إطلاق سلسلة هواتف «شاومي ريدمي نوت 13» في المنطقة العربية بقدراتها المتقدمة وسعرها المعتدل

«الشرق الأوسط» تختبر الهواتف الجديدة بكاميرات فائقة الدقة وتقنيات مبتكرة وشاشات كبيرة... وشحن فائق السرعة في تصاميم أنيقة

هاتف «ريدمي نوت 13 برو بلاس 5 جي» بتصميمه الأنيق ومواصفاته المتقدمة وسعره المعتدل
هاتف «ريدمي نوت 13 برو بلاس 5 جي» بتصميمه الأنيق ومواصفاته المتقدمة وسعره المعتدل
TT

إطلاق سلسلة هواتف «شاومي ريدمي نوت 13» في المنطقة العربية بقدراتها المتقدمة وسعرها المعتدل

هاتف «ريدمي نوت 13 برو بلاس 5 جي» بتصميمه الأنيق ومواصفاته المتقدمة وسعره المعتدل
هاتف «ريدمي نوت 13 برو بلاس 5 جي» بتصميمه الأنيق ومواصفاته المتقدمة وسعره المعتدل

تستمر الهواتف الذكية الجديدة بتقديم مواصفات متقدمة وبأسعار معتدلة. ومن تلك الهواتف سلسلة «شاومي ريدمي نوت 13» Xiaomi Redmi Note 13 الجديدة التي تم إطلاقها أخيراً في المنطقة العربية بأربعة أجهزة متطورة تقدم جودة عالية في تصميم أنيق وفاخر وتجربة تصوير ومستويات أداء متقدمة، هي «ريدمي نوت 13 برو بلاس 5 جي» و«ريدمي نوت 13 برو 5 جي» و«ريدمي نوت 13 5 جي» و«ريدمي نوت 13». واختبرت «الشرق الأوسط» الهواتف ونذكر ملخص التجربة.

 

إصدارات متنوعة

 

تم تصميم هواتف السلسلة بمتانة عالية، وذلك بفضل استخدام زجاج «كورنينغ غوريلا غلاس فيكتوس Corning Gorilla Glass Victus في هاتفي «ريدمي نوت 13 برو بلاس 5 جي» و«ريدمي نوت 13 برو 5 جي» لتوفير حماية إضافية ضد السقوط والخدوش السطحية، إلى جانب مقاومة المياه والغبار في هاتف «ريدمي نوت 13 برو بلاس 5 جي» وفقاً لمعيار IP68، بينما تقاوم بقية هواتف السلسلة المياه والغبار وفقاً لمعيار IP54. وبالنسبة لإصدار «ريدمي نوت 13 5 جي»، فيستخدم زجاج «كورنينغ غوريلا غلاس 5»، بينما يستخدم إصدار «ريدمي نوت 13» زجاج «كورنينغ غوريلا غلاس 3». الجدير ذكره أنه تم تحسين شاشات العرض لضمان استجابة فائقة حتى في الظروف الجوية الرطبة التي عادة ما تؤثر سلباً على سرعة الاستجابة للمس.

 

 

ويقدم إصدارا «ريدمي نوت 13 برو 5 جي» و«ريدمي نوت 13 برو بلاس 5 جي» مصفوفة كاميرات خلفية تعمل بدقة 200 و8 و2 ميغابكسل (للزوايا العريضة والعريضة جداً ولتقريب العناصر البعيدة)، إلى جانب استخدام كاميرا أمامية بدقة 16 ميغابكسل. ويدعم هذان الإصداران تقنية تثبيت الصورة بصرياً OIS، مع دعم تكبير وتصغير الصورة دون فقدان الدقة أو الوضوح، مع توفير القدرة على التقاط لقطات مقربة بدقة وتفاصيل عالية. ويضمن المستشعر ذو الحجم 1 على 1.4 بوصة والفتحة الكبيرة جودة مميزة للصور في ظروف الإضاءة المتنوعة. وتدعم الشاشة في هذين الإصدارين تقنية AMOLED عالية الوضوح وبدقة 1.5K وبمعدل تحديث يبلغ 120 هيرتز وسطوع يصل إلى 1800 شمعة في المتر المربع.

 

أما بالنسبة لإصداري «ريدمي نوت 13» و«ريدمي نوت 13 5 جي»، فيقدمان مصفوفة كاميرات خلفية بدقة 107 و8 و2 ميغابكسل (للزوايا العريضة والعريضة جداً ولقياس العُمق)، بينما تبلغ دقة الكاميرا الأمامية 16 ميغابكسل. ويقدم هذان الإصداران مجموعة واسعة من مرشحات (فلاتر) الكاميرا السينمائية لتخصيص الصور الشخصية، إلى جانب تقديم خيار تعديل خصائص الكاميرا بشكل احترافي حسب الحاجة بهدف الحصول على تصوير فوتوغرافي متقدم ومعالجة ممتدة للصور. وتدعم الشاشة في هذين الإصدارين تقنية FHD Plus AMOLED عالية الوضوح وبمعدل تحديث يبلغ 120 هيرتز وسطوع يصل إلى 1800 شمعة في المتر المربع.

 

الجدير ذكره أن الشاشات قد حصلت على شهادات TUV Rheinland Low Blue Light وFlicker Free وCircadian Friendly لضمان توفير راحة فائقة للعينين، إلى جانب تقديم مستشعر بصمة خلف الشاشة.

 

مواصفات تقنية

 

وبالنسبة للمواصفات التقنية، فيستخدم هاتف «ريدمي نوت 13 برو بلاس 5 جي» شاشة بقطر 6.67 بوصة تعرض الصورة بدقة 2712x1220 بكسل وبكثافة 446 بكسل في البوصة وبتردد 120 هيرتز تعمل بتقنية AMOLED وتعرض الصورة بسطوع يصل إلى 1800 شمعة في المتر المربع، مع دعم لتقنيتي Dolby Vision وHDR10 Plus. ويعمل الهاتف بمعالج «ميدياتيك دايمنستي 7200 ألترا» ثماني النوى (نواتان بسرعة 2.8 غيغاهيرتز و6 نوى بسرعة 2 غيغاهيرتز) بدقة التصنيع 4 نانومتر، وهو يستخدم 256 أو 512 من السعة التخزينية المدمجة و8 أو 12 غيغابايت من الذاكرة للعمل. ويقدم الهاتف 3 كاميرات خلفية بدقة 200 و8 و2 ميغابكسل وإضاءة «فلاش» ثنائية بتقنية «إل إي دي» تستطيع تسجيل عروض الفيديو بالدقة الفائقة 4K، بينما تبلغ دقة الكاميرا الأمامية 16 ميغابكسل. ويقدم الهاتف سماعتين مدمجتين ويدعم شبكات «وايفاي» a وb وg وn وac و6 و«بلوتوث 5.3» اللاسلكية» والاتصال عبر المجال القريب Near Field Communication NFC، ويقدم مستشعر بصمة خلف الشاشة. ويعمل الهاتف ببطارية تبلغ شحنتها 5000 ملي أمبير - ساعة يمكن شحنها بقدرة 120 واط (من 0 إلى 100 في المائة في خلال 19 دقيقة فقط)، ويبلغ وزنه 199 غراماً وتبلغ سماكته 8.9 مليمتر، ويعمل بنظام التشغيل «أندرويد 13» وواجهة الاستخدام «ماي يو آي 14».

 

 

ويقدم إصدار «ريدمي نوت 13 برو 5 جي» مواصفات مشابهة، ولكنه يختلف في المعالج («سنابدراغون 7 إس» ثماني النوى - 4 نوى بسرعة 2.4 غيغاهيرتز و4 نوى بسرعة 1.95 غيغاهيرتز) بدقة التصنيع 4 نانومتر، والسعة التخزينية (128 و256 و512 غيغابايت)، ودعم الشبكات اللاسلكية (لا يدعم هذا الإصدار «وايفاي 6»)، و«بلوتوث» (إصدار 5.2)، وشحنة البطارية (5100 ملي أمبير - ساعة)، وقدرة الشحن (67 واط - يمكن شحنه من 0 إلى 100 في المائة في خلال 44 دقيقة)، ويبلغ وزنه 187غراماً وتبلغ سماكته 8 مليمترات.

 

وننتقل إلى إصدار «ريدمي نوت 13 5 جي» الذي يقدم شاشة بقطر 6.67 بوصة تعرض الصورة بدقة 2400x1080 بكسل وبكثافة 395 بكسل في البوصة وبتردد 120 هيرتز وبسطوع يصل إلى 1000 شمعة في المتر المربع. ويعمل الهاتف بمعالج «ميدياتيك دايمنستي 6080» ثماني النوى (نواتان بسرعة 2.4 غيغاهيرتز و6 نوى بسرعة 2 غيغاهيرتز) بدقة التصنيع 6 نانومتر، ويستخدم 128 أو 256 من السعة التخزينية المدمجة و8 أو 12 غيغابايت من الذاكرة للعمل. ويقدم الهاتف 3 كاميرات خلفية بدقة 108 و8 و2 ميغابكسل وإضاءة «فلاش» بتقنية «إل إي دي»، بينما تبلغ دقة الكاميرا الأمامية 16 ميغابكسل. ويقدم الهاتف سماعتين مدمجتين ويدعم شبكات «وايفاي» a وb وg وn وac و«بلوتوث 5.3» اللاسلكية، والاتصال عبر المجال القريب NFC، ويقدم مستشعر بصمة خلف الشاشة. ويعمل الهاتف ببطارية تبلغ شحنتها 5000 ملي أمبير - ساعة يمكن شحنها بقدرة 33 واط (من 0 إلى 100 في المائة في خلال 70 دقيقة)، ويبلغ وزنه 174.5 غرام وتبلغ سماكته 7.6 مليمتر، ويعمل بنظام التشغيل «أندرويد 13» وواجهة الاستخدام «ماي يو آي 14».

سماعات «ريدمي بادز 5 برو« بتقنية إلغاء الضوضاء المتقدمة

ويتشابه إصدار «ريدمي نوت 13» مع «ريدمي نوت 13 5 جي» في العديد من النواحي، ويختلف معه في السطوع (يصل إلى 1800 شمعة في المتر المربع)، والمعالج (سنابدراغون 685 ثماني النوى - 4 نوى بسرعة 2.8 غيغاهيرتز و4 نوى بسرعة 1.9 غيغاهيرتز) بدقة التصنيع 6 نانومتر، و«بلوتوث» (إصدار 5.3)، ويبلغ وزنه 188.5 غرام وتبلغ سماكته 8 مليمترات.

 

الهواتف متوفرة في المنطقة العربية بخيارات مختلفة، حيث يتوفر «ريدمي نوت 13 برو بلاس 5 جي» بألوان الأسود أو الأبيض أو الأرجواني بسعر يبدأ من 1699 ريالاً سعودياً (نحو 453 دولاراً أميركياً)، بينما يتوفر «ريدمي نوت 13 برو 5 جي» بألوان الأسود أو الأبيض أو الأخضر أو الأرجواني بسعر يبدأ من 1449 ريالاً سعودياً (نحو 386 دولاراً أميركياً). هذا، ويتوفر هاتف «ريدمي نوت 13 5 جي» بألوان الأسود أو الأبيض (بدرجتين مختلفتين) بسعر يبدأ من 949 ريالاً سعودياً (نحو 253 دولاراً أميركياً)، مع توافر «ريدمي نوت 13» بألوان الأسود أو الأبيض أو الأخضر أو الأزرق أو الأرجواني بسعر يبدأ من 799 ريالاً سعودياً (نحو 213 دولاراً أميركياً).

 

ملحقات متنوعة

 

وأطلقت الشركة 3 ملحقات جديدة في المنطقة، هي ساعة «ريدمي ووتش 4» Redmi Watch 4 وسماعات «ريدمي بادز 5 برو» Redmi Buds 5 Pro و«ريدمي بادز 5» Redmi Buds 5. وتقدم ساعة «ريدمي ووتش 4» تجربة غنية بالمزايا، حيث تستخدم شاشة كبيرة مربعة بقطر يبلغ 1.97 بوصة وهي تعمل بتقنية AMOLED، مع تقديم إطار مصنوع من سبائك الألمنيوم وتاج دوار مصنوع من الفولاذ المقاوم للصدأ، إلى جانب توفر آلية تحرير سريعة لتغيير السوار بكل سهولة.

ساعة «ريدمي ووتش 4» بشاشتها الكبيرة وقدراتها الممتدة

وتدعم الساعة اتصال «بلوتوث» مع الهاتف للرد على المكالمات عن طريق رفع اليد والنقر. الساعة متوفرة بإطارين باللون الرمادي الفضي أو الأسود بسوار متناسق، مع تقديم أساور إضافية ملونة تشمل الأرجواني أو الأزرق أو الأخضر، وهي متوفرة بسعر 399 ريالاً سعودياً (نحو 106 دولارات أميركية).

 

 

ونذكر سماعات «ريدمي بادز 5 برو» التي تدعم تقنية إلغاء الضوضاء الفعالة Active Noise Cancellation ANC بمقدار يصل إلى 52 ديسيبل. وتقدم السماعات تجربة صوتية واضحة بفضل وضعيات الصوت المدمجة، وهي دعم تقنية LDAC الصوتية. وبفضل توفير أوضاع ANC المتعددة ووضع الشفافية (وضع يسمح للمستخدم سماع الأصوات من حوله في الحالات المهمة، مثل لدى السير في طريق يحتوي على مركبات) وملفات تعريف نظام تعديل الترددات Equalizer، فيمكن الحصول على تجربة صوتية بغاية الجودة في مختلف الظروف. وتستطيع السماعات تشغيل الموسيقى بشكل متواصل لمدة 10 ساعات، مع إمكانية معاودة شحنها من خلال علبتها الخاصة لتصل مدة الاستخدام الكلية إلى 38 ساعة. السماعات متوفرة بألوان الأسود أو الأبيض أو البنفسجي بسعر 299 ريالاً سعودياً (نحو 79 دولاراً أميركيا).

 

وننتقل إلى سماعات «ريدمي بادز 5» التي تدعم تقنية إلغاء الضوضاء الفعالة ANC بمقدار يصل إلى 46 ديسيبل مع توفر 3 أوضاع مختلفة لهذه التقنية، بالإضافة إلى 3 أوضاع للشفافية. وتعمل بطارية السماعات لنحو 10 ساعات من الاستخدام المتواصل، مع القدرة على معاودة شحنها عبر بطارية العلبة للحصول على 40 ساعة. ويقوم تطبيق خاص بتطوير وظائف السماعات من خلال توفير مزايا إلغاء الضوضاء المخصص وإلغاء الضوضاء التكيفي وضبط الترددات Equalizer المخصص. السماعة متوافرة بألوان الأسود أو الأبيض أو الأزرق بسعر 199 ريالاً سعودياً (نحو 53 دولاراً أميركيا).

 



لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
TT

لم يعد الطبيب وحده… كيف يشارك الذكاء الاصطناعي في القرار الطبي؟

تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)
تتجه الرعاية الصحية نحو دمج مصادر بيانات متعددة لتكوين فهم أكثر شمولاً لحالة المريض (شاترستوك)

لم يعد الحديث عن الذكاء الاصطناعي في قطاع الرعاية الصحية يدور حول وعود مستقبلية أو تحولات مفاجئة، بل بات أقرب إلى مسار تطور تدريجي يعيد تعريف كيفية فهم المرض وعلاجه وإدارة الأنظمة الصحية. ففي عام 2026، تتجه الصناعة نحو مرحلة أكثر نضجاً، حيث تتحول البيانات من مجرد مورد داعم إلى بنية أساسية تقود القرارات والابتكار.

هذا التحول لا يقوم على تقنية واحدة، بل على تقاطع عدة اتجاهات كتكامل البيانات وتطور النماذج التحليلية وتوسع استخدام الذكاء الاصطناعي في العمليات اليومية، وظهور بيئات تنظيمية تسمح بتجريب هذه التقنيات دون الإخلال بالمعايير.

يتوسع دور الذكاء الاصطناعي ليصبح جزءاً من دعم القرار السريري وتحسين دقة التشخيص والعلاج

من بيانات متفرقة إلى منظومات متكاملة

أحد أبرز التغيرات يتمثل في كيفية التعامل مع البيانات الصحية. فبدلاً من الاعتماد على مصادر منفصلة، يتجه القطاع نحو دمج تدفقات متعددة تشمل الجينوم، والتصوير الطبي والسجلات السريرية والبيانات الناتجة عن الأجهزة القابلة للارتداء.

هذا التحول نحو البيانات المتعددة الوسائط لا يهدف فقط إلى زيادة حجم المعلومات، بل إلى وضعها في سياق متكامل يسمح بفهم أعمق للحالة الصحية لكل مريض. ومع تزايد هذا التكامل، تصبح هندسة البيانات نفسها عاملاً حاسماً في نجاح التحليل، وليس مجرد خطوة تقنية في الخلفية.

في الوقت نفسه، يتوسع دور الذكاء الاصطناعي من كونه أداة تحليل إلى شريك في اتخاذ القرار. فأنظمة دعم القرار السريري المدعومة بالذكاء الاصطناعي أصبحت قادرة على تحسين دقة التشخيص وتقديم توصيات علاجية أكثر تخصيصاً، مدعومة ببيانات واسعة النطاق. لكن هذا لا يعني استبدال الطبيب، بل إعادة توزيع الأدوار. فالأنظمة الذكية تبرز المخاطر وتقدم الخيارات، بينما يبقى القرار النهائي بيد الإنسان. هذا التوازن بين الأتمتة والحكم البشري يشكل أحد ملامح المرحلة الحالية في تطور الرعاية الصحية.

الرعاية تتجاوز المستشفى

من التحولات اللافتة أيضاً انتقال الرعاية الصحية تدريجياً من المؤسسات إلى المنازل. فمع تزايد استخدام أجهزة إنترنت الأشياء وتقنيات المراقبة عن بُعد، أصبح من الممكن متابعة المرضى بشكل مستمر، خصوصاً في حالات الأمراض المزمنة. هذه النماذج الجديدة لا تقتصر على تقليل التكاليف، بل تهدف إلى تحسين النتائج الصحية من خلال التدخل المبكر. ومع ذلك، لا تزال هذه المقاربات في مراحل التوسع التدريجي، حيث يتم اختبارها عبر مشاريع تجريبية قبل تعميمها على نطاق واسع.

يساهم الذكاء الاصطناعي في تسريع اكتشاف الأدوية وتحسين كفاءة التجارب السريرية (شاترستوك)

تسريع الابتكار عبر بيئات تنظيمية مرنة

في موازاة ذلك، بدأت الجهات التنظيمية تلعب دوراً أكثر مرونة في دعم الابتكار. إذ ظهرت بيئات تجريبية تسمح باختبار نماذج الذكاء الاصطناعي باستخدام بيانات اصطناعية أو محاكاة، ما يسرّع عملية التحقق دون تعريض خصوصية المرضى للخطر. هذا النهج يعكس تحولاً في طريقة تنظيم القطاع، من نموذج يعتمد على الموافقة المسبقة فقط، إلى نموذج يوازن بين التجريب والرقابة.

على مستوى البحث العلمي، تبرز تقنيات جديدة مثل التعلم الآلي الكمي، التي تُستخدم لتحسين التنبؤ بسلامة الأدوية في مراحل مبكرة. هذه الأدوات قد تقلل من معدلات الفشل في التجارب ما قبل السريرية، وهو أحد أكبر التحديات في تطوير الأدوية. إلى جانب ذلك، يساهم الذكاء الاصطناعي في تحليل التفاعلات الجزيئية وتسريع اكتشاف المركبات الدوائية، ما يقلص الوقت والتكلفة في المراحل الأولى من البحث.

بعيداً عن الاستخدامات الطبية المباشرة، يتوسع حضور الذكاء الاصطناعي في العمليات الإدارية والتشغيلية. فبحلول عام 2026، يُتوقع أن تعتمد المؤسسات الصحية بشكل متزايد على أنظمة ذكاء اصطناعي لإدارة مهام مثل الفوترة، وسير العمل، وتحسين الكفاءة. هذا التوجه يشير إلى أن الذكاء الاصطناعي لم يعد مجرد أداة متخصصة، بل أصبح جزءاً من البنية التشغيلية اليومية، على غرار الأنظمة السحابية أو إدارة علاقات العملاء.

تتزايد أهمية الرعاية الصحية المنزلية المدعومة بالمراقبة عن بُعد وتقنيات إنترنت الأشياء (شاترستوك)

جودة البيانات... العامل الحاسم

رغم هذا التوسع، تبرز حقيقة أساسية: نجاح الذكاء الاصطناعي في الرعاية الصحية يعتمد بدرجة كبيرة على جودة البيانات. فحتى أكثر النماذج تقدماً لا يمكنها تقديم نتائج دقيقة إذا كانت البيانات غير مكتملة أو غير متسقة. وفي هذا السياق، تصبح القدرة على جمع بيانات عالية الجودة، وربطها بشكل متكامل، عاملاً حاسماً في تحديد الجهات القادرة على تحقيق قيمة حقيقية من هذه التقنيات.

وكما هو الحال في أي تحول رقمي، لا تخلو هذه التطورات من تحديات. فزيادة الاعتماد على البيانات تثير قضايا تتعلق بالخصوصية، وأمن المعلومات، وإمكانية إساءة الاستخدام. ولهذا، يترافق التوسع في استخدام الذكاء الاصطناعي مع استثمارات موازية في الحوكمة والامتثال، لضمان تحقيق الفوائد دون تعريض النظام لمخاطر جديدة.

نحو نموذج جديد للرعاية الصحية

ما يتضح من هذه الاتجاهات هو أن قطاع الرعاية الصحية لا يشهد ثورة مفاجئة، بل تحولاً تدريجياً يعيد بناء أسسه. فبدلاً من الاعتماد على تدخلات متأخرة، يتجه النظام نحو الوقاية والتنبؤ، مدعوماً ببيانات متكاملة ونماذج تحليلية متقدمة.

في هذا النموذج، لا تكون البيانات مجرد سجل للماضي، بل أداة لتوقع المستقبل. ولا يكون الذكاء الاصطناعي بديلاً عن الإنسان، بل امتداد لقدراته.

وبينما لا تزال العديد من هذه التحولات في مراحلها الأولى، فإن الاتجاه العام يبدو واضحاً: مستقبل الرعاية الصحية سيُبنى على البيانات، لكن قيمته الحقيقية ستعتمد على كيفية استخدامها.


تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
TT

تعليم روبوت بشري مهارات لعب التنس… من بيانات غير كاملة

يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)
يمكن للروبوتات تعلم مهارات حركية معقدة باستخدام بيانات بشرية غير مكتملة بدلاً من الاعتماد على بيانات مثالية (المصدر)

في مسار تطوير الروبوتات البشرية، ظل التحدي الأكبر يتمثل في تعليم الآلات مهارات حركية معقدة تحاكي الإنسان. فالمهام التي تبدو طبيعية للبشر، مثل الجري أو القفز أو حتى لعب التنس، تتطلب تنسيقاً دقيقاً بين التوازن، والتوقيت، واتخاذ القرار في أجزاء من الثانية. تقليد هذه القدرات آلياً لم يكن ممكناً إلا في بيئات محدودة، وغالباً عبر بيانات مثالية يصعب الحصول عليها في الواقع.

لكن دراسة حديثة تقترح مساراً مختلفاً: ماذا لو لم تعد الحاجة إلى بيانات مثالية شرطاً أساسياً لتعليم الروبوتات؟

يركز البحث على تطوير نموذج لتعليم روبوت بشري مهارات لعب التنس، باستخدام بيانات حركة بشرية غير مكتملة أو غير دقيقة. وبدلاً من الاعتماد على تسجيلات كاملة ومضبوطة للحركات، يعمل النظام على استغلال مقاطع جزئية من البيانات، ثم إعادة تركيبها لبناء سلوك حركي متكامل.

يعتمد النموذج على تقسيم الحركات إلى مقاطع صغيرة وإعادة تركيبها لتكوين سلوك متكامل (المصدر)

من البيانات المثالية إلى البيانات الواقعية

تقليدياً، تعتمد أنظمة التعلم الحركي للروبوتات على بيانات عالية الجودة، يتم التقاطها باستخدام أنظمة متقدمة لتتبع الحركة. هذه البيانات توفر وصفاً دقيقاً لكل حركة، لكنها مكلفة وصعبة التوسّع، كما أنها لا تعكس دائماً تعقيد العالم الحقيقي. في المقابل، ينطلق هذا البحث من فرضية مختلفة، حيث إن البيانات الواقعية حتى وإن كانت غير كاملة، يمكن أن تكون كافية لتعليم مهارات معقدة، إذا تم التعامل معها بطريقة مناسبة.

وهنا، لا يحاول النموذج «تنقية» البيانات بقدر ما يعمل على فهم الأنماط الكامنة فيها، واستنتاج كيفية تحويلها إلى حركات قابلة للتنفيذ.

نموذج يتعلم من أجزاء متفرقة

يعتمد النظام المقترح على تقسيم البيانات الحركية إلى مقاطع صغيرة، تمثل كل منها جزءاً من حركة أكبر. ثم يقوم بربط هذه الأجزاء معاً داخل بيئة محاكاة، بحيث يتعلم الروبوت كيفية الانتقال من حركة إلى أخرى بسلاسة. هذه المقاربة تشبه إلى حد ما الطريقة التي يتعلم بها الإنسان مهارة جديدة، حيث يتم الجمع بين تجارب جزئية لتشكيل أداء متكامل. والنتيجة هي نموذج قادر على توليد حركات ديناميكية، دون الحاجة إلى مسار واحد محدد مسبقاً.

التنس كنموذج لاختبار التعقيد

اختار الباحثون لعبة التنس كبيئة اختبار، نظراً لما تتطلبه من تنسيق بين الحركة والإدراك. فالتعامل مع كرة متحركة يستدعي تقدير السرعة والاتجاه، واتخاذ قرار فوري بشأن كيفية الرد، ثم تنفيذ الحركة بدقة. في التجارب، تمكّن الروبوت من تعلم ضرب الكرة والتفاعل مع مواقف مختلفة، بما في ذلك الحفاظ على تبادل الكرات في بعض الحالات. ويشير ذلك إلى أن النموذج لا يقتصر على تكرار حركات محفوظة، بل يطوّر استجابة قابلة للتكيف مع السياق.

اختيار التنس كنموذج يبرز قدرة النظام على التنسيق بين الإدراك والحركة في بيئة ديناميكية (المصدر)

فجوة بين المحاكاة والواقع

كما هو الحال في كثير من أبحاث الروبوتات، يعتمد جزء كبير من التدريب على بيئات محاكاة. هذه البيئات تتيح تسريع عملية التعلم وتقليل المخاطر، لكنها لا تعكس دائماً تعقيدات العالم الحقيقي.

لذلك، يمثل نقل المهارات من المحاكاة إلى الواقع أحد التحديات الأساسية. وقد عمل الباحثون على تقليل هذه الفجوة عبر تصميم النموذج بحيث يأخذ في الاعتبار التباين وعدم الدقة في البيانات، وهو ما يجعله أكثر قدرة على التكيف عند التطبيق العملي.

ما الذي يتغير فعلاً؟

لا تكمن أهمية هذا البحث في قدرة الروبوت على لعب التنس بحد ذاتها، بل في ما تشير إليه من تحول أوسع في منهجية التعلم. فإذا كان بالإمكان تدريب الأنظمة على مهارات معقدة باستخدام بيانات غير مثالية، فإن ذلك يفتح الباب أمام استخدام مصادر بيانات أكثر تنوعاً، مثل الفيديوهات العامة أو التسجيلات غير المنظمة. وهذا بدوره قد يسرّع تطوير ما يُعرف بـ«الذكاء الاصطناعي المجسّد»، حيث تتفاعل الأنظمة مع العالم الفيزيائي بشكل مباشر.

حدود وتحديات قائمة

مع ذلك، لا تزال هذه المقاربة في مراحلها الأولى. فالروبوت لا يصل إلى مستوى الأداء البشري، ولا تزال قدرته على التعامل مع مواقف غير متوقعة محدودة. كما أن الاعتماد على المحاكاة يفرض قيوداً على مدى تعميم النتائج. لكن رغم هذه التحديات، يقدم البحث دليلاً على أن الطريق نحو تعليم الروبوتات قد لا يمر عبر الكمال، بل عبر القدرة على الاستفادة من النقص.

يشير هذا التوجه إلى إعادة التفكير في العلاقة بين البيانات والتعلم. فبدلاً من السعي إلى جمع بيانات مثالية ومكتملة، قد يكون التركيز مستقبلاً على تطوير نماذج قادرة على التعلم من الواقع كما هو بما يحمله من نقص وتباين. وفي هذا السياق، لا يمثل التنس سوى مثال تجريبي. أما الهدف الأوسع، فهو تمكين الروبوتات من اكتساب مهارات حركية متنوعة، تتراوح بين العمل الصناعي والخدمات اليومية.


الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
TT

الذكاء الاصطناعي وواقع البيانات... هل تواكب البنية التحتية هذا التسارع؟

النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)
النمو المتسارع للبيانات يفرض تحديات جديدة على البنية التحتية من حيث الكفاءة والاستدامة (غيتي)

مع تسارع الذكاء الاصطناعي في توليد البيانات واستخدامها، يؤدي تزايد أهمية البنية التحتية إلى تحول أقل وضوحاً، لكنه أكثر عمقاً. فبينما يتركّز جزء كبير من النقاش العام حول الذكاء الاصطناعي على قوة الحوسبة وأداء النماذج، يشير قادة الصناعة بشكل متزايد إلى كيفية تخزين البيانات والوصول إليها وتوسيعها على نطاق واسع.

في إحاطة إعلامية خاصة حضرتها «الشرق الأوسط»، قدّم مسؤولون في شركة «سي غيت تكنولوجي» (Seagate Technology) هذا التحول بوصفه تغيراً هيكلياً، لا مجرد تحديث تقني. فالتحدي لم يعد يقتصر على إنتاج البيانات أو معالجتها، بل بات يتمحور حول القدرة على الحفاظ عليها وتوسيعها بكفاءة واستدامة وعلى نحو يمكن التنبؤ به. يقول ديف موسلي، الرئيس التنفيذي للشركة إن «ما نعلنه اليوم ليس مجرد إنجاز على مستوى المنتج، بل يعكس كيف يجب أن تتطور البنية التحتية لمواكبة التسارع غير المسبوق في نمو البيانات عالمياً».

ديف موسلي الرئيس التنفيذي لشركة «سي غيت تكنولوجي»

يصعب المبالغة في حجم هذا النمو. فحسب موسلي، انتقل حجم البيانات العالمية من نحو زيتابايت واحد في عام 2005 إلى أكثر من 70 زيتابايت في عام 2020، مع توقع إضافة مئات الزيتابايت في السنوات المقبلة. ورغم أن الذكاء الاصطناعي يعدّ محركاً رئيسياً لهذا التوسع، فإنه ليس العامل الوحيد؛ إذ تسهم خدمات الحوسبة السحابية والفيديو والأتمتة والمتطلبات التنظيمية في تشكيل منظومة بيانات أكثر تعقيداً واتساعاً.

هذا التداخل يعيد صياغة طريقة تقييم البنية التحتية. ويضيف موسلي أن «القصة لم تعد تتعلق بتقنية واحدة، بل بالبنية التحتية وتخصيص رأس المال». بمعنى آخر، لم يعد السؤال هو ما إذا كان بالإمكان إنتاج البيانات أو معالجتها، بل ما إذا كانت الأنظمة الداعمة قادرة على التوسع بكفاءة لمواكبة هذا النمو.

ما بعد الحوسبة

أحد أبرز الاستنتاجات هو أن مسار الذكاء الاصطناعي لا يمكن فهمه من خلال الحوسبة وحدها. فرغم أهمية المعالجات والمسرّعات، فإنها تعتمد بشكل أساسي على توفر البيانات.

ويشير موسلي إلى أنه «عندما يتحدث الناس عن بنية الذكاء الاصطناعي، يركّزون على الحوسبة التي لا يمكن أن تعمل دون بيانات. ماذا يحدث عندما تنفد البيانات من منصات الحوسبة؟ هذه مشكلة».

هذا الطرح يعيد وضع التخزين في قلب أنظمة الذكاء الاصطناعي. فالبيانات لا يكفي أن تكون موجودة، بل يجب الاحتفاظ بها وحمايتها وإمكانية استرجاعها على نطاق واسع. وفي بيئات الحوسبة فائقة الحجم، حيث تُتخذ القرارات على مدى خمس أو سبع أو حتى عشر سنوات، تتحول هذه المتطلبات معادلةً اقتصادية بقدر ما هي تقنية.

تكلفة التخزين لكل تيرابايت واستهلاك الطاقة وكثافة السعة لكل رفّ، كلها أصبحت عوامل حاسمة. وكما أفاد موسلي: «الذكاء الاصطناعي لا يتوسع بالحوسبة فقط، بل يعتمد على اقتصاديات مستدامة، والتخزين هو ما يحدد هذه الاقتصاديات».

الذكاء الاصطناعي لا يستهلك البيانات فقط... بل يضاعفها عبر النسخ وإعادة التدريب والاستخدام المستمر (غيتي)

من النمو إلى التراكم

جزء من هذا التحول يرتبط بطبيعة البيانات نفسها. فالذكاء الاصطناعي لا يستهلك البيانات فحسب، بل يضاعفها. ويصرح بي إس تيه، الرئيس التجاري للشركة بأن «الذكاء الاصطناعي لا يستهلك البيانات فقط، بل يراكمها». عملياً، يعني ذلك أن البيانات تُنسخ وتُوزَّع وتُحفظ ويُعاد استخدامها لتدريب النماذج وإعادة تدريبها. ونتيجة لذلك؛ لم يعد نمو البيانات خطياً، بل أصبح متسارعاً ومتراكماً.

ويظهر هذا الواقع في توسّع مراكز البيانات عالمياً. فهناك اليوم أكثر من 11 ألف مركز بيانات، مع توقع ارتفاع العدد إلى نحو 15 ألفاً خلال السنوات المقبلة. لكن الأهم هو حجم هذه المراكز. فما كان يُعدّ مركزاً ضخماً سابقاً بقدرة 10 ميغاواط تحل محله اليوم مراكز «عملاقة» تصل إلى 100 أو حتى 300 ميغاواط.

ويذكر تيه أنه «لا يكاد يمر يوم دون الإعلان عن بناء مركز بيانات جديد في مكان ما من العالم». لكن التحول الحقيقي لا يكمن في العدد فقط، بل في الحجم والضغط المتزايد على البنية التحتية.

التوسع دون اضطراب

مع هذا النمو، لا يتمثل التحدي في زيادة السعة فقط، بل في تحقيق ذلك دون إحداث اضطراب. فمشغلو البنية التحتية الضخمة لا يمكنهم تحمل تغييرات جذرية متكررة. ويلفت موسلي إلى أن بعض العملاء يتخذون قرارات تمتد لخمس أو سبع أو حتى عشر سنوات، ويحتاجون إلى ثقة بأن كثافة التخزين ستستمر في التوسع دون تغييرات معمارية معطِّلة.هذا التركيز على القابلية للتنبؤ أصبح بحد ذاته ميزة أساسية. فالتطور يجب أن يكون تدريجياً ومستمراً، لا أن يفرض إعادة تصميم مكلفة في كل مرحلة.

من جانبه، يوضح جون موريس، المدير التقني، أن التقنيات التقليدية لزيادة الكثافة وصلت إلى حدودها ويتابع: «تقنية التسجيل المغناطيسي التقليدية اقتربت من حدودها، ونحتاج إلى ابتكارات جديدة لدفع الجيل القادم من التخزين».

ولهذا؛ طوّرت الشركة تقنية التسجيل المغناطيسي بمساعدة الحرارة (HAMR)، التي تستخدم تسخيناً دقيقاً بالليزر لزيادة كثافة البيانات دون تغيير الحجم الفيزيائي للأقراص. ويشرح موريس بأن «الزيادة في السعة تتحقق من خلال الفيزياء الأساسية للتسجيل؛ ما يتيح اقتصاديات أفضل من حيث التكلفة لكل تيرابايت والاستثمار المطلوب». الأهم أن هذه التقنية لم تعد في مرحلة التجارب، بل انتقلت إلى بيئات الإنتاج الفعلية، حيث تم اعتمادها من قِبل عملاء في قطاع الحوسبة السحابية واسعة النطاق.

من الابتكار إلى الإنتاج الصناعي

تحويل الابتكار منتجاً فعلياً يتطلب أكثر من اختراق تقني، بل يحتاج إلى قدرة على التصنيع على نطاق واسع بدقة عالية. وحول ذلك يقول موريس إن «نقل هذه التقنية من البحث إلى الإنتاج تطلب تطوير تقنيات جديدة بالكامل»، مشيراً إلى التقدم في المواد والفوتونيات وعمليات التصنيع الدقيقة. وهذا ما يتيح التوسع التدريجي دون انقطاع. فكل جيل جديد يبني على السابق؛ ما يسمح بزيادة السعة دون الحاجة إلى إعادة تصميم الأنظمة بالكامل.

التحدي الأساسي لم يعد سرعة النماذج... بل قدرة البنية التحتية على التوسع بشكل مستدام وموثوق (غيتي)

اقتصاديات الحجم

على مستوى البنية التحتية الضخمة، حتى التحسينات الصغيرة تُحدِث فرقاً كبيراً. ويفسر موسلي بأنه في بيئة تخزين بحجم إكسابايت واحد، يمكن تحقيق تحسن في كفاءة الطاقة بنحو 47 في المائة مقارنة بالأنظمة السابقة، مع تقليل عدد الأقراص من نحو 50 ألفاً إلى نحو 22 ألفاً؛ ما يؤدي إلى تقليل المساحة والتبريد والتعقيد التشغيلي.

هذه ليست تحسينات هامشية، بل تغييرات تؤثر مباشرة على التكلفة والبنية.

وأشار تيه إلى أن الاستدامة أصبحت عاملاً مؤثراً في قرارات الشراء، قائلاً: «لم تعد الاستدامة مسألة ثانوية»، في إشارة إلى أهمية استهلاك الطاقة والبصمة الكربونية. كما أن نظرة المؤسسات إلى البيانات تغيّرت، حيث إنه «في السابق كانت البيانات تُعدّ تكلفة، أما اليوم فهي أصل استراتيجي يتراكم بمرور الوقت».

السؤال الحاسم

تشير هذه التطورات إلى تحول أوسع في تصميم بنية الذكاء الاصطناعي. فالتخزين الذي كان في الخلفية، أصبح اليوم في صميم التخطيط. في السابق، كانت الأولوية للحوسبة والذاكرة والشبكات. أما اليوم، فأصبح التخزين عاملاً حاسماً في قدرة الأنظمة على التوسع. وكما وصفه تيه: «كان التخزين مثل الهواء أو الماء أساسي، لكنه غير مرئي... إلى أن يغيب». اليوم، لم يعد كذلك، بل أصبح محورياً في بناء القدرات الرقمية.

بالنسبة لقيادة الشركة، يتجاوز هذا التحول حدود التقنية ليطرح سؤالاً أساسياً حول مستقبل الذكاء الاصطناعي. وباعتقاد موسلي أن «السؤال الأهم لهذا العقد ليس مدى سرعة تدريب النماذج، بل مدى قدرة البنية التحتية للبيانات على التوسع بشكل مستدام».

هذا الطرح يعيد توجيه النقاش، حيث إن مستقبل الذكاء الاصطناعي قد لا يعتمد فقط على تطور النماذج، بل على القدرة على إدارة البيانات على نطاق غير مسبوق بكفاءة واستقرار ودون انقطاع. وبهذا المعنى، قد لا يُقاس تقدم الذكاء الاصطناعي بذكائه فقط، بل بالبنية التحتية التي تجعله ممكناً.