابة. ويطبق سليمان المنطق نفسه على الذكاء الاصطناعي: لا تأخذ رؤيتك للمستقبل من الشركات التي تبيعه. فكل نموذج جديد هو «الأفضل» تمامًا كما أن كل مسحوق غسيل جديد يزيل «أصعب البقع».
وفي رأيه أن السوق تتأثر بحجم الأموال الهائلة التي ضُخت في الذكاء الاصطناعي أكثر مما تتأثر بالذكاء الاصطناعي نفسه. ويستشهد بالدكتور إبراهيم صبح الذي يرى أن أصحاب الرأي ممن لا مصلحة لهم يجب أن يُسمعوا مبكرًا في مثل هذه اللحظات: الباحثون والتربويون والمعلمون وعلماء الاجتماع ليسألوا هل إنفاق هذا القدر من أموال البشرية وطاقتها له ما يبرره.
أعواد الكبريت أم الهرم الأكبر: ما الخلاصة؟
تخيّل شخصًا بنى هرمًا من أعواد الكبريت عودًا عودًا. إنها تحفة فنية حقيقية تستحق التقدير. لكن إذا قال لك بعدها إن هذا هو الهرم الأكبر فعليك أن تقول لا. وهذا بكلمات سليمان هو موقع الذكاء الاصطناعي: إنجاز مبهر لكنه ما زال في مرحلة أعواد الكبريت بينما الذكاء البشري هو الهرم الذي نسعى للوصول إليه. والذكاء الاصطناعي كنظام عليه أن يتطور ويصحح نفسه قبل أن يصل إلى هناك.
وإلى أن يظهر نوع جديد من الذكاء الاصطناعي تتلخص نصيحته في التوازن: لا تجرِ وراء كل إعلان ولا تأخذ التوقعات ممن لديه ما يبيعه وتذكّر أن الذكاء الاصطناعي الحالي له نقاط انهيار خطيرة. لا أحد يعرف ما يحمله الغد وقد يأتي التغيير في صالحك.
بماذا نصح في فقرة الأسئلة؟
- سيصبح الذكاء الاصطناعي مثل الآلة الحاسبة. ما زال المحاسبون موجودين بعد الآلة الحاسبة وExcel ويبقى من يحسن استخدام الأداة عنصرًا أساسيًا.
- التحولات تستغرق وقتًا أطول مما نشعر. بعد أكثر من مئة عام على اختراع السيارة ما زال للحمار والعربة الكارو مكان في الأسواق المصرية. والتحول الذي يعيشه المطورون كان سريعًا لكنه سيستقر.
- سوق التقنية تعاني نقص المال لا موتًا بسبب الذكاء الاصطناعي. ويتوقع موجة جديدة من الشركات الناشئة عندما تتحسن ظروف التمويل يقودها مؤسسون تعلّموا من الأموال التي احترقت في هذه الدورة.
- اسعَ لأن «تولد سينيور». تصميم الأنظمة ومعمارية البرمجيات وهندسة البرمجيات المتعمقة يجب أن تكون جزءًا من الدراسة الجامعية لا شيئًا ينتظر المبتدئ أربع أو خمس سنوات ليتعلمه.
- تعوّد على الملل. أضعفت المقاطع القصيرة قدرتنا على التركيز. أكمل الكتاب الطويل والفيلم كاملًا واللعبة حتى نهايتها. فالملل كما يقول كان علاجًا لم ننتبه إليه.
- ابنِ شبكة علاقاتك. كثير من الفرص التي أتته جاءت عبر المجتمعات والأشخاص لا عبر المهارات وحدها. وختم الجلسة بدعوة الحضور إلى مشاركة حساباتهم على لينكدإن والتواصل فيما بينهم.
ماذا يعني هذا للشركات التي تستخدم الذكاء الاصطناعي؟
في HBS Group نبني الذكاء الاصطناعي داخل أنظمة أعمال حقيقية وما تقوله هذه المحاضرة يطابق ما نراه في المشروعات. ويمكن أن نستخلص منها بعض الدروس العملية.
- اختبر «نقلتك 78». قبل الإطلاق أعطِ النظام الحالات غير المعتادة: طلبات عملاء غريبة وبيانات غير منظمة ومدخلات صحيحة تقريبًا. هناك ينكسر النظام لا في العرض التجريبي.
- أبقِ إنسانًا حيث يلزم الإدراك. الذكاء الاصطناعي لا يلاحظ أنه يخطئ. ضع مراجعة بشرية على القرارات التي تمس المال أو العملاء أو السمعة.
- انظر خلف «الذاكرة» و«الاستدلال». اسأل كيف تخزن الأداة السياق وماذا يحدث عندما يكبر وإلى أين تذهب بياناتك.
- قِس النتائج لا الإعلانات. احكم على الذكاء الاصطناعي بما يوفره أو يحققه في سير عملك أنت. ويشرح دليلنا عن قياس عائد الاستثمار في الذكاء الاصطناعي المقاييس التي تتابعها وتساعدك مقارنتنا بين وكلاء الذكاء الاصطناعي وروبوتات المحادثة والأتمتة على اختيار الأداة المناسبة.
- استثمر في فريقك. القيمة تأتي من أشخاص يفهمون العمل والأداة معًا لا من الأداة وحدها.
ولو عايز تدخّل الذكاء الاصطناعي شركتك بطريقة تحترم الحدود دي ومربوطة بأنظمتك والقرار فيها في إيد فريقك اقرأ عن أمرك: خدمتنا لإدخال الذكاء الاصطناعي في شركتك أو كلّمنا وفريقنا هيساعدك تبدأ صح.
يمكنك مشاهدة المحاضرة كاملة على قناة أبو بكر سليمان على يوتيوب. والشكر لإسماعيل يحيى الذي أعدّ فصول الفيديو.
ملاحظة المحرر: يلخص هذا المقال المحاضرة كما قُدمت. وقد راجعنا المعلومات الواردة فيها مع المصادر الأولية وربطناها أعلاه. وحيث اختلفت تفصيلة في المحاضرة عن المصدر اعتمدنا المصدر: النقلة 37 كانت في المباراة الثانية وأُطلق ChatGPT في نوفمبر 2022 واستبعدنا ادعاءً عن المباراة الخامسة لم نتمكن من التحقق منه.
