حرصًا على المحافظة على جودة مجتمع مركز علوم الدولي للذكاء الاصطناعي، وضمان وصول المحتوى المتخصص والخدمات الذكية إلى الأعضاء الأكثر التزامًا واستفادة، سيتم تطبيق الإجراء التالي ابتداءً من هذا الأسبوع: أولًا: الإجراء - يُعدّ أي عضو لا يشارك أو يتفاعل داخل المجتمع لمدة 7 أيام متواصلة في حكم العضو غير النشط. - يحتفظ المركز بحق حذف العضوية أو إيقافها مؤقتًا دون الرجوع إلى العضو، وفق سياسة الاستخدام المعتمدة في منصة سكول. ثانيًا: أسباب تطبيق الإجراء - حماية جودة المحتوى وضمان وصول النقاشات والمواد الحصرية إلى أعضاء نشطين قادرين على الاستفادة منها. - رفع كفاءة المجتمع بما يحقق أهداف المركز: تمكين المشاريع البحثية والربحية والخدمية، ودعم الابتكار في الذكاء الاصطناعي . - تخفيف العبء المالي الذي تتحمله المنصة بسبب زيادة عدد الأعضاء غير التفاعلين، خصوصًا مع وجود أدوات وبوتات ذكية تحتاج إلى تشغيل وتفاعل مستمر. - تحسين تجربة المستخدم عبر خلق بيئة تفاعلية عالية القيمة تشبه المجتمعات الاحترافية داخل سكول عالميًا. ثالثًا: ما المطلوب من كل عضو؟ - تسجيل دخول واحد أسبوعيًا على الأقل. - ترك تفاعل بسيط: إعجاب، تعليق، سؤال، مشاركة تجربة. - متابعة المستجدات الأسبوعية لضمان استمرار العضوية. رابعًا: توصية مهمة للأعضاء ندعو الجميع إلى الالتزام بالتفاعل المستمر دعمًا للمجتمع، وحرصًا على استدامة الخدمات المتقدمة التي يقدمها المركز:مثل الملخصات الحصرية، الأدوات الذكية، الإصدارات المبكرة، جلسات الدعم، ومسارات التعلّم المتدرجة التي تُمكّن كل عضو من تحقيق مشروعه البحثي أو الربحي بشكل عملي وواضح . خامسًا: ملاحظة ختامية تطبيق هذا التنبيه ليس غاية بحد ذاته، بل هو إجراء يهدف إلى رفع جودة المجتمع ووضعه ضمن مصاف المجتمعات الاحترافية في سكول، والمحافظة على بيئة تعليمية ومنهجية رفيعة المستوى.

يُعدّ الدكتور عبدالرحمن الزراعي أحد المتخصصين العرب في تطوير تطبيقات الذكاء الاصطناعي التوليدي وصناعة النماذج التعليمية والبحثية المعتمدة على تقنيات جي بي تي. يعمل في مجال الإشراف الأكاديمي وتطوير المحتوى العلمي، ويقود عدداً من البرامج التدريبية المتقدمة التي تجمع بين هندسة التوجيهات الذكية (Prompt Engineering)، وتصميم النماذج المخصّصة (Custom GPTs)، وتطبيقات الذكاء الاصطناعي في البحث العلمي والتعليم وصناعة المحتوى. وتتميّز منهجيته التدريبية بالجمع بين: 1. التأسيس العلمي للمفاهيم المتعلقة بالذكاء الاصطناعي. 2. التطبيق العملي المباشر عبر ورش عمل تحاكي بيئات العمل الحقيقية. 3. تصميم نماذج GPT مخصّصة تلائم احتياجات الجهات التعليمية والبحثية. 4. إنتاج محتوى رقمي تفاعلي باستخدام أدوات الذكاء الاصطناعي الحديثة. يقدّم الدكتور الزراعي دوراته وورش عمله في إطار يسعى إلى تمكين الكفاءات الوطنية، ورفع مستوى الوعي التقني، ودعم الانتقال إلى بيئة تعليمية وبحثية تعتمد على الأتمتة الذكية وتوليد المعرفة. ___________ المشاركات: شارك مؤخراً في القمة العالمية للإعلام الذكي وتمكين الشباب المقامة في أسطنبول بورقة علمية عن: (النماذج العربية الذكية: من الهيمنة التقنية إلى الشراكة الإنسانية) __________ الدورات التدريبية: أسّس الدكتور الزراعي عدداً من البرامج والدبلومات المتخصصة، من أبرزها: - دبلوم الذكاء الاصطناعي التوليدي وصناعة البوتات، الموجّه للمطورين، وروّاد الأعمال، والباحثين، وصُنّاع المحتوى، والذي يركّز على تمكين المتدربين من بناء بوتات ذكية قادرة على التحليل والتفاعل وتوليد المخرجات بدقة عالية . - برنامج توظيف الذكاء الاصطناعي في خدمة البحث العلمي والتعليم، الذي يعزّز قدرات الباحثين والأكاديميين على استخدام تقنيات النماذج اللغوية في إعداد الخطط، وصياغة الإطار النظري، وتحليل البيانات، وبناء المحتوى التعليمي التفاعلي . - برامج متخصّصة في بناء النماذج الذكية، هندسة المطالبات، وصناعة المحتوى الإبداعي باستخدام الصور والفيديو والصوت بالذكاء الاصطناعي. تركّز أعماله على تمكين المتعلمين والباحثين من استخدام الذكاء الاصطناعي بطريقة عملية وأخلاقية وابتكارية، وإعداد جيل قادر على توظيف التقنيات الناشئة في بناء مشاريع بحثية وتعليمية وريادية ذات أثر ملموس. - ورشة عمل الذكاء الاصطناعي التوليدي في التعليم لدائرة الإشراف التربوي بوزاة التربية والتعليم بسلطنة عمان - المشاركة في مؤتمر الذكاء الاصطناعي والشريعة الإسلامية: الفرص والتحديات في ضوء الرؤية المستدامة بالعراق - شهادة توظيف الذكاء الاصطناعي في البحث العلمي من أكاديمية علوم الدولية - شهادة توظيف الذكاء الاصطناعي في الأبحاث العلمية من ملتقى البحث العلمي - مبادئ الذكاء الاصطناعي في التعليم من مركز الابتار الأمثل

🧩 الدرس الأول: 🧩 تمثيل المعنى — كيف تتحول الكلمات إلى مواقع داخل فضاء رقمي؟ حين تقترب من فكرة تمثيل المعنى، تكون قد قطعت مسارًا طويلًا في فهم كيف تتعامل الآلة مع الكلمات. ترى أولًا الكلمة كما نراها نحن، ثم تراها كما تراها الآلة: رمزًا لا يحمل صورة، وصوتًا لا يثير ذاكرة. ومع مرورك في هذا الطريق، تدرك أن الكلمة عند الإنسان تبدأ بحكاية، أما عند الآلة فتبدأ بنقطة صغيرة داخل فضاءٍ واسع لا يُرى. وكما ترى الخوارزمية وهي تتحول من وصف جامد إلى خطوة داخل منظومة، ترى المعنى وهو يتحول من فكرة بشرية إلى موقعٍ عددي يملك وظيفة داخل نظام أكبر. وحين تنظر إلى عملية التمثيل بهذا المنظور، تكتشف أنها لا تعمل في عزلة. فالكلمة لا تنتقل من الحرف إلى الرقم مباشرة، بل تمر بمحطات متتابعة، كل محطة تضيف إليها طبقة جديدة من الفهم. محطةٌ تفكك النص إلى وحدات صغيرة، ومحطة تجعل لكل وحدة رمزًا يمكن للحاسوب قراءته، ومحطة تُحوّل هذا الرمز إلى متجه عددي يعيش داخل فضائه، ومحطة تجمع المتجهات لتبني العلاقات بينها. وكما تعمل ورش مدينة في تناغم لتنتج حركة واحدة مستقرة، تعمل هذه المراحل معًا لتصنع في النهاية شكلًا رقميًا للمعنى. وعندما تنظر إلى الفضاء الذي تتجمع فيه هذه المعاني، تراه أشبه بخريطة واسعة، لا تُرسم بالألوان بل بالمسافات. كلمة تقف قرب أخرى لأنها تشترك معها في الاستخدام، وأخرى تبتعد لأنها تنتمي لمجال مختلف. ومع الوقت يبدأ هذا الفضاء في اتخاذ صورة كبيرة، صورة لا تُبنى من الصور الحسية، بل من الأنماط المتكررة التي تراها الآلة في النصوص. وهنا تدرك أن تمثيل المعنى ليس خطوة تقنية منفصلة، بل منظومة كاملة تُنسِّق حركة الكلمات داخل عقل النموذج، وتمنحه القدرة على فهم الجملة لا من شكلها، بل من موقعها بين المعاني من حولها. وتستمر الفكرة في التحوّل كلما تقدّمت داخل هذا النظام. فبعد أن تستقر الكلمة داخل فضائها الرقمي، تبدأ علاقتها بالكلمات الأخرى في الظهور شيئًا فشيئًا. ليست علاقة مبنية على الصورة أو الصوت، بل على طريقة الاستخدام وتكرار الظهور في الجمل. كلمة تظهر كثيرًا مع كلمة أخرى تقترب منها، وأخرى لا تشترك معها في السياق تبتعد عنها، حتى تتكوّن خريطة واسعة يمكن للنموذج الرجوع إليها في كل مرة يحاول فيها فهم جملة جديدة. ومع توالي الأمثلة التي تتدفق أثناء التدريب، يصبح هذا الفضاء أشبه بمخطط كبير تتوزع فيه النقاط كما تتوزع المدن على خريطة قديمة. بعضها متقارب كأنه ينتمي إلى الإقليم نفسه، وبعضها متباعد لأنه لا يجمعه رابط واضح. وحين يتعامل النموذج مع جملة جديدة، لا يقرأ الكلمات وحدها، بل ينظر إلى مواقعها داخل هذا الفضاء وإلى المسافات التي تفصل بينها. ومن خلال هذه المسافات يعرف النموذج إن كانت الكلمة قريبة من معناها الصحيح، أو إن كانت خرجت عن السياق، أو إن كان عليه اختيار تعبيرٍ آخر أكثر ملاءمة.

الدرس العاشر: 🧩 النماذج متعددة الوسائط - حين ترى وتسمع وتتحدث الآلة عندما تبدأ بالاقتراب من هذا الجيل الجديد من النماذج، تشعر كأنك تدخل إلى قاعة واسعة يتداخل فيها الضوء بالصوت بالصورة، كأنك لم تعد تقف أمام آلة لغوية صامتة، بل أمام شيء يشبه الحضور الذي يلتقط العالم من أكثر من منفذ. لم يعد المشهد محصورًا في النص وحده؛ هناك صورة تُطلّ عليك من جهة، وصوتٌ يمرّ في الخلفية، ولقطة فيديو قصيرة تتحرك في الزاوية. وعندما تضع السؤال، تشعر بأن النموذج لا يكتفي بقراءة كلماتك، بل ينظر إلى الصورة التي وضعتها، ويستمع إلى نبرة الصوت، ثم يجمع هذه الإشارات المتباعدة ويعيد نسجها في فهمٍ واحد، كأنّ الحواس الرقمية كلها تجلس في طاولة مستديرة وتتبادل الرأي قبل أن تُخرج الجواب. وعندما تمشي قليلاً داخل هذا الفضاء، تلاحظ أن العلاقة بين الوسائط لم تعد علاقة شرحٍ أو تعليق، بل علاقة فهم مشترك؛ الصورة لم تعد «شيئًا مرئيًا» وحدها، بل تتحول إلى معنى لغوي، والنص لا يبقى حروفًا، بل يتحوّل إلى مشهدٍ تتخيله العين، والصوت لم يعد موجةً عابرة، بل دلالة تكشف حالة المتحدث ونبرته، حتى يبدو لك أن النموذج يرى أكثر مما يُقال، ويسمع أكثر مما يبدو، ويمسك بالخيط الخفي الذي يربط بين العناصر دون أن يضيع في تفاصيلها. وكأنك تقف أمام عقل رقمي واحد يحاول أن يتعلم الطريقة التي نعيش بها نحن البشر: لا يقرأ العالم من قناة واحدة، بل من تداخل الحواس وتزامنها. ومع كل خطوة أخرى، يتسع المشهد. ترى نموذجًا يتعامل مع صورة أشعة يصحبها تقرير طبي، فيجمع بين الدلالتين كما يفعل طبيب يوازن بين ما يراه وما يقرأه. وتشاهد نموذجًا آخر يصف لوحةً فنية لا عبر ألوانها فقط، بل عبر الإحساس الذي تحمله، فيصوغ نصًا كأنّ كاتبًا يقف في داخله. وترى نموذجًا ثالثًا يسجّل صوتًا مشوشًا في بيئة مزدحمة، ثم يفككه ويعيد جمعه حتى يكاد يُخرج لك منه وجه المتحدث ونبرة حالته. تشعر عندها أن هذه النماذج لا تكتفي بأن «تفهم» الوسائط، بل تفهم علاقتها بعضها ببعض، كأنها تبحث عن اللغة المشتركة التي تسكن بينها جميعًا. ثم تمشي أبعد من ذلك، فتجد نفسك أمام فكرة جديدة: لم تعد الآلة حبيسة وسيطٍ واحد، بل أصبحت كائنًا رقميًا ينظر إلى العالم بعيونٍ مختلفة في اللحظة نفسها. وهنا تدرك أن النماذج متعددة الوسائط لا تحاول فقط محاكاة اللغة أو الصورة أو الصوت، بل تحاول محاكاة التجربة نفسها؛ التجربة التي تجعل الإنسان يربط بين ما يراه وما يسمعه وما يفكر به دون أن يشعر بالحدود التي تفصل هذه الحواس. وهنا يصبح النموذج قادرًا على تفسير مشهد فيديو، ثم كتابة وصفٍ له، ثم تحليل الحوار المرافق له، ثم الإجابة عن سؤالٍ يتعلق بتفاصيل لم تُذكر في النص ولا ظهرت في الصورة إلا تلميحًا. إنه لا يصف الأشياء فقط، بل يستنتج ما بينها.

الدرس الثاني: من الفكرة إلى البنية التي تتعلّم في هندسة البيانات تعلّمنا كيف نُحوِّل الواقع إلى أرقام منظمة تُعبّر عن ظواهر العالم الحقيقي. وفي هندسة الخوارزميات اكتشفنا كيف تمرّ تلك الأرقام عبر سلسلة خطوات دقيقة للوصول إلى نتيجة منطقية. لكن سؤالًا جوهريًا ظلّ معلقًا: أين تُخزَّن هذه المعرفة؟ وكيف تتصرّف الخوارزمية عندما تواجه مشكلة جديدة لم ترها من قبل؟ وهنا هنا يظهر مفهوم النموذج. النموذج هو الكيان الرقمي الذي يحتفظ بنمط التعلّم ذاته، بحيث لا نحتاج لإعادة الحساب من الصفر في كل مرة. إنه أشبه بعقلٍ متدرّبٍ يكتسب الخبرة من الماضي ليحكم على المستقبل، يتذكّر الأنماط التي تعلّمها ويُسقطها على المواقف الجديدة بكفاءة متزايدة. تبدو الخوارزمية والنموذج متشابهين في المظهر، لكن بينهما فرق جوهري. فالخوارزمية هي الوصفة التي تحدد طريقة العمل، أما النموذج فهو النتيجة المتعلّمة التي خرجت من تكرار تطبيق تلك الوصفة على البيانات. يمكن تشبيه الخوارزمية بخطوات خبزٍ دقيقة: أوزان محددة، أوقات مضبوطة، وتسلسل معروف. لكن النتيجة الحقيقية لا تظهر إلا بعد التجربة المتكررة، عندما يصبح الخبّاز خبيرًا يقرأ العجين بعينيه ويعدّل المكونات وفق خبرته السابقة. ذلك الخبّاز هو النموذج: عقل متمرّس تعلّم من التجربة كيف يُحسِّن أداءه دون أن يُعاد تعليمه من البداية. في عالم الذكاء الاصطناعي، تلعب الخوارزمية دور طريقة التدريب، مثل "الانحدار الخطي" أو "الشبكات العصبية"، بينما النموذج هو الكيان النهائي الذي ينتج عنها بعد أن يتدرّب على آلاف البيانات ويستخلص منها قواعده الخاصة. يتكوّن أي نموذج ذكي من أربعة عناصر رئيسة تشكّل بنيته الداخلية: - البنية (Architecture): وهي الشكل العام للنظام؛ مثل عدد الطبقات في شبكة عصبية أو نوع الاتصالات بينها. إنها الهيكل الذي يُبنى عليه كل شيء. - المعلمات (Parameters): وهي القيم أو الأوزان التي يتعلّمها النموذج أثناء التدريب. هي الذاكرة الداخلية التي تختزن التجربة السابقة. - دالة الهدف (Objective Function): وهي المعيار الذي يُحدّد نجاح النموذج؛ كأن يسعى لتقليل الخطأ أو زيادة الدقة أو تحقيق توازنٍ بين الاثنين. - آلية التعلم (Learning Process): وهي الطريقة التي تتغير بها المعلمات في كل دورة تدريب. هي القلب النابض الذي يجعل النموذج ينمو ويتحسن مع الوقت. يمكن تشبيه النموذج بآلة موسيقية: البنية هي تصميم الآلة، والمعلمات هي أوتارها المشدودة، ودالة الهدف هي اللحن الذي نريد عزفه، أما آلية التعلم فهي التمرين اليومي الذي يُتقن به العازف أداته مع مرور الوقت.