أعلنت Discord يوم الإثنين عن Nitro Rewards، الذي يمنح مشتركي Nitro الوصول إلى عروض من علامات تجارية أخرى في مجال الألعاب ونمط الحياة دون أي تكلفة إضافية.

حالياً، تقدم Nitro ترقيات لـ Discord نفسه، مثل مزيد من خيارات تخصيص الملف الشخصي، البث عالي الدقة، وإمكانية تحميل ملفات تصل حجمها إلى 500 ميجابايت. الاشتراك اختياري، حيث يمكنك استخدام المنصة بسهولة دون دفع أية رسوم، وهو اختيار تصميم مقصود من Discord. لكن هذا يعني أيضاً أن اكتساب المستخدمين قد يكون معقداً.

قال ستانislav فيشنفسكي، المؤسس المشارك ومدير التقنية في Discord، لموقع TechCrunch: “لقد كانت Nitro دائماً تدور حول كيفية تحسين تجربة Discord بشكل معنى، دون تقييدها [للمستخدمين المجانيين] بطريقة كبيرة”.

Nitro Rewards، المتاح لكل من مشتركي Nitro Basic (2.99 دولار شهرياً) وNitro (9.99 دولار شهرياً)، يُفترض أن يُحسن قيمة المشتركين وبالتالي يحتفظ بهم.

عند الإطلاق، ستوفر Nitro Rewards الوصول إلى المستوى الأساسي من Xbox Game Pass، الذي يتيح لك لعب أكثر من 50 لعبة على PC وXbox، بما في ذلك Fallout 4 وStardew Valley وDay Z. كما يتضمن المستوى أيضاً 10 ساعات من ألعاب السحابة، مما يتيح لك بث الألعاب من PC أو Xbox إلى أجهزة أخرى.

تُقدم Nitro Rewards أيضاً خصومات تتراوح بين 15% و30% على مجموعة مختارة من أجهزة الألعاب من Logitech G وSteelSeries وKontrolFreak. مع مرور الوقت، تخطط Discord للتعاون مع المزيد من الشركات لتقديم عروض مماثلة.

قال فيشنفسكي: “Nitro هو أكبر مساهم في إيرادات Discord، وقد نما بشكل صحي عاماً بعد عام. هذا يتعلق بالاستثمار في ذلك وتزويدك بقيمة أكبر مرة أخرى[…] بصراحة، هو شكر كبير لـ [المشتركين] على دعمهم لنا. ولكن أيضاً من منظور الأعمال، فإنها أفضل في الاحتفاظ بالاشتراكات، لأن الناس يحصلون على قيمة أكبر مقابل ما يدفعونه”.

في البداية، تم تصور Discord كمنصة دردشة للاعبين، لكنها اليوم تلعب دوراً أكبر بكثير في الثقافة عبر الإنترنت، حيث تعمل كنقطة تجمع مجتمعية لجميع أنواع المستخدمين — من مستخدمي التشفير الذين يقومون ببناء مشاريع مجتمعية لامركزية إلى رواد الحانات الذين ينظمون ليالي الحرف المحلية وحتى الناشطين الذين ينسقون الاحتجاجات السياسية. كما أن لـ Discord دوراً بارزاً في مجتمع التكنولوجيا، فقد استخدم المؤسسون المنصة لجمع مختبري النسخ التجريبية أو المستخدمين المتحمسين لمنتجاتهم والتواصل معهم بشكل مباشر. لقد نما عدد المستخدمين النشطين يومياً إلى أكثر من 90 مليون.

لكن هذا الانكشاف المتزايد يعني أن Discord يجب أن يواجه نفس القضايا المعقدة المتعلقة بالسلامة عبر الإنترنت مثل المنصات الأكبر. الشركة تستعد حالياً لتنفيذ تدابير للتحقق من العمر في مواجهة المزيد من الدعاوى القضائية المتعلقة بسلامة الأطفال عبر الإنترنت.

دفع آسيا نحو الذكاء الاصطناعي المادي مدفوع بنفس قوة التصنيع التي جعلت المنطقة قوة صناعية عالمية. عبر كوريا الجنوبية واليابان والصين وتايوان، لا يزال التصنيع ركيزة مركزية للنمو الاقتصادي. على عكس الاقتصادات الأكثر اعتمادًا على الخدمات أو البرمجيات، اعتمدت هذه الدول منذ فترة طويلة على الإنتاج الواسع النطاق، وصناعات مدفوعة بالصادرات، وسلاسل إمداد عالية الكفاءة. هذا الأساس الهيكلي يشكل الآن كيفية اعتماد الذكاء الاصطناعي وأين تتدفق الاستثمارات.

ما يجعل الأمر ذا دلالة خاصة هو أن Config، وهي شركة ناشئة مقرها سيول وسان خوسيه تبني طبقة البيانات لنماذج الأساس الروبوتية (RFMs)، قد حصلت على دعم من ذراع رأس المال الاستثماري لأكبر الشركات المصنعة في كوريا الجنوبية.

قادت Samsung Venture Investment جولة التمويل الأولي التي تم الاشتراك فيها بشكل زائد والبالغة 27 مليون دولار بتقييم تجاوز 200 مليون دولار، مما رفع المبلغ الإجمالي الذي جمعته Config إلى 34 مليون دولار. كما انضمت شركة Hyundai Motor Ventures، وLG Tech Ventures، وSKT America، وحدة رأس المال الاستثماري لشركة اتصالات كورية جنوبية، كاستثمارات استراتيجية، بالإضافة إلى المستثمر الملائكي بيتر أبييل (المؤسس المشارك لشركة Covariant AI وأستاذ في جامعة كاليفورنيا، بيركلي) والممولين الماليين بما في ذلك Mirae Asset Ventures، وبنك التنمية الكوري، وGS Futures، وKakao Ventures، وZ Ventures.

تأسست Config في يناير 2025 على يد الرئيس التنفيذي مينجون سيو، الباحث السابق في Meta والعالم الرئيسي في Twelve Labs، بالإضافة إلى أربعة مؤسسين مشاركين لديهم خلفيات في Waymo وGoogle وNaver. بدلاً من بناء الروبوتات بأنفسهم، يركز الفريق على هدف أبسط، وهو توفير البيانات التي تحتاجها الروبوتات للتعلم والتشغيل. يعتقدون أن البيانات الأفضل ستكون مفتاحًا لجعل الروبوتات أكثر فائدة.

تدريب نماذج اللغة الكبيرة مكلف، بسبب القوة الحاسوبية المطلوبة لمعالجتها، لكن المواد الخام، كميات هائلة من النصوص من جميع أنحاء الإنترنت، سهلة الحصول عليها. تعليم الروبوتات على الحركة هو تحد مختلف تمامًا، كما قال سيو في مقابلة حصرية مع TechCrunch. يجب جمع كل قطعة من بيانات التدريب فعليًا، مثل الحاجة إلى الروبوت، والمرافق لتشغيله، والأشخاص لتشغيله. وهذا يجعل تطوير الذكاء الاصطناعي الروبوتي أكثر تكلفة من دردشة البرمجيات فقط، وفقًا لسيو. مع سعي الشركات لتطوير روبوتات أكثر قدرة، يمكن أن ترتفع تكلفة جمع وتصنيف البيانات بسرعة.

تريد Config أن تكون الشركة التي تجعل الذكاء الاصطناعي للروبوتات الأخرى ممكنًا. تقارن الشركة دورها بشركة TSMC، صانع الرقائق التايواني الذي يصنع لأبل، إنفيديا، وAMD دون أن تنافس أيًا منهم. تهدف Config لأداء دور مشابه في الروبوتات من خلال توفير البيانات. تكتسب هذه المنهجية زخمًا مع سعي الشركات المصنعة الكبرى بشكل متزايد لبناء ذكائها الاصطناعي الروبوتي الخاص بها بدلاً من الاعتماد بالكامل على البائعين الخارجيين. هذا هو السوق الذي تَراهن عليه Config.

تولد Config بالفعل إيرادات، كما قال المدير التنفيذي و المؤسس المشارك جاك بانغ. تشمل عملاء الشركة الحاليين كبار المصنعين ودمج الأنظمة والشركات في قطاعات الزراعة والدفاع، وفقًا لبانغ في حديثه مع TechCrunch. زملاء في هذا المجال تشمل Physical Intelligence وGeneralist AI وSkild AI.

تسجل Config البشر أثناء أدائهم المهام البدنية في استوديوهات خاضعة للرقابة وفي الميدان. تعمل الشركة في سيول وهانوي، حيث تتولى قوة عاملة من حوالي 300 شخص إنتاج البيانات. حتى الآن، جمعت أكثر من 100,000 ساعة من بيانات حركة البشر، وهو أكثر من 30 مرة حجم مجموعة بيانات AgiBot World، التي تعتبر أكبر مجموعة بيانات مفتوحة المصدر بما يقرب من 3,000 ساعة.

تدرب معظم فرق الروبوتات نماذج الذكاء الاصطناعي على بيانات حركة البشر ثم تعدل تلك النماذج لتناسب الروبوت. تتبع Config نهجًا مختلفًا، كما قال سيو. تركز الشركة على تحويل البيانات قبل بدء التدريب بحيث تكون أكثر ملاءمة لطريقة حركة الروبوتات وتفاعلها مع العالم. قارن سيو العملية بترجمة اللغات. تدريب نموذج على نوع واحد من البيانات وتوقع أن يعمل بشكل سلس في إعداد آخر، كما قال سيو، هو محاولة لتعليم الكورية باستخدام مواد باللغة الإنجليزية فقط.

“يجب تحويل البيانات، وليس النموذج. هذه التكنولوجيا الخاصة بالتحويل هي الفارق الفني الأساسي لـ Config”، قال سيو.

ستذهب التمويلات لتحقيق ثلاث أولويات: توسيع عمليات بياناتها في فيتنام وسيول نحو مليون ساعة من البيانات المجمعة، وتنمية أعمال منصتها المؤسساتية إلى 10 مليون دولار في الإيرادات السنوية بحلول نهاية 2026، وإطلاق منتج “روبوت كخدمة” قائم على السحابة يسمح للشركات بتشغيل النموذج الأساسي لـ Config دون الحاجة إلى أجهزة داخلية.

وقعت شركة Vault Strategy Mining اتفاقية نهائية لشراء الممتلكات المعدنية للحصول على الملكية الكاملة لمنجم Mirage-Mariposa Tungsten ضمن مشروع Gray Eagle في كاليفورنيا، بالإضافة إلى مشروع North Tungsten في نونافيك، كيبيك.

تم تنفيذ الاتفاقية مع اثنين من البائعين المستقلين.

اكتشف تسويق B2B عالي الأداء

اجمع بين ذكاء الأعمال والتميز التحريري للوصول إلى المتخصصين المشاركين عبر 36 منصة إعلامية رائدة.

اكتشف المزيد

يتكون مشروع Gray Eagle من 33 مطالبة مجاورة غير مسجلة ببراءة اختراع تغطي حوالي 681.8 فدانًا، وتقع على بعد حوالي 10 كم شرق بيشوب، في الجبال البيضاء.

وهي تتضمن عدة أهداف متمعدنة محاذية على طول منطقة تماس الجرانيت والحجر الجيري، وهي منطقة معروفة باحتوائها على تمعدن سكارن التنغستن بالإضافة إلى أنظمة معدنية ثمينة على شكل الوريد الحراري المائي.

يدرج نظام بيانات الموارد المعدنية التابع لهيئة المسح الجيولوجي الأمريكية منجم ميراج-ماريبوسا كمنتج سابق، في المقام الأول للتنغستن، مع الإبلاغ عن الفضة أيضًا، ويلاحظ العديد من الأسماء البديلة مثل جولدن ميراج، ومطالبات ماريبوسا، ومنجم وولي.

تشمل المعادن المبلغ عنها السكليت مع العقيق والإيبيدوت والكوارتز والأرجنتيت المرتبط به.

يشير التحليل التاريخي إلى ما يقدر بـ 21000 طن محدد و34400 طن مستنتج بمتوسط ​​0.15% ثالث أكسيد التنجستن.

قال الرئيس التنفيذي لشركة Vault Strategy Mining، Quinn Field-Dyte: “نحن متحمسون لإضافة منجم Mirage-Mariposa Tungsten التاريخي، المدرج ضمن مشروع Gray Eagle، إلى محفظة مناجمنا التاريخية في الولايات المتحدة، لا سيما بالنظر إلى مزيجها من التنغستن والمعادن الثمينة في بيئة سكارن محددة تاريخيًا.”

“مع وجود مناطق متمعدنة متعددة وعدم وجود عمليات حفر حديثة، نرى فرصة واضحة لتطبيق تقنيات الاستكشاف الحديثة لتأكيد النظام وتحديده بشكل أفضل وربما توسيعه. وتتطلع الشركة إلى التعامل مع أطقم الاستكشاف المحتملة لبدء الاستكشاف في ميراج ماريبوسا.”

تتضمن شروط الاستحواذ الخاصة بشركة Vault مبلغ 380 ألف دولار أمريكي (519474 دولارًا كنديًا) على دفعات مرحلية و2% من صافي عائدات المصهر للبائعين.

شهدت الخصائص المعدنية للشركة استكشافًا وتطويرًا تاريخيًا كبيرًا، وبعضها كان منتجًا سابقًا أو تقدم نحو التعدين المحتمل.

قم بالتسجيل للحصول على جولة الأخبار اليومية لدينا!

امنح عملك ميزة من خلال رؤى الصناعة الرائدة لدينا.

حثت كولومبيا شركة جلينكور على الدخول في مناقشات مع السلطات المحلية وممثلي المجتمع فيما يتعلق بإغلاق منجم سيريجون للفحم في لاغواخيرا بكولومبيا.

أفادت التقارير أن شركة جلينكور تدير منجم سيريجون بموجب اتفاقية امتياز، ومن المقرر أن تنتهي صلاحية تصريح التشغيل في عام 2034. رويترز.

اكتشف تسويق B2B عالي الأداء

اجمع بين ذكاء الأعمال والتميز التحريري للوصول إلى المتخصصين المشاركين عبر 36 منصة إعلامية رائدة.

اكتشف المزيد

وهي تتألف من منطقة تعدين واسعة النطاق وخط سكة حديد بطول 150 كيلومترًا وميناء على الساحل الكاريبي لكولومبيا.

وقال وزير المناجم والطاقة إدوين بالما: “لقد كلفنا الرئيس بدعوة شركة جلينكور لمناقشة كيفية إغلاق المنجم. لا يتعين علينا الانتظار حتى انقضاء السنوات المتبقية من الامتياز”.

“نحن بحاجة إلى البدء الآن في مناقشة ما ستكون عليه الاستراتيجية الاجتماعية والاقتصادية لـ La Guajira فيما يتعلق بتحول الطاقة.”

ولم يعلق منجم جلينكور ومنجم سيريجون بعد على الطلب الأخير.

وكان الرئيس الكولومبي جوستافو بيترو قد أشار في وقت سابق إلى استعداده لتعديل عقد امتياز شركة جلينكور من جانب واحد إذا استمرت الصادرات إلى إسرائيل. امتثلت الشركة لطلبات بترو.

في عام 2025، أنتج منجم سيريجون 16.8 مليون طن من الفحم، بانخفاض عن 19.2 مليون طن في عام 2024.

وحظرت بترو عقود التنقيب الجديدة عن الهيدروكربونات والمعادن، بما في ذلك الفحم، كجزء من التحول إلى الطاقة المتجددة.

وأضاف بالما: “أريد دعوة شركة جلينكور للمشاركة في حوار مع اللجنة الثلاثية، التي تم إنشاؤها بالفعل كآلية لمناقشة تحول الطاقة. وهذا يشمل الاستثمارات في الطاقة ولكن أيضًا في إعادة تدريب القوى العاملة والتدريب والمشاريع الجديدة التي تركز على الطاقة النظيفة”.

تعد Cerrejon واحدة من أكبر عمليات تعدين تصدير الفحم في الحفرة المفتوحة في العالم.

وبفضل أربعة عقود من الخبرة، تشرف الشركة على استخراج الفحم والنقل بالسكك الحديدية والتصدير، وتوفر منتجات الطاقة عالميًا من لاغواخيرا.

قم بالتسجيل للحصول على جولة الأخبار اليومية لدينا!

امنح عملك ميزة من خلال رؤى الصناعة الرائدة لدينا.

تدرس شركة ريو تينتو زيادة حصتها البالغة 17.2% في مشروع لوس أزوليس التابع لشركة مكيوين كوبر في مقاطعة سان خوان بالأرجنتين، وفقًا لما ذكره مصدران في الصناعة. رويترز.

ويقال إن المشروع هو من بين أكبر مشاريع النحاس غير المطورة في العالم، مما يشير إلى نية ريو تينتو للحصول على أصول النحاس واسعة النطاق وسط الطلب المتزايد المدفوع بمراكز البيانات والتحول إلى الطاقة النظيفة.

اكتشف تسويق B2B عالي الأداء

اجمع بين ذكاء الأعمال والتميز التحريري للوصول إلى المتخصصين المشاركين عبر 36 منصة إعلامية رائدة.

اكتشف المزيد

وكشفت مصادر أن شركة ريو تينتو، المملوكة من خلال مشروع نوتون لتكنولوجيا النحاس، تقوم بتقييم الإمكانات الاقتصادية لمشروع لوس أزوليس واختبار تكنولوجيا الترشيح الخاصة بها في الموقع.

يأتي تركيز الشركة على النمو العضوي في أعقاب مناقشات اندماج غير ناجحة مع جلينكور.

وامتنعت ريو تينتو عن التعليق على الوضع.

وقال مايكل ميدينغ، العضو المنتدب لشركة مكيوين كوبر رويترز: “من الواضح أننا نناقش الأمر مع شريكنا الحالي نوتون لأن التكنولوجيا الخاصة بهم منطقية للغاية.”

وأضاف ميدينغ: “الآن بعد أن قامت شركة ريو تينتو ببناء خط أنابيب النحاس الخاص بها، أصبح لديها بشكل أساسي تفويض بإضافة النحاس لملف إنتاجها. لذلك نحن نجري محادثات مثمرة.”

ومن الممكن أن يؤدي الاستحواذ على حصة أكبر إلى تعزيز موارد النحاس في شركة ريو تينتو في وقت حيث تكون النتائج الجديدة محدودة وتشتد المنافسة على الأصول عالية الجودة.

استثمرت شركة نوتون في البداية ما يقرب من 100 مليون دولار (73.53 مليون جنيه إسترليني) لتأمين حصتها في مكيوين كوبر، وهي وحدة تابعة لشركة مكيوين ماينينغ.

وتقدر دراسة الجدوى صافي القيمة الحالية للمشروع بعد خصم الضرائب بمبلغ 2.9 مليار دولار، مع توقع الإنتاج الأول بحلول عام 2030.

ويهدف المنجم في سنواته الخمس الأولى إلى إنتاج حوالي 204800 طن من كاثود النحاس سنويًا.

إلى جانب نوتون، تمتلك ستيلانتس حصة قدرها 18.3% في مكيوين كوبر. واستثمرت شركة السيارات حوالي 275 مليون دولار لتأمين المواد الخام لبطاريات السيارات الكهربائية.

تسعى شركة مكيوين كوبر للحصول على رأس مال أولي يبلغ حوالي 4 مليارات دولار (5.47 مليار دولار كندي) لتطوير المنجم وتخطط لإطلاق طرح عام أولي بقيمة 300 مليون دولار في وقت لاحق من هذا العام.

تقع لوس أزوليس في جبال الأنديز على بعد حوالي 80 كم من الغرب والشمال الغربي من كالينغاستا و6 كم من الحدود التشيلية على ارتفاع حوالي 3500 متر.

قم بالتسجيل للحصول على جولة الأخبار اليومية لدينا!

امنح عملك ميزة من خلال رؤى الصناعة الرائدة لدينا.

لسنوات، كانت أوبر تتحدث عن كونها تطبيقًا متكاملًا. ثم بدأت وايمو في نقل الركاب في سان فرانسيسكو، وازداد الحديث urgency . كانت الشركة تحاول التواجد داخل صناعة السيارات ذاتية القيادة – كمزود بيانات، ومستثمر، ومنصة توزيع – ولكن الرهان الموجه للمستهلك قد يكون بنفس الأهمية.

قبل أسبوعين، عقدت أوبر حدثها السنوي لمنتجات GO-GET في نيويورك وأعلنت شيئًا كان مسؤولوها يتحدثون عنه منذ فترة طويلة: يمكن للمستخدمين في الولايات المتحدة الآن حجز الفنادق داخل تطبيق أوبر، من خلال شراكة مع Expedia Group، مع الوصول إلى أكثر من 700,000 عقار حول العالم. يحصل أعضاء Uber One – المستوى الاشتراكي للشركة بسعر 9.99 دولار في الشهر – على خصم 20% من قائمة متغيرة تضم 10,000 فندق و10% من المبالغ في شكل ائتمانات. ستتبع تأجير العطلات عبر Vrbo في وقت لاحق من هذا العام، بالإضافة إلى حجوزات المطاعم عبر OpenTable. في هذه الأثناء، تتيح ميزة “Shop for Me” للمستخدمين الطلب من المتاجر التي ليست حتى على المنصة.

كانت الإعلانات، مجتمعة، أكثر صورة واضحة حتى الآن لشيء كانت أوبر تحاول إثارته منذ عام 2019 على الأقل: أن تطبيقًا يضم 199 مليون مستخدم نشط شهريًا يمكن أن يصبح التطبيق الذي يستخدمونه في كل شيء تقريبًا.

قدم برافين نيبالي ناغا، المدير الفني لأوبر، أوضح تفسير لفكر الشركة في حدث StrictlyVC من TechCrunch في سان فرانسيسكو في الشهر الماضي. وقد أشار إلى أن فكرة التطبيق المتكامل موجودة منذ سنوات في الهند وجنوب شرق آسيا، ولكن النسخ الأمريكية قد فشلت بشكل كبير من خلال إضافة خدمات إلى حركة المرور بدلاً من بناء سبب للاحتفاظ بالمستخدمين.

جوابه على ما يناسب؟ الاشتراك. كل فئة جديدة – الطعام، البقالة، الآن الفنادق – تعطي شخصًا آخر سببًا آخر للدفع من أجل Uber One. “أنا أستخدم أوبر، أذهب إلى المطار، أستقل طائرة، أستخدم أوبر آخر، أذهب إلى فندق، أذهب إلى مطعم”، قال. “هناك تدفق يمكنك في الواقع بناءه.”

الرحلات الجوية غير متاحة بعد، رغم أن ناغا لم يستبعدها. حاولت أوبر حجز الرحلات في أوروبا قبل سنوات دون نجاح. “أولاً، دعنا ننتهي من موضوع الفنادق”، قال. يبدو أن الخدمات المالية هي احتمال أيضًا – حيث تقدم أوبر بالفعل بطاقة خصم للسائقين في المكسيك – ولكن مدى هذا الأمر، أو متى، لا يزال غير واضح. قال ناغا: “لا تقل أبدًا أبدًا”.

أوبر ليست وحدها في هذه المنافسة. أعلنت Airbnb، والتي يُقال إنها الشركة الأكثر تهديدًا بشكل مباشر من دفع أوبر نحو الفنادق، عن طموحاتها في النقل في أواخر مارس – شراكة مع Welcome Pickups لتقديم خدمات النقل من المطار في 125 مدينة عبر آسيا وأوروبا وأمريكا اللاتينية، وهيكلة للحفاظ على المستخدمين داخل تطبيق Airbnb بدلاً من إرسالهم إلى أوبر. في هذه الأثناء، قضى إيلون ماسك ثلاث سنوات في وعد بتحويل X إلى “تطبيق شامل” على نمط WeChat، وهو الآن يقترب مما يصفه بأنه هدف مطوّل: X Money، منصة للبنوك والمدفوعات مبنية داخل الشبكة الاجتماعية، من المتوقع أن تُطلق علنًا قريبًا. يدعي X أنه لديه 500 مليون مستخدم نشط شهريًا.

السؤال الكبير هو كم عدد التطبيقات الشاملة التي سيدعمها السوق الأمريكي فعليًا. يعمل WeChat في الصين جزئيًا لأن البديل كان مجموعة من الخيارات الرديئة. في الولايات المتحدة، لدى الناس بالفعل تطبيقات يعجبهم معظم ما تود أوبر القيام به. يتطلب الحصول على هؤلاء للاندماج داخل منصة واحدة إما سبب قوي – مثل خصومات Uber One – أو تجربة سلسة تكاد تجعل التحويل يستحق ذلك.

رهان أوبر هو أن قاعدة مستخدميها المثبتة هي الحواجز. لقد قدم مستخدموها بالفعل بطاقة ائتمان. إقناعهم بحجز فندق، أو الطلب من متجر لن يجدوه أبدًا على أوبر Eats، هو رفع سهل مقارنة بإقناعهم بتحميل شيء جديد. تشير أحدث إيراداتها، التي تم الإبلاغ عنها قبل بضعة أيام، إلى أن أوبر Eats قد تكون أقوى حجة لهذا الاستنتاج: نمت إيرادات التوصيل بنسبة 34% على أساس سنوي في الربع الأول، لتصل إلى 5.07 مليار دولار، مما يجعلها بسهولة الجزء الأسرع نموًا من الأعمال وسحبت تقريبًا مع التنقل في حجوزات إجمالية.

لا تزال أسهم أوبر منخفضة بنحو 8% عن العام الماضي – مما يشير إلى أن وول ستريت ليست مقتنعة تمامًا. ولكن تقول الشركة إن 50 مليون شخص يدفعون الآن مقابل Uber One، ويمثلون معًا حوالي نصف إجمالي حجوزات الشركة.

مرحبًا بعودتك إلى TechCrunch Mobility، مركزك لمستقبل النقل والآن، أكثر من أي وقت مضى، كيف تلعب الذكاء الاصطناعي دورًا. للحصول على هذه المعلومات في بريدك الوارد، اشترك هنا مجانًا — فقط انقر على TechCrunch Mobility!

بعد سنوات من التلميحات والاستعدادات، تقدمت شركة Lime الناشئة في تأجير الدراجات الكهربائية والسكوترات المدعومة من أوبر بطلب للاكتتاب العام الأولي. هل شركة صغيرة في مجال التنقل ذهبت للاكتتاب العام؟ في عام 2026؟ بالتأكيد إنها السنة غير الصحيحة.

تحدث الرئيس التنفيذي لشركة Lime Wayne Ting عن الاكتتاب العام لسنوات. تحدثت TechCrunch معه عن هذا في 2020 و2021 و2023. لم يتحقق ذلك ونسيت الأمر حتى — بوم — الوثيقة S-1، بيان التسجيل المقدم إلى لجنة الأوراق المالية والبورصات الأمريكية، تم نشره في وقت مبكر من صباح يوم الجمعة.

هناك بعض عوامل المخاطر المثيرة للاهتمام في S-1، على الرغم من أننا لا نزال في انتظار Lime لمشاركة شروط العرض.

الإيرادات في ارتفاع، ولديها تدفق نقدي حر إيجابي، وانخفضت الخسائر الصافية بعد عام 2023، على الرغم من أن هناك ارتفاعًا طفيفًا بين عامي 2024 و2025. تظل أوبر، التي استثمرت في Lime قبل عدة سنوات، تلعب دورًا مهمًا بالنسبة للشركة. قالت Lime إن حوالي 14.3% من إيراداتها جاءت من شراكتها مع أوبر، مما يسمح للعملاء بالعثور على استئجار السكوترات والدراجات الكهربائية من خلال تطبيقها.

كل هذا يشير إلى أن Lime هي شركة نمو تتجه نحو الربحية. لكن هناك عائقًا كبيرًا واحدًا. لدى Lime حوالي 1 مليار دولار من الالتزامات الحالية، وحوالي 675.8 مليون دولار من ذلك مستحق بحلول نهاية عام 2026. بشكل عام، حوالي 846 مليون دولار مستحق خلال 12 شهرًا. لا تمتلك Lime السيولة الكافية لسداد ذلك، وفقًا لتقديمها. تشير Lime بشكل صريح في S-1: إذا لم تتمكن من الذهاب للاكتتاب العام وجمع رأس المال اللازم، أو تغيير اتفاقيات ديونها، فقد لا تتمكن من الاستمرار في العمل كعمل تجاري.

المراسل الكبير شون أوكين، الذي يحب الغوص في وثيقة S-1 كما أفعل، رصد بعض التفاصيل الأخرى في عوامل المخاطر. تشير الشركة إلى أن استثمار المدن في البنية التحتية للطرق العامة هو عامل خطر. تسرد Lime بشكل خاص الحفر، مما جعلني أبتسم ثم أوافق. الحفر ليست لطيفة على السكوترات المشتركة.

كما حذرت Lime من أن جزءًا كبيرًا من الرحلات مركّز في عدد صغير نسبيًا من الأسواق التي تعمل فيها. واحدة من هذه الأسواق، والتي شكلت 22.2% من إيراداتها في عام 2025، هي المملكة المتحدة.

طائر صغير

في الصيف الماضي، أعلنت أوبر عن خطة لإطلاق خدمة سيارات أجرة روبوتية فاخرة باستخدام مركبات Lucid Gravity المجهزة بتقنية المركبات ذاتية القيادة الخاصة بـNuro. هذه ليست مجرد تعاون. قالت أوبر إنها ستستثمر 300 مليون دولار في Lucid، وستشتري بشكل منفصل “ما لا يقل عن” 20,000 من سيارات الـ SUV الجديدة Gravity على مدى السنوات الست القادمة. رفعت أوبر مؤخرًا استثمارها في Lucid إلى 500 مليون دولار ودفع الطلب على السيارات إلى 35,000.

كانت التفاصيل المتعلقة باستثمار أوبر في Nuro، وهي شركة ناشئة خاصة مقرها في وادي السيليكون، ضعيفة — حتى الآن. في ذلك الوقت، علمنا فقط أن أوبر استثمرت مبلغًا غير محدد “بقيمة مئات الملايين من الدولارات” في Nuro. وقد شاركتني طائر صغير المزيد من التفاصيل.

الالتزام المالي الكلي لأوبر تجاه Nuro، والذي يتضمن مشاركتها في الجولة E للشركة الناشئة العام الماضي واستثمارات مستقبلية بناءً على إنجازات، يقترب من 500 مليون دولار، وفقًا لمصدر مطلع على الصفقة.

تخميني المبني على المعرفة هو أن Nuro قد حصلت للتو على واحدة من تلك الإنجازات. تختبر الشركة المركبات الخاصة بـ Lucid في الوضع المستقل مع وجود مشغل أمان بشري في مقعد السائق. وفي الشهر الماضي، وسعت الاختبار للسماح لموظفي أوبر بطلب رحلة ذاتية القيادة في سيارة أجرة روبوتية من Lucid مع وجود مشغل أمان بشري لا يزال على متنها. ولكن الشركة تلقت للتو تصريحين حيويين — تصريح اختبار بدون سائق من وزارة المركبات والدراجة النارية وتصريح من لجنة الخدمات العامة في كاليفورنيا.

هل لديك معلومات تكشفها لنا؟ أرسل بريدًا إلكترونيًا إلى كيرستن كورسيك على kirsten.korosec@techcrunch.com أو على Signal الخاص بي على kkorosec.07، أو أرسل بريدًا إلكترونيًا إلى شون أوكين على sean.okane@techcrunch.com.

صفقات!

أرباح ربع السنة الأولى لشركة Kodiak AI تقدم دراسة حالة حول مدى صعوبة تجاري التقنيات الحدودية. أعلنت الشركة عن عدد من الصفقات التي أظهرت تقدمًا. أبرمت عقدًا تجاريًا مع Roehl؛ أطلقت برنامج اختبار لاختبار الشاحنات المستقلة المجهزة بـ Kodiak في عمليات نقل قطع الأخشاب في شركة West Fraser Timber Co. في ألبرتا، كندا؛ وأعلنت عن تعاون مع صانع المركبات العسكرية General Dynamics Land Systems لإنشاء مركبات أرضية مستقلة للاستخدامات الدفاعية.

لكن المستثمرين لم يكونوا مرتاحين لشروط زيادة رأس المال التي بلغت 100 مليون دولار. باعت الشركة الأسهم بسعر 6.50 دولارات لكل سهم — وهو خصم حاد عن سعر إغلاق السهم البالغ 9.10 دولارات. تضمنت الزيادة أيضًا أوامر شراء — أدوات تمنح المستثمرين الحق في شراء أسهم إضافية لاحقًا بسعر محدد، وفي هذه الحالة بسعر يصل إلى 6 دولارات.

جاءت التمويلات من المستثمر الحالي Ares Management وعدد من المستثمرين المؤسسيين غير المسمّين.

انخفض سعر سهم Kodiak بنسبة 37% في تداولات ما بعد ساعات العمل لحظات بعد صدور التمويل وأرباح الربع الأول. وقد استعاد السهم بعض التعافي منذ ذلك الحين، ربما مع تحلل المساهمين للأخبار ووجهة نظرهم من منظور إيجابي.

من المحتمل أن تحتاج Kodiak إلى المزيد من رأس المال مع استمرارها في حرق النقود بينما تتجه نحو هدفها الكبير: عمليات الشحن بدون سائق على الطرق العامة.

صفقات أخرى لفتت انتباهي هذا الأسبوع …

Moment Energy، وهي شركة ناشئة طورت نهجًا جديدًا لإعادة استخدام بطاريات EV، جمعت 40 مليون دولار في جولة تمويل من السلسلة B بقيادة شركة VC الكندية Evok Innovations، مع تمويل إضافي من صندوق تجارة التجزئة W23، حيث انضمت إلى مستثمرين موجودين مثل صندوق المناخ الخاص بأمازون وIn-Q-Tel، الشركة المدعومة من وكالة الاستخبارات المركزية.

Rocsys، وهي شركة ناشئة طورت حلول مستودعات بدون استخدام اليدين للمركبات الكهربائية المستقلة، قامت بجمع 13 مليون دولار في جولة ممتدة من السلسلة A بقيادة Capricorn Partners، مع مشاركة من Scania Invest وForward.One وSEB Greentech Venture Capital وGraduate Venture.

قراءات ملحوظة وأمور أخرى

أطلقت Aurora عملية نقل في شاحنات بدون سائق في تكساس لشركة التوزيع العملاقة McLane. يوضح العقد التجاري بعض التقدم الذي أحرزته الشركة المتخصصة في الشاحنات الذاتية القيادة. ملاحظة: لا تزال هذه الشاحنات بدون سائق تحتوي على مراقبين بشريين في الكابينة، وتخبرنا الشركة أنه لا يمكنهم تشغيل المركبة.

أرباح ربع السنة الأولى لشركة Lucid كشفت عن شركة لا تزال تشعر بتأثير مشكلة المورد في وقت سابق من هذا العام والتي تسببت في استدعاء سيارة SUV Gravity الخاصة بها وتوقف التسليمات. مرت الشركة أيضًا بمرحلة انتقالية في القيادة، حيث غيرت توجيهاتها وقالت إنها لم تعد متأكدة من عدد المركبات الكهربائية التي ستقوم ببنائها أو بيعها هذا العام.

في عام 2024، قامت الإدارة الوطنية لسلامة المرور على الطرق السريعة بتحديث برنامج تقييم السيارات الجديدة وأضافت أربعة اختبارات جديدة للنجاح والفشل لتقييم أداء أنظمة المساعدة المتقدمة، والتي ستبدأ في عام 2026. ونحن أخيرًا نشهد النتائج. إن إصدار 2026 من طراز Tesla Model Y هو أول مركبة تلبي معيار الوكالة الجديد.

Ouster تطلق مجموعة جديدة من مستشعرات الليزر الملونة التي يعتقد الرئيس التنفيذي Angus Pacala أنها ستحل محل الكاميرات.

خسرت شركة EV Slate عضوًا بارزًا في مجلس إدارتها. غادر رئيس مكتب عائلة جيف بيزوس المجلس، وفقًا للعديد من سجلات الدولة التي استعرضتها TechCrunch.

فولكس فاجن الآن أكبر مساهم في Rivian، مما دفع أمازون للخروج من المركز الأول.

أمر آخر …

حسنًا، ربما أمرين آخرين.

أجرت المراسل الكبير ربيكا بيلان مؤخرًا مقابلة مع مؤسس ومدير شركة Aurora كريس أورمسون لـبودكاست Equity. استمع إلى الحلقة هنا.

وأخيرًا، كان لدينا استطلاع الأسبوع الماضي! كانت هذه ما طرحته على القراء: “أصدرت إدارة المركبات في كاليفورنيا قواعد جديدة للمركبات الذاتية القيادة. يمكن الآن اختبار شاحنات ذاتية القيادة ونشرها في الولاية. تم توسيع متطلبات التقارير وجمع البيانات والعمليات، ويمكن لقوات الأمن فرض انتهاكات مرورية. هذه القواعد: تتجاوز الحدود، تضرب الهدف، أم ليست مقيدة بما فيه الكفاية.”

اختار حوالي 41% “تضرب الهدف”، بينما قال 27.6% إن القواعد تتجاوز الحدود، و31% قالوا إنها ليست مقيدة بما فيه الكفاية.

للمشاركة في استطلاعاتنا، اشترك للحصول على نشرة Mobility في بريدك الوارد!

تغير الذكاء الاصطناعي العالم، وفي الوقت نفسه، يبتكر لغة جديدة تمامًا لوصف كيفية حدوث ذلك. اقضِ خمس دقائق في قراءة ما يتعلق بالذكاء الاصطناعي وستصادف LLMs، RAG، RLHF، وعددًا من المصطلحات الأخرى التي يمكن أن تجعل حتى الأشخاص الأذكياء جدًا في عالم التكنولوجيا يشعرون بعدم الأمان. هذا المعجم هو محاولتنا لإصلاح ذلك. نقوم بتحديثه بانتظام مع تطور المجال، لذا اعتبره وثيقة حية، مثل أنظمة الذكاء الاصطناعي التي يصفها.

الذكاء الاصطناعي العام، أو AGI، هو مصطلح غير واضح. ولكنه يشير عمومًا إلى الذكاء الاصطناعي الذي يكون أكثر قدرة من الشخص العادي في العديد من المهام، إن لم تكن معظمها. وصف الرئيس التنفيذي لـ OpenAI، سام ألتمان، AGI ذات مرة بأنه “معادل لإنسان متوسط يمكنك توظيفه كزميل عمل”. في هذه الأثناء، تعرف ميثاق OpenAI AGI بأنه “أنظمة ذاتية الاكتفاء للغاية تتفوق على البشر في معظم الأعمال القيمة اقتصاديًا”. ورؤية Google DeepMind لـ AGI تختلف قليلاً عن هذين التعريفين؛ إذ ترى المختبر AGI على أنه “ذكاء اصطناعي يمتلك ويكون على الأقل بنفس قدرات البشر في معظم المهام المعرفية.” مرتبك؟ لا داعي للقلق – فالخبراء في طليعة أبحاث الذكاء الاصطناعي يشعرون بنفس الشيء.

يشير وكيل الذكاء الاصطناعي إلى أداة تستخدم تقنيات الذكاء الاصطناعي لأداء مجموعة من المهام نيابة عنك – تتجاوز ما يمكن أن يفعله روبوت الدردشة الأساسي – مثل تقديم المصاريف، حجز تذاكر أو طاولة في مطعم، أو حتى كتابة وصيانة الكود. ومع ذلك، كما أوضحنا سابقًا، هناك الكثير من العناصر المتحركة في هذا المجال الناشئ، لذا قد يعني “وكيل الذكاء الاصطناعي” أشياء مختلفة لأشخاص مختلفين. لا يزال يوجد أيضًا بنية تحتية تُبنى لتلبية قدراته المتوقعة. لكن المفهوم الأساسي يعني نظامًا ذاتيًا قد يعتمد على أنظمة ذكاء اصطناعي متعددة لتنفيذ مهام متعددة الخطوات.

فكر في نقاط النهاية API كـ “أزرار” في خلفية برنامج يمكن لبرامج أخرى الضغط عليها لجعله يقوم بأشياء. يستخدم المطورون هذه الواجهات لبناء تكاملات – على سبيل المثال، السماح لتطبيق واحد بسحب البيانات من تطبيق آخر، أو تمكين وكيل الذكاء الاصطناعي من التحكم في خدمات طرف ثالث مباشرة دون الحاجة إلى تدخل بشري في كل واجهة. تمتلك معظم أجهزة المنازل الذكية والمنصات المتصلة هذه الأزرار المخفية المتاحة، حتى لو لم يرها المستخدمون العاديون أو يتفاعلون معها. مع تزايد قدرات وكلاء الذكاء الاصطناعي، أصبحوا قادرين بشكل متزايد على العثور على هذه النقاط واستخدامها بمفردهم، مما يفتح إمكانيات قوية – وأحيانًا غير متوقعة – للأتمتة.

عند طرح سؤال بسيط، يمكن أن يجيب الدماغ البشري بدون الحاجة للتفكير كثيرًا فيه – أشياء مثل “أي حيوان أطول، الزرافة أم القط؟” ولكن في العديد من الحالات، تحتاج غالبًا إلى قلم وورقة لوضع الإجابة الصحيحة لأن هناك خطوات وسيطة. على سبيل المثال، إذا كان لدى مزارع دجاج وابقار، وكانوا معًا لديهم 40 رأسًا و120 ساقًا، قد تحتاج إلى كتابة معادلة بسيطة للإجابة (20 دجاجة و20 بقرة).

في سياق الذكاء الاصطناعي، يعني استدلال سلسلة الأفكار لدى نماذج اللغة الكبيرة تفكيك المشكلة إلى خطوات أصغر ووسطية لتحسين جودة النتيجة النهائية. عادة ما يستغرق الحصول على إجابة وقتًا أطول، لكن من المرجح أن تكون الإجابة صحيحة، خاصة في سياق المنطق أو البرمجة. يتم تطوير نماذج التفكير من نماذج اللغة الكبيرة التقليدية ويتم تحسينها للتفكير في سلسلة الأفكار بفضل التعلم المعزز.

(انظر: نموذج اللغة الكبير)

هذا مفهوم أكثر تحديدًا من “وكيل الذكاء الاصطناعي”، مما يعني برنامجًا يمكنه اتخاذ إجراءات من تلقاء نفسه، خطوة بخطوة، لإكمال هدف. وكيل البرمجة هو نسخة متخصصة تطبق على تطوير البرمجيات. بدلاً من اقتراح كود بشري للمراجعة واللصق، يمكن لوكيل البرمجة كتابة واختبار وتصحيح الكود بشكل ذاتي، مما يتعامل مع نوع العمل التكراري والتجريبي الذي يستغرق عادةً وقتًا طويلاً من اليوم للمطور. يمكن لهذه الوكلاء العمل عبر قواعد التعليمات البرمجية بالكامل، وتحديد الأخطاء، وتشغيل الاختبارات، ودفع التصحيحات مع الحد الأدنى من الإشراف البشري. فكر في الأمر كأنك تعين متدربًا سريعًا جدًا لا ينام ولا يفقد التركيز – على الرغم من أنه، كما هو الحال مع أي متدرب، لا يزال يتعين على شخص مراجعة العمل.

على الرغم من كونه مصطلحًا متعدد الجوانب إلى حد ما، إلا أن الحوسبة تشير عمومًا إلى القوة الحسابية الحيوية التي تتيح أن تعمل نماذج الذكاء الاصطناعي. هذه النوع من المعالجة يغذي صناعة الذكاء الاصطناعي، مما يعطيها القدرة على تدريب ونشر نماذجها القوية. غالبًا ما يكون المصطلح اختصارًا لأنواع الأجهزة التي توفر القوة الحسابية – مثل وحدات معالجة الرسوم (GPUs)، ووحدات المعالجة المركزية (CPUs)، ووحدات معالجة تنسيق البيانات (TPUs)، وأشكال أخرى من البنية التحتية التي تشكل العمود الفقري لصناعة الذكاء الاصطناعي الحديثة.

مجموعة فرعية من التعلم الآلي الذاتي التحسين حيث تتمتع خوارزميات الذكاء الاصطناعي بتصميم هيكل شبكة عصبونية اصطناعية متعددة الطبقات (ANN). وهذا يسمح لها بعمل ارتباطات أكثر تعقيدًا مقارنةً بالأنظمة الأبسط القائمة على التعلم الآلي، مثل النماذج الخطية أو الأشجار القرارية. تستلهم هيكل خوارزميات التعلم العميق من المسارات المتصلة للعصبونات في الدماغ البشري.

نماذج الذكاء الاصطناعي العميق قادرة على تحديد الخصائص المهمة في البيانات بنفسها، بدلاً من الحاجة إلى مهندسين بشر لتحديد هذه الميزات. كما أن الهيكل يدعم الخوارزميات التي يمكنها التعلم من الأخطاء ومن خلال عملية التكرار والتعديل، تحسين نتائجها الخاصة. ومع ذلك، تتطلب أنظمة التعلم العميق عددًا كبيرًا من نقاط البيانات لتحقيق نتائج جيدة (ملايين أو أكثر). كما أنها عادة ما تأخذ وقتًا أطول للتدريب مقارنةً بخوارزميات التعلم الآلي الأبسط – لذلك تميل تكاليف التطوير إلى أن تكون أعلى.

(انظر: الشبكة العصبية)

يشير الانتشار إلى التقنية التي تقف وراء العديد من نماذج الذكاء الاصطناعي المتعلقة بالفن، الموسيقى، والنصوص. مستوحى من الفيزياء، تقوم أنظمة الانتشار “بتدمير” هيكل البيانات ببطء – على سبيل المثال، الصور، الأغاني، وما إلى ذلك – عن طريق إضافة الضوضاء حتى لا يبقى شيء. في الفيزياء، الانتشار عفوي ولا يمكن عكسه – السكر المذاب في القهوة لا يمكن استعادته إلى شكل مكعب. ولكن تهدف أنظمة الانتشار في الذكاء الاصطناعي إلى تعلم نوع من عملية “الانتشار العكسي” لاستعادة البيانات المدمرة، وكسب القدرة على استعادة البيانات من الضوضاء.

الترميز هو تقنية تُستخدم لاستخراج المعرفة من نموذج AI كبير باستخدام نموذج ‘معلم-طالب’. يرسل المطورون طلبات إلى نموذج المعلم ويسجلون المخرجات. يتم أحيانًا مقارنة الإجابات مع مجموعة بيانات لمعرفة مدى دقتها. ثم تُستخدم هذه المخرجات لتدريب نموذج الطالب، الذي يتم تدريبه لتقريب سلوك المعلم.

يمكن استخدام الترميز لإنشاء نموذج أصغر وأكثر كفاءة استنادًا إلى نموذج أكبر مع فقد ترميز ضئيل. يعتقد أن هذا هو كيف طورت OpenAI GPT-4 Turbo، وهو إصدار أسرع من GPT-4.

بينما تستخدم جميع شركات الذكاء الاصطناعي الترميز داخليًا، قد تكون قد استخدمته أيضًا بعض الشركات AI لتلحق بالنماذج المتقدمة. يعتبر الترميز من منافس عادة ما ينتهك شروط الخدمة الخاصة بـ AI API والمساعدين للدردشة.

تشير هذه العبارة إلى التدريب الإضافي لنموذج الذكاء الاصطناعي لتحسين الأداء لمهمة أو منطقة أكثر تحديدًا مما كانت نقطة التركيز السابقة لتدريبه – عادةً من خلال تغذية بيانات جديدة ومتخصصة (أي موجهة للمهام).

تأخذ العديد من الشركات الناشئة في الذكاء الاصطناعي نماذج اللغة الكبيرة كنقطة انطلاق لبناء منتج تجاري ولكنها تسعى لزيادة الفائدة لقطاع أو مهمة مستهدفة من خلال استكمال دورات التدريب السابقة بفحص دقيق مستند إلى معرفتها وخبرتها الخاصة.

(انظر: نموذج اللغة الكبير [LLM])

GAN، أو الشبكة التنافسية التوليدية، هي نوع من إطار تعلم الآلة الذي يقف وراء بعض التطورات المهمة في الذكاء الاصطناعي التوليدي فيما يتعلق بإنتاج بيانات واقعية – بما في ذلك (ولكن ليس مقتصرًا على) أدوات التزييف العميق. تشمل GANs استخدام زوج من الشبكات العصبية، واحدة منها تعتمد على بيانات التدريب الخاصة بها لإنتاج مخرجات تُمرر إلى النموذج الآخر للتقييم.

تم برمجة النموذجين أساسًا لمحاولة التفوق على بعضهما البعض. يحاول المُنشئ تمرير مخرجاته بالنسبة للمُميز، بينما يعمل المُميز على اكتشاف البيانات التي تم إنتاجها بشكل صناعي. يمكن أن يُحسن هذا التنافس المنظم مخرجات الذكاء الاصطناعي لتكون أكثر واقعية دون الحاجة إلى تدخل بشري إضافي. على الرغم من أن GANs تعمل بشكل أفضل للتطبيقات الضيقة (مثل إنتاج صور أو مقاطع فيديو واقعية)، بدلاً من الذكاء الاصطناعي متعدد الأغراض.

الهذيان هو المصطلح المفضل لصناعة الذكاء الاصطناعي لوصف نماذج الذكاء الاصطناعي التي تصنع أشياء – حرفياً توليد معلومات غير صحيحة. من الواضح أن هذه مشكلة كبيرة لجودة الذكاء الاصطناعي.

تنتج الهلاوس مخرجات GenAI التي يمكن أن تكون مضللة وقد تؤدي حتى إلى مخاطر حقيقية – مع عواقب محتملة خطيرة (فكر في استفسار صحي يعيد نصيحة طبية ضارة).

يعتقد أن مشكلة تصنيع المعلومات من قبل الذكاء الاصطناعي تنشأ نتيجة للفجوات في بيانات التدريب. تسهم الهلاوس في دفع نحو نماذج الذكاء الاصطناعي المتخصصة و / أو الرأسية بشكل متزايد – أي الذكاء الاصطناعي الخاص بمجال معين والذي يتطلب خبرة أضيق – كوسيلة للحد من احتمال حدوث فجوات المعرفة وتقليص مخاطر المعلومات المضللة.

الاستدلال هو العملية التي يتم من خلالها تشغيل نموذج الذكاء الاصطناعي. إنها تعيين نموذج لتحليل أو استنتاج البيانات التي تم رؤيتها مسبقًا. للتوضيح، لا يمكن أن يحدث الاستدلال بدون تدريب؛ يجب على النموذج أن يتعلم الأنماط في مجموعة بيانات قبل أن يتمكن من الاستنتاج بشكل فعال من بيانات التدريب هذه.

يمكن أن تؤدي أنواع متعددة من الأجهزة الاستدلال، بدءًا من معالجات الهواتف الذكية إلى وحدات معالجة الرسوم القوية إلى المعجلات المصممة خصيصًا للذكاء الاصطناعي. ولكن ليس جميعهم قادرون على تشغيل النماذج بشكل جيد. سيتطلب النموذج الكبير جدًا وقتًا طويلاً لإجراء التنبؤات على، على سبيل المثال، لابتوب مقابل خادم سحابي مزود بشريحة AI متطورة.

[انظر: التدريب]

نماذج اللغة الكبيرة، أو LLMs، هي نماذج الذكاء الاصطناعي المستخدمة من قبل المساعدين الشائعين في الذكاء الاصطناعي، مثل ChatGPT، Claude، Gemini من Google، AI Llama من Meta، Microsoft Copilot، أو Le Chat من Mistral. عندما تتحدث مع مساعد ذكاء اصطناعي، تتفاعل مع نموذج لغة كبير يعالج طلبك مباشرةً أو بمساعدة أدوات مختلفة متاحة، مثل تصفح الويب أو مترجمات الكود.

تتكون LLMs من شبكات عصبية عميقة مصنوعة من مليارات المعامل العددية (أو الأوزان، انظر أدناه) التي تتعلم العلاقات بين الكلمات والعبارات وتخلق تمثيلاً للغة، وهو نوع من الخريطة متعددة الأبعاد للكلمات.

تُنشئ هذه النماذج من خلال ترميز الأنماط التي تجدها في مليارات من الكتب والمقالات والنصوص. عندما تطلب من LLM، يقوم النموذج بإنشاء النمط الأكثر احتمالًا الذي يناسب طلبك.

(انظر: الشبكة العصبية)

ذاكرة التخزين المؤقت تشير إلى عملية مهمة تعزز الاستدلال (وهي العملية التي يعمل بها الذكاء الاصطناعي لتوليد استجابة لاستفسار المستخدم). في الجوهر، التخزين المؤقت هو تقنية تحسين، تهدف إلى جعل الاستدلال أكثر كفاءة. يُدفع الذكاء الاصطناعي، بطبيعة الحال، من خلال حسابات رياضية عالية الكثافة، وكل مرة يتم فيها إجراء هذه الحسابات، يتم استهلاك المزيد من الطاقة. تم تصميم التخزين المؤقت لتقليل عدد الحسابات التي قد يحتاج النموذج إلى تشغيلها من خلال حفظ حسابات معينة لاستفسارات وعمليات المستخدم المستقبلية. هناك أنواع مختلفة من التخزين المؤقت، رغم أن أحد المعروف هو التخزين المؤقت لقيم المفتاح (KV). يعمل مستوى التخزين هذا في النماذج المعتمدة على المحولات، ويزيد من الكفاءة، مما يؤدي إلى نتائج أسرع من خلال تقليل الوقت (والعمل الخوارزمي) الذي يستغرقه توليد الإجابات على أسئلة المستخدمين.

(انظر: الاستدلال)

تشير الشبكة العصبية إلى الهيكل الخوارزمي المتعدد الطبقات الذي يقوم على التعلم العميق – وأيضًا، بشكل أوسع، كل هذا الازدهار في أدوات الذكاء الاصطناعي التوليدية بعد ظهور نماذج اللغة الكبيرة.

على الرغم من أن فكرة الاقتداء بالمسارات المتصلة بشكل كثيف في الدماغ البشري كهيكل تصميمي لخوارزميات معالجة البيانات تعود إلى الأربعينيات، إلا أن الزيادة الحديثة في الأجهزة المخصصة لمعالجة الرسوم (GPUs) – من خلال صناعة ألعاب الفيديو – هي التي أفرجت حقًا عن قوة هذه النظرية. أثبتت هذه الشرائح أنها مناسبة تمامًا لتدريب الخوارزميات مع العديد من الطبقات أكثر مما كان ممكنًا في العصور السابقة – مما مكن أنظمة الذكاء الاصطناعي المعتمدة على الشبكات العصبية من تحقيق أداء أفضل بكثير عبر العديد من المجالات، بما في ذلك التعرف على الصوت، التنقل الذاتي، واكتشاف الأدوية.

(انظر: نموذج اللغة الكبير [LLM])

المصدر المفتوح يشير إلى البرمجيات – أو، بشكل متزايد، نماذج الذكاء الاصطناعي – حيث يتم توفير الكود الأساسي بشكل علني لأي شخص لاستخدامه أو فحصه أو تعديله. في عالم الذكاء الاصطناعي، تعتبر عائلة نماذج Llama من Meta مثالًا بارزًا؛ لينكس هو الموازاة التاريخية الشهيرة في أنظمة التشغيل. تتيح الأساليب مفتوحة المصدر للباحثين والمطورين والشركات في جميع أنحاء العالم البناء على أعمال بعضهم البعض، مما يسرع من التقدم ويمكّن من تدقيق السلامة المستقل الذي لا يمكن للنظم المغلقة تقديمه بسهولة. المصدر المغلق يعني أن الكود خاص – يمكنك استخدام المنتج ولكن لا يمكنك رؤية كيفية عمله، كما هو الحال مع نماذج GPT الخاصة بـ OpenAI – وهي تمييز أصبحت واحدة من المناقشات المحددة في صناعة الذكاء الاصطناعي.

التوازي يعني القيام بالعديد من الأشياء في نفس الوقت بدلاً من واحد بعد الآخر – مثل وجود 10 موظفين يعملون على أجزاء مختلفة من مشروع ما في نفس الوقت بدلاً من موظف واحد يقوم بكل شيء تسلسليًا. في الذكاء الاصطناعي، التوازي أساسي لكل من التدريب والاستدلال: تم تصميم وحدات معالجة الرسوم الحديثة لأداء آلاف الحسابات بالتوازي، وهو سبب رئيسي في أنها أصبحت العمود الفقري للأجهزة في الصناعة. مع تزايد تعقيد أنظمة الذكاء الاصطناعي وكبر حجم النماذج، أصبحت القدرة على تنفيذ العمل عبر العديد من الشرائح والعديد من الآلات واحدة من أهم العوامل في تحديد مدى سرعة وفاعلية بناء النماذج ونشرها. أصبح البحث في استراتيجيات التوازي الأفضل الآن مجال دراسة في حد ذاته.

راماجدون هو مصطلح ممتع لوصف اتجاه غير ممتع يجتاح صناعة التكنولوجيا: نقص متزايد باستمرار في ذاكرة الوصول العشوائي، أو شرائح RAM، التي تشغل تقريبًا جميع المنتجات التقنية التي نستخدمها في حياتنا اليومية. مع ازدهار صناعة الذكاء الاصطناعي، تشتري أكبر شركات التكنولوجيا ومختبرات الذكاء الاصطناعي – التي تسعى جميعًا للحصول على أقوى وأعلى كفاءة ذكاء اصطناعي – الكثير من ذاكرة الوصول العشوائي لتشغيل مراكز البيانات الخاصة بها لدرجة أنه لم يبقَ الكثير لبقية منا. وهذا الاختناق في الإمدادات يعني أن ما تبقى يصبح أكثر فأكثر تكلفة.

وهذا يشمل صناعات مثل الألعاب (حيث اضطرت شركات كبرى إلى رفع أسعار أجهزة الألعاب بسبب صعوبة العثور على شرائح الذاكرة لأجهزتها)، والإلكترونيات الاستهلاكية (حيث يمكن أن يتسبب نقص الذاكرة في أكبر انخفاض في شحنات الهواتف الذكية خلال أكثر من عقد)، وحوسبة المؤسسات العامة (لأن تلك الشركات لا تستطيع الحصول على ما يكفي من ذاكرة الوصول العشوائي لمراكز بياناتها الخاصة). من المتوقع أن يتوقف ارتفاع الأسعار فقط بعد انتهاء النقص المرعب، لكن، للأسف، لا توجد عملية تشير إلى أن هذا سيحدث قريبًا.

تعلم التعزيز هو طريقة لتدريب الذكاء الاصطناعي حيث يتعلم النظام من خلال تجربة أشياء وتلقي المكافآت للإجابات الصحيحة – كأنك تدرب حيوانك الأليف المحبوب باستخدام المكافآت، باستثناء “الحيوان الأليف” في هذا السيناريو هو شبكة عصبية و”المكافأة” هي إشارة رياضية تشير إلى النجاح. على عكس التعلم المراقب، حيث يتم تدريب نموذج على مجموعة بيانات ثابتة من الأمثلة الموسومة، يتيح التعلم المعزز للنموذج استكشاف بيئته، اتخاذ إجراءات، وتحديث سلوكه باستمرار بناءً على الردود التي يتلقاها. لقد أثبتت هذه الطريقة أنها قوية بشكل خاص لتدريب الذكاء الاصطناعي على لعب الألعاب، ولعب الروبوتات، ومؤخراً، تحسين قدرة التفكير لدى نماذج اللغة الكبيرة. أصبحت تقنيات مثل التعلم المعزز من ردود الفعل البشرية، أو RLHF، مركزية الآن في كيفية ضبط مختبرات الذكاء الاصطناعي الرائدة نماذجها لتكون أكثر فائدة ودقة وأمانًا.

عندما يتعلق الأمر بالتواصل بين الإنسان والآلة، هناك بعض التحديات الواضحة – فتواصل الناس باستخدام اللغة البشرية، بينما تنفذ برامج الذكاء الاصطناعي المهام من خلال عمليات خوارزمية معقدة مستندة إلى البيانات. الجسيمات تربط تلك الفجوة: فهي اللبنات الأساسية لتواصل الإنسان-الذكاء الاصطناعي، تمثل أجزاء منفصلة من البيانات التي تمت معالجتها أو إنتاجها بواسطة LLM. يتم إنشاؤها من خلال عملية تسمى الترميز، والتي تكسر النص الخام إلى وحدات قابلة للهضم يمكن لنموذج اللغة معالجتها، مشابهًا لكيفية ترجمة المترجمين للغة البشرية إلى كود ثنائي يمكن للحاسوب فهمه. في البيئات التجارية، تحدد الجسيمات أيضًا التكلفة – معظم شركات الذكاء الاصطناعي تتقاضى رسومًا على استخدام LLM بناءً على عدد الجسيمات، مما يعني أنه كلما زاد استخدام الشركة، زادت تكلفتها.

لذا مرة أخرى، الجسيمات هي قطع نص صغيرة – غالبًا أجزاء من الكلمات بدلاً من كلمات كاملة – التي تُقسمها نماذج اللغة الاصطناعية إلى أجزاء قبل معالجتها؛ تشبه تقريبًا “الكلمات” لأغراض فهم أعباء عمل الذكاء الاصطناعي. يُشير المرور إلى مقدار ما يمكن معالجته في فترة زمنية معينة، لذا يُعتبر مرور الجسيمات بشكل أساسي مقياسًا لمدى قدرة نظام الذكاء الاصطناعي على التعامل مع العمل في لحظة واحدة. يعتبر مرور الجسيمات العالي هدفًا رئيسيًا لفِرق البنية التحتية للذكاء الاصطناعي، حيث يحدد عدد المستخدمين الذين يمكن أن يخدمهم نموذج في نفس الوقت وكم من الوقت يستغرق كل منهم للحصول على الرد. وصف الباحث في الذكاء الاصطناعي أندريه كارباتي شعوره بالقلق عندما تكون اشتراكاته في الذكاء الاصطناعي خاملة – مكررًا الشعور الذي كان يشعر به كطالب دراسات عليا عندما كان العتاد الحاسوبية المكلفة لا يتم الاستفادة منه بالكامل – وهو شعور يعبر عن سبب تحول تحقيق مرور الجسيمات الأقصى إلى ما يشبه الهوس في هذا المجال.

تتضمن تطوير الذكاء الاصطناعي للتعلم الآلي عملية تعرف باسم التدريب. ببساطة، تشير هذه العملية إلى إدخال البيانات بحيث يمكن للنموذج أن يتعلم من الأنماط وينتج إخراجات مفيدة. في الأساس، إنها العملية التي تستجيب بها النظام لخصائص البيانات التي تمكنه من تعديل المخرجات نحو هدف محدد – سواء كان ذلك تحديد صور القطط أو إنتاج هايكو عند الطلب.

يمكن أن يكون التدريب مكلفًا لأنه يتطلب الكثير من المدخلات، وقد كانت الأحجام المطلوبة تتجه نحو الزيادة – وهذا هو السبب في أن الأساليب الهجينة، مثل تعديل نموذج يستند إلى القواعد باستخدام بيانات مستهدفة، يمكن أن تساعد في إدارة التكاليف دون الحاجة إلى البدء من الصفر.

[انظر: الاستدلال]

تقنية يتم فيها استخدام نموذج الذكاء الاصطناعي المدرب مسبقًا كنقطة انطلاق لتطوير نموذج جديد لمهمة مختلفة ولكن عادةً ما تكون ذات صلة – مما يسمح بإعادة استخدام المعرفة التي تم اكتسابها في دورات التدريب السابقة.

يمكن أن drives transfer learning على توفير الكفاءة من خلال تسريع تطوير النموذج. قد يكون أيضًا مفيدًا عندما تكون البيانات لمهمة التي يتم تطوير النموذج من أجلها محدودة بعض الشيء. ولكن من المهم ملاحظة أن هذه الطريقة لها قيود. ستتطلب النماذج التي تعتمد على transfer learning للحصول على قدرات عمومية على الأرجح تدريبًا على بيانات إضافية من أجل الأداء بشكل جيد في مجال اهتمامها.

(انظر: التعديل)

الأوزان هي جوهر تدريب الذكاء الاصطناعي، حيث تحدد مقدار الأهمية (أو الوزن) المعطى لميزات مختلفة (أو متغيرات الإدخال) في البيانات المستخدمة لتدريب النظام – مما يشكل مخرجات نموذج الذكاء الاصطناعي.

بالطريقة الأخرى، الأوزان هي معلمات عددية تعرّف ما هو الأكثر بروزًا في مجموعة البيانات لمهمة التدريب المحددة. تحقق وظيفة الأوزان من خلال تطبيق الضرب على المدخلات. عادةً ما يبدأ تدريب النموذج بأوزان يتم تعيينها عشوائيًا، ولكن مع تقدم العملية، تقوم الأوزان بالتعديل حيث يسعى النموذج للوصول إلى مخرجات تتطابق بشكل وثيق مع الهدف.

على سبيل المثال، نموذج الذكاء الاصطناعي لتوقع أسعار المنازل المدرب على بيانات تاريخية للعقارات لموقع مستهدف قد يشمل أوزان لميزات مثل عدد غرف النوم والحمامات، وما إذا كانت العقار منفصلًا أم شبه منفصل، وما إذا كان لديه مواقف، جراج، وما إلى ذلك.

في النهاية، تعكس الأوزان التي يربطها النموذج بكل من هذه المدخلات مقدار ما تؤثر به على قيمة العقار، استنادًا إلى مجموعة البيانات المعطاة.

فقدان التحقق هو رقم يُخبرك بمدى جودة تعلم نموذج الذكاء الاصطناعي خلال التدريب – وكلما كان الرقم أقل كلما كان أفضل. يراقب الباحثون ذلك عن كثب كنوع من تقييم الأداء في الوقت الحقيقي، باستخدامه لتحديد متى يجب إيقاف التدريب، ومتى يجب تعديل معلمات الهايبر، أو ما إذا كان ينبغي التحقيق في مشكلة محتملة. واحدة من القضايا الرئيسية التي يساعد على تنبيهها هي الإفراط في التكييف، وهي حالة يقوم فيها النموذج بتذكُّر بيانات تدريبه بدلاً من تعلم الأنماط التي يمكن تعميمها على مواقف جديدة. فكر في الأمر كما هو الفرق بين طالب يفهم المضمون بشكل حقيقي وواحد حفظ ببساطة امتحان العام الماضي – يساعد فقدان التحقق في كشف أي منهما يبدأ نموذجك في التحول إليه.

يتم تحديث هذه المقالة بانتظام بمعلومات جديدة.

توصلت جنرال موتورز إلى تسوية تتعلق بالخصوصية مع مجموعة من وكالات إنفاذ القانون برئاسة المدعي العام في كاليفورنيا روب بونتا.

في عام 2024، ذكرت صحيفة نيويورك تايمز أن شركات صناعة السيارات بما في ذلك جنرال موتورز كانت تشارك معلومات حول سلوك قيادة عملائها مع شركات التأمين، وأن بعض العملاء كانوا قلقين من أن معدلات التأمين الخاصة بهم قد ارتفعت نتيجة لذلك.

تدعي إعلان التسوية من مكتب بونتا أن جنرال موتورز باعت “أسماء ومعلومات اتصال وبيانات تحديد الموقع الجغرافي وبيانات سلوك القيادة لمئات الآلاف من سكان كاليفورنيا” لشركتي Verisk Analytics وLexisNexis Risk Solutions، وهما من وسطاء البيانات. يزعم مكتب بونتا أيضًا أن هذه البيانات تم جمعها من خلال برنامج OnStar التابع لجينرال موتورز، وأن الشركة حققت حوالي 20 مليون دولار من مبيعات البيانات.

ومع ذلك، قال مكتب بونتا أيضًا إن البيانات لم تؤد إلى زيادة في أسعار التأمين في كاليفورنيا، “على الأرجح لأن قوانين التأمين في كاليفورنيا تحظر على شركات التأمين استخدام بيانات القيادة لتحديد معدلات التأمين.”

كجزء من التسوية، وافقت جنرال موتورز على دفع 12.75 مليون دولار كعقوبات مدنية وعلى التوقف عن بيع بيانات القيادة لوكالات تقارير المستهلكين لمدة خمس سنوات، وفقًا لمكتب بونتا. كما وافقت جنرال موتورز على حذف أي بيانات للقيادة لا تزال تحتفظ بها خلال 180 يومًا (ما لم تحصل على موافقة من العملاء)، وطلب حذف تلك البيانات من Lexis وVerisk.

قال بونتا في بيان: “لقد باعت جنرال موتورز بيانات سائقين كاليفورنيا دون علمهم أو موافقتهم وعلى الرغم من العديد من التصريحات التي تطمئن السائقين بعدم القيام بذلك”، مضيفًا أن التسوية “تتطلب من جنرال موتورز التخلي عن هذه الممارسات غير القانونية وتؤكد على أهمية تقليل البيانات في قانون الخصوصية في كاليفورنيا – لا يمكن للشركات فقط الاحتفاظ بالبيانات واستخدامها لاحقًا لغرض آخر.”

كانت جنرال موتورز قد توصلت سابقًا إلى تسوية مع لجنة التجارة الفيدرالية بشأن مبيعات بياناتها، مع أمر نهائي يحظر جنرال موتورز وOnStar من بيع بيانات معينة لوكالات تقارير المستهلكين.

أخبرت جنرال موتورز رويترز أن التسوية “تعالج Smart Driver، وهو منتج أوقفناه في عام 2024، وتعزز الخطوات التي اتخذناها لتعزيز ممارسات الخصوصية لدينا.”