Mohammed Eydan

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

صراع الترانزستورات - (١).
الله بالخير
قبل ما نبدي نسولف انصحك تحضر قهوتك ، وباكيت جكاير (اذا تدخن) لان هذا الموضوع شيق ويحتاج تركيز .
بالبداية اخذلك صفنة على الاجهزة الي حولك كالتلفزيون ، الثلاجة، الغسالة، الموبايل ، الحاسوب ، اجهزة التبريد والطبخ...الخ ، راح تشوف اكو عامل مشترك بينهم وهو وجود رقائق الكترونية بداخلهم (IC).
طيب ،وشنو هذي الرقائق الالكترونية ؟
تخيل تجيب مجموعة من العناصر الالكترونية وتربطهم مع بعض حتى يأدون عملية رياضية معينة على الاشارات الكهربائية، وهذي العناصر ممكن تكون
مقاومة - حتى تتحكم بالتيار
متسعة - حتى تخزن شحنات كهربائية وتفرغها حسب حاجتك
دايود - حتى تمرر التيار باتجاه معين.
وترانزستور - فهي مفاتيح ومكبرات للاشارة الكهربائية.
طيب ، وبعد ، مادة عازلة بينهم (لوح مثلا) واسلاك للتوصيل بين هاي العناصر .
كل هؤلاء يكونون ما يسمى بالرقاقة الالكترونية .
طيب وشنو اهم عنصر بالرقاقة ؟الاهم هو الترانزستور ، ليش ؟
لان وحدة من وظائفه هي العمل كمفاتيح والي عن طريقها نبني بوابات لاجراء عمليات رياضية او منطقية (Logic) داخل الشريحة وايضا مضخمات للاشارة الكهربائية .
ومنين تتصنع ؟
من اشباه الموصلات ، مثل السليكون او الجرمانيوم؟ ليش من اشباه الموصلات ؟
لان هذي المواد عندها قابلية تكون موصلة للكهرباء بضروف معينة وعازلة بضروف اخرى.
طيب وشنو افضل عنصر شبه موصل ؟اكيد السليكون لان هذا العنصر يختلف عن بقية اشباه الموصلات بأمكانيته على المحافظة على خصائصة الفيزياوية(يعني يبقى شبه موصل) حتى لو كان بحجم صغير جدا جدا ( بالنانومتر) !!!! تتخيل شنو يعني بالنانومتر !!!!!
عموما ، خليك بالخيال ، وفرضا تريد تصنع رقاقة مساحتها ١٠ سنتمتر مربع، كم ترانزستور تكدر تخلي بيها ؟ لو كنت عايش بسنة ١٩٤٧ (سنة اختراع اول ترانزستور) فيكون ترانزستور واحد ، بينما اليوم بهذه الرقاقة نخلي بيها ٢٥ مليار ترانزستور !!!!
اي وداعتك .
زين والموضوع يعتمد على حجم الترانزستور فقط ؟ طبعا لا، وانما هناك شي ثاني مهم جدا ، وهو المسافة بين الترانزستورات على الرقاقة وهذي نسميها بدقة التصنيع ( Process Node) ، ليش هذي المسافة مهمة ؟
لان كلما تقل معناه راح نكدر نخلي ترانزستورات اكثر بالشريحة نسميها بكثافة الترانزستورات على الرقاقة، وبالتالي كلما تزيد الترانزستورات يعني الشريحة تعالج بيانات بسرعة اكبر (يعني عمليات رياضية) .
يتبع>>>

شلون نعرف المحتوى تم انشاءه بالذكاء الاصطناعي ؟ تدوينة رقم (4)
الله بالخير
قبل فترة من الزمن وفي احدى الشركات الألمانية اتصل مدير الشركة CEO بمدير القسم المالي وطلب منه تحويل مبلغ مالي تقريبا ( 142 الف دولار ) الى حساب مصرفي في دولة هنغاريا بالسرعة الممكنة , وتم تحويل المبلغ الى ذلك الحساب , وفي اليوم التالي تبين ان المدير لم يتصل بمدير القسم المالي وأن العملية كانت احتيال وتم استخدام أدوات ذكاء اصطناعي لتوليد صوت مطابق تماما لصوت المدير وحتى أسلوبه بالكلام !
تخيل ان يتصل عليك اخيك او صديقك ويطلب منك ذلك وتسمع الصوت نفسه صوت الشخص وبنفس النبرة والأسلوب .. الخ
عموما مع التطور السريع في الذكاء الاصطناعي اصبح توليد المحتوى الصوتي سهل جدا وبأمكان حتى الأشخاص من غير تخصصات توليده , لكن هناك ملاحظات من الممكن ان تنفع في الكشف عن الصوت المزيف منها :
1- الافراط بالتناسق بالصوت ( ملاحظ مرات صوتنا يكون بي بعض التغييرات اثناء الحديث ) .
2- غياب التوقفات بين الكلمات او الجمل .
3- والنطق الغريب لبعض الكلمات .
ولكن بعض الأحيان هذه لا تنفع , لذلك هناك أدوات ذكاء اصطناعي قد تساعدنا في الكشف عن الصوت المزيف ابرزها :
1- Resemble.AI Detector
2- DeepSonar
3- ElevenLabs speech classifier
ونختم تدوينات هذا الموضوع .

شلون نعرف المحتوى تم انشاؤه بالذكاء الاصطناعي ؟ تدوينة رقم (٣) .
الله بالخير
سابقا تكلمنا عن نوعين من المحتوى ، اليوم نتكلم عن النوع الثالث والذي يعتبر من اخطر المحتوى المزيف وهو الفيديوهات ، ومع انتشار الريلز صار هذا النوع اكثر انتشارا ومتابعة ، وكما هناك ادوات لصناعة هذا النوع من المحتوى بسهولة ، ايضا هناك ادوات لتمييز المحتوى الفيديوي في حال تم توليده او تعديله بالذكاء الاصطناعي لكن قبل هذا هناك ملاحظات ممكن تساعدنا في معرفته مثلا تعابير الوجوه والحركات الغير طبيعية ، اخطاء بتزامن الاصوات ، وايضا الاطارات (الصور التي تشكل الفيديو) واضاءتها .
ومع تطور ادوات الذكاء الاصطناعي لتوليد الفيديوهات واقترابها من الواقعية ، في هذه الحالة نقترح مجموعة من الادوات للمساعدة في الكشف الفيديوهات المعدلة بالذكاء الاصطناعي مثل :
Deepware scanner ، Sensity AI , Amber Authenticate , Sight Engine .
اترك لك هذا الفيديو على اليوتيوب للممثل الامريكي مورغان فريمان (الذي لا يكبر ) تم انشاؤه بالذكاء الاصطناعي .
https://youtu.be/oxXpB9pSETo?si=cSh0BplwhcjUgedm

شلون نعرف المحتوى تم اشاءه بالذكاء الاصطناعي ؟ تدوينة رقم (2)
الله بالخير
مثل ما قلنا بالتدوينة السابقة ان المحتوى يشمل النصوص , الصور , الفيديوهات والمقاطع الصوتية , خلي نسولف عن الصور .
موضوع تزييف الصور او التعديل عليها ليس وليد اليوم , بل الموضوع قديم نوعا ما , لكن سابقا كان موضوع التعديل يقتصر فقط على الأشخاص المتخصصين بمجال الصور , اما اليوم صار توليد التعديل على الصور بسيط جدا ويستطيع حتى الشخص الغير متخصص من ذلك بفضل أدوات الذكاء الاصطناعي مثل Canva وغيرها .
يوم بعد اخر هذه الأدوات تعطي نتائج احترافية ومن الصعب صار تمييز تلك الصور من الحقيقية , ورغم ذلك هناك ملاحظات من الممكن الاستفادة منها لتمييز الصور التي ولدت او عدلت بالذكاء الاصطناعي مثل هفوات التناسق بين أجزاء الصورة , خليفات الصور التي تميل للخيالية , والاضاءة والانعكاسات .. الخ.
وكما قلنا ان توليد الصور والتعديل عليها صار شي بسيط لذلك فهي الأكثر استخداما اليوم في الاحتيال والابتزاز مع تصديق عامة الناس بكل صورة ( مثلا حصان بقدمين ) تنشر على وسائل التواصل الاجتماعي .
ولمعالجة الداء بالداء هناك أدوات ذكاء اصطناعي لديها القدرة على الكشف عن الصور المولدة بالذكاء الاصطناعي او المعدله من خلال الأنماط في الصور وابرز تلك الأدوات :
1- SightEngine : https://sightengine.com/
2- Illuminarty.ai : https://illuminarty.ai/en/
أيضا هناك أدوات تعتمد على البيانات الوصفية Metadata :
ExifTool : https://exiftool.org/ .

شلون نعرف المحتوى تم انشاءه بالذكاء الاصطناعي ؟ تدوينة رقم ( 1 ) :
الله بالخير
من نسمع بكلمة محتوى رقمي فيقصد بها اما ان يكون المحتوى عبارة عن نص , صورة , فيديو , مقطع صوتي , وبما ان اليوم هناك المئات من أدوات الذكاء الاصطناعي التي بأستطاعتها توليد محتوى بصورة احترافية وبكلفة جدا بسيطة .
نعم من جانب فأن المحتوى قد يكون مفيد , لكن من الجانب الاخر قد يتم توليد محتوى لأغراض خبيثة خصوصا التزييف والاحتيال والابتزاز ... الخ , وهذا خطر جدا وممكن يكون له تأثير كبير بل قد يصل الى خداع الرأي العام ( وهذه المشكلة التي تعاني منها الكثير من الشعوب ) .
لنبدأ بالمحتوى النصي ( مثلا مقالة , بحث , قصيدة , رسالة .. الخ ) والسؤال الذي يطرح نفسه : هل نستطيع نحن البشر كشف المحتوى النصي المولد من قبل الذكاء الاصطناعي ؟ بالنسبة لأصحاب الاختصاص ربما يستطيعون , اما عامة الناس فلا يستطيعون التمييز بين النص المولد بالذكاء الاصطناعي والنص الذي يؤلفه انسان.
رغم هناك بعض النقاط التي من الممكن ان نستفيد منها في التمييز مثلا أسلوب الكتابة , الصيغة الرسمية الدقيقة بالكتابة , التكرار ( اللف والدوران ) وحتى التناقض , كل هذه ممكن تساعدنا على كشف المحتوى النصي المكتوب من قبل الذكاء الاصطناعي , لكن مع تطور تلك الأدوات والاستفادة من اخطائها وحجم البيانات النصية الكبيرة التي تتدرب عليها فقد لا تنفع معها النقاط أعلاه او صعوبة التمييز .
ولمعالجة الداء بالداء , ظهرت مجموعة من أدوات الذكاء الاصطناعي التي بأستطاعتها التمييز بين النص المولد من قبل الذكاء الاصطناعي والانسان , اغلب هذه الأدوات تستكشف نمط معين بالكتابة بالإضافة للنقاط أعلاه التي ذكرناها مما يساعدها على الكشف على النص المولد من قبل أدوات الذكاء الاصطناعي .
ابرز هذه الأدوات : Copyleaks AI : https://copyleaks.com/ai-content-detector
اما النصوص العربية فأبرز أداة هي : IsGen : https://isgen.ai/ar
اما المحتوى النصي العلمي ( المقالات وما شابه ) : Turnitin AI Detection : https://www.turnitin.com/solutions/topics/ai-writing/


يتبع ««

شلون نميز الكورس الجيد عن السيء
- اول شي لازم تعرف ماكو كورس ينطيك معلومات او يعلمك كل شي عن مجال معين.
- الكورس الي ينطيك رؤوس اقلام للمفاهيم(اساسها) و يرسملك خارطة الطريق الصحيحة للتعمق بالمجال بأسلوب مبسط من المدرب هو الكورس الجيد ، وهذا للاسف نفتقده باغلب الكورسات الموجودة على اليوتيوب.

ملخص لأهم الاوامر ب git و github

فيديو دقيق يوضح Reinforcement Learning .

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 .

Mohammed Eydan pinned Deleted message

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

الله بالخير
بهذي الفترة هواي نسمع بمصطلح RAG فشنو هذا ؟
طبعا هو اختصار Retrieval Augmented generation وهذا نموذج لمعالجة اللغات الطبيعية (لغة الانسان) وهو مشابه بالعمل الى حد ما ل GPT .
وفكرته لما تكون عندك بيانات كبيرة مثلا نصوص فهنا سوف يبحث بداخلها عن معلومات مفيدة بعملية تسمى بالاسترجاع ،بعدين ينتقل للعملية الثانية (التوليد او التوليف) فيقوم بتوليد نصوص متناسقة ودقيقة من هذه المعلومات التي تم ارجاعها من المرحلة الاولى .
عكس GPT الي مباشرة يبحث عن المعلومات ويرجعها منسقة بالاضافة الى GPT مدرب مسبقا على بيانات، بينما RAG  غير مدرب مسبقا على هكذا بيانات و يعتبر اكثر تنسيقا للمعلومات من GPT .
طيب اشهر استخداماته ؟ بالفيسبوك بنظام البحث والتوصية ! قبل اكثر من سنة طرحت الفيسبوك مكتبة اسمها FAISS .
وهذه المكتبة وظيفتها البحث في البيانات الضخمة عن المتشابهات ، طبعا الفيسبوك حتى يسهل عملية البحث بعملية التخزين يعتمد الفهرسة والي تكون عن طريق تمثيل المعلومات (منشور ، حساب ، اعلان ،مجموعة ..الخ) على شكل تمثيل رقمي ( رياضيا بشكل متجهات Vector Embedding)  وبالتالي هذا راح يسرع بعملية البحث .
طبعا هنا نتكلم عن بيانات ضخمة بمعنى الكلمة .
كل مصطلح بالمقالة اعلاه يحتاج عدةمنشورات لشرحه .
والسلام

الله بالخير
تخيل عزيزي خلال ٦ سنوات استطاع نادي بريتنفورد الانجليزي وبميزانية محدودة جدت تحقيق ارباح تجاوزت ١٥٠ مليون جنيه استرليني (اكثر من مانشستر يونايتد) بالاعتماد على الذكاء الاصطناعي ، كيف ؟
الخطوة الاولى - النادي يشتري بيانات من شركتي Opta و statsbomb المتخصصتين ببيانات لاعبي كرة القدم ، وبالاخص لاعبي الدوريات الوسطى في اوربا مثل الهولندي ، الانجليزي (الدرجة الاولى )، الدنماركي ، السويدي .. الخ .
الخطوة الثانية - يعملون تحليل للعديد من اللاعبين الغير معروفين من خلال نموذج ذكاء اصطناعي وهذا النموذج يتنبأ بامكانية اللاعب المستقبلية وملائمته للفريق وللدوريات الكبرى بالخصوص الانجليزي.
هنا التحليل يركز على اداءه الحالي والمستقبلي ومركز اللاعب مقارنة باقرانه وسعره الحالي وامكانية ارتفاع سعره بالمستقبل وسجله الطبي (الاصابات) بعدها يعطي هذا النموذج توصية للقائمين على النادي بخصوص اللاعب .
مثل اللاعب اوليفر واتكينز الذي انتقل الى بيرنتفورد 1.8 مليون جنيه بناءا على توصيات الذكاء الاصطناعي ثم باعه النادي الى استون فيلا ب28 مليون جنيه استرليني.

لو لاحظت بعد كل حدث مهم في المنطقة ترى منصات التواصل الاجتماعي (الفيسبوك مثلا) يقترح لك منشورات تخالفك الرأي ومتشددة بحيث تجبرك على التعليق عليها .
هذه الحالة تسمى بغرفة الصدى العكسية ( Reverse Echo Chamber ) وهي جزء مهم بخوارزميات تلك المنصات ( خصوصا بأنظمة التوصية الخاصة بتلك المنصات ) .
هذه التقنية وظيفتها نشر الفتنة خصوصا وان المرحلة حرجة جدا .
لذلك كن حذر مع هكذا منشورات او تغريدات .

في الجانب الاخر من الحرب على غزة وحسب تصريح مسؤولة مركز الحوسبة وتقنية المعلومات (مارام) التابعة لجيش الكيان فأن الكيان تعرض لأكثر من ٣ مليار هجمة الكترونية منذ (٧ اكتوبر ) اغلبها من ايران ولبنان مثل هجمات DDOS و التشويه وبرامج الفدية.. الخ ،وقامت بهذه الهجمات اكثر من ٨٠ مجموعة (ابرزها مجاميع APT الايرانية ، وخمس مجاميع من حزب الله وهذه اقوى المجاميع المستمرة بالهجمات)، في نفس الوقت كشف كوبي مناشيه ( مسؤول قسم التوجية والدفاع التابعة لمديرية الامن السيبرانية الوطنية للكيان ) ان من اصل ٢٥٩ مؤسسة حكومية في الكيان ، هناك ١٣٩ مؤسسة تعاني ازمة كبيرة في الامن السيبراني ووضعها سيء جدا .
للعلم اليوم توقفت العديد من الخدمات الالكترونية بمطار بن غوريون نتيجة هجمات ddos .

بعد حادثة كراود سترايك ، هذا الشاب البلجيكي والمتخصص بكشف الاخبار الزائفة على وسائل التواصل الاجتماعي قام بتصميم صورة له مع خلفية شعار كراود سترايك ونشر على منصة X بأن هذا اول يوم له بالعمل وشارك بعملية التحديث !
المشكلة ملايين الاشخاص على عدة منصات راحوا يتناقلون صورته على انه المسؤول عن المشكلة التي حصلت بالتحديث ،حتى وصل عدد الذين اعادوا نشر تغريدته فقط على منصة اكس ٤٣ مليون بالاضافة للوكالات الاخبارية !!!
يمكنك ان تتخيل كم خبر ومنشور زائف صدقه الناس قد انتشر على منصات التواصل !
لهذا لا تصدق كل ما ينشر .
والسلام

(( الذئاب والذكاء الاصطناعي ))
تعتبر الذئاب الرمادية واحدة من اذكى الكائنات الحية في اصطياد فرائسها ، فالطريقة التي تعتمدها متقدمة ومعقدة جدا ، وتحتاج فيها لكل فرد بالمجموعة لتنفيذ خطتها .
ان هذه الذئاب تنتمي للحيوانات الاجتماعية بمعنى انها تعيش بمجاميع ويكون لها رئيس ، ومايميزها عن بقية مجاميع الحيوانات الاخرى هي الستراتيجية الناجحة (مقدار الخطأ فيها قليل جدا) التي تعتمدها في الصيد والتي تكون على شكل مراحل يشترك فيها كل الافراد :
١ - التتبع Tracking - يقوم افراد من المجموعة بالبحث عن الفريسة باستخدام الحواس مثل الشم ، السمع او الرؤية .
٢- التطويق Encircling - ينسق افراد المجموعة بينهم من خلال التواصل الصوتي والبصري بينهم لتشكيل دائرة حول الفريسة ومحاصرتها من كل الجهات والتقرب منها بهدوء .
٣- المطاردة Chasing - يطار جزء من المجموعة الفريسة بينما يرتاح البقية ، وهكذا بالتناوب حتى انهاك الفريسة .
٤- الهجوم Attacking - بعد ان يتم انهاك الفريسة ، تهجم جميع افراد المجموعة على الفريسة بصورة منسقة .
٥- الانهاء Killing - تحاول افراد المجموعة الى انهاء حياة الفريسة بالسرعة الممكنة لتجنب اصابة اي فرد من المجموعة مثلا بعضهم يهجم على الرقبة ، والبعض على البطن وهكذا .
٦- التغذية Feeding - يبدأ رئيس المجموعة والافراد الاقوياء بالاكل ثم يتبعهم الباقين .
من هذه الستراتيجية استلهم الدكتور سيد محمد ميرجليلي( باحث ايراني) خوارزمية اسماها ب ( Grey Wolf Optimizer - GWO ) سنة ٢٠١٤ .
وهي خوارزمية تنتمي لخوارزميات التحسين Optimization )البحث عن افضل بين مجموعة حلول) وتستنسخ فكرة الصيد التي تعتمدها الذئاب الرمادية .
تخيل أن لديك مجموعة من الذئاب (الحلول) تبحث عن فريسة (الحل الأمثل) في غابة (فضاء البحث).
١- تحديد المواقع (الهرمية): تقوم الذئاب الألفا (الرئيس) والبيتا (النائب الاول) والجاما(النائب الثاني) بقيادة البقية نحو الفريسة بناءً على موقعها الحالي.
٢- التقرب: تحاول الذئاب التقرب من الفريسة بناءً على إرشادات الألفا والبيتا والجاما.
٣- الهجوم النهائي: عندما تكون الذئاب قريبة بما يكفي من الفريسة، يقوم الجميع بالهجوم لتحقيق الهدف (العثور على الحل الأمثل).بهذا الشكل، تقوم الخوارزمية بتحديث المواقع وتحسين الحلول حتى يتم العثور على أفضل حل ممكن للمشكلة المطروحة.
هذه الخوارزمية تستخدم اليوم في عدة مجالات مثلا الطب ، الصناعة ، الزراعة .. الخ .
في الذكاء الاصطناعي تستخدم هذه الخوارزمية بكثرة خصوصا في ضبط المعاملات في CNN, RNN ) Deep Learning ، وايضا في تحسين عملية تدريب النماذج واختيار الميزات الاكثر اهمية ، وايضا في تحليل الصور واستخراج الميزات منها .كذلك من الممكن استخدامها مع خوارزميات التحسين الاخرى مثل الخوارزمية الجينية .. الخ لزيادة التحسين .
وشكرا

على طاري العطل التقني الذي اصاب المطارات البارحة .
وبعد ما ثبت سببه التحديث الاخير الذي تسبب بتوقف الويندوز سيرفر .
في عالم صناعة البرمجيات اي منتج برمجي سواء جديد، او ترقية ، او تحديث يتم فحصه على منصات تحاكي الحقيقية (ويندوز سيرفر او لينكس .. الخ ) قبل اطلاقه .
عموما ما حدث البارحة له تفسيرين
اما الشركة اطلقت التحديث بدون فحص وهذا تصرف ساذج جدا خصوصا لما يصدر من شركة بهذا المستوى ( Crowed Strike ).
او ان العمل هذا مقصود لأغراض معينة من قبل بعض موظفي الشركة ، يعني جزء من الصراع بين الشركات خصوصا ان المستهدف فيه مايكروسوفت اكثر من كراود سترايك نفسها !
للعلم يعتبر كراود سترايك تقريبا افضل منتج بالايند بوينت سيكورتي!
هذا درس لكل مبرمج ان لا يستهين بالاختبارات Testing لأي مشروع ينفذه.

مثلا
للعلم هي ليست هجمات وانما اخطاء حصلت بتحديثات الانتي فايروس

حل مشكلة الشاشة الزرقاء التي ظهرت في سيرفرات المطارات (ويندوز سيرفر) :
١- الاقلاع من السيف مود .
٢- نذهب الى المسار :
C:\ Windows\System32\driver\CrowedStrike
ونحذف الملفات التي تشابه هذا الاسم
C-00000291*.sys
وتنحل المشكلة .

طبعا المشكلة سببها التحديثات الاخيرة لنظام Crowed Strike Falcon الي هو عبارة عن انتي فايروس يعتمد على الذكاء الاصطناعي بتحليل الهجمات الالكترونية.

الله بالخير
قرأت سؤال لشخص ما في وسائل التواصل الاجتماعي يسأل لماذا روسيا تتفوق على أمريكا في الامن السيبراني ؟بمعنى ان اغلب المخترقين بالعالم من روسيا؟ رغم ان الولايات المتحدة الامريكية تملك كل شي من التكنلوجيا والتعليم والشركات الكبرى مقارنة بروسيا ؟
هذا السؤال مهم جدا والاجابة عليه تتطلب دراسة مستفيضه وسوف اختصرها في هذه المقالة .
اغلب الآراء تذهب الى القول بأن أمريكا تملك شركات كثيرة ورواتب عالية لذلك دائما متخصصي الامن السيبراني يشتغلون بهذه الشركات , بينما في روسيا لاتوجد هكذا شركات او رواتب لهذا يتوجه أصحاب الاختصاصات المرتبطة بالامن السيبراني الى الاختراقات لكسب الأموال !
هذا الرأي الى حد ما فيه جزء قليل من الصحة , لكن بالواقع الأسباب كثيرة واهمها :
أولا – تقول احدى الدراسات ان عدد طلاب الثانوية الذين اختاروا التخصص بعلم الكومبيوتر من 2004 الى 2015 مايقارب 270 الف طالب ! بينما في روسيا يتجاوز العدد 60 الف طالب في السنة الواحدة ! الإحصائية هنا بنيت على عدد الذين يتقدمون الى امتحان AP بمجال علم الكمبيوتر (حسب نظام التعليم الأمريكي ) ويسمى بروسيا UNE اختصاص علم الحاسوب !
بالتالي فأن عدد الطلاب الروس الذي يرغبون بدراسة علم الكمبيوتر يتجاوز ضعف الموجود في الولايات المتحدة الامريكية .
تقول نفس الدراسة ان عدد الذين يتقدمون الى اختبار AP لدراسة اللغة الإنجليزية والادب يتجاوز 600 الف بالسنة !!!!!
ثانيا –ان معايير نظام التعليم الفيدرالي الروسي يفرض على المدارس تدريس المعلوماتية في المدارس الابتدائية على ان تكون جزء من الرياضيات او التكنلوجيا , بينما في المدارس المتوسطة يجب ان تكون الزامية واعطت للمدارس الحرية ان تجعلها ذات مستوى متوسط او متقدم , بينما حسب دارسة علمتها مايكروسوفت تقول ان عدد المدارس في أمريكا التي تعطي دورة لاختبار AP في مجال علم الكمبيوتر لا يتجاوز 2100 مدرسة من اصل 42000 مدرسة متوسطة !!! بالتالي فأن الكثير من الطلاب لا يتقدمون لهذا الاختبار .
ثالثا – لو قارنا المناهج التي يتم تدريسها في المدارس المتوسطة بين روسيا والولايات المتحدة فسوف نرى فرق بينهم , مثلا في روسيا يفرض على المدارس تدريس هذه المناهج :
1. الأسس النظرية Theoretical foundations
2. مبادئ عمل الكمبيوترPrinciples of computer’s functioning
3. تكنولوجيا المعلوماتInformation technologies
4. تقنيات الشبكاتNetwork technologies
5. خوارزميات Algorithmization
6. لغات وأساليب البرمجةLanguages and methods of programming
7. النمذجةModeling
8. المعلوماتية والمجتمعInformatics and Society
بينما في الولايات المتحدة :
بينما قليل جدا من المدارس في أمريكا تدرس النقطة 2, 4 ,6 والتي تعتبر الأساس الذي يبدأ منه امن المعلومات السيبراني .
لو رجعنا لاختبار AP الأمريكي الخاص بعلم الكمبيوتر ونقارنه مع اختبار UNE سوف نرى الفرق كبير جدا بينهم , مثلا الاختبار الروسي يركز كثيرا على الجانب العملي ويكون عبارة عن مهام تعطى للطالب ( مهام اشبه بالحقيقية ) , فحسب دراسة جامعة بيرم ان الاختبار يتألف من ثلاث أجزاء وهي :
الجزء الأول – اختيارات ويغطي جميع مكونات المنهج .
الجزء الثاني – مجموعة من المهام ذات مستوى تعقيد أساسي , متوسط ومتقدم وتتطلب إجابات مختصرة .
الجزء الثالث – مجموعة من المهمات ذات مستوى تعقيد اعلى من المتقدم وتتطلب إجابات مفصلة .
بينما اختبار AP يركز على :
- "كيف تُطور البرامج لمساعدة الناس والمنظمات؟"
- "كيف تُستخدم البرامج للتعبير الإبداعي؟"
- "كيف تنفذ البرامج الحاسوبية الخوارزميات؟"
- "كيف يجعل التجريد تطوير البرامج الحاسوبية ممكنًا؟"
- "كيف يطور الناس ويختبرون البرامج الحاسوبية؟"
- "ما هي المفاهيم الرياضية والمنطقية الأساسية للبرمجة؟"

بالتالي فأن الطالب الروسي الذي يجتاز الاختبار مهيأ للعمل أكثرمن الأمريكي بكثير , بمعنى ان الأمريكي الذي يجتاز الاختبار ليس لديه مهارات قابلة للاستخدام في علم الحاسوب .
هذه اهم السباب التي تجعل روسيا تتصدر العالم بمتخصصي الامن السيبراني ونتيجة لغياب الشركات الكبيرة فيها فأن اغلبهم يتجه الى عالم الاختراقات .
السؤال هنا : ياترى كم جامعة عراقية تعطي لخريج البكلوريوس او الماستر او الدكتوراه مهارات في علم الحاسوب قابلة للاستخدام في سوق العمل !!!
لهذا العراق بصورة خاصة والدول العربية بصورة عامة دول فقيرة جدا في مجال الامن السيبراني وليس لديها متخصصين الا القلة القليلة .

والسلام

عزيزي المبرمج
في حال لم ترى شيئآ جميلآ اليوم 😂

بعد التجربة ارى ان Claude افضل بكثير من GPT4o من ناحية دقة الاجابات وفهم اللغات الطبيعية .
لذلك بالحدث الاخير (Event ) القائمين عليه كانوا واثقين تماما من قوته وتفوقه على GPT .
اعتقد بالمستقبل القريب ربما نرى ميزات اكثر بموديلات LLM خصوصا مع هذه المنافسة القوية .

يحتوي دماغ الانسان على مايقارب ١٠ مليار خلية عصبية لمعالجة البيانات .
(لَقَدْ خَلَقْنَا الْإِنسَانَ فِي أَحْسَنِ تَقْوِيمٍ)

الله بالخير
كمطور من اهم الاشياء الي لازم تحسب حسابها عند المباشرة بتطوير اي نظام هو الصيانة واكتشاف الاخطاء والتطوير .
لهذا لازم يكون عندك اطلاع وفهم للمعماريات البرمجية الي نقصد بيها كيف راح تكون هيكلية المشروع وماهي التقسيمات التي سوف تعتمدها ، لذلك هذا الموضوع مهم جدا ولازم تختار المعمارية المناسبة قبل كتابة اي كود برمجي ، اما اشهر انواع المعماريات فهي :
اولا - معمارية الكتلة الواحدة  Monolithic Architecture - وهذي تعتبر الاقدم والابسط بالمعمارية وهنا يكون المشروع عبارة عن قطعة واحدة بدون اي تقسميات كبيرة ، تعتبر سهله بكتابة الكود ، لكن مشاكلها تظهر بمرور الزمن فالصيانة والتوسعة ستكون صعبة .(اغلب مبرمجينا يستخدموها ) .
ثانيا -معمارية الخدمة الموجهة Service oriented Architecture - وهذي تعني تقسيم المشروع الى عدة خدمات مترابطة تتواصل بينها بالاعتماد على بعض البروتوكولات مثل WS , SOA . من مزاياها هو ممكن اعادة استخدام الكود او الخدمة اكثر من مرة وايضا بالتوسعة لكن مشكلتها بالبروتوكولات الي تعتمد عليهم الخدمات بالتواصل بينهم وحمايتهم بالتالي فهي تحتاج بعض المتطلبات .
ثالثا- معمارية الخدمات الدقيقة Microservice - نوعا ما مشابهه لمعمارية الخدمة الموجهة ، لكن هنا يتم تقسيم التطبيق الى خدمات صغيرة مستقلة (بينما هناك خدمات مترابطة ) . فرضا عندك مشروع يتعامل مع داتابيس ، فلو استخدمت الخدمة الموجهة فهنا كل الخدمات راح تعتمد على نفس الاتصال بالقاعدة ، بينما لو استخدمت المايكروسيرفس فيكون لكل خدمة اتصال خاص بيها بقاعدة البيانات .
عموما الخدمات الدقيقة تتواصل بينها بعدة طرق منها عن طريق API وهو الاشهر .وامكانية بناء كل خدنة بلغة معينة (لذلك فهي مستقلة ) .
نوعا ما معقدة وتحتاج وقت لكن من الناحية الايجابية تتميز بقابلية كبيرة على التوسعة .
(يتبع => )

الله بالخير
تخيل لو عندك قرص مصنوع من مادة معينة مثلا مادة فائقة التوصيل ، لو بردت القرص (مثلا بالنيتروجين) الى درجة حرارة قريبة من الصفر فتكون مقاومة مادته قريبة من الصفر (يعني التيار يمر بي بدون اي فقدان للطاقة) ، فلو وضعت مغناطيس قريب من القرص ، فمادة القرص تطرد الخطوط المغناطيسية من داخلها وما تسمح بدخول اي خطوط ، لكن تبقى بيها مثل الثغرات الصغير تدخل منها خطوط مغناطيسية يسموها بالدوامات vertices وتستقر بداخل المادة وتكون معاكسة للمغناطيس الاصلي ، بالتالي هذي الدوامات تخلي القرص يتعلق بالهواء ( طايره ) فوق المغناطيس .، هذي الظاهرة يسموها بالقفل الكمي Quantum Locking .
وابرز تطبيقاتها القطار المعلق يعني يخلون مادة فائقة التوصيل اسفل القطار ويبردوها ،ويخلون بالسكة مغناطيس بالتالي القطار يكون عائم فوق السكة بدون احتكاك فتكون سرعته عالية جدا .
ابرز مادة فائقة التوصيل YBCO (يتريوم، باريوم، نحاس اكسيد) .
الفيديو يوضح هذي الظاهرة.
والسلام

الله بالخير
من المفاهيم الي ممكن تصادفها في ادارة قواعد البيانات ، الانظمة ، البرمجيات ، الكلاود ...الخ هما Scale Out , Scale Up ، ف شنو يقصدون بيهم ؟
فرضا عندك تطبيق ويشتغل على سيرفر ، بعد فترة زاد الطلب على التطبيق وبالتالي السيرفر حاليا ميكدر يلبي كل الطلبات ف شنو الحل ؟
الاول - نرفع من موارد السيرفر يعني ممكن نزيد الميموري (الرام) وممكن نستبدل المعالج بأعلى .. الخ ، هذي نسميها بالتوسعة العمودية Scale Up يعني نرفع من موارد الجهاز نفسه ، بالتالي فهذي طريقة سهله ومابيها اي تعقيد ، بس المشكلة بيها ممكن توصل لحد بترقية موارد السيرفر وبعد متكدر تزيد اي شي .
الثاني- ليش ما نشغل التطبيق على اكثر من سيرفر ، وبالتالي كلما يزيد الطلب نكدر نضيف جهاز (كأنما جهاز بجوار جهاز ) وهذي الطريقة يسموها بالتوسعة الافقية Scale out .
التوسعة الافقية تنطيك مرونة كبيرة لكن نوعا ما تكون صعبة بالادارة وتتطلب بعض الاشياء مثل التطبيق يكون موزع (وهذا يحتاج مقالة كاملة حوله) وتوزيع الاحمال .. الخ اما عيوبها ، اكثر كلفة .

بالاخير دائما نستخدم التوسعة العمودية مع التطبيقات البسيطة ، بينما نستخدم الافقية مع التطبيقات الضخمة الموزعة خصوصا تطبيقات الويب .
والسلام

الله بالخير
اليوم العالم مخبوص بحدث عالمي كبير وهو الافراج عن الاسترالي جوليان اسانج مؤسس ويكيليكس الي كان محكوم ب١٨٠ سنة! .
والكل يعرف ويكيليكس وهي منصة نشرت وثائق امريكية سرية !
بس شلون طلع ؟ السلطات الامريكية افرجت عنه بدون اي توضيح !!!!
المشكلة مو هنا ، وانما اكو مجموعة مخترقين اسمهم Lockbit ( على الاغلب مجموعة روسية ) تأسست ب٢٠٢٠ (بفترة كورونا) هذي المجموعة تعتبر رقم واحد بعالم الاختراقات وكدرت تجمع اكثر من ١٥٠ مليون دولار خلال هذي السنوات .
هذي المجموعة قبل يومين نزلت بيان انو كدرو يخترقون البنك الفيدرالي الامريكي ويستولون على اكثر من ٣٠ تيرا بايت وهددوا بنشرها وانطوا مهلة الى يوم الثلاثاء الساعة ١١ مساءا !
الغريب هذي المجموعة ما طلبت مبلغ !! عكس عملياتها السابقة ، الامريكان تفاوضوا معاهم وعرضوا عليهم ٥٠ الف دولار !!! فالمجموعة نزلت بيان تستهزأ بامريكا !!!
اليوم المجموعة اختفت تماما من الدارك ويب !
على الاغلب ان اطلاق سراح اسانج كان ضمن اتفاق بين امريكا وLockbit لان تسريب ٣٠ تيرا بايت من بيانات البنك الفيدارلي الامريكي ممكن تسبب كارثة اقتصادية عالمية خصوصا امريكا شبه عاجزة امام هذه المجموعة !
بالمناسبة حاليا بالحملة الانتخابية الامريكية ترامب وعد باطلاق سراح شاب امريكي مسجون لدى السلطات الامريكية (محكوم بأكثر من ٣٠٠ سنة ) و هذا يعتبر من اشهر المخترقين بتاريخ البشرية ان لم يكن افضلهم ، ومنحه منصب مهم في حكومته حتى يواجه مثل هذي المجموعات !!!
والسلام

تخيل ان هذا المخطط هو هيكل معماري لخدمة واحدة من اصل عشر خدمات في نظام ما !
هذا المخطط مزيج من معمارية Clean Architecture والتي تعد واحده من اقوى واشهر المعماريات البرمجية ،مع معمارية الخدمات المصغره Microservices
ويكولون البرمجة سهله 😂

هل من الممكن استخدام قواعد بيانات مختلفة في نفس النظام ؟ بمعنى ان يكون لديك نظام فيه قاعدة بيانات نوع SQL وقاعدة اخرى No-SQL هل من الممكن هذا ؟
الموضوع الاخر : العلاقات بين الجداول في قواعد بيانات SQL تكون بين جدولين ، هنا السؤال هل من الممكن ان تكون العلاقة بين الجدول ونفسه ؟
باب النقاش مفتوح
وسأحاول كتابة منشور عن هذا الموضوع بالقريب .

من اصعب الاشياء بالبرمجة هو كيف تقنع شخص متمسك بمبادئ البرمجة القديمة (الكلاسيكية) حتى يستخدم المفاهيم والتكنولوجيز الحديثة بالبرمجة.😂

الاخوة والاخوات
عيد اضحى مبارك كل عام وانتم بالف خير ، اعاده الله عليكم باليمن والبركة .