جميع أخبار الذكاء الاصطناعي

تصفح مستجدات الذكاء الاصطناعي مع مصادرها وتواريخها.

1287 تحديثاتآخر تحديث 2026-10-05 10:15 UTC+8
مسح المرشحات

آخر المستجدات

1287 تحديثات · UTC+8

2026-09-23

17 تحديثات
Anthropicالبحوث

كلود يكتشف نظام إنزيمي جديداً بتكرارات تشبه CRISPR

نعلن اليوم عن مجموعة أبحاث ومختبر جديد للعلوم الحياتية في Anthropic. يقدم هذا المنشور الفريق الذي يقف خلف هذا العمل، ويعرض نتائج مبكرة اكتشف فيها كلود نظام إنزيمي جديداً له خصائص تذكّر بـ CRISPR، وذلك بإشراف عام فقط من علمائنا.

A graphic of Claude identifying patterns in DNA
اقرأ هنا اقرأ المصدر

2026-09-22

13 تحديثات
NVIDIAالمنتجات

NVIDIA Isaac ROS 5.0 يدفع تطوير الروبوتات الوكيلية مفتوحة المصدر إلى الأمام

لبناء وتنفيذ تطبيقات روبوتية متطورة قادرة على الإدراك والتفكير والتصرف في بيئات ديناميكية، يحتاج المطورون إلى نماذج وأدوات جديدة للذكاء الاصطناعي الفيزيائي. إطار ROS المفتوح هو مشروع من Open Robotics يساعد البشر على بناء الروبوتات. NVIDIA Isaac ROS 5.0 — وهي مجموعة من الحزم المسرَّعة بواسطة وحدات معالجة الرسوميات مبنية على ROS، صدرت اليوم في […]

اقرأ هنا اقرأ المصدر
NVIDIAالقطاع

NVIDIA تطلق DSX Ready لتأهيل منتجات الطاقة والتبريد لمصانع الذكاء الاصطناعي

كل مصنع ذكاء اصطناعي يحتاج إلى طاقة وتبريد يتناسبان مع معمارية الحوسبة الخاصة به. ومع توسع البنية التحتية للذكاء الاصطناعي، تُشكّل قيود الطاقة والتبريد والمياه والموقع والشبكة ما يمكن للبنّائين نشره. ويساعد اختيار منتجات تتلاءم مع التصميم الكامل للمصنع البنّائين على تحويل قدرة الحوسبة إلى مخرجات ذكاء اصطناعي مفيدة. ولمساعدة البنّائين على اتخاذ تلك القرارات، تقدم NVIDIA […]

NVIDIA Launches DSX Ready to Qualify Power and Cooling Products for AI Factories
اقرأ هنا اقرأ المصدر
NVIDIAالبحوث

لماذا يتطلب نشر الذكاء الاصطناعي المادي على نطاق واسع السلامة في كل طبقة

ينتقل الذكاء الاصطناعي المادي بسرعة من البحث إلى النشر على نطاق واسع. بحلول عام 2035، تتوقع ABI Research قاعدة مثبتة تبلغ 49 مليون مركبة ذاتية القيادة (AVs) من المستوى 3-5، بينما تقدّر Omdia أن نحو 60 مليون روبوت صناعي سيتم نشرها بين عامي 2026 و2035. ومع دخول هذه الآلات إلى الطرق والمصانع والمستودعات وغيرها من البيئات المشتركة مع البشر، […]

Why Deploying Physical AI at Scale Demands Safety at Every Layer
اقرأ هنا اقرأ المصدر
NVIDIAالقطاع

من التمكين إلى التنفيذ: منظومة الذكاء الاصطناعي في مصر تصل إلى نطاق الإنتاج

اليوم، تجمع بناة الذكاء الاصطناعي في مصر في المتحف المصري الكبير في حفل استقبال سلط الضوء على منظومة الذكاء الاصطناعي سريعة النمو في البلاد — والتي تشمل الشركات العاملة في الذكاء الاصطناعي منذ نشأتها، والمطورين، والباحثين، والشركات الناشئة، والمؤسسات — التي تبني تطبيقات عبر مختلف القطاعات. تضمن الحدث كلمة رئيسية من باولو غولييلميني، نائب رئيس شركة NVIDIA لمنطقة أوروبا والشرق الأوسط وأفريقيا. أحمد مصطفى، قائد تبنّي الذكاء الاصطناعي الإقليمي […]

From Enablement to Execution, Egypt’s AI Ecosystem Reaches Production Scale
اقرأ هنا اقرأ المصدر
腾讯混元البحوث

عندما يتجه التعلم المعزز للنماذج الكبيرة نحو التوسع، ما الذي يختلف في Batch Size Scaling؟

تتيح الـ batch الأكبر معالجة تسلسلات أكثر في كل تحديث، وبالتالي الاستفادة من موارد حوسبة متوازية أكثر؛ لكن عند ثبات ميزانية العينات، ينخفض عدد المرات التي يمكن فيها للنموذج أن يُحدَّث. في التعلم المعزز، متى تكون زيادة الـ batch قادرة على تقليص الوقت الفعلي اللازم للوصول إلى الأداء المستهدف؟ وفيما يتعلق بالنماذج اللغوية الكبيرة، يجب أيضًا مراعاة أن مسارات التدريب تحتاج إلى توليدها عبر الإنترنت، وأن احتياجات التوليد والتدريب من الموارد الحاسوبية ليست متماثلة. أنشأنا إطارًا تحليليًا يربط عدد العينات اللازمة للوصول إلى الهدف مع الإنتاجية من البداية إلى النهاية: لا يمكن للـ batch الأكبر تسريع التدريب إلا إذا تجاوزت مكاسب الإنتاجية كلفة العينات الإضافية. ويقدم هذا أيضًا تسلسلًا عمليًا لضبط المعاملات: أولًا إيجاد النطاق الذي يبقى فيه تأثير التعلم شبه دون تغيير عند تغير حجم الـ batch، ثم تحسين الإنتاجية ضمن هذا النطاق. تُظهر تجارب GRPO وPPO أنه بعد إعادة ضبط معدل التعلم، تتقارب منحنيات التعلم ل的不同 أحجام الـ batch بشكل تقريبي عند مقارنتها وفق عدد العينات التراكمي ضمن نطاق معين. على عتاد ثابت، أدت زيادة الـ batch إلى رفع إنتاجية التوليد بما يصل إلى 2.29 مرة؛ وأفضل إعداد GRPO قسناه قلّص الوقت اللازم للوصول إلى نفس هدف التحقق بنسبة 29% دون زيادة عدد وحدات الـ GPU.

封面:Batch Size Scaling 需要同时权衡学习效率与系统效率
اقرأ هنا اقرأ المصدر
Anthropicالقطاع

تقرير الوضع

سلالة نادرة من الإيبولا، لا يوجد لقاح مؤكد لها، تنتشر في شرق جمهورية الكونغو الديمقراطية. وتستخدم منظمات الصحة العالمية Claude للتحرك بأسرع ما يمكن لمكافحتها.

A health worker in a clear plastic apron over green scrubs pulls a heavy red rubber glove on over white medical gloves. Around them, rubber boots dry upside down on wooden stakes and pairs of red and green gloves are laid out on the grass, inside an enclosure of orange mesh fencing.
اقرأ هنا اقرأ المصدر

2026-09-21

10 تحديثات
Microsoft Researchالبحوث

تحسين التنبؤ بالتخليق للجزيئات الصغيرة على نطاق واسع باستخدام RetroChimera

تعمل الجزيئات المصممة حسب الطلب على دفع عجلة الطب والمواد والزراعة، لكن إنتاجها بطيء ومكلف. تسلط ورقة بحثية جديدة في مجلة Nature الضوء على RetroChimera، وهو نموذج تنبؤي يساعد على تسريع التخليق الكيميائي، مما يساعد الباحثين على استكشاف مجموعة واسعة من الجزيئات. ظهر منشور تحسين التنبؤ بالتخليق للجزيئات الصغيرة على نطاق واسع باستخدام RetroChimera أولاً على Microsoft Research .

Example of a retrosynthesis tree. For a single target molecule, many disconnections are possible, which introduces a high branching factor. The figure shows many incomplete routes in pale colors that contrast a completed route, which connects all the way from the target molecule to purchasable building blocks.
اقرأ هنا اقرأ المصدر
NVIDIAالقطاع

أمن الذكاء الاصطناعي مشكلة هندسية — كيف نحلها في كل طبقة من طبقات وكيل الذكاء الاصطناعي

أمن الذكاء الاصطناعي مشكلة هندسية. وهذا يعني متطلبات أمنية محددة، وضوابط قابلة للإنفاذ، ومسؤولين محددين بالاسم، وأدلة على أن الحمايات تعمل. ومع تزايد قدرات الذكاء الاصطناعي، يجب على القطاع تسريع هندسة الأمن، وتوسيع الوصول إلى الأدوات الدفاعية، ومشاركة ما ينجح بشكل أسرع. التقنية تتغير، وأساسيات الأمن تبقى تتغير كيفية عمل البرمجيات بفعل الإنترنت والحوسبة السحابية، […]

AI Security Is an Engineering Problem — How to Solve It at Every Layer of the Agent Stack
اقرأ هنا اقرأ المصدر
NVIDIAالقطاع

5 شركات تستخدم ذكاء NVIDIA الاصطناعي من أجل الطاقة النظيفة

الطاقة النظيفة ليست صعبة المنال، لكن وتيرة التبني على نطاق واسع كانت بطيئة تاريخياً بسبب العوائق — بما في ذلك البنية التحتية القديمة، والجداول الزمنية المطوّلة للبحث والتطوير، وحواجز التكلفة الأولية. في أسبوع المناخ في نيويورك، تسلّط NVIDIA الضوء على خمس شركات رائدة في مشاريع الطاقة النظيفة مع الذكاء الاصطناعي المدمج في أساسها، مما يسرّع مسارات البحث إلى الإطلاق […]

اقرأ هنا اقرأ المصدر