مغامرات مشوقة في بيئة مخيفة للعبة «ريزدنت إيفل 4 ريميك» المجددة

تطويرات في آلية اللعب والرسومات والصوتيات تزيد من المتعة ومستويات الانغماس

قفزة تقنية في رسومات اللعبة وفي الصورة الإصدار القديم منها إلى اليسار والإصدار المجدد إلى اليمين
قفزة تقنية في رسومات اللعبة وفي الصورة الإصدار القديم منها إلى اليسار والإصدار المجدد إلى اليمين
TT

مغامرات مشوقة في بيئة مخيفة للعبة «ريزدنت إيفل 4 ريميك» المجددة

قفزة تقنية في رسومات اللعبة وفي الصورة الإصدار القديم منها إلى اليسار والإصدار المجدد إلى اليمين
قفزة تقنية في رسومات اللعبة وفي الصورة الإصدار القديم منها إلى اليسار والإصدار المجدد إلى اليمين

أُطلقت لعبة «ريزدنت إيفل 4» في عام 2005 وقدمت مراحل مخيفة وممتعة في الوقت نفسه، عبر قصة مليئة بالخيال. ونظراً للنجاح الكبير الذي حصلت عليه هذه اللعبة، تم إطلاق إصدار مجدد منها عنوانه «ريزدنت إيفل 4 ريميك» Resident Evil 4 Remake اختبرته «الشرق الأوسط»، ونذكر أبرز المزايا التي يقدمها للاعبين خلال مراحله التي تستغرق نحو 18 ساعة من اللعب.

- قصة مشوقة
بعد 6 أعوام من أحداث الجزأين الثاني والثالث، وفي عام 2004 على وجه التحديد، أصبحت الأنشطة السرية لشركة «أمبريلا» Umbrella علنية في مدينة «راكون» Raccoon City، وذلك بعد حدوث تحقيق حكومي حول أبحاث هذه الشركة. وتمت إدانة ومحاكمة الكثير من مديري الشركة والسياسيين المنتسبين إليها وتم تعليق جميع أعمالها بشكل غير محدود، الأمر الذي أدى إلى إفلاسها. وتم الطلب من بطل اللعبة «ليون كيندي» Leon Kennedy، أحد الناجين القلائل من حادثة مدينة «راكون»، أن يصبح عميلاً سرياً لدى الحكومة بعد معرفتها بأعماله البطولية في المدينة، وتم إرساله في مهمة لإنقاذ ابنة الرئيس «آشلي غراهام» Ashley Graham التي اختطفتها مجموعة مجهولة. ويسافر «ليون» إلى قرية أوروبية يتكلم سكانها اللغة الإسبانية، حيث يواجه أعداداً كبيرة منهم، نظراً لأن لديهم ولاءً غير معهود لمجموعة «المتنورين» Los Illuminados التي اختطفت «آشلي».
ويلتقي «ليون» خلال عبوره في القرية بـ«آدا ونغ» Ada Wong، المرأة التي التقاها في الجزء الثاني من اللعبة، وزميله من أيام التدريب الحكومي «جاك كراوسر» Jack Krauser الذي ظنه ميتاً. ويلتقي أيضاً بـ«لويس سيرا» Luis Sera، أحد الباحثين السابقين حول مجموعة «المتنورين»، الذي يساعد «ليون» قبل أن يُقتل. ويكتشف «ليون» بعد قراءة ملاحظات «لويس» أن المجموعة استطاعت التحكم بعقول الناس عن طريق زراعة جسيم طفيلي يُعرف باسم «لاس بلاغاس» Las Plagas في أجسادهم، ليقوم هذا الجسيم بالتحكم بعقولهم. وبعدما يكتشف قائد المجموعة «أوزماند سادلر» Osmund Saddler أن «ليون» قد أنقذ «آشلي»، يأمر مجموعته باستخدام أي وسيلة ممكنة لاسترجاع «آشلي»، ليختبئ «ليون» و«آشلي» داخل قلعة قبل شن أعضاء مجموعة «أوزماند» هجوماً جوياً مفاجئاً على القلعة. ولن نذكر المزيد من تفاصيل القصة، ونترك ما تبقى منها للاعبين لاكتشافها بأنفسهم.

- تعديلات على أسلوب اللعب
ويقدم هذا الإصدار العديد من التعديلات التي تطور من أسلوب ومتعة اللعب، منها تغيير العناصر التي يمكن تحطيمها من عناصر ذات لون متباين مع البيئة في الإصدار القديم من اللعبة إلى عناصر مرسوم عليها علامة صفراء تجعلها تتكامل بشكل أفضل مع جميع ما حولها. ويركز هذا الإصدار على عامل الخوف، حيث أصبحت البيئة قاتمة اللون بشكل أكبر، مع حاجة «ليون» إلى استخدام مصباحه المحمول في كثير من المناطق، وتقديم أعداء مخيفين أكثر ولحظات مشوقة في القصة. وتقدم اللعبة مجموعة من الأعداء الجدد غير الموجودين في الإصدار السابق دون أن يشعر اللاعب أنهم لا ينتمون إلى البيئة من حوله.
وتغير اللعبة أسلوب التحكم ليصبح أكثر سلاسة واستجابة للأوامر، حيث يستطيع «ليون» الآن صد ضربات الأعداء باستخدام سكينه المحمولة، وخصوصاً ضد الهجمات القاتلة التي تشمل المنشار الآلي والأسهم والأسلحة المتفجرة، وغيرها. كما يستطيع «ليون» أيضاً الزحف ومباغتة الأعداء من الخلف. ويستطيع اللاعب الآن التحرك أثناء إطلاق النيران، وهي ميزة مريحة ومفيدة لدى قتال مجموعة من الأعداء تقترب من موقع اللاعب. هذا، ويستطيع اللاعب الطلب من شخصية «آشلي» البقاء خلفه في جميع الأوقات، وهو أمر مفيد لدى الهرب من الأعداء، أو الاختباء بعيداً عن الأعداء. هذا، ولن يحتاج اللاعب إلى فتح القوائم لتغيير السلاح الذي يحمله، إذ يستطيع القيام بذلك من خلال خيار يسمح له بالتنقل بين 8 أسلحة خلال مجريات اللعب باستخدام أزرار الاتجاهات. ولكن لا يمكن استخدام عناصر الشفاء من الإصابات عبر هذه القائمة لأنها حصرية للأسلحة. ويستطيع «ليون» جمع العناصر التي يجدها في طريقه بشكل مباشر، عوضاً عن عرض مشهد سينمائي يخبر اللاعب بتفاصيل العنصر الذي تجمعه شخصية اللعب.
ميزة أخرى مهمة في اللعبة هي قدرتها على حفظ تقدم اللاعب بشكل آلي الآن، عوضاً عن القيام بذلك بشكل يدوي في الإصدار السابق، الأمر الذي يسهل تقدم اللاعب وعدم حاجته إلى معاودة اللعب من مناطق بعيدة جداً عن المكان الذي خسر فيه، وخصوصاً في الأماكن التي تحتوي على الكثير من الأعداء أو لدى مواجهة أعداء نهايات المراحل. وتضيف اللعبة مهمات جانبية على شكل طلبات من التاجر الذي يمكن شراء بعض المعدات منه، ليحصل على جوائز مختلفة لقاء إكمال كل مهمة إضافية، التي تشمل البحث عن عنصر ما أو قتال عدو صعب، وغيرها. يضاف إلى ذلك العديد من المزايا الأخرى، التي تزيد من مستويات الانغماس.

تم تطوير أسلوب التحكم لتقديم قدرات أفضل لشخصية اللعب

- مواصفات تقنية
ترفع اللعبة من مستويات الرسومات بشكل كبير جرَّاء التقدم التقني الذي حصل في العالم التقني خلال آخر 18 عاماً، حيث سيشهد اللاعب انعكاسات عن المياه أكثر واقعية، وتفاصيل غنية جداً في البيئة والأعداء من حوله، وتفاصيل مبهرة لأوجه الشخصيات المختلفة. أما الصوتيات فمتنوعة ومبهرة وتضيف إلى أجواء الذعر، من أصوات الذئاب البعيدة والمزارعين المصابين بالجسيمات الطفيلية، وصولاً إلى أصوات المنشار الآلي، الذي سيفزع اللاعبين لدى تشغيله بالقرب منهم.
وبالنسبة لمواصفات الكمبيوتر المطلوبة لعمل اللعبة، فهي معالج من طراز «إيه إم دي رايزن 3 1200» أو «إنتل كور آي 5 - 7500» (يُنصح باستخدام معالج «إيه إم دي رايزن 5 3600» أو «إنتل كور آي7 8700»، أو أفضل)، وذاكرة بسعة 8 غيغابايت (يُنصح باستخدام 16 غيغابايت، أو أفضل)، وبطاقة الرسومات «إيه إم دي راديون آر إكس 560» مع 4 غيغابايت من ذاكرة الرسومات أو «إنفيديا جيفورس جي تي إكس 1050 تايتينيوم» مع 4 غيغابايت من ذاكرة الرسومات (يُنصح باستخدام بطاقة الرسومات «إيه إم دي راديون آر إكس 5700» مع 4 غيغابايت من ذاكرة الرسومات أو «إنفيديا جيفورس جي تي إكس 1070» 8 غيغابايت من ذاكرة الرسومات)، ونظام التشغيل «ويندوز 10» بدقة 64 - بت، و50 غيغابايت من السعة التخزينية المدمجة، مع دعم امتدادات «دايركت إكس 12» البرمجية.

- معلومات عن اللعبة
* الشركة المبرمجة: «كابكوم» Capcom www.Capcom.com
* الشركة الناشرة: «كابكوم» Capcom www.Capcom.com
* موقع اللعبة على الإنترنت: www.ResidentEvil.com*
نوع اللعبة: رعب وبقاء على قيد الحياة Horror Survival
* أجهزة اللعب: «إكس بوكس سيريز إس وإكس» و«بلايستيشن 4 و5» والكمبيوتر الشخصي بنظام التشغيل «ويندوز»
* تاريخ الإطلاق: مارس (آذار) 2023
* تصنيف مجلس البرامج الترفيهية ESRB: للجميع E
* دعم للعب الجماعي: لا.


مقالات ذات صلة

سوق الألعاب السعودية تقترب من 2.4 مليار دولار بنهاية 2025

خاص جانب من منافسات كأس العالم للرياضات الإلكترونية في الرياض (واس)

سوق الألعاب السعودية تقترب من 2.4 مليار دولار بنهاية 2025

بلغ حجم سوق الألعاب الإلكترونية في السعودية نحو 2.39 مليار دولار خلال عام 2025، في وقت تشهد فيه الصناعة تحولاً متسارعاً مدفوعاً بنمو قاعدة اللاعبين.

زينب علي (الرياض)
تكنولوجيا منظور جديد لشخصيات «بوكيمون» في عالم من دون بشر

لعبة «بوكيمون بوكوبيا»… بناء عالم من الصداقة والتعاون بعيداً عن صراعات القتال التقليدية

في ذكرى مرور 30 عاماً على إطلاق السلسلة المحببة

خلدون غسان سعيد (جدة)
رياضة سعودية روان البتيري رئيسة الاتحاد السعودي للرياضات الإلكترونية وهشام بن قاسم رئيس الاتحاد السعودي لكرة السلة (الاتحاد السعودي للرياضات الإلكترونية)

شراكة بين اتحادَي الرياضات الإلكترونية وكرة السلة لتعزيز حضور اللعبة رقمياً

أعلن الاتحاد السعودي للرياضات الإلكترونية الاثنين توقيع مذكرة تفاهم مع الاتحاد السعودي لكرة السلة.

«الشرق الأوسط» (الرياض)
تكنولوجيا معارك فضائية في المستقبل باستخدام «هياكل» آلية

لعبة «ماراثون»: رؤية مستقبلية لألعاب «الاستخراج» وانغماس كبير في المعارك

تركز على تجربة اللاعبين ضد بعضهم بعضاً وضد الذكاء الاصطناعي

خلدون غسان سعيد (جدة)
رياضة سعودية 4 ملايين ريال مجموع جوائز الموسم السعودي الجديد للرياضات الإلكترونية (الشرق الأوسط)

الدوري السعودي للرياضات الإلكترونية ينطلق بـ10 ألعاب عالمية

أعلن الاتحاد السعودي للرياضات الإلكترونية، الانطلاق الرسمي لموسم 2026 من الدوري السعودي للرياضات الإلكترونية.

سهى العمري (جدة)

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.