تشن غوانغيو في السابعة عشرة: الإبداع في عصر الذكاء الاصطناعي لا ينتظر الأقدمية

في السابعة عشرة، لا يزال كثيرون يُسألون عمّا يريدون فعله في المستقبل. أما تشن غوانغيو، فكان قد شارك بالفعل في أبحاث البنية الأساسية لنماذج الذكاء الاصطناعي الكبيرة. وقد أُدرج اسمه إلى جانب يو تشانغ وجيانلين سو ضمن المؤلفين الأوائل المتساوين في المساهمة في ورقة «Attention Residuals»، التي قُدّمت في 16 مارس 2026.[2]

وفي 15 أكتوبر، أعلن على منصة X أنه غادر Kimi مؤخرًا. واستعرض أعماله في نوى الحوسبة، وبواقي الانتباه، وخوارزميات التحسين، ووجّه شكرًا خاصًا إلى يولون دو لأنه وثق به ووافق على توظيفه حين كان في السادسة عشرة. ولم يعلن في منشور الوداع عن جهة عمله التالية.[1]

يمكننا بالطبع أن نسمّي هذه «قصة طفل نابغة». لكن تتبّع مسار تعلّمه وعمله يطرح سؤالًا أحقّ بالنقاش: كيف استطاع شاب أن ينتقل في وقت قصير من تلقّي المعرفة إلى المشاركة في معالجة مسائل عند حدود البحث؟ وكيف ضاعف الذكاء الاصطناعي أثر هذا التحوّل؟

رسم مفاهيمي يعبّر عن الصلة بين التعلّم والتعاون، وليس صورة فوتوغرافية لتشن غوانغيو.

مسار نموّه والسجلات العلنية

وصف نموّه بأنه «بدأ من الصفر وحقّق قفزة خلال بضعة أشهر» يُغفل تراكمًا مهمًا. يضم موقعه الشخصي مقالًا عن مشروع لشجرة قرار مؤرّخًا بعام 2024: حوّل فيه ملاحظات من الحياة اليومية إلى بيانات، وحاول تدريب نموذج للتنبّؤ، وأشار من تلقاء نفسه إلى أن اختيار المتغيّرات وعملية الاستدلال لم يكونا صارمين بما يكفي. وتكشف هذه التجربة الصغيرة عن عادة الانتقال من الملاحظة إلى السؤال والبيانات والتحقّق.[12]

ويربط ملفه على GitHub أيضًا بحسابه على Codeforces، ويعرض مشروع gestureX للتعرّف على الإيماءات. التدريب على الخوارزميات، وبناء المشروعات، والبحث اللاحق في النماذج الكبيرة ليست شيئًا واحدًا، لكن هذه الآثار العلنية تكفي لتذكيرنا بأن الدخول السريع إلى مجال جديد يستند غالبًا أيضًا إلى مهارات عملية سابقة.[15]

ويمكن تتبّع سجلات علنية أقدم وصولًا إلى عام 2023. فصفحة مشروعاته تصف OpenTeens بأنه مجتمع مفتوح المصدر للمراهقين، وتذكر أنه من مؤسسيه المشاركين؛ كما قدّمه برنامج منظّمي فعالية للمصادر المفتوحة في العام نفسه بهذه الصفة. وتضم صفحة المشروعات محاولات في التعرّف على الإيماءات والكشف عن نفايات الشواطئ. وهذه شواهد على تجربة مستمرة في البناء والمشاركة المجتمعية، ولا يصحّ اختزالها في أنه تعرّف إلى الذكاء الاصطناعي لأول مرة عام 2025.[17][18]

وكان هاكاثون طلاب المدارس الثانوية في فبراير 2025 محطة أخرى. شارك بأفكار مرتبطة بـThirdArm، وتعرّف إلى دونغ كيهان، ثم بدأ الاحتكاك بباحثين ومسائل أقرب إلى حدود المجال. وفي صيف العام نفسه تدرّب في Tilde Research، ثم انضم إلى Kimi في نوفمبر؛ وبحلول مارس 2026 كانت ورقة AttnRes قد أصبحت متاحة علنًا.[2][5][6][23]

أُعدّ الخط الزمني من مقالاته الشخصية والأوراق البحثية والسجلات المؤسسية ومنشور الوداع الذي كتبه. والتعرّف المبكر إلى تعلّم الآلة والتركيز اللاحق على بحث Transformer مرحلتان مختلفتان.[1][2][5][11][12][14][18][23]

أدرج إعلان ندوة صف ياو في جامعة تسينغهوا بتاريخ 11 أبريل 2026 اسمه إلى جانب يو تشانغ ضمن المتحدثين، وقدّمهما بوصفهما باحثين في فريق Scaling لدى Moonshot AI ومن المؤلفين الرئيسيين لـAttnRes. وهذا سجل محدد للتبادل البحثي يساعدنا على فهم أن عمله صار يتضمّن ما يستطيع الباحثون مناقشته.[14]

من سؤال الذكاء الاصطناعي إلى لفت أنظار الباحثين

تشن غوانغيو من شنتشن، ويستخدم الاسم الإنجليزي Nathan Chen. وعندما نُشرت الورقة في مارس 2026، كان لا يزال طالبًا في المرحلة الثانوية. تدرّب في Tilde Research خلال صيف 2025، ثم انضم إلى Kimi في نوفمبر من العام نفسه. وبهذه التجارب، كان قد تجاوز محطات لا يصل إليها كثيرون عادة إلا في الجامعة أو الدراسات العليا.[6][23]

وفي سرد شخصي، ذكر أنه تعرّف إلى دونغ كيهان بعد مشاركته في هاكاثون لطلاب المدارس الثانوية عام 2025، ثم تعرّف عن طريقه إلى يوان جينغيانغ، الباحث في DeepSeek. في بداياته، كان ينطلق من الأوراق البحثية، ويرسل لقطات للأجزاء التي لا يفهمها إلى Gemini طلبًا للشرح، ثم يواصل طرح الأسئلة، بالتوازي مع قراءة الشيفرات على GitHub ومدونات الباحثين. وعند الأحكام المهمة، كان يظلّ يستشير مرشدين من البشر.[5]

تكمن قيمة هذا الأسلوب في تسريع الحصول على إجابات عن مواضع الحيرة. فلا تحتاج معادلة أو فكرة أو شيفرة إلى الانتظار حتى الحصة التالية كي يجد الطالب من يشرحها. ويستطيع المتعلّم التنقّل مرارًا بين جوانب المسألة التي أمامه، إلى أن يتمكّن من مواصلة الاستدلال والتطبيق والتحقّق.

ومع ذلك، قد تكون تفسيرات الذكاء الاصطناعي خاطئة. ويجب أن يصمد الفهم في النهاية أمام اختباره بالأوراق البحثية والشيفرات والتجارب. وقد تناولت الدروس التي نشرها تشن لاحقًا عن Triton وFlashAttention مسائل محددة، مثل الوصول إلى ذاكرة وحدات GPU وتنفيذ النوى الحاسوبية. ويمكن للقارئ تتبّع الشيفرة لفحص فهمه، بدل الاكتفاء بالاستماع إلى وصفه لسرعة تعلّمه.[8]

وتتضمّن سجلاته العلنية أيضًا أوقاتًا سلك فيها مسارًا خاطئًا. ففي تدوينة عن واجب دراسي في خوارزميات التحسين في مايو 2025، كتب أنه استعان بالذكاء الاصطناعي لفهم المفاهيم والبحث عن المعلومات، وأجرى الاستدلالات والتجارب، ثم اكتشف بعد انتهاء التدريب أنه أساء فهم المطلوب في السؤال. ومع ذلك، دوّن العملية والمشكلة. ويبيّن هذا التفصيل أن تسريع التعلّم قد يتزامن مع الوقوع في الخطأ، وأن اكتشاف الأخطاء وشرحها جزء من القدرة نفسها.[21]

كما ترك مسار تعلّمه منافذ تتيح للباحثين اكتشاف عمله. فبحسب روايته الشخصية، أتاحت مشاركته العلنية لأفكاره التقنية لمسؤول في شركة ذكاء اصطناعي ناشئة بوادي السيليكون أن يتعرّف إليه، وأفضى ذلك إلى حوارات وفرصة تدريب. ثم أدرج مشروع MoMoE المفتوح المصدر التابع لـTilde اسم Nathan Chen ضمن مؤلفيه، موثّقًا نتيجة ملموسة لهذا التعاون.[5][7]

يركّز MoMoE على تنفيذ نماذج مزيج الخبراء، ولا سيما كفاءة الذاكرة والأداء الحاسوبي في التدريب والضبط الدقيق. وهو يختلف عن مسألة تركيب المعلومات بين الطبقات التي تناولها AttnRes لاحقًا، لكنه يكشف عن توجّه مشابه في العمل: فهم الخوارزميات، وجعلها تعمل بفاعلية على العتاد. وتؤكّد قائمة المؤلفين مشاركته في المشروع، لكنها لا تكفي وحدها لتحديد الأجزاء البرمجية التي أنجزها كل شخص.[7]

وهذه نقطة تستحق أن يستفيد منها الشباب خصوصًا. ففهم مسألة جيدًا، وبناء شيء يعمل، ثم كتابة ما جرى في أثناء ذلك، يتيح لأشخاص لا يعرفونك أن يقيّموا عملك مباشرة. ويمكن للموقع الشخصي والمدونة التقنية والمساهمات المفتوحة المصدر أن تقدّم أدلة على القدرة تتجاوز السيرة الذاتية.

ما المساهمة التي قدّمها بوصفه مؤلفًا أول مشاركًا؟

تبحث دراسة Attention Residuals، التي شارك فيها تشن غوانغيو، في كيفية نقل المعلومات وتجميعها بين طبقات نموذج ذكاء اصطناعي كبير.

تواصل الوصلات المتبقية التقليدية جمع مخرجات الطبقات السابقة. أما AttnRes فيُدخل آلية انتباه عبر عمق النموذج، تتيح للطبقات اللاحقة تجميع التمثيلات السابقة انتقائيًا باستخدام أوزان. وهو يعالج تركيب المعلومات بين الطبقات، ولا يمكن اختزاله في أن روبوت المحادثة «يتذكّر جملة أقدم».[2][3]

ويطرح تطبيق هذا التصميم في التدريب واسع النطاق أيضًا أعباء على ذاكرة GPU والاتصال بين وحدات الحوسبة. وقد أوضح جيانلين سو في ذكرياته عن البحث أنه بدأ الفكرة الأصلية والتجارب الصغيرة؛ ثم شارك تشن غوانغيو ويو تشانغ في التحقّق على نطاق أكبر، واقترحا معًا تصميم Block AttnRes، الذي يقسّم الطبقات إلى كتل لتقليل كلفة التنفيذ.[4]

رسم توضيحي أعدّه فريق التحرير: تواصل البواقي التقليدية الجمع التراكمي، ويختار Full AttnRes تمثيلات الطبقات السابقة، بينما يختار Block AttnRes بين الكتل. ولا يُظهر الرسم البنية الكاملة للشبكة.[2][3]

وهذا يبيّن أن مساهمته شملت فهم المبادئ وتصميم الحل والتعامل مع القيود الهندسية. فالفكرة النافعة تحتاج إلى مزيد من التجارب والتنفيذ قبل أن تدخل نظامًا حقيقيًا. ويمكن لباحث شاب أن يضطلع بعمل محوري في هذه العملية، وأن يتقاسم الاعتراف بالمساهمة مع باحثين ذوي خبرة.

وتفيد المواد الرسمية للمشروع بأنه، في تجارب قوانين التحجيم الخاصة به، بلغ Block AttnRes مستوى خسارة يحتاج النموذج المرجعي إلى 1.25 ضعفًا من حسابات التدريب لبلوغه. وبصياغة أخرى، تقلّ الحسابات اللازمة للوصول إلى ذلك المستوى من الخسارة بنحو 20%. ولهذا الرقم نطاق تجريبي محدد؛ فلا يجوز اعتباره دليلًا على أن كل النماذج، أو فاتورة Kimi الإجمالية، توفر 20%.[3]

وقد دخل Block AttnRes، الذي شارك في اقتراحه، لاحقًا في Kimi K3، ويشرح التقرير التقني هذا التصميم صراحة. وهذا يفتح مسارًا لمواصلة تضخيم أثر المساهمة: فالتحسينات الأساسية يُعاد استخدامها مع نظام النموذج، ويمكن لعمل شخص في جزء محدد أن يبلغ، عبر الفريق والبرمجيات، نطاقًا يتجاوز كثيرًا ساعات عمله الفردية. أما أداء K3 الإجمالي فناتج عن اجتماع تقنيات وأعمال تدريب متعددة، ولا يصحّ نسبته بالكامل إلى تصميم واحد أو شخص واحد.[11]

يشمل عمله أيضًا النوى الحاسوبية وخوارزميات التحسين

في منشور الوداع، عدّ تشن غوانغيو تحسين نوى KDA الحاسوبية من أعماله المبكرة، وذكر أنه جرّب تصاميم كثيرة مع يو تشانغ. تتولّى النوى تنفيذ الخوارزميات على GPU، وغالبًا ما تعتمد كفاءتها على كيفية الوصول إلى البيانات وإعادة استخدامها. ولهذا امتدّت الأعمال التي شارك فيها إلى تصميم النماذج وتنفيذ الأنظمة معًا.[1]

وتركت الشيفرات المفتوحة المصدر سجلًا أكثر تفصيلًا. ففي سبتمبر 2025 دمج مشروع FLA تنفيذ نموذج DeltaFormer الذي قدّمه، ثم دمج في ديسمبر من العام نفسه تعديلًا شارك فيه لدمج نوى حساب الانتشار العكسي لـKDA. وتتضمّن هذه السجلات الشيفرات والمراجعات ومسار الدمج، بما يتيح للآخرين فحص الأعمال الهندسية المحددة التي شارك فيها.[19][20]

وذكر أيضًا أن البحث في خوارزميات التحسين علّمه أكثر ما تعلّمه عن ديناميكيات التدريب. فخوارزمية التحسين تحدّد كيفية تحديث المعلمات أثناء التدريب، وهي مسألة مختلفة عن الوصلات المتبقية. ويضم فهرس مدونته الشخصية تحليلات لخوارزميات التحسين، ودروسًا لتنفيذ ضرب المصفوفات وFlashAttention وTriton. وتكشف هذه المواد عن اتساع تعلّمه المستمر، ولا يجوز احتسابها كلها تلقائيًا نتائج أصلية اعتمدتها بالفعل نماذج الإنتاج.[1][8][16]

ومن هذه الأعمال المحددة، يتّضح أنه لم يدخل قائمة المؤلفين بفضل ومضة إلهام واحدة فحسب. فقراءة الأوراق، وفهم التنفيذ، وتجريب التصاميم، وتشغيل التجارب، والتعامل مع القيود، أنشطة بحثية تتكامل لتشكّل النتيجة. ويمكن للذكاء الاصطناعي أن يساعد في بعض هذه الخطوات، لكن إدراج الاسم في الورقة والنتائج التقنية يظلان مرتبطين بالمسؤولية عن العمل المحدد.

كيف يقرّب الذكاء الاصطناعي الشباب من المسائل الحقيقية؟

تتيح لنا تجربة تشن غوانغيو رؤية عدة تحوّلات مترابطة.

أولها زيادة كثافة التغذية الراجعة في التعلّم. يستطيع الذكاء الاصطناعي شرح مصطلحات غير مألوفة في أي وقت، والمساعدة على تفكيك المسائل المعقّدة، بما يمكّن المتعلّم من تحديد المعرفة التي يحتاج إلى استكمالها في الخطوة التالية بسرعة أكبر. وهذا يمنح أصحاب المبادرة فرصًا إضافية للتدرّب؛ أما تحوّل التدريب إلى قدرة فيتوقّف على مواصلة المراجعة والاستدلال والتطبيق.

وثانيها أن النتائج تصبح أسهل في الفحص والاكتشاف. فالشيفرات المفتوحة المصدر والأوراق المنشورة والنقاشات التقنية تجعل جزءًا من التقييم قائمًا على العمل المحدد. وقد يصل تحليل واضح أو تعديل مستند إلى دليل إلى المهتمين فعلًا بالمسألة قبل أن تصلهم الشهادة أو المسمّى الوظيفي لصاحبه.

وثالثها أن التعاون يتيح إدخال المساهمات الفردية في أنظمة أكبر. فلا يزال البحث عند حدود المجال يحتاج إلى قدرة حاسوبية وخبرة جماعية وتحقّق صارم. وحين يحصل الشباب على فرصة المشاركة في هذا العمل، قد يستطيعون تحويل سرعة تعلّمهم إلى نتائج تقنية قابلة لإعادة الاستخدام.

ومن اجتماع هذه العناصر الثلاثة يتكوّن تضخيم الأثر الذي نتحدث عنه: يساعد الذكاء الاصطناعي على التعلّم، وتربط الأعمال المنشورة أصحابها بالباحثين، وتنقل الفرق المساهمات المتحقَّق منها إلى نماذج حقيقية. وتتضافر هنا التقنية والمبادرة الفردية والفرص التي تتيحها المؤسسات.

رسم لمسار دخول المساهمة الفردية في نظام أكبر، ولا يعني وجود معامل موحّد مقاس للكفاءة أو للأثر.

ولذلك، ستتضح أكثر فأكثر حدود استخدام العمر وسنوات العمل مؤشرين بديلين عن القدرة عند تقييم المواهب. فعدد السنوات التي قضاها شخص في العمل يقدّم جزءًا من السياق؛ أما ما فهمه فعلًا، وما حلّه، وقدرته على شرح النتائج وإعادة إنتاجها، فتقدّم أساسًا أكثر مباشرة للحكم.

تظهر قيمة الخبرة في التعاون

إن رفض ترتيب الناس بحسب الأقدمية يقتضي أيضًا التعامل بجدية مع الخبرة. فقد استفاد تشن غوانغيو في نموّه من إرشاد الباحثين، والتراكم المعرفي لمجتمعات المصادر المفتوحة، واستعداد فريق لإسناد مسائل حقيقية إليه. وAttnRes نفسها ثمرة عمل مشترك لباحثين ذوي خلفيات مختلفة من الخبرة.[4][5]

ويمكن لأحكام أصحاب الخبرة بشأن المسارات التي ثبت فشلها، وتصميم التجارب، وحدود الأنظمة، أن تساعد الشباب على تقليل الالتفافات غير الضرورية. كما يمكن لاندفاع الشباب وأسئلتهم واستكشافهم أن يقدّم حلولًا جديدة للفريق. وحين تتعاون هذه القدرات حول مسألة محددة، تظهر قيمة الخبرة في نتائج العمل.

ويجب كذلك أن نرى الشروط التي يتطلّبها هذا المسار. فقد ظهرت في تجربة تشن بيئة الدراسة في مدرسة دولية، وشبكات الإرشاد، وفرص التدريب في الخارج، وموارد فرق البحث. جعل الذكاء الاصطناعي الوصول إلى الشرح أسهل، لكنه لم يمنح الجميع تلقائيًا الوقت والدعم وظروف التجريب نفسها.[6]

أما النهج الأكثر فائدة للمدارس والشركات فهو زيادة فرص إظهار القدرة: إتاحة مسائل بحثية صغيرة وواضحة، وقبول أعمال قابلة للفحص، وتقديم ملاحظات مهنية في وقت مناسب، وتوثيق المساهمات بدقة. وهذا يمنح مزيدًا من الأشخاص الذين لم يراكموا بعد الألقاب والمناصب مدخلًا لإثبات قدراتهم.

إفساح المجال للشباب يشمل استكشاف خطوتهم التالية

كتب تشن غوانغيو على موقعه الشخصي أن المبادرة قدرة خارقة، وأن حسن التقدير مهارة يمكن تعلّمها. وخصّص أيضًا مقالًا للتأمّل في الكيفية التي قد تزاحم بها أهداف الانتشار على وسائل التواصل الاهتمامَ بالبحث الأصيل، معبّرًا عن رغبته في تخصيص جهد أكبر لحوارات ذات مضمون.[9][10]

وتجعل هذه التصريحات تجربته أكثر وضوحًا: فهو يبحث عن مسائل تستحق أن يبذل فيها جهده، ويعيد ضبط علاقته بالفرص والاهتمام والعمل. وقراره ترك العمل في السابعة عشرة ليس سوى محطة في هذا الاستكشاف.

يمكننا أن نتطلّع إلى إمكانات شاب، وأن نمنحه في الوقت نفسه مساحة لمواصلة التعلّم وتغيير الاتجاه وارتكاب الأخطاء. فالنتيجة البحثية تستحق تقييمًا جادًا، ولا تحتاج إلى أن تتحوّل إلى عبء يلزمه بصنع المعجزات مرارًا.

ومن التغيّرات التي تستحق السعي في عصر الذكاء الاصطناعي أن يتمكّن مزيد من الشباب من بدء الاستكشاف فور امتلاكهم أسئلة جيدة، وأن يتلقّوا استجابة جادة حين ينجزون عملًا جيدًا. إذ يمكن لتحسين متحقَّق منه أن ينتشر ويتضاعف أثره سريعًا عبر المجتمعات المفتوحة المصدر وفرق البحث وأنظمة النماذج.

كلما ازدادت قدرتنا على فحص مساهمة الفرد مباشرة، تراجعت مبرّرات ترتيب الفرص بحسب الأقدمية. وتذكّرنا قصة تشن غوانغيو بأهمية منح الفرص لمن يستطيعون حلّ المسائل، وفتح باب مبكر للمشاركة في العالم أمام من لا يزالون في طور النمو.