الالتقاء العظيم: كيف يربط الذكاء الاصطناعي كل الحدود

الذكاء الاصطناعي (AI) أشعل العالم بإمكاناته لتعزيز الكفاءة، خفض التكاليف، وزيادة الإنتاجية.

بينما يربط الكثيرون الذكاء الاصطناعي بالدردشات الآلية، بفضل سهولة الوصول وشعبية أدوات الذكاء الاصطناعي التوليدية مثل ChatGPT، التقنية أوسع بكثير، وتنتشر فوائدها في الطب، التصنيع، الروبوتات، الرعاية الصحية، التعليم، علوم المناخ، المالية، القانون، الأمن السيبراني، وما بعده.

من خلال محاكاة وظائف الإدراك البشري مثل حل المشكلات واتخاذ القرار، يعد الذكاء الاصطناعي بتحويل الأنظمة الأساسية لهذه الصناعات، حيث يواصل عدد متزايد من المؤسسات استكشاف قدراته.

أظهر استطلاع ماكنزي الأخير زيادة في استخدام الذكاء الاصطناعي، ليس فقط في قطاع التكنولوجيا الذي تجاوز بالفعل 90٪، بل في كل صناعة تقريبًا.

قال تسعة من كل عشرة مستجيبين إن مؤسساتهم تستخدم الذكاء الاصطناعي بانتظام، رغم أنه لا يزال في مرحلة التجربة. وعلى الرغم من كونه في مرحلة التجريب، أبلغ المستجيبون عن فوائد في التكلفة والإيرادات، حيث صرح 64٪ أن الذكاء الاصطناعي يمكنهم من الابتكار.

تظهر هذه الزيادة في الاعتماد أن الذكاء الاصطناعي، حتى في مراحله المبكرة، يصبح عامل تمكين رئيسي للتحول الرقمي.

في المشهد العالمي المتصل والمتنافس اليوم، يسمح الذكاء الاصطناعي للأعمال بالاستفادة من قوة تقنيات رقمية متعددة مثل البيانات الضخمة، الحوسبة السحابية، وإنترنت الأشياء. وبالفعل، يعمل كتقنية تقاربية، تُسرّع تطوير وتكامل التقنيات الأخرى بحيث يكون تأثيرها المشترك أكبر من مجموع أجزائها.

مع ذلك، دعونا نلقي نظرة الآن على بعض التطورات المثيرة للذكاء الاصطناعي عبر قطاعات مختلفة، حيث يُظهر كل منها كيف يغيّر العالم.

فيما يلي لمحة سريعة عن ثلاثة مجالات يمكن قياس تقاربي الذكاء الاصطناعي فيها بالفعل.

اسحب للتمرير →

الذكاء الاصطناعي يرسم خريطة الميكروبيوم المعوي إلى صحة الإنسان (ومخاطر الشريان التاجي)

بمساعدة الذكاء الاصطناعي، تمكن العلماء الآن من فك شيفرة النظام البيئي المعقد للبكتيريا المعوية وإشاراتها الكيميائية، مما أتاح اكتشاف الروابط الخفية بين البكتيريا وصحة الإنسان. والأكثر من ذلك أن النظام المتقدم للذكاء الاصطناعي يتفوق في دراسات السرطان، السمنة، واضطرابات النوم على النماذج التقليدية، ويظهر إمكانات هائلة لتخصيص العلاجات وفقًا للتركيب الميكروبي لكل شخص لتحويل الطب الشخصي.

تُعد قدرة الذكاء الاصطناعي على كشف الأنماط الخفية ملحوظة بشكل خاص، ففي دراسة من جامعة واترلو¹، كشف التحليل المدعوم بالذكاء الاصطناعي لاختبارات الدم الروتينية عن أنماط يمكن أن تُجري تنبؤات منقذة للحياة بطريقة ميسورة ومُتاحة.

بالعودة إلى البكتيريا المعوية، فإنها تلعب دورًا رئيسيًا في صحتنا، فهي لا تؤثر فقط على الهضم والوقاية من الأمراض، بل تؤثر أيضًا على المناعة وحتى المزاج. وقد وجدت أبحاث جديدة أن الميكروبيوم المعوي لدينا² قد يؤثر أيضًا على تطور مرض الشريان التاجي، الذي يقتل ما يقرب من 20 مليون شخص سنويًا.

يُظهر الأمعاء البشرية بوضوح تعقيدًا كبيرًا، فهي نظام بيئي يضم تريليونات الكائنات الدقيقة. إلى جانب العدد الهائل للأنواع البكتيرية الموجودة في أمعائنا، تجعل تفاعلاتها مع الكيمياء البشرية من الصعب على العلماء فهم تأثيراتها.

لكن في خطوة رائدة، لجأ باحثون من جامعة طوكيو إلى الذكاء الاصطناعي لمعالجة هذه المشكلة.

أنشأوا نظامًا للذكاء الاصطناعي لفهم أي البكتيريا تنتج أي المستقلبات، وهي جزيئات صغيرة تعمل كرسائل كيميائية وتنتقل عبر أجسامنا، مؤثرة على الأيض، المناعة، ووظيفة الدماغ، وكيفية تغير العلاقة بين البكتيريا والمستقلبات في الأمراض المختلفة.

“من خلال رسم هذه العلاقات بين البكتيريا والمواد الكيميائية بدقة، يمكننا تطوير علاجات شخصية. تخيل إمكانية زرع بكتيريا معينة لإنتاج مستقلبات بشرية مفيدة أو تصميم علاجات مستهدفة تُعدّل هذه المستقلبات لعلاج الأمراض.”

– الباحث في المشروع تونغ دانغ من مختبر تسونودا في قسم العلوم البيولوجية

النموذج الذي طوروه هو شبكة عصبية بايزية تُدعى VBayesMM³، والتي تعالج تحدي تحديد الأنماط ذات المعنى من التفاعل المعقد بين تريليونات البكتيريا والمستقلبات.

يستخدم نهجًا بايزيًا لتحديد أي مجموعات البكتيريا تؤثر أكثر على مستقلبات معينة. علاوةً على ذلك، يقيس عدم اليقين في توقعاته لتجنب الاستنتاجات الخاطئة، مما يمنح العلماء رؤى أكثر دقة وثقة.

باستخدام نهج المتعدد الأوميكيات البايزية المتغيرة (VBayesMM)، تمكن الفريق من تحديد الأنواع الميكروبية الرئيسية بسرعة ودقة، مما أدى إلى تقديرات أكثر صحة. كما أن تطبيق الاستدلال المتغير عالج عنق الزجاجة الحوسبي، مما سمح بتحليل مجموعات بيانات ضخمة على نطاق واسع.

سيتوجه الفريق لاحقًا للعمل مع مجموعات بيانات كيميائية أكثر شمولًا لالتقاط النطاق الكامل لمنتجات البكتيريا، لتجاوز مشكلة انخفاض الدقة عندما تكون بيانات المستقلبات أكثر شمولًا من بيانات البكتيريا.

“نهدف أيضًا إلى جعل VBayesMM أكثر صلابة عند تحليل مجموعات سكانية متنوعة من المرضى، من خلال دمج علاقات ‘شجرة العائلة’ للبكتيريا لتحسين التوقعات، وتقليل الوقت الحاسوبي المطلوب للتحليل”، قال دانغ. “في التطبيقات السريرية، الهدف النهائي هو تحديد أهداف بكتيرية محددة للعلاجات أو التدخلات الغذائية التي يمكن أن تساعد المرضى فعليًا، والانتقال من البحث الأساسي إلى التطبيقات الطبية العملية.”

زاوية استثمارية: الطب الدقيق مع Tempus AI (TEM )

في هذا العالم المثير والمعقد للعلوم الحياتية، تبرز Tempus AI لتقديم حلول الطب الدقيق المدعومة بالذكاء الاصطناعي للرعاية الشخصية للمرضى.

Tempus هي شركة تقنية تدفع بالطب الدقيق إلى الأمام وتُسهم في اكتشاف وتطوير العلاجات المثلى. لديها ثلاث خطوط منتجات:

• الجينوميات: تقدم تشخيصات التسلسل الجيني من الجيل التالي (NGS)، وتحليل ملفات التعريف، والأنماط الجينية الجزيئية، وغيرها من الاختبارات.
• البيانات: تتضمن هيكلة وإزالة هوية البيانات التي تُنتجها مختبراتها قبل تسويقها.
• تطبيقات الذكاء الاصطناعي: توفر تشخيصات، وتُنفّذ برامج كأجهزة طبية، وتُطلق أدوات دعم اتخاذ القرار السريري.

هذا العام، حققت Tempus عدة إنجازات تنظيمية رئيسية، بما في ذلك الحصول على موافقة إدارة الغذاء والدواء الأمريكية (FDA) لجهاز Tempus xR IVD لدعم تطوير الأدوية عبر تسلسل RNA المتقدم. نتيجةً لذلك، يمكن لشركائها استخدام اختبار RNA الخاص بها “لتحديد بدقة أي المرضى من المرجح أن يستجيب لعلاجات محددة وتصميم تجارب سريرية أكثر كفاءة”.

حصلت منصتها المحدثة لتحليل الصور القلبية المدعومة بالذكاء الاصطناعي، Tempus Pixel، وبرمجية الذكاء الاصطناعي Tempus ECG‑Low EF، أيضًا على موافقات FDA 510(k)، مما يعزز موقع الشركة في تشخيصات الذكاء الاصطناعي.

في الوقت نفسه، تُتداول أسهم الشركة ذات القيمة السوقية 12.73 مليار دولار عند 72.52 دولار، بارتفاع يقارب 112٪ هذا العام. فقط الشهر الماضي، تجاوزت أسهم TEM علامة الـ 100 دولار.

أما عن وضعها المالي، فقد أبلغت Tempus عن زيادة بنسبة 84.7٪ على أساس سنوي في الإيرادات للربع الثالث من 2025 لتصل إلى 334.2 مليون دولار، بينما ارتفع إجمالي الربح بنسبة 98.4٪ إلى 209.9 مليون دولار. كان صافي الخسارة للربع 80 مليون دولار. وانتهى الربع بمخزون نقدي وأوراق مالية قابلة للتسويق قدره 764.3 مليون دولار.

“ليس فقط أننا ننمو بمعدل مذهل، بل إن تحقيق EBITDA المعدل إيجابيًا يمثل علامة هامة ويعكس قوة أعمالنا الأساسية”، قال إريك ليكوفسكي، مؤسس ومدير Tempus التنفيذي. “أحد أصعب الأمور هو القدرة على إبطاء وتيرة إعادة الاستثمار في الأعمال مع الحفاظ على النمو، وهذا ما حققناه هذا الربع”.

انقر هنا للحصول على قائمة بأهم شركات البيانات الضخمة في مجال التكنولوجيا الحيوية.

الذكاء الاصطناعي يتنبأ بالعواصف الشمسية قبل أيام — حماية شبكات الطاقة والأقمار الصناعية

تم تطوير نموذج ذكاء اصطناعي لتوقع الرياح الشمسية مسبقًا بدقة أعلى من الأساليب الحالية، مما يساعد على حماية شبكات الطاقة، الأقمار الصناعية، وأنظمة الملاحة من الأحداث الفضائية المزعجة ويعزز صمود البنية التحتية الحيوية.

الرياح الشمسية هي تدفق مستمر من الجسيمات المشحونة التي يطلقها الشمس. يحدث ذلك عندما تتشوه الحقول المغناطيسية المتشابكة للشمس وتتمدد، لتنفجر قبل أن تعيد الاتصال، مطلقةً كميات هائلة من الطاقة.

عندما تكتسب هذه الجسيمات سرعة، يمكنها اضطراب الغلاف الجوي للأرض. فهي لا تتداخل فقط مع شبكات الطاقة، بل يمكنها سحب الأقمار الصناعية من مداراتها، كما حدث في عام 2022 عندما فقدت SpaceX ما يصل إلى 40 من أقمارها الصناعية Starlink.

العواصف الشمسية، من ناحية أخرى، هي أحداث أقوى حيث يطلق الشمس طاقة، جسيمات، ومجالات مغناطيسية إلى المجرة. عندما تُوجه نحو الأرض، يمكن أن تُحدث اضطرابًا كبيرًا في المجال المغناطيسي للأرض، يُسمى العاصفة الجيومغناطيسية. هذا ما يُظهر أضواء الشفق القطبي الجميلة، لكنه يسبب أيضًا انقطاعات في التيار الكهربائي.

تُقدّر سيناريو المخاطر النظامية الأخير من Lloyd’s أن عاصفة شمسية شديدة قد تُعرض الاقتصاد العالمي لخسائر تبلغ حوالي 2.4 تريليون دولار على مدى خمس سنوات، مع خسائر متوقعة تقارب 17 مليار دولار اليوم.

هذا يُظهر الحاجة الملحة إلى تحسين التنبؤ بهذه الأحداث. لذا، شرع الباحثون في جامعة نيويورك أبوظبي (NYUAD) في ذلك، بمساعدة الذكاء الاصطناعي.

لقد بنوا نموذجًا للذكاء الاصطناعي يمكنه توقع الرياح الشمسية⁴ قبل حدوثها بأربعة أيام، بدقة أعلى من الأساليب الحالية. تم تدريب النموذج على سجلات تاريخية للرياح الشمسية وصور الأشعة فوق البنفسجية من مرصد الديناميكا الشمسية التابع لناسا (SDO).

من خلال تحليل صور الشمس لاكتشاف الأنماط المرتبطة بتغيّر الرياح الشمسية، حقق فريق NYUAD تحسينًا بنسبة 45٪ في دقة توقعاتهم مقارنةً بالنماذج التشغيلية الحالية. علاوةً على ذلك، وصلوا إلى تحسين بنسبة 20٪ مقارنةً بالنهج القائمة على الذكاء الاصطناعي السابقة.

“هذه خطوة كبيرة إلى الأمام في حماية الأقمار الصناعية، أنظمة الملاحة، والبنية التحتية للطاقة التي تعتمد عليها الحياة الحديثة”، قال المؤلف الرئيسي للدراسة داتاراج دوري. “من خلال دمج الذكاء الاصطناعي المتقدم مع ملاحظات الشمس، يمكننا تقديم إنذارات مبكرة تساعد على حماية التكنولوجيا الحيوية على الأرض وفي الفضاء”.

زاوية استثمارية: الذكاء الاصطناعي لطقس الفضاء مع IBM (IBM )

تُعد شركة IBM ذات القيمة السوقية 293.24 مليار دولار مزودًا عالميًا لخدمات السحابة المختلطة والذكاء الاصطناعي لتسريع التحول الرقمي عبر البيانات، التطبيقات، والبيئات التي تعمل فيها.

منذ بضعة أشهر، أطلقت IBM نموذجًا مفتوح المصدر للذكاء الاصطناعي يُدعى “Surya” بالتعاون مع وكالة الفضاء ناسا، لفهم البيانات المجمعة من ملاحظات الشمس وتوقع كيف تؤثر النشاطات الشمسية على التكنولوجيا الفضائية والأرض. باستخدام Surya، تطبق الشركة الذكاء الاصطناعي على أبحاث توقع طقس الفضاء وتوفر أداة تساعد على حماية الاتصالات، شبكات الطاقة، وملاحة GPS من اضطرابات الشمس.

في وقت كتابة هذا المقال، تُتداول أسهم IBM عند 319 دولار، بارتفاع 42.7٪ منذ بداية العام. يبلغ ربح السهم (EPS) (TTM) 8.07، ومضاعف السعر إلى الأرباح (P/E) (TTM) 38.87. تدفع IBM عائدًا على الأرباح بنسبة 2.14٪.

في الربع الأخير (الربع الثالث 2025)، أبلغت الشركة عن زيادة بنسبة 9٪ في الإيرادات لتصل إلى 16.3 مليار دولار. كان هامش الربح الإجمالي وفقًا لمبادئ المحاسبة المقبولة عمومًا (GAAP) 57.3٪، وهامش الربح التشغيلي غير GAAP 58.7٪. كان صافي النقد من الأنشطة التشغيلية 9.2 مليار دولار حتى الآن، بينما بلغ التدفق النقدي الحر 7.2 مليار دولار.

“يستمر العملاء عالميًا في الاستفادة من تقنيتنا وخبرتنا المجالية لتعزيز الإنتاجية في عملياتهم وتقديم قيمة تجارية حقيقية باستخدام الذكاء الاصطناعي.”

– الرئيس التنفيذي أرڤيند كريشنا

كما أشار إلى أن أعمال الذكاء الاصطناعي في IBM تجاوزت 9.5 مليار دولار، مقارنةً بـ 7.5 مليار دولار في الربع السابق.

حيث يتفوق الذكاء الاصطناعي على الخبراء: الطب، علم الأعصاب والتعليم

يكتشف الباحثون أن الذكاء الاصطناعي يتفوق باستمرار على الخبراء عبر مجالات متعددة.

إحدى هذه المجالات هي الطب، حيث “تظل الزرق أحد أكثر الأسباب شيوعًا لفقدان البصر الذي لا يمكن إصلاحه عالميًا”، وتُعد الفحوصات مكلفة للغاية. لكن الذكاء الاصطناعي قد يكون الحل، وفقًا للدكتور أنتوني خواجى، أستاذ معهد طب العيون بجامعة كوليدج لندن والباحث الرئيسي في الدراسة الجديدة، التي أفادت بأن برنامجًا مدربًا بالذكاء الاصطناعي حدد المرضى المصابين بالزرق بنحو 90٪ من الوقت، مقارنةً بـ 81٪ للمقيمين البشريين.

في هذه الدراسة، قيم كل من الخبراء البشريين وبرنامج الذكاء الاصطناعي أكثر من 6,300 مشارك، كان ما يقرب من 700 منهم يعانون من الزرق في عين واحدة على الأقل.

الزرق ناتج عن ضرر في العصب البصري، غالبًا بسبب تراكم الضغط داخل العين، ما قد يؤدي إلى العمى الكامل. قام الخبراء البشريون والذكاء الاصطناعي بتصنيف خطر الزرق للمشاركين استنادًا إلى نسبة الكوب العمودي إلى القرص، وهو مقياس رئيسي لهذا الاضطراب يتتبع التغيرات في بنية العين الناجمة عن تراكم الضغط.

وفقًا لنتائج الدراسة، تم الاشتباه بوجود الزرق في 11٪ فقط من عيون المشاركين، وهو ما يتطابق مع النسبة المتوقعة في الفحص الروتيني. وأشار الباحثون إلى أن الدقة يمكن تحسينها بإضافة عوامل خطر أخرى مثل ضغط العين داخلية.

في دراسة أخرى⁵، تفوقت نماذج اللغة الكبيرة (LLMs) على الخبراء البشريين في توقع نتائج دراسات علم الأعصاب المقترحة، مما يبرز قدرة الذكاء الاصطناعي على تسريع البحث.

بدلاً من التركيز على قدرات الإجابة على الأسئلة، استكشفت الدراسة ما إذا كانت النماذج قادرة على تجميع المعرفة لتوقع النتائج المستقبلية.

لذلك، اختبروا 15 نموذجًا عامًا للغة الكبيرة و171 خبيرًا في علم الأعصاب البشري، ووجدوا أن جميع النماذج تفوقت على العلماء. بينما حققت النماذج متوسط دقة 81٪، حقق البشر متوسط 63٪، ارتفع إلى 66٪ فقط عند أعلى مستوى من الخبرة البشرية. وفي الوقت نفسه، رفع تدريب نموذج لغة كبير على أدبيات علم الأعصاب دقته إلى 86٪.

“نعتقد أنه لن يطول الوقت قبل أن يستخدم العلماء أدوات الذكاء الاصطناعي لتصميم التجربة الأكثر فاعلية لسؤالهم. بينما ركزت دراستنا على علم الأعصاب، كان نهجنا عالميًا ويجب أن يُطبق بنجاح عبر جميع العلوم.”

– المؤلف الرئيسي برادلي لوف، أستاذ علم النفس واللغات في UCL

وفقًا للباحثين في كامبريدج، يتمتع الذكاء الاصطناعي بميزة واضحة في النمذجة التنبؤية وتحليل البيانات. عندما يُزود ببيانات حديثة من حيث الحجم، التنوع، والصدق، يمكنه تحسين التكاليف وسلاسل الإمداد، تصميم منتجات عالية الأداء بسرعة، والاستجابة لتقلبات السوق في الوقت الفعلي.

“إن تجاهل الذكاء الاصطناعي التوليدي في استراتيجيات الشركات لم يعد خيارًا قابلًا للتنفيذ”، قال مؤلفو الدراسة.

هذا مجرد قمة جبل الجليد، إذ وجدت دراسات أخرى أن الذكاء الاصطناعي يتفوق في آليات اللغة الأساسية⁶ لكنه يفتقر إلى الاتساق الموضوعي عند تقييم الاختبارات، ويتفوق على الخبراء البشريين في التعرف على الألم في الأغنام⁷ باستخدام نفس المعلومات البصرية، ومقارنة أو تفوق أطباء الجلدية⁸ في تشخيص الأمراض الجلدية المستند إلى الصور.

زاوية استثمارية: اعتماد Gemini عبر Alphabet Inc. (GOOG )

عند التفكير في الاستثمار في قوة الذكاء الاصطناعي، تُعد Alphabet خيارًا جديرًا، حيث تقود الابتكارات في الذكاء الاصطناعي عبر Google DeepMind وGoogle Research.

مؤخرًا، أطلقت Google DeepMind وشركة تكنولوجيا التعليم المدعومة بالذكاء الاصطناعي، Eedi، بحثًا استكشافيًا⁹ يُظهر أن التدريس التفاعلي بالذكاء الاصطناعي مع إشراك الإنسان يتفوق على الدعم البشري فقط.

أُجري التجربة في خمس فصول دراسية في مدارس ثانوية بريطانية، حيث تم تقديم التعليم الأساسي عبر LearnLM، نموذج الذكاء الاصطناعي التوليدي من جوجل المُصمم للتدريس. وجدوا أن الفريق البشري‑الذكائي فعال (93٪) في مساعدة الطلاب على تصحيح الأخطاء فورًا، مقارنةً بالمعلم البشري وحده (91.2٪). وكان الفريق فعالًا أيضًا في مساعدة الطلاب على معالجة المفاهيم الخاطئة الأساسية.

عند قياس “نقل المعرفة”، أي كيف يؤثر التدريس على مشكلة واحدة على قدرة الطالب على حل مشكلة جديدة، حسّن المعلم البشري وحده التعلم بمقدار 4.5 نقاط مئوية، بينما عزز الفريق البشري‑الذكائي التعلم بمقدار 10 نقاط مئوية.

“تشير هذه النتائج إلى علامة فارقة للذكاء الاصطناعي المسؤول، الآمن، والفعّال في التعليم. الخطوة التالية هي توسيع هذا من تجربة استكشافية إلى تجربة واسعة النطاق.”

– إيرينا جورينكا، عالمة أبحاث في Google DeepMind

في الوقت نفسه، يحقق نموذج الذكاء الاصطناعي المتعدد الوسائط Gemini من جوجل عدة إنجازات، حاصلًا على مستوى ميداليات ذهبية في نهائيات مسابقة البرمجة الجامعية الدولية (ICPC) لعام 2025، عقب فوز ميدالية ذهبية في الأولمبياد الرياضي الدولي. الآن يضم تطبيق الذكاء الاصطناعي الرائد من جوجل أكثر من 650 مليون مستخدم نشط شهريًا.

لذا، تُظهر مشاركة جوجل العميقة في ابتكار الذكاء الاصطناعي كيف ساعدت أسهمها على الارتفاع بنحو 54٪ هذا العام، لتتداول الآن فوق 293 دولار. وتدفع الشركة ذات القيمة السوقية 3.5 تريليون دولار عائدًا بنسبة 0.29٪.

مؤخرًا، أبلغت عن إيرادات قدرها 102.35 مليار دولار للربع الثالث من 2025، مدفوعةً بزخم قوي في أعمال السحابة التي استفادت من طلب قوي على الذكاء الاصطناعي. تخطط الشركة الآن لزيادة الإنفاق الرأسمالي إلى ما بين 91 إلى 93 مليار دولار، بعد رفع التوقعات من 75 إلى 85 مليار دولار في وقت سابق من هذا العام. تُخصص معظم النفقات للبنية التحتية مثل مراكز البيانات.

الأفكار النهائية

لقد اجتاح الذكاء الاصطناعي العالم، لكنه لم يعد مجرد ابتكار منفرد. بل أصبح نسيجًا رابطًا يربط عددًا متزايدًا من التقنيات التحويلية. كما ذكرنا أعلاه، يساعدنا في فك أسرار الميكروبيوم البشري، توقع العواصف الشمسية، وحتى التفوق على الخبراء في العلوم والطب. ومع ذلك، تمثل هذه الإنجازات جزءًا صغيرًا فقط من مدى تأثير الذكاء الاصطناعي على كل حدود الجهد البشري.

مع تقاربه مع البيانات الضخمة، التكنولوجيا الحيوية، الحوسبة السحابية، الروبوتات، والعلوم الكمومية، يسرّع الذكاء الاصطناعي وتيرة الاكتشاف ويُمكّن التكاملات التي تُنشئ أنظمة أذكى وعالمًا أذكى.

انقر هنا لتتعرف على كل ما تحتاج معرفته حول الاستثمار في الذكاء الاصطناعي.

المراجع

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. نمذجة مسارات اختبارات الدم الروتينية كعلامات حيوية ديناميكية للنتائج في إصابة الحبل الشوكي. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. تُظهر الجينومات المجمعة من الميتاجينوم توقيعات ميكروبية ومسارات أيضية مرتبطة بمرض الشريان التاجي. mSystems e00954‑25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: شبكة عصبية بايزية متغيرة لتحديد العلاقات المهمة في بيانات الميكروبيوم المتعددة الأوميكيات عالية الأبعاد.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “شبكة مشفر‑مُفكك متعددة الوسائط لتوقع سرعة الرياح الشمسية عند L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. تفوق نماذج اللغة الكبيرة على الخبراء البشريين في توقع نتائج علم الأعصاب. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. الذكاء الاصطناعي مقابل فعالية الإنسان في تقييم المقالات. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “مقارنة بين أداء الذكاء الاصطناعي والخبراء البشريين في تقييم الألم الحاد لدى الأغنام.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. الذكاء الاصطناعي في الأمراض الجلدية: مراجعة. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “يمكن لتدريس الذكاء الاصطناعي أن يدعم الطلاب بأمان وفعالية: تجربة عشوائية استكشافية في فصول دراسية بريطانية.” arXiv pre‑print (Nov 2025). متاح على: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf