أند류 نغ ي proposes المبادئ التوجيهية لتسريع الابتكار في الذكاء الاصطناعي للشركات من خلال البيئات التجريبية But to better fit your needs, a more natural and appealing journalistic headline would be: أندرو نغ: البيئات التجريبية السر للابتكار السريع في الذكاء الاصطناعي للشركات

'Sandbox First': خطة أندرو نغ لتسريع الابتكار الذكاء الصناعي في الشركات 24 يونيو 2025 في الوقت الذي قد تكون فيه الشركات قلقة بشأن تأثير تطبيقات الذكاء الصناعي عند وضعها في الإنتاج، فإن فرض ضوابط وقيود في بداية هذه المشاريع يمكن أن يبطئ الابتكار. خلال جلسة حوارية في مؤتمر VB Transform اليوم، أكد أندرو نغ، المؤسس المشارك لشركة DeepLearning AI وأحد أبرز الشخصيات في تطوير الذكاء الصناعي، على أهمية المراقبة والضوابط في تطوير الذكاء الصناعي. ومع ذلك، أضاف أنه يجب ألا تكون هذه الضوابط على حساب الابتكار والنمو. اقترح نغ أن تبني الشركات مشاريعها الأولية داخل بيئات آمنة "sandboxes" لتجربة الأفكار بسرعة واختيار البرامج التجريبية التي تعمل بشكل جيد. بعد ذلك، يمكن للشركات بدء الاستثمار في أدوات المراقبة والضوابط لهذه التطبيقات. هذا الأمر قد يبدو معاكسًا لتفكير الشركات التي ترغب في تنفيذ الذكاء الصناعي بطرق آمنة من البداية. أوضح نغ أن الشركات الكبيرة "لا تستطيع تحمل وجود فريق ابتكار عشوائي يطلق منتجًا يضر بالعلامة التجارية أو يكشف معلومات حساسة"، لكن هذا أيضًا يمكن أن يعرقل الابتكار. بدلاً من ذلك، توفر البيئات الآمنة فرصة للمطورين لتجربة الأفكار بسرعة وباستخدام المعلومات الخاصة بشكل محدود. تسمح هذه البيئات للشركة بالاستثمار فقط في المشاريع التي أثبتت نجاحها، ثم إضافة التقنيات اللازمة لجعلها مسؤولة، مثل أدوات المراقبة والضوابط. أصبحت المراقبة موضوعًا رئيسيًا بسرعة مع دخول العديد من تطبيقات الذكاء الصناعي والوكلاء الذكيين مرحلة الإنتاج. على سبيل المثال، قامت شركة Salesforce بتحديث مكتبتها وكيل 3 "Agentforce 3" لتوفير رؤية أفضل لأداء الوكلاء ودعم أكبر للمعايير التوافقية مثل MCP. السرعة وتقليل تكلفة البرامج التجريبية يرى نغ أن السرعة والابتكار مترابطان، وأن الشركات لا يجب أن تخاف منهما. قال: "تخيل أننا كنا على عربة ملاهي، لكنها عربة ملاهي بطيئة. ما حدث في العام الماضي هو أن عربة الملاهي هذه اكتسبت الكثير من السرعة، وهذا أمر مثير للإعجاب لأنها تتحرك قدماً". أشار نغ إلى أن أحد العوامل التي ساهمت في هذا التسارع هي الأدوات المتاحة حاليًا للمطورين للعمل وإبداع الأفكار بسرعة، مثل منصات البرمجة الذكية مثل Windsurf وGitHub Copilot، والتي قللت بشكل كبير من وقت تطوير المشاريع التي كانت تستغرق ثلاثة أشهر وستة مهندسين سابقًا. لقد ساهمت هذه المنصات وأدوات أخرى تساعد المطورين على العمل بسرعة في خفض تكلفة تنفيذ البرامج التجريبية. قال نغ: "لا أشعر أن انخفاض تكلفة البرهان على المفهوم إلى مستوى يتيح لي القيام بعدد كبير من البراهين على المفهوم هو أمر سيء". تحدي المواهب أحد التحديات أمام الشركات قد يكون إيجاد المواهب المناسبة. أقر نغ بأن هناك شركات ذكاء صناعي تجذب مهندسي النماذج الأساسية بمرتبات تصل إلى 10 ملايين دولار، لكن هذه الرواتب المرتفعة ليست شائعة بين مهندسي البرمجيات. قال نغ: "إن إحدى أكبر التحديات للعديد من الشركات هي المواهب". وأضاف: "الخبر الجيد للشركات التي تبحث عن مهندسين قادرين على بناء تطبيقات هو أن الأسعار بعيدة كل البعد عن نطاق الخمسة ملايين دولار". المشكلة هي أن هناك نقصًا في المواهب التي لديها الخبرة في بناء مشاريع الذكاء الصناعي للشركات. لذلك، يعود نغ إلى حلّه الأول: السماح للمطورين بالتجربة في بيئات آمنة و gaining تلك الخبرة. تقييم الخبراء يُعتبر أندرو نغ من أبرز الخبراء في مجال الذكاء الصناعي، وقد أسهمت آراؤه في توجيه استراتيجيات الشركات في تبني تقنيات الذكاء الصناعي. يؤكد نغ أن الابتكار السريع والمراقبة المستدامة هما مفتاح تحقيق التقدم في هذا المجال، ويحث الشركات على التوازن بين الأمان والابتكار من خلال استخدام بيئات آمنة. هذا التوجه يمكن أن يساعد الشركات في الاستفادة القصوى من التقنيات الحديثة دون المخاطرة بسمعتها أو معلوماتها الحساسة. نبذة تعريفية عن DeepLearning AI تأسست شركة DeepLearning AI بواسطة أندرو نغ، وهي تركز على توفير دورات تعلم وتوجيه للمهتمين بتطوير الذكاء الصناعي. تهدف الشركة إلى تبسيط عملية تعلم الذكاء الصناعي ومساعدة المطورين والمهندسين على بناء تطبيقات ذكية وفعالة. من خلال تقديم برامج تعليمية عالية الجودة وأدوات تطوير متطورة، تلعب DeepLearning AI دورًا رئيسيًا في تعزيز الابتكار في مجال الذكاء الصناعي.