ميزة الصورة من الاعلى الى الاسفل في السيارات الحديثة .
قرأت منشور لشخص يتسائل هل هناك قمر صناعي او طائرة درون فوق السيارة تصورها فتظهر على شاشة السيارة صورة علوية للسيارة بكل التفاصيل خصوصا ما يحيطها ؟
الله بالخير
هذه التقنية بدأت بها شركات السيارات الالمانية مرسيدس و BMW من سنة ٢٠١٣ تقريبا ، لكن اليوم اصبحت تستخدم بكثرة في السيارات الاخرى واكثر تطورا من قبل .
بالبداية يتم تثبيت اربع كاميرات واحدة في الامام واخرى في الخلف واليسار واليمين (في المرآة او قبضة الباب)، كل كاميرا تغطي منطقة ، بالتالي اصبحت لدينا اربعة مناطق (كل منطقة تمثل ربع الصورة)، وعند جمعهم معا تتكون لدينا صورة تغطي كل جوانب السيارة ، هكذا الموضوع بأختصار .
لكن بالتفصيل كل كاميرا تستخدم عدسة من نوع عين السمكة حتى يمكنها تغطية الجزء المخصص لها، ثم ترسل الصور بالزمن الحقيقي الى وحدة معالجة مركزية (حاسوب) الذي بدوره يجري عملية نسميها المعالجة الاولية للصور بحيث يتم معالجة التشوهات او اي noise بالصور.
ثم تستخدم خوارزميات اخرى مثل blending algorithm و image stitching لدمج الصور الاربعة مع بعض لتكوين صورة واحدة واخفاء اي فواصل بين الصور الاربعة لتظهر وكأنها صورة واحدة ، ثم تجري عملية نسميها المعالجة البعدية Post Processing حيث يتم ازالة الظل وتخمين الاشياء المخفية بالاعتماد على بعض الخوارزميات مثل Super -Resolution algorithm  .
وفي المرحلة الاخيرة اما ترسل الصورة النهائية الى الشاشة لعرضها ، او يتم بناء نموذج ثلاثي الابعاد يحاكي الصورة النهائية ويعرض على الشاشة .
ايضا ممكن ان تكون هناك كاميرا خامسة في سقف السيارة لزيادة الرؤية المحيطية .
تخيل ما الذي يمكن ان تصل له هذه التقنية في المستقبل !
والسلام

صراع الترانزستورات – (2)
الله بالخير
من المفاهيم التي أصبحت اكثر تعقيدا في صناعة الترانزستور هي دقة التصنيع Process Node , حيث في المنشور السابق قلنا انها تمثل المسافة بين الترانزستورات على الرقاقة , بجزء معين يعتبر هذا التعريف صحيح , ورغم ذلك ان هذا المفهوم اصبح تسويقي (جيل الترانزستور ) ومعقد اكثر , لكن مع بدايات صناعة الترانزستور كان يقصد به المسافة بين العناصر الفعالة داخل الترانزستور , لحظة شنو تقصد بالعناصر الفعالة ؟
ولفهم عناصر الترانزستور وكيف يعمل , دعونا نأخذ مثال بسيط وهو لدينا سيارة ( تمثل الترانزستور) وفيها خزان الوقود ويحتوي على الطاقة ( يمثل المصدر Source في الترانزستور وفيه الالكترونات يعني تيار كهربائي ) , هذا الخزان يرسل الوقود الى المحرك ( الذي يمثل المصرف Drain الذي ترسل اليه الالكترونات ) ودور المحرك تحريك السيارة بينما في الترانزستور يكون دور المصرف اشبه بالاخراج في اغلب أنواع الترانزستورات (هذه الأنواع تحتاج الى عدة منشورات لشرحها ) مثل (MOSFET ) او يكون المجمع Collector هو الإخراج مثل ترانزستور BJT . اما دواسة الوقود فهي تمثل البوابة التي تتحكم بكمية الوقود التي ترسل من الخزان الى المحرك , اما في الترانزستور فهي تمثل البوابة Gate التي تتحكم بكمية التيار الذي يمر من المصدر الى المصرف او المجمع , اما العنصر الرابع فهو الانبوب الذي يربط خزان الوقود مع المحرك الذي ينتقل خلاله الوقود(الالكترونات) , في عالم الترانزستور نسميه بالقناة Channel والعنصر الأخير هو الحاجز (العازل ).
طيب في المثال أعلاه تخيل لو قللنا المسافة بين الخزان والمحرك فأن عملية انتقال الوقود بين الخزان والمحرك ستكون اقصر و اسرع عند الضغط على دواسة الوقود وبالتالي يصبح حجم السيارة اصغر (نوعا ما ) , نفس الشي كلما صغرنا المسافة بين عناصر الترانزستور ( خصوصا طول القناة ) سيصبح اصغر واكثر كفاءة , هذه العملية نسميها بدقة التصنيع .
وعندما يصبح الترانزستور اصغر بالتالي فأنه سوف يحتاج الى طاقة اقل وأيضا نكون قادرين على زيادة عدد الترانزستورات على الرقاقة وهذا يعني زيادة بكثافة الترانزستورات على الرقاقة (Transistor Density ) – ويمكن ان نقول عنها هي عدد الترانزستورات التي نستطيع وضعها على مليمتر مربع !!!
تتخيل كم ترانزستور على هذه المساحة الصغيرة جدا نستطيع ان نضع ؟؟!!!
قبل ان نجيب , دعنا نسأل الى اي دقة تصنيع وصلوا ؟ سنة 2020 وصلوا الى 5 نانومتر , واستطاعت عملاق صناعة الرقائق TSMC التايوانية من انتاج رقائق تحوي ترانزستورات بهذه الدقة وأيضا هواوي وسامسونغ , وبعدها بفترة قليلة استطاعت Apple و TSMC في الوصول الى دقة تصنيع 3 نانومتر وأيضا شاومي , ثم بعد ذلك استطاعت IBM من تطوير رقاقة بدق تصنيع وصلت الى 2نانومتر !
نعود الى سؤالنا لو كانت دقة التصنيع 5 نانومتر كم ترانزستور ممكن ان نضع في المليمتر المربع الواحد ؟ 171 مليون ترانزستور !!!! طيب وماذا عن دقة التصنيع 3 نانومتر ؟ 250 مليون ترانزستور !!! تتخيل العدد ؟ يعني بحجم اظفرك نقدر نضع اكثر من مليار ترانزستور !
ماذا بعد ؟ عندما وصلوا الى 2 نانومتر توقفوا , لماذا ؟ لو تم تصنيع ترانزستور بدقة تصنيع 1 نانومتر من السليكون فهنا ستكون لديهم مشاكل مثل النفق الكمومي Quantum Tunnelling , يعني شنو ؟ الطبقة العازلة (الحاجز) داخل الترانزستور تصبح رقيقة جدا بحيث تستطيع جزء من الالكترونات العبور من خلالها حتى في حالة إطفاء الترانزستور وهذا يجعله غير قادر على الاغلاق . وبالتالي يصبح لدينا تسرب بالتيار ! وأيضا المشكلة الثانية ان السليكون لديه فجوة طاقة 1.1 الكترون فولت , وهذه الفجوة مناسبة تماما لجعل السليكون شبه موصل بالأحجام الاعتيادية , وعند 1 نانومتر تتقلص هذه الفجوة وبالتالي تحوله الى موصل وليس شبه موصل , والحل ؟
ان نترك السليكون ونستخدم مادة ثانية , وهذا ما نجحت فيه جامعة بيركلي الامريكية حيث استطاعت تصنيع ترانزستور بدقة تصنيع 1 نانومتر من مادة ثاني كبريتيد المولبيديوم MoS2 وهذا فقط في مجال البحث , لكن العيب هو صعوبة تطبيقة في المجال الصناعي كون البنية التحتية والتقنيات المستخدمة في صناعة الترانزستور متسخدمه مع السليكون وتحتاج المصانع الى تطويرها لتشمل تقنيات صناعية جديدة وهذه مجازفة مع مادة مشكوك بنجاحها , أيضا ممكن تكون فيه مشاكل مع الظروف الغير قياسية .
شركة انتل الامريكية صرحت انها سوف تكمل تصنيع ترانزستور بدقة 1 نانومتر سنة 2027 ! اغلب التوجهات البحثية اليوم نحو النانو تكنلوجي في صناعة الترانزستورات، وربما ينجحون وربما لا .
الصراع اليوم شديد في العالم في صناعة اصغر ترانزستور خصوصا بين الولايات المتحدة الامريكية والصين , صناعته يعني صناعة رقائق بكثافة ترانزسترية عالية جدا , وهذه الرقائق تدخل في صناعة كل شي اليوم ( خصوصا المجالات العسكرية ). .

والسلام

ليش هاي الهوسة على deepseek ai asistance ؟
الله بالخير
خلي نبدي بكلفة تطوير نماذج الذكاء الاصطناعي LLM ، لاحظ كلفة تطوير النموذج الرابع من ChatGPT وصلت الى 100 مليون دولار ، اما نموذج Claude تتراوح بين 10-50 مليون دولار ، ونموذج غوغل Bard تراوحت كلفة تطويره بين 50- 100 مليون دولار.
بينما نموذج Deepseek AI لم تتجاوز كلفة تطويره ٥ مليون دولار !
طيب واذا وين المشكلة ؟
المشكلة ان الاستثمارات بتطوير نماذج الذكاء الاصطناعي في امريكا تتجاوز المليار دولار سنويا بينما شركة صينية مغمورة بتكاليف قليلة جدا قدرت تبني نموذج ينافس بقية النماذج !
كذلك يا صديقي هذه النماذج تحتاج الى موارد عالية حتى تشتغل يعني تتعامل مع بيانات ضخمة وتستخلص منها الاجابات ، والموارد نقصد بيها كروت الشاشة GPU(خصوصا الحديثة لان مصممة للذكاء الاصطناعي ومكلفة من ناحية الاسعار وصرف الكهرباء) .
طيب ، ووين المشكلة؟ مثل ما قلنا كلفة تشغيل هذه النماذج عالية جدا ، بينما النموذج الصيني يحتاج الى موارد اقل منها بكثير ، وايضا اغلب الموارد التي يعمل عليها من انتاج شركات صينية !
هذا النموذج ايضا كسر هيمنة الشركات الامريكية على تطوير وتشغيل نماذج الذكاء الاصطناعي .
وحسب الاخبار فأن شركتي Nvidia (مصنعة كروت الشاشة التي تعتمد عليها اغلب نماذج الذكاء الاصطناعي في تشغيلها وهذه الكروت تعتمد على الرقاقات الالكترونية التي شهدت بالفترة الاخيرة ارتفاع قياسي بأسعارها وبسبب النموذج الصيني نزلت اسعارها ) ومايكروسوفت (مالكة ChatGPT ) فقدت ما يقارب الترليون دولار من قيمتها السوقية.
والسلام

فكرة Reinforcement Learning الي هو واحد من انواع تعلم الالة ، يكون جزء من النموذج مهمته مراقبة اداء النموذج نسميه بالعميل Agent ، فهذا يكافئ او يعاقب النموذج اعتمادا على الخطأ .
وبما ان نماذج -LLM - Large Language Modelsالي هي GPT , Claude ... الخ تعتمد على الرينفورسمينت ، فرضا العميل يشوف اداء النموذج صحيح ، لكن نحن البشر نشوفه خطأ حسب معاييرنا ، لهذا ظهرت فكرة ان يكون Agent انسان ، وهنا جاء Reinforcement Learning with Human Feedback RLHF، يعني الانسان هو يراقب اداء النموذج ويعطيه مكافأة على الاجابة .
خلي اضربلك مثل ، ملاحظ بعض المرات لما تسأل GPT سؤال يعطيك اكثر من حل ويطلب منك تختار الحل الافضل ، هنا هو يطلب منك feedback وبالتالي لما تختار حل كأنما انت تكافأه على هذا الحل ويعتبره سياق له بالمستقبل .

من اعظم اللحظات بتاريخ الذكاء الاصطناعي هي مباراة الشطرنج سنة ١٩٩٧ التي غيرت نظرت العالم للذكاء الاصطناعي .
قبل هذا التاريخ كان الذكاء مقتصر على المختبرات والاوراق البحثية ، والكثير كان يظن ان الالة لا يمكنها ان تفهم وتتعلم مثل البشر .
لكن قبل ١٩٩٧ اطلقت IBM مشروع Deep Thought وهو مشروع ذكاء اصطناعي لديه القدرة على لعب الشطرنج بمهارة عالية ، لكنه عجز عن هزيمة ابطال الشطرنج، ثم فيما بعد طورت IBM المشروع واصدرت Deep Blue وهو عبارة عن حاسوب عملاق لديه القابلية على تنفيذ اكثر من ٢٠٠ مليون ايعاز بالثانية الواحدة ، وهذا الحاسوب مجهز بخوارزميات ذكاء اصطناعي لها قدرة ومهارات عالية في لعبة الشطرنج .
في سنة ١٩٩٦ تم اجراء اول مواجهة في لعبة الشطرنج بين الديب بلو واللاعب الاسطوري غاري غاسباروف (يعتبر من افضل لاعبي الشطرنج بتاريخ البشرية ) ، والتي انتهت بفوز غاسباروف بنتيجة 4-2 .
لم تيأس IBM فقامت بتطوير الخوارزميات اكثر وجعلتها تتعلم من الاخطاء ، وفي ١٩٩٧ حدثت المواجهة الثانية بين الديب بلو وغاسباروف ، في الجولة الاولى فاز الديب بلو ، والبقية تعادل وفي الجولة الاخيرة ارتكب غاسباروف خطأ ستراتيجية استغله الديب بلو وهزم غاسباروف ، في تلك اللحظة حتى غاسباروف لم يصدق واتهم القائمين على المشروع بأن هناك اشخاص يتحكمون بالحاسوب عن بعد ، ليفتح تاريخ جديد للالة .
من هنا بدأ العالم يحترم هذا المجال ويعطيه اهمية كبرى .

قريبا ?
دورة مجانية في اساسيات الذكاء الاصطناعي ، الدورة ستكون حضورية في محافظة ميسان ولمدة ثلاث شهور بواقع محاظرة كل اسبوع ، مع شهادة مشاركة .
سوف ننشر التفاصيل لاحقآ

اشهر المعادلات الرياضية في AI

لاحظ صديقي بالمدرسة اول شي تتعلمه الارقام ، وبعدين العمليات الرياضية الاربعة (الجمع، الطرح ،الضرب ، القسمة ) ثم تتدرج الى ان توصل للتفاضل والتكامل .
بالبرمجة الموضوع نفس الشي ، لازم بالبداية تتعلم الاساسيات وبعدين تتدرج ، فما معقولة انت الاساسيات ما فاهمها وتجيب كود من github وتشغله بتطبيق وأي مشكلة بالكود متعرف شلون تحلها وتبقى قاعد بين stack overflow و gpt .
وربما واحد يقول الذكاء الاصطناعي يغنيني عن تعلم الاساسيات ويكتبلي اي كود احتاجه !
نعم يكتب لكن الذكاء هنا مثل الحاسبة ، وهو اداة تساعد الطالب على تنفيذ العمليات الرياضية بسرعة ، لكن شنو فائدتها اذا الطالب ما يميز بين الجمع والطرح .
لذلك اذا ما تتعب بالاساسيات وتفهمها لا تتصور تتقدم خطوة وسوف تبقى تراوح بمكانك لسنوات .

الله بالخير
تخيل انت وبجانبك لابتوب فيه كاميرا مفتوحة وامامكم تفاحة حمراء .كيف سوف ترمز او تخزن صورة التفاحة في الدماغ والحاسوب !
لنبدأ بالحاسوب عند اخذ صورة بالكاميرا، هنا العدسة تركز الضوء المنعكس من التفاحة الى مستعشرات ضوئية تقوم بتحويل الضوء الى اشارات كهربائية حسب شدة الضوء ، حيث يتم تقسيم الصورة الى مصفوفة (شبكة) من النقاط (نسميها بكسلات) وكل بكسل يخزن بيانات عن شدة الضوء واللون .
فمثلا لو الحاسوب يستخدم نظام الالوان RGB ، فهنا سوف يخزن قيمة لثلاث الوان (مزيج الوان) وشدتها ، مثلا اذا كانت قيمة الاحمر 255 فهذا يعني شدته عالية جدا (ضوء ساطع احمر) والاخضر صفر (يعني ما موجود) والازرق صفر ايضا ما موجود ، وهكذا .
وهذه الارقام لكل بكسل ،بالتالي ستكون لدينا مصفوفة كبيرة كل خلية فيها هي بكسل .
ثم يتم ضغط هذه المصفوفة لتقليل حجمها من خلال استخدام احدى خوارزميات ضغط الصور ( عندنا نسميها امتداد الصور مثل JPG ) .وتخزن كملف .
وبما ان الحاسوب مستلهم من فكرة عمل الدماغ فهل ترمز بيانات صورة التفاحة الحمراء فيه بنفس الطريقة ؟؟؟
لا ، العملية تختلف جذريا .
فعندما تنظر للتفاحة الحمراء تستقبل عدسة العين الضوء المنعكس من التفاحة وتوجهه نحو الشبكية التي بدورها تقوم بتحويلة الى اشارات كهربائية من خلال خلايا بداخلها، حيث هناك خلية تحول اللون واخرى شدة الضوء والحجم والعمق الى نبضات كهربائية وترسل الى العصب البصري الذي بدوره ينقلها الى جزء بالدماغ اسمه القشرة البصرية الاولية التي تعمل تحليل للبيانات (النبضات الكهربائية) وترسلها الى اجزاء اخرى بالدماغ مثلا الفص الجداري لتحليل موقعها بالفضاء ، والقشرة الزمنية للتعرف على التفاحة (الشي ) والذاكرة الطويلة الامد لمقارنة المعلومات الواردة مع المعلومات المخزنة ، ثم يتم تمثيل التفاحة بشكل نمط معين من خلال تحفيز بعض الخلايا العصبية كيميائيا بطريقة معقدة جدا ، فبعض تلك الخلايا تكون مخصصة للون الاحمر ، واخرى للحجم ، واخرى للشكل وهكذا ويصير اتصال بينها ، وهذا النمط (يسموه الرمز ) يمثل التفاحة في الدماغ .
صراحة اعلاه مختصر بسيط من عمليات جدا معقدة داخل الدماغ وتحتاج الى شرح معمق من دكتور متخصص في الدماغ والخلايا العصبية.
لكن المهم ان عملية التخزين في الدماغ تعتمد على تحفيزات كهربائية وكيميائية وتكون عملية ديناميكية ومرنة جدا مقارنة بالخزن في الحاسوب .
لهذا حاولوا استلهام بعض الافكار من عمل الخلايا العصبية في الدماغ وتطبيقها في الخلايا العصبية الصناعية في التعلم العميق التي احدثت طفرة كبيرة جدا في الذكاء الاصطناعي .
والسلام