السعودية في أرتميس 2 🇸🇦
عندما وصل الصاروخ SLS إلى المدار الأرضي كانت قد انفصلت المحركات الرئيسية وسقطت ولكن المركبة حتى الان لم تتمكن من الإفلات من جاذبية الارض لذلك يتم إطلاق دفعة ثانية قوية لكسر جاذبية الارض والانطلاق نحو القمر وهذا هو ICPS بس قبل ما الICPS يشتغل ويدفع أوريون للقمر يتم نشر أقمار صغيرة في الفضاء نسميها CubeSats وهذي عبارة عن مكعبات وكل قمر له مهمة علمية مستقلة تمامًا عن المركبة الرئيسية عندما تم نشر الأقمار تم إفلات القمر السعودي SWC-1 وهو قمر تم تصميمه وتطويره بأيادي سعودية خالصة والعمل عليه داخل وكالة الفضاء السعودية SSA والهدف من القمر هو دراسة طقس الفضاء مثل الرياح الشمسية والعواصف المغناطيسية الشمسية والإشعاع الشمسي

أسرع يونيكورن في تاريخ Y Combinator
قدرت Starcloud تجمع 170 مليون دولار في جولة Series A بتقييم 1.1 مليار دولار وحققت هذا الرقم بعد 17 شهر فقط من يوم Demo Day في Y Combinator
يعني أسرع يونيكورن في تاريخ YC كله منذ تأسيسه في 2005 مجال الشركة هو مراكز بيانات في الفضاء اي بالضبط في الفضاء هذا مو خيال علمي ولا افكار طموحة
الارض لم تعد تكفي للذكاء الاصطناعي وهذه رؤية حقيقية ينظر بها جيف وغيره من العلماء ورواد الأعمال الشركة تحل مشكلة وهي ان الذكاء الاصطناعي اليوم يأكل طاقة بشكل مجنون كل مرة تكتب في ChatGPT أو Gemini في سيرفرات ضخمة تشتغل بالكهرباء وعشان تبني مركز بيانات جديد على الأرض تحتاج سنين للحصول على التصاريح وأرض ضخمة وكهرباء ومياه بكميات ضخمة ومع هذا توجد معارضة مجتمعية اتجاة هذه المراكز الحل بسيط
ضاقت الارض؟ اطلع الفضاء
وهذا لان في المدار الأرضي المنخفض الطاقة الشمسية موجودة ٢٤ ساعة بدون ليل بدون تاثيرات جوية وسحب والتبريد موجود الفضاء درجة حرارته قريبة من الصفر المطلق حوالي 3 كلفن فقط على الصفر المطلق وبذلك حليت المشكلة بأنك طلعت الفضاء وصراحة أنا احترم فريق الشركة جدًا كان معاهم 3 مليون دولار كتمويل اولي وفي 21 شهر صممت الشركة وبنت واطلقت اول قمر صناعي لها Starcloud-1 وهذا القمر حقق انجازات تاريخيّة أول H100 من Nvidia في المدار بزيادة 100 ضعف في قدرة الذكاء الاصطناعي و أول تدريب لنموذج ذكاء اصطناعي في الفضاء وأول تشغيل لنموذج Gemini من Google في المدار وكذلك أول Fine-Tuning (ضبط دقيق للنماذج) في الفضاء و المستثمرين الملائكيين هم الرئيس التنفيذي السابق لBoeing ومدير عام سابق في القوات الجوية الأمريكية

الطاقم الآن في مرحلة الاستعداد الصباحي
وتناول الإفطار وسيبدأون بعد قليل في إجراء اتصال بعيد المدى (Long-distance call) مع الأرض لنقل البيانات العلمية بعد ساعة بتوقيت الرياض (7:37 م) سيبدأ الطاقم في بث مباشر لنقل الصور عالية الدقة التي التقطوها بالأمس للجانب البعيد من القمر
و بعد ساعتين (8:37 م) من المقرر إجراء مؤتمر صحفي علمي (Science Downlink) حيث سيصف الرواد انطباعاتهم البصرية عن سطح القمر الذي لم يراه البشر منذ عام 1972 .

اختُرقت الصين.. والبيانات للبيع!
في مدينة تيانجين الصينية فيه مبنى ضخم اسمه المركز الوطني للحوسبة الفائقة (NSCC) افتُتح سنة 2009 وكان الأول من نوعه في الصين كأنه أمازون كلاود بس للحكومة الصينية أكثر من ٦٠٠٠ جهة تستخدمه من جامعات وشركات طيران وحتى مؤسسات عسكرية سرية يعني كل هذي الجهات تحمّل بياناتها وأبحاثها على نفس الكمبيوتر هذا وهنا تكمن الكارثة في فبراير 2026 طلع لنا حساب في التيليجرام اسمه FlamingChina ونشر عينات من بيانات مسروقة يقول أنها من NSCC تيانجين
طيب كيف قدر يخترق المركز؟
دخل عن طريق شبكة VPN مخترقة يعني ببساطة كل موظف في المركز عنده مفتاح رقمي يخليه يدخل للشبكة من أي مكان المخترق قدر يحصل على واحد من هالمفاتيح إما سرقه أو شراه بعد ما دخل ما بدأ ينقل الملفات مباشرة هذا كان بيفضحه بسرعة بدل كذا نشر بوت نت وهذا عبارة عن شبكة من البرامج الآلية تدخل النظام وتسحب البيانات عن طريق خوادم كثيرة في نفس الوقت قعد يسحب في البيانات لمدة ستة شهور بدون محد يكتشفه والأخطر من كذا ان البوت نت نفسه يشتغل كتخزين موزع وللحين يقدر يوصل للنظام و الرجال شرهته كبيرة سرق ١٠ بيتابايت يعني ١٠ مليون جيجابايت

معركة فكرية منذ خمسينات القرن الماضي حتى الان
في عام 1950 طرح آلان تورينج سؤاله المشهور في ورقته البحثية “الحوسبة والذكاء” وأعاد صياغة السؤال من
هل تقدر الآلة تفكر؟
إلى اختبار عملي
إذا ما قدر الإنسان يفرق بين ردود الآلة وردود الإنسان فهل نسميها ذكية؟
فكرة تورينج
لا تسأل وش يصير داخل الآلة
ناظر لسلوكها الخارجي فقط وفي عام 1980 نشر الفيلسوف جون سيرل ورقته البحثية الشهيرة “العقول والأدمغة والبرامج” في مجلة Behavioral and Brain Sciences، وفيها قدّم تجربة فكرية صارت من أكثر الحجج تأثيرًا في تاريخ الذكاء الاصطناعي
تخيّل أن سيرل مقفل عليه في غرفة وعلى جانب الغرفة فتحة تدخل منها أوراق بالصينية وعلى الجانب الثاني فتحة يطلع منها ردود وبين يدينه كتاب قواعد يشرح له كيف يُطابق الرموز بأخرى بدون لا يفهم معنى أي حرف صيني واحد النتيجة اللي تشوفها من الخارج هي ان الغرفة تفهم الصينية لكن سيرل ما يفهم شي هنا اشتعلت المنافسة وبرزت ثلاث ردود وهي
قال بعض المدافعين ان سيرل لحاله ما يفهم لكن النظام كامل يعني الإنسان والكتاب والغرفة مع بعض هو اللي يفهم ردّ سيرل وقال تخيّل أن سيرل حفظ كل القواعد في رأسه وطلع من الغرفة هل يفهم الصينية؟ الجواب لا معناه المشكلة في المنطق ذاته مو في الهيكل وايضًا قدّم بول وباتريشيا تشورتشلاند ردهم في Scientific American عام 1990 تخيّل بدال رجل واحد في غرفة آلاف الأشخاص يشتغلون بالتوازي زي ما تشتغل خلايا الدماغ ردّ سيرل وجننهم بالصالة الصينية حتى لو كان ألف شخص يتعاونون في صالة رياضية كل واحد منهم يتبع قواعده الخاصة و لن ينشأ الفهم بينهم مجتمعين طبعًا لازم فيه بعض الانحراف عن المألوف في نفس ذي الأحداث والانحراف هنا هو ان دانيال دينيت قال إذا كان الوعي نفسه مجرد وهم يصنعه الدماغ لنفسه هنا الفرق بين الإنسان والآلة يتبخّر من الأساس
والجميل ان المعركة إلى الان لم تحسم

خلال الأيام الماضية عمل فريق هيوماين ليل نهار وبدون توقف على تجميع وتفعيل كامل لمنظومة B300 AI Compute Stack داخل مراكزنا ما يميز هذا الأمر أنه تم بنسبة 100% بالكامل داخليًا بأيدي أبناء الفريق وبخبراتهم فقط لا استشاريين خارجيين لا شركات خارجية ولا أي اعتماد على الغير فقط
فريقنا وعزيمتهم وكفاءتهم العالية
شكرًا لكل فرد في الفريق

أكد معالي محافظ صندوق الاستثمارات العامة ياسر الرميان ان الذكاء الاصطناعي يقع في صميم المسار الحرج لاستراتيجية الصندوق وهو ما يعكس رؤية قيادية استثنائية وطموحًا وطنيًا كبيرًا ونتيجة لهذا التوجه الاستراتيجي قام الصندوق بإعادة جدولة عدد من المشاريع الوطنية التي لا تعتبر في مسار حرج لتسريع بناء منظومة الذكاء الاصطناعي بشكل شامل من البنية التحتية المتقدمة ومراكز البيانات العملاقة، إلى الحوسبة فائقة الأداء والنماذج السيادية وتم خفض الإنفاق على المشاريع الإنشائية بنسبة 15% وتوجيهها للذكاء الاصطناعي يثبت هذا ان الصندوق يملك عقلية استثمارية مرنة

بينما نغرق في الذكاء الاصطناعي والخوارزميات اكتشفت إننا مهما برمجنا ونمذجنا بنقعد ندور حول أسئلة فلسفية كتاب دانيل دينيت يخليك تعيد النظر في كل شيء وبالنسبة لي معرفة كيف يفسر البشر الوعي شيء ضروري في مجال الذكاء الاصطناعي مثلًا علماء الاعصاب يفسرون الوعي بطريقة مختلفة عن علماء النفس وعلماء الحوسبة يفسرونه بطريقة تتضامن مع علماء الاعصاب ولكل فيلسوف تفسيره المختلف جذريًا وقراءة تفسير كل هاؤلاء امر ضروري فكيف تبغى آلة تكون ذكية مثلك وانت ماتعرف كيف انت ذكي من الاساس؟

سنبدأ بحول الله شرح جزئية الممارسات الحديثة في الشبكات العميقة وجزئية ابحاث التعلم العميق من كتاب التعلم العميق للمؤلفين إيان غودفيلو ويوشوا بنجيو وايضًا ارون كورفيل
يعتبر هذا الكتاب مرجعًا في مجال الذكاء الاصطناعي وخصوصًا في التعلم العميق
قال جيفري هينتون الاستاذ الفخري في جامعة تورونتو وباحث مميز في قوقل وأحد “آباء التعلم العميق” و حاصل على جائزة تورينج

هذا هو الكتاب المدرسي النهائي والمرجعي في التعلم العميق. كتبه مساهمون رئيسيون في المجال، وهو واضح وشامل وموثوق. إذا أردت أن تعرف من أين أتى التعلم العميق، وما فائدته، وإلى أين يتجه، فاقرأ هذا الكتاب

وقال عنه إيلون ماسك وهو رئيس مشارك لOpenAI ومؤسس تسلا و سبيس اكس

كتبه ثلاثة خبراء في المجال، والتعلم العميق هو الكتاب الشامل الوحيد في الموضوع. يوفر منظورًا واسعًا مطلوبًا بشدة والأساسيات الرياضية لمهندسي البرمجيات والطلاب الذين يدخلون المجال، ويُعد مرجعًا للخبراء

(6.1) مثال تعلم دالة XOR
هذا الدرس مهم جدًا لانه يشرح لنا ليش نحتاج اصلًا للعمق (الطبقات المخفية) في الشبكات وليش مانكتفي بالطرق البسيطة
طبعًا دالة XOR هي بنفس الوقت بوابة منطقية درسناها في اول ثانوي ما لكم بالطويلة الدالة تاخذ رقمين اما 1 او 0 وتعطينا نتيجة وحدة دام الدالة تاخذ رقمين
خلونا نرمز للرقم الاول بx1 والرقم الثاني x2 وهنا نقدر نبدأ نستخدم الرياضيات تحتاج انك تحول الأشياء إلى ارقام ومتغيرات مقبولة رياضيًا لتدخل في الرياضيات
الحالة الاولى x1=0 و x2=0 النتيجة هي 0
الحالة الثانية x1=0 و x2=1 النتيجة هي 1
الحالة الثالثة x1=1 و x2=0 النتيجة هي 1
الحالة الثالثة x1=1 و x2=1 النتيجة هي 0
من هذه الحالات نعرف ان النتيجة تكون 1 لما يكون واحد من الرقمين 1 والثاني 0 إذا كانوا متشابهين (كلهم 0 أو كلهم 1) تكون النتيجة 0 والحين نبغى نخلي الكمبيوتر يتعلم ذي القاعدة المشكلة هنا ان الطرق البسيطة القديمة تحاول ترسم خط واحد مستقيم عشان يفصل بين الحالات اللي النتيجة فيها 1 والحالات اللي النتيجة فيها 0
شوفوا الصورة تحت 👇🏻

النقاط الخضراء لازم تكون نتيجتها 1 و النقاط الحمراء لازم تكون نتيجتها 0
لو نركز شوي نشوف انه مافيه خط مستقيم واحد يقدر يفصل الحمراء عن الخضراء بطريقة صحيحة لان الخضراء موجودة في جهتين عكس بعض والحمراء كذلك معناه اي طريقة بسيطة (تعتمد على خط واحد) ماراح تمشي معنا بتعطي إجابات غلط أو متوسطة (مثل 0.5) في كل الحالات
اكيد قد سمعتوا عن شتاء الذكاء الاصطناعي الاول ترا سببه هذي المشكلة 🫤
لان في عام 1969 اثبت العلماء أن الPerceptron وهو ابسط نموذج شبكات عصبية في التاريخ ما يقدر يحل XOR
طيب والحل؟
الحل هو اننا بدال ما نعتمد على خط واحد بس نضيف طبقة بالنص (الطبقة المخفية)
الهيكل الان يصير الطبقة الاولى اللي هي المدخلات تاخذ الرقمين x1 و x2 والطبقة المخفية تحول هذي المدخلات لشكل جديد والطبقة الاخيرة (الاخراج) تعطي النتيجة النهائية

صورة توضح الطبقة الوسطى او الخفية
(العُقد بالون الأزرق)

وش تسوي الطبقة الخفية؟
هي تاخذ النقاط الأصلية وتغير شكلها او تحطها في مكان جديد و في هذا المكان الجديد تصير النقاط اللي لازم تكون نتيجتها 1 قريبة من بعضها والنقاط اللي لازم تكون 0 منفصلة بشكل واضح وبكذا نقدر بخط واحد بسيط يفصل بينهم بسهولة لكن ترا الطبقة المخفية ما تنقل النقاط بشكل عشوائي تستخدم دالة تفعيل بسيطة نسميها ReLU (وهي الاكثر استخدام اليوم) تشتغل ذي الدالة عن طريق إذا كان الرقم إيجابي تخليه يمر زي ما هو و إذا كان سالب أو صفر تحوله لصفر هذا الشي يخلي التحول مو مستقيم (غير خطي) وهذا هو المفتاح
في الاسفل صورة توضح التحول

هذا المثال يثبت أن العمق مهم جدًا يعني طبقة مخفية وحدة كانت كافية لحل مشكلة كانت مستحيلة وكانت سبب في احباط للعلماء والباحثين

(6.2) التعلم على اساس التدرج
في هذا الدرس راح نتعلم شلون ندرب الشبكات العميقة بعد ماعرفنا ايش هي الشبكات العميقة وايش فايدتها وكيف تشتغل تدريب الشبكات العميقة يتم عن طريق طريقة بسيطة جدًا ونسمها التدرج يعني نحسن الشبكة حبة حبة ومن اسمها كانه شخص ينزل من الدرج عتبة عتبة لادنى عتبة الشبكة فيها ارقام كثيرة داخلها نسميها الاوزان والتحيزات الهدف هو اننا نعدل ذي الأرقام لين ما تصير تنبؤات الشبكة قريبة جدًا من الإجابات الصح الطريقة نفس ما اتفقنا ننزل من الدرج عتبة عتبة زي ماتشوفون في الصورة فوق 👆🏻

فيه انواع كثيرة من هذا النزول ومنها
أولهم Batch Gradient Descent
وهذا النزول يشوف كل البيانات مرة واحدة قبل ما يتعدل
وايضًا Mini-Batch
وهذا يأخذ مجموعة صغيرة من البيانات (الطريقة ذي منتشرة اكثر شي)
وعندنا Stochastic
وهذا ياخذ مثال واحد كل مرة (سريع بس مو دقيق او مضطرب)