أستاذان في ستانفورد يطلقان مختبر الذكاء الاصطناعي Noeri بتمويل قدره 110 ملايين دولار تشارك فيه Nvidia
تتوقف معظم نماذج الذكاء الاصطناعي عن التعلم بعد انتهاء تدريبها، فتضطر الشركات إلى الاختيار بين دفع مبالغ زائدة مقابل نموذج من الفئة العليا أو القبول بنتيجة أسوأ يقدمها نموذج رخيص. جمع مختبر Noeri، الذي أسسه أستاذا ستانفورد يجين تشوي وكارلوس غيسترين، 110 ملايين دولار لتغيير هذا الواقع. يدرس نظام المختبر بيانات العميل ويعيد بنفسه ضبط المهمة، فيما يوافق الإنسان على التعديلات كما في مراجعة الشيفرة (code review). وبالنسبة إلى الفرق التي تتحمل فواتير API مرتفعة، قد يكون هذا طريقاً إلى توفير التكاليف.
معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
اصطدم تقريباً كل من أطلق الذكاء الاصطناعي في بيئة الإنتاج بالمفترق نفسه: إما اختيار أقوى نموذج متاح ودفع ثمن كل طلب، وإما التوفير مقابل نتيجة أضعف بوضوح. يقترح مختبر Noeri الجديد طريقاً ثالثاً. أسس المختبر هذا العام أستاذا ستانفورد يجين تشوي وكارلوس غيسترين، وجمع عند انطلاقته 110 ملايين دولار.
قادت الجولة شركة Menlo Ventures. وشارك فيها كل من Madrona Venture Group وKindred Ventures وWing Venture Capital وNEA. أما المستثمرون الاستراتيجيون فهم Cisco Investments وNvidia وSnowflake. وكانت Bloomberg أول من كتب عن الصفقة. ولا تكشف Noeri عن تقييم الشركة.
كيف تريد Noeri تعليم النظام التعلم أثناء العمل
الفكرة الأساسية بسيطة. فمعظم النماذج تتوقف عن اكتساب معرفة جديدة بعد اكتمال تدريبها، أما أنظمة Noeri فتواصل التحسن أثناء الاستخدام، بحسب الشركة.
وآلية العمل كالتالي: يدرس الذكاء الاصطناعي بيانات شركة بعينها وسير العمل فيها. ثم يغير النموذج نفسه وكل ما يحيط به أيضاً، أي التعليمات ومجموعة الأدوات واختيار النموذج لكل خطوة، وكذلك النماذج ذاتها إذا كان ذلك مجدياً اقتصادياً. ولنتخيل مركز اتصال: قد يلاحظ النظام أن نموذجاً صغيراً رخيصاً يحل الطلبات البسيطة بسهولة، وأن النموذج الباهظ لا يستحق الاستدعاء إلا في النزاعات المعقدة. عندها يعيد كتابة الـ prompts ويعيد توزيع الخطوات.
يرافق كل تغيير شرح له، ويعتمده إنسان كما في مراجعة الشيفرة. وهذه نقطة مهمة، لأن التحسين التلقائي دون رقابة يثير مخاوف المسؤولين عن الموثوقية. أما هنا فيرى المهندس ما الذي تغير بالضبط ولماذا، ويستطيع رفض التعديل.
يعمل النظام مع النماذج المغلقة ومع النماذج ذات الأوزان المفتوحة. وتبقى البيانات وسير العمل والنماذج المبنية ملكاً للعميل.
نموذج صغير يدير نماذج كبيرة
نشأت الفكرة جزئياً من العمل مع فريق من علماء الأحياء الدقيقة وعلماء المناعة في ستانفورد. فقد احتاجوا إلى استخدام نماذج OpenAI بكلفة أقل. وقالت تشوي لـ Bloomberg إن ذكاءهم الاصطناعي الصغير تعلم استخدام نماذج أخرى، وتفوق في مهام ذلك الفريق على GPT-5. ومع ذلك فقد لجأ إلى GPT-4 لا إلى GPT-5، إذ تقول إن ستانفورد لا تملك من المال ما يكفي لتشغيل أحدث نموذج باستمرار.
هذه حتى الآن رواية المؤسِّسة، وليست نتيجة اختبار معياري (benchmark) منشورة. ولا تتضمن التقارير أرقاماً يمكن التحقق منها عن مقدار ما يوفره النظام من المال أو ما يضيفه من جودة.
ويتصل الجزء الثاني من خطط Noeri بالعلم. تريد الشركة أن يعمل الذكاء الاصطناعي إلى جانب العلماء: يطرح فرضيات، ويجري تجارب، ويتعلم من النتائج. ومن أمثلة المهام جزيئات جديدة وبروتينات وأنظمة تقنية معقدة. وترى الشركة أن النماذج الصغيرة المتخصصة تجعل هذا الاستكشاف الواسع في المتناول من حيث التكلفة.
من يقف وراء المشروع وماذا يعني ذلك للممارسين
يجين تشوي حاصلة على زمالة MacArthur، وكانت أستاذة في جامعة واشنطن ومديرة أولى في معهد Allen للذكاء الاصطناعي. وتذكر Bloomberg أنها عملت أيضاً عالمة بارزة في Nvidia. أما كارلوس غيسترين فقد أسس Turi، وهي منصة للتعلم الآلي اشترتها Apple في عام 2016، ثم قاد المؤسسة المركزية لدى Apple للتعلم الآلي والذكاء الاصطناعي. وهو أيضاً أحد مبتكري مكتبة XGBoost المفتوحة المصدر.
يقع المقر الرئيسي لـ Noeri في بالو ألتو، ولها مكتب في زيورخ، وتوظف الشركة باحثين ومهندسين في المدينتين. وهي تعمل بالفعل مع شركاء من قطاعات مختلفة، بينهم بعض مستثمريها.
وشرح غيسترين لـ Bloomberg موقفاً آخر أيضاً: فكلاهما يقلقه التمركز الذي تمتلك فيه شركة واحدة كل شيء. ومن هنا جاء الرهان على التوافق مع نماذج الآخرين وعلى احتفاظ العميل بالسيطرة.
أما بالنسبة إلى المطورين ومديري المنتجات، فالخلاصة هي أن اختيار النموذج يصبح أكثر فأكثر جزءاً من النظام نفسه لا قراراً يُتخذ مرة واحدة. ومن المفيد منذ الآن قياس الجودة والتكلفة لكل خطوة من خطوات سير العمل، وإبقاء الـ prompts والأدوات تحت التحكم بالإصدارات، وفحص المواضع التي يمكن فيها استبدال نموذج باهظ بآخر رخيص. وإذا وفت Noeri بما وعدت به، فسيصبح هذا التحسين تلقائياً، وتبقى الكلمة الأخيرة للبشر. وحتى الآن تملك الشركة المال والفريق القوي والإعلان عن نواياها. أما الإثبات في صورة نتائج قابلة للقياس لدى العملاء فلا يزال في المستقبل.
- 21 نوفمبر 2026اختراقُ phi3 المحلية في 51% من المحاولات — مطوّر يضع أمامها بوابة حماية
- 21 نوفمبر 2026Thinking Machines تطلق نموذج Inkling 2 Mini المفتوح بـ 26.4 مليار معامل لأجهزة Mac بذاكرة 32 غيغابايت
- 21 نوفمبر 2026Nvidia تضاعف أرباحها لكن سهمها يتراجع 2% بسبب البحث عن رئيس تنفيذي جديد
- 21 نوفمبر 2026Nous Research تعيد تدريب نموذج Qwen3.8 الصيني، فتنخفض الدعاية في إجاباته إلى 1% بدلًا من 22%
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تريد Noeri تعليم النظام التعلم أثناء العمل؟
الفكرة الأساسية بسيطة. فمعظم النماذج تتوقف عن اكتساب معرفة جديدة بعد اكتمال تدريبها، أما أنظمة Noeri فتواصل التحسن أثناء الاستخدام، بحسب الشركة. وآلية العمل كالتالي: يدرس الذكاء الاصطناعي بيانات شركة بعينها وسير العمل فيها. ثم يغير النموذج نفسه وكل ما يحيط به أيضاً، أي التعليمات ومجموعة الأدوات واختيار النموذج لكل خطوة، وكذلك النماذج ذاتها إذا كان ذلك مجدياً اقتصادياً.
ما أبرز التفاصيل حول نموذج صغير يدير نماذج كبيرة؟
نشأت الفكرة جزئياً من العمل مع فريق من علماء الأحياء الدقيقة وعلماء المناعة في ستانفورد. فقد احتاجوا إلى استخدام نماذج OpenAI بكلفة أقل. وقالت تشوي لـ Bloomberg إن ذكاءهم الاصطناعي الصغير تعلم استخدام نماذج أخرى، وتفوق في مهام ذلك الفريق على GPT-5. ومع ذلك فقد لجأ إلى GPT-4 لا إلى GPT-5، إذ تقول إن ستانفورد لا تملك من المال ما يكفي لتشغيل أحدث نموذج باستمرار. هذه حتى الآن رواية المؤسِّسة، وليست نتيجة اختبار معياري (benchmark) منشورة.
ما أبرز التفاصيل حول من يقف وراء المشروع وماذا يعني ذلك للممارسين؟
يجين تشوي حاصلة على زمالة MacArthur، وكانت أستاذة في جامعة واشنطن ومديرة أولى في معهد Allen للذكاء الاصطناعي. وتذكر Bloomberg أنها عملت أيضاً عالمة بارزة في Nvidia. أما كارلوس غيسترين فقد أسس Turi، وهي منصة للتعلم الآلي اشترتها Apple في عام 2016، ثم قاد المؤسسة المركزية لدى Apple للتعلم الآلي والذكاء الاصطناعي. وهو أيضاً أحد مبتكري مكتبة XGBoost المفتوحة المصدر. يقع المقر الرئيسي لـ Noeri في بالو ألتو، ولها مكتب في زيورخ، وتوظف الشركة باحثين ومهندسين في المدينتين.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.