سير عمل الذكاء الاصطناعي ومحررات الأكواد وتعطيل المنصات | أصلي، ترجم بواسطة AI
جدول المحتويات
- أفكار حول الذكاء الاصطناعي
- الذكاء الاصطناعي يفتقر إلى الذكاء الحقيقي أو العمق
- تعلم الآلة هو حساب تفاضلي متقدم
- نماذج اللغة الكبيرة تواجه صعوبات مع تنسيقات الملفات المنظمة
- المصادر المفتوحة تقضي على السرية التكنولوجية
- أدوات النصوص تواجه التغيير بواسطة الذكاء الاصطناعي أولاً
- منصات جديدة مدعومة بسير عمل الذكاء الاصطناعي
- سير عمل الذكاء الاصطناعي تُدمج توليد المحتوى متعدد اللغات آليًا
- يُقدم المستخدمون توجيهات لتحويل التنسيقات
- المنصات تتيح تحسين المحتوى وتلخيصه
- سير عمل الذكاء الاصطناعي قابلة للتخصيص عبر إعدادات الكلمات المفتاحية
- الذكاء الاصطناعي يتعامل مع تحويل المحتوى من البداية إلى النهاية
- الاتجاه القادم لمحررات الأكواد المدعومة بالذكاء الاصطناعي
- التكامل مع السحابة حاسم لسير عمل CI/CD
- الاختبار A/B يُحسن المحتوى المُولد بالذكاء الاصطناعي
- التعلم المعزز بتغذية بشرية يمتد إلى تغذية النشر الواقعي
- التغذية البشرية تُحسن مخرجات الذكاء الاصطناعي غير المثالية
- تحسين التوجيهات يتفوق على تصحيح المخرجات
أفكار حول الذكاء الاصطناعي
آخر تحديث في أغسطس 2025
-
ذكر ساتيا ناديلا مفارقة جيفونز. من الجيد تعلمها.
-
ين وانغ: لا يوجد “ذكاء” في الذكاء الاصطناعي، ولا “عصبي” في الشبكة العصبية، ولا “تعلم” في تعلم الآلة، ولا “عمق” في التعلم العميق. ما يعمل حقًا في هذا المجال يُسمى “حساب تفاضلي”. لذا أفضل تسمية هذا المجال بـ”الحوسبة التفاضلية”، وعملية بناء النماذج تُسمى “برمجة تفاضلية”.
-
ين وانغ: تعلم الآلة هو نظرية مفيدة جدًا، بل ويمكن القول إنها جميلة، لأنها ببساطة حساب تفاضلي بتغيير شكلي! إنها النظرية العظيمة القديمة لنيوتن ولايبنيز، لكن بشكل أبسط وأكثر أناقة وقوة. تعلم الآلة هو أساسًا استخدام الحساب التفاضلي لاشتقاق وتقريب بعض الدوال، بينما التعلم العميق هو تقريب دوال أكثر تعقيدًا.
-
حاليًا، نماذج اللغة الكبيرة لا تستطيع التصفية حسب لغة الملف مثل YAML أو Python. ومع ذلك، جزء كبير من المعلومات في العالم الحقيقي منظم بهذه الطريقة. هذا يعني أنه يمكننا تدريب نماذج اللغة الكبيرة باستخدام الملفات.
-
لتدريب نماذج اللغة الكبيرة، يمكننا تطوير نظام يجد تطابقًا دقيقًا. ربما يمكننا دمج خوارزمية البحث KMP (Knuth-Morris-Pratt) مع بنية المحولات لتعزيز قدرات البحث.
-
لا توجد أسرار تكنولوجية. المصادر المفتوحة ستكشف كل الأسرار المحفوظة بعناية.
-
سيؤثر الذكاء الاصطناعي على العديد من الأدوات، بما في ذلك الأدوات غير المباشرة. يقول الناس أنهم لن يحتاجوا إلى Figma لرسم النماذج الأولية، بل سيذهبون مباشرة إلى الكود. أعتقد أن Postman سيكون مشابهًا؛ سيستخدم الناس مباشرة Python أو نصوصًا أخرى لاستدعاء أو اختبار APIs.
-
أحد الأسباب التي تجعلنا لا نستخدم Postman أو Figma في عصر الذكاء الاصطناعي هو أن وظائفهما لا يمكن توليدها عبر النص. كما أنهم يفتقرون إلى اختصار مثل command + K لتحريك استبدال المكونات.
-
واجهات المستخدم أصبحت عائقًا في عصر الذكاء الاصطناعي. لماذا نطور Postman ليدعم الذكاء الاصطناعي لاختبار التطبيقات بينما يمكننا استخدام مكتبة requests في Python أو لغات برمجة أخرى لاختبار الكود، حيث أن الأخيرة ستكون مدعومة بالذكاء الاصطناعي؟
-
لماذا نطور Figma ليدعم الذكاء الاصطناعي لإنشاء واجهات المستخدم بينما توليد واجهات المستخدم عبر الكود، مع تعزيز الذكاء الاصطناعي، يوفر نهجًا أكثر مباشرة وقوة محتملة؟
-
ستغير نماذج اللغة الكبيرة التطبيقات المرتبطة بالنصوص أولاً، مثل Google، ومحركات البحث، ومحررات النصوص وأدوات الكتابة، وQuizlet، وZendesk، وDeepL، وMedium، وWordPress، وTrello، وAsana، وGmail، وGitHub، وGoodreads، وDuolingo، وFeedly.
-
على العكس، من غير المرجح أن تحدث نماذج اللغة الكبيرة ثورة في تقنيات مثل Git، وLinux، وffmpeg، والهواتف المحمولة، والأجهزة، والمتصفحات، وأنظمة التشغيل، أو المكالمات الصوتية والمرئية. هذه التقنيات مركزة حول الكود، ولا يمكن للذكاء الاصطناعي توليد كودها بسهولة، على عكس أدوات اختبار APIs مثل Postman.
-
التقنيات التي تحتوي على المزيد من الكود يصعب على الذكاء الاصطناعي إحداث ثورة فيها، مثل OpenOffice، وMySQL، وMozilla Firefox، وChromium، وVLC Media Player، وQt Framework، وLLVM/Clang، وGNOME. إذا استطاع الذكاء الاصطناعي مساعدة في صنع هذه التقنيات، فلن يتم استبدالها. يجب أن يساعد الذكاء الاصطناعي في صنع تقنيات أفضل، ولتحقيق ذلك، سيحتاج الذكاء الاصطناعي إلى المزيد من قوة الحوسبة لتوليد نفس الكمية من الكود.
-
هناك طريقتان يمكن أن يحدث بهما تغيير عبر نماذج اللغة الكبيرة: أولاً، عن طريق تغيير المحتوى أو البيانات داخل منصة أو برنامج، مثل ترجمة المحتوى في تطبيقات مثل TikTok؛ ثانيًا، عن طريق استبدال برامج أو منصات معينة مباشرة، مثل Postman أو بحث Google، بما في ذلك Google Translate.
-
هناك طريقتان يمكن أن تحدث بهما أدوات الصوت المدعومة بالذكاء الاصطناعي تغييرًا: أولاً، عن طريق تغيير المحتوى أو البيانات داخل منصة أو برنامج، مثل توليد كتب صوتية لـ Audible؛ ثانيًا، عن طريق استبدال برامج أو منصات معينة مباشرة، على سبيل المثال، تطبيق Sing songs، حيث يمكن للذكاء الاصطناعي الآن أداء نفس المهام التي يقوم بها البشر، مما يسهل على الناس غناء الأغاني كهواية.
-
هناك عدة طرق لقياس تأثير الذكاء الاصطناعي على البرامج الحالية أو المنصات. إحدى الطرق هي قياس كمية البيانات أو المحتوى الذي يمكن للذكاء الاصطناعي توليده أو تحسينه، سواء جزئيًا أو كليًا. طريقة أخرى هي قياس مقدار الكود الذي يمكن للذكاء الاصطناعي كتابته أو تحسينه، سواء جزئيًا أو كليًا. هذا يعني أننا نستخدم ما يولده الذكاء الاصطناعي لتحسين المنصات الحالية. بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي المساعدة في اختراع برامج ومنصات جديدة.
-
هناك ثلاثة أنواع من المنتجات: منتجات الذكاء الاصطناعي التوليدية، والمنتجات التي تستخدم واجهات برمجة التطبيقات لمنتجات الذكاء الاصطناعي التوليدية، ومنتجات أخرى.
-
فكرة منتج واحدة هي استخدام الذكاء الاصطناعي لتجميع المعلومات في الوقت الحقيقي، أو الأخبار، أو التحديثات من منصات التواصل الاجتماعي مثل Reddit، وGitHub Trending، وTwitter Trending، وQuora Trending، وZhihu Trending. يمكن للمستخدمين استخدام التوجيهات لتخصيص التغذية أو حتى إضافة حسابات اجتماعية محددة.
-
هناك خمسة أنواع رئيسية من البيانات: النص، والصورة، والصوت، والفيديو، والكود.
-
تشمل أنواع البيانات المهمة الأخرى: البيانات الرقمية، والجيوفضائية، والبيومترية، وأجهزة الاستشعار، والمعاملات، وبيانات التعريف، والبيانات الزمنية، والمنظمة، وغير المنظمة، وشبه المنظمة، والصحية، والبيئية، وسجلات الشبكة، والسلوكية.
-
Google لا يزال أفضل في فهرسة المواقع، خاصة إذا كنت ترغب في تنزيل برنامج أو مستند من موقع معين. يعمل مثل بحث النطاق. أنت لا تستخدمه للعثور على المعلومات، بل للانتقال إلى مواقع أخرى لأداء المهام. قد لا يمتلك نموذج اللغة الكبيرة أحدث روابط التنزيل.
-
Google يعمل مثل بحث النطاق؛ إذا كنت ترغب في الذهاب إلى موقع مستودع Maven للتحقق من أحدث إصدار، يمكنك استخدامه.
-
يظل Google مفيدًا للبحث عن الصور، بينما تتفوق نماذج اللغة الكبيرة في توليد النصوص. ومع ذلك، يفضل الناس غالبًا الصور الحقيقية للتحقق من تفاصيل الأجهزة، والأبعاد، وأشياء الأشياء، أو مظهر الشخص.
-
أصبحت روبوتات الدردشة المدعومة بالذكاء الاصطناعي شائعة لأن النص أصعب في المعالجة من الصور. يفضل الناس الصور الحقيقية عن الصور المُولدة بالذكاء الاصطناعي لأن الصور أسهل في الفهم بنظرة سريعة. ومع ذلك، فإن توليد الصور بالذكاء الاصطناعي لديه إمكانات غير مستغلة - يمكن للمستخدمين أن يطلبوا من الذكاء الاصطناعي عرض زوايا مختلفة، أو تكبير الوجوه، أو تضخيم تفاصيل لوحات الدوائر. نظرًا لأن الناس يعملون أساسًا مع النصوص بدلاً من الصور، فهناك مجال كبير للنمو في أدوات الصور المدعومة بالذكاء الاصطناعي.
-
يبرع الذكاء الاصطناعي في شرح المفاهيم وتسهيل الفهم. علاوة على ذلك، يمكن للمستخدمين طرح الأسئلة حول أي تفصيل معين. هذا هو على الأرجح الفائدة الأكبر لأدوات الذكاء الاصطناعي.
-
استخدمت الذكاء الاصطناعي لتعلم المزيد عن نماذج اللغة الكبيرة. اللحظة التي ساعدتني فيها على فهم K و Q و V كانت رائعة.
-
السبب الذي جعلني أفضل استخدام Ubuntu منذ إصدار نماذج اللغة الكبيرة هو أن التطبيقات الغنية والملونة في macOS أصبحت أقل جاذبية بالنسبة لي. أفضل كتابة برامجي والقيام بكل شيء عبر الطرفية والنص.
-
يمكن تقييم الذكاء الاصطناعي من خلال مدى قدرته على تحديث ملف pom.xml أو requirements.txt إلى أحدث إصدار، وتحديث المكتبات، وإجراء الفحوصات. يمكن أن تتضمن هذه العملية قدرًا كبيرًا من العمل وقد تكون معقدة في بعض الأحيان.
-
في عصر الذكاء الاصطناعي، لغات البرمجة التي تتمتع بأداء ومتانة أفضل هي أكثر أهمية وستكون أكثر شعبية، بينما تصبح الصياغة أقل أهمية. وذلك لأن نماذج اللغة الكبيرة ستساعد في توليد الكود، مما يجعله أقل إزعاجًا طالما أن البرنامج يعمل جيدًا.
-
يميل الناس إلى قراءة كل شيء من روبوتات الدردشة المدعومة بالذكاء الاصطناعي لأنه سهل التعلم، ويمكنهم طرح الأسئلة حول أي جانب، والتنسيق متسق، والجودة غالبًا من بين الأفضل الموجودة على الإنترنت.
-
لكن المعلومات ليست مجرد نص، يمكنك قراءة معظم المعلومات النصية من روبوتات الدردشة المدعومة بالذكاء الاصطناعي، لكنك تفقد الموقع الأصلي وتصميمه وصوره التوضيحية وتصميم الموقع.
-
من غير المرجح أن تتغير المواقع ذات التفاعل الكبير بشكل كبير بواسطة الذكاء الاصطناعي، مثل ألعاب الويب، وGoogle Docs، وGoogle Sheets، وأدوات التعاون مثل Zoom أو Slack. فهي مركزة حول الكود وليس فقط على النص.
-
من السهل ارتكاب أخطاء مطبعية أو يتطلب جهدًا لصياغة توجيهات لروبوتات الدردشة المدعومة بالذكاء الاصطناعي. لهذا السبب، غالبًا ما لا يعمل بنك رقمي مدعوم بالكامل بالذكاء الاصطناعي، أو تطبيق تداول رقمي، أو وسائل التواصل الاجتماعي المدعومة بالذكاء الاصطناعي مع صندوق دردشة بسيط. أزرار النقر التقليدية، وتصفح الصفحات، وتخطيطات التطبيقات المحمولة أكثر ملاءمة.
منصات جديدة مدعومة بسير عمل الذكاء الاصطناعي
08.01.2025
-
سير العمل هي أنظمة يتم فيها تنسيق نماذج اللغة الكبيرة (LLMs) والأدوات عبر مسارات كود مسبقة التعريف.1
-
تخيل منصة جديدة، مثل TikTok أو Quora، X، Threads، Instagram، WhatsApp، Facebook، LinkedIn، Reddit، أو YouTube، تعمل بالكامل بالترجمة المدعومة بالذكاء الاصطناعي.
-
كل منشور أو إجابة ينشئها المستخدمون يمكن حفظها بلغة واحدة. ستقوم المنصة تلقائيًا بترجمة المحتوى إلى 20 لغة، مما يسمح للمستخدمين بمشاهدته باللغة المفضلة لديهم.
-
إلى جانب الترجمة، ستلعب ميزات أخرى مدعومة بالذكاء الاصطناعي، مثل التلخيص، وتوليد الصوت، وتوليد الفيديو، دورًا رئيسيًا. أساسًا، يقدم المستخدم سياق التوجيه، وتقوم المنصة بالباقي.
-
يمكن للمستخدمين تحميل النصوص، أو الصور، أو الصوت، أو الفيديو، وستقوم المنصة تلقائيًا بتحويل المحتوى إلى تنسيقات أخرى. يمكن للمستخدمين تحديد كيف يرغبون في استلام ذلك المحتوى (مثلًا، كنص، أو صورة، أو صوت، أو فيديو).
-
يمكن للمنصات توليد ملخصات تلقائيًا، مع أنواع مختلفة من التلخيص متاحة بلغات متعددة.
-
في أي نص، أو صورة، أو صوت، أو فيديو على المنصة، يمكن أن يساعد الذكاء الاصطناعي في توليد، أو تحسين، أو تعزيز، أو إصلاح، أو تلخيص، أو توسيع، أو تحويل إلى تنسيقات أخرى، أو تخيل أشكال جديدة من المحتوى.
-
يمكن للمستخدمين تخصيص المنصة باستخدام كلمات مفتاحية مثل “الإنجليزية” أو “مضحك” لضبط نمط سير عمل الذكاء الاصطناعي في منصات مثل TikTok. بمجرد التعيين، سيقوم الذكاء الاصطناعي بتخصيص المحتوى وفقًا لذلك.
الاتجاه القادم لمحررات الأكواد المدعومة بالذكاء الاصطناعي
08.01.2025
مؤخرًا، كنت أعمل على إضافة خط أنابيب xelatex إلى GitHub Actions.
واجهت مشكلة مع حزمة fontawesome5 في سير عمل GitHub. الحل الذي قدمه 4o-mini (تثبيت TeX Live 2021 واستخدام tlmgr install fontawesome5) لم يعمل معي. ومع ذلك، اقترح 4o نهجًا أفضل: الترقية إلى TeX Live 2023 واستخدام tlmgr لتثبيت fontawesome5. بينما لم يحل هذا المشكلة تمامًا، إلا أن التبديل إلى TeX Live 2023 حسّن الموقف بشكل كبير.
استخدمت ChatGPT للمساعدة في فهم المشكلة. لمزيد من التفاصيل، اطلع على ما يمكن لـ ChatGPT O1 فعله ولا يمكن لـ 4o-mini.
في هذه المرحلة، لم أستخدم محررات مثل Cursor أو Windsurf، رغم أنني جربتها في مشروع آخر. المشكلة في هذه المحررات هي أنها تلتقط فقط مخرجات الاختبار المحلية، مما يحد من وظيفتها في البيئات السحابية.
في سير العمل مثل GitHub Actions، أو وظائف Jenkins، أو أي تدفق نشر أو اختبار كود، يجب أن تكون محررات الأكواد متكاملة بشكل أفضل. يجب أن توفر تفاعلًا سلسًا مع السحابة وعمليات CI/CD.
ينطبق هذا التكامل أيضًا على أدوات إنشاء المحتوى الأخرى - سواء للنصوص، أو الصور، أو الصوت، أو الفيديو. يجب أن تكون هذه الأدوات متكاملة مع أنظمة الاختبار A/B. يمكن لأدوات الذكاء الاصطناعي توليد المحتوى، ويمكن لأدوات الاختبار A/B تقديم التغذية الراجعة. هذا الديناميكي مشابه للتعلم المعزز بتغذية بشرية (RLHF)، حيث تتحسن نماذج الذكاء الاصطناعي مع الوقت بناءً على التغذية الراجعة من العالم الحقيقي.
يبدو هذا المفهوم المتمثل في توسيع RLHF