socialawy

عندما نقرأ أن مايكروسوفت أو أمازون أنفقت عشرات المليارات على البنية التحتية للذكاء الاصطناعي، نفترض غالبًا أن كل هذا الإنفاق يعني قدرة جديدة تضاف إلى ما تملكه الشركة بالفعل. لكن هناك جزءًا آخر من القصة: استبدال القدرة القديمة. الشركات تشتري الخوادم والمعالجات، ثم تظهر أجيال أحدث وأعلى كفاءة، بينما الأجهزة القديمة لم تنتهِ بالضرورة من عمرها التشغيلي أو استردت تكلفتها. وفي 2025 خفضت Amazon العمر المحاسبي المقدر لمجموعة من خوادمها من ست سنوات إلى خمس، مشيرة إلى تسارع التطور التقني،

هل لاحظت إن فيه نموذج كنت معتمد عليه وفجأة بدأ يتصرف بغرابة؟ ينسى تعليمات لسه قايلها له، يقف في نص الشغلانة وما يكملهاش، أو يجاوب بسرعة وبثقة عمياء عن حاجات هو أصلاً ما دققش فيها ولا اتأكد منها. الانطباع المباشر اللي بييجي في بالك طبيعي: «النموذج اتغابى». بس المشكلة ممكن تكون في حتة تانية خالص. في أبريل 2026، كشفت Anthropic عن تلات أسباب ضربوا تجربة كلود كود: خفض مجهود التفكير (Reasoning effort)، وخلل في إدارة السياق (Context management)، وتعليمات مشددة

ممكن تشتري أقوى كارت شاشة، وتكتشف بعدين إن الموديل اللي محتاجه ما بيشتغلش عليه أصلاً. في شراء أجهزة الذكاء الاصطناعي المحلية، فيه سؤال بقى أهم بكتير من مقارنة سرعة المعالجات: هو الموديل هيدخل جوه ذاكرة الجهاز أصلاً؟ كارت NVIDIA سريع جداً وتوافقه البرمجي ممتاز، ممكن يقف عاجز تماماً قدام موديل كبير لمجرد إن سعة الـ VRAM مش مكفية. وفي المقابل، جهاز بذاكرة موحدة كبيرة يقدر يستوعب موديل أضخم، بس ممكن يكون أبطأ، أو ما بيدعمش الأدوات البرمجية اللي شغلك معتمد