HyperAI Super Neural X Apache｜مؤتمر خاص بالذكاء الاصطناعي من Community Over Code Asia 2025
من 25 إلى 27 يوليو، سيتم افتتاح مؤتمر Community Over Code Asia 2025، سلسلة المؤتمرات العالمية الرسمية لمؤسسة Apache Software Foundation (ASF)، في مركز المؤتمرات بمنطقة Zhongguancun الوطنية المستقلة للابتكار في بكين!
سيُقدّم موضوع الذكاء الاصطناعي في هذا المؤتمر كلٌّ من وانغ تشينهان، المؤسس والرئيس التنفيذي لشركة OpenBayes Bayesian Computing، وتان تشونغيي، عضو مؤسسة Apache Software، ودو جون بينغ، المؤسس والرئيس التنفيذي لشركة Datastrato، بصفتهم خبراء في هذا المجال. كما سيُقدّمون لكم أحدث المعلومات والممارسات الرائدة في بناء وتطوير مجتمع Apache من الساعة 2:00 ظهرًا إلى 5:15 مساءً يوم 25 يوليو. ستشارك شركة هايبر إيه آي في هذا الحدث كمجتمع تعاوني، وستُقيم جناحًا تسويقيًا. الجميع مدعوون للحضور والمشاركة.
موضوع خاص
منتدى الذكاء الاصطناعي هو منصة تواصل احترافية تُركز على دمج تقنيات الذكاء الاصطناعي ومشاريع أباتشي مفتوحة المصدر. يهدف المنتدى إلى جمع المطورين والباحثين ومستخدمي القطاع من جميع أنحاء العالم لمناقشة تطبيق وتطوير تقنيات الذكاء الاصطناعي في بيئة مفتوحة المصدر، وعرض أحدث التقنيات، وتبادل الخبرات العملية، وتعزيز تطبيق حلول الذكاء الاصطناعي مفتوحة المصدر في مختلف القطاعات.
المواضيع المناسبة لهذا المنتدى هي:
- المشاريع المتعلقة بالذكاء الاصطناعي في إطار مؤسسة Apache (على سبيل المثال، التركيز على أطر عمل الذكاء الاصطناعي مفتوحة المصدر ومشاريع المكتبة الأساسية مثل Apache TVM وMahout وSinga وSystemML وما إلى ذلك).
- تحسين مشاريع Apache الفردية في سيناريوهات الذكاء الاصطناعي (مثل Spark MLib، وFlink ML، وما إلى ذلك)
- حلول الذكاء الاصطناعي للسيناريوهات الصناعية القائمة على الجمع بين مشاريع Apache المتعددة، مثل طريقة بناء الأعمال التجارية القائمة على الذكاء الاصطناعي لشركة معينة
منتج
وانغ تشينهان
مؤسس ورئيس تنفيذي لشركة OpenBayes Bayesian Computing، وأحد مترجمي مستندات Apache TVM الصينية، ونائب مدير مركز أبحاث الحوسبة البايزية المشترك بجامعة تيانجين. عمل لدى شركات تقنية مثل Walt Disney Interactive Media Group وAVOS Systems، وشغل منصب الأمين العام لمنظمة CLUE Benchmarks Foundation، وهي منظمة مفتوحة المصدر.
تان تشونغ يي
نائب الأمين العام لـ COPU، خبير في مجال المصادر المفتوحة لأكثر من 20 عامًا، وعضو في مؤسسة Apache Software.
دو جون بينغ
مؤسس ورئيس تنفيذي لشركة داتاستراتو، ومدير مؤسسة LF للذكاء الاصطناعي والبيانات، وعضو مؤسسة أباتشي للبرمجيات، وخبير في تكنولوجيا البيانات الضخمة والمصادر المفتوحة، وعضو مؤسسة أباتشي للمصادر المفتوحة، ومتعهد ومدير مشروع رئيسي لمشاريع أباتشي هادوب، وأوزون، ويونيكورن، وغيرها، ومرشد لمشاريع أباتشي غرافيتينو، ونوت إكس، وغيرها. الرئيس السابق للجنة المصادر المفتوحة لشركات فورتشن 500، ومدير البحث والتطوير لمنصات البيانات الضخمة، والمدير العام لأعمال المصادر المفتوحة، والرئيس السابق لفريق حوسبة هادوب في هورتونوركس، وغيرها.
أبرز ما جاء في جدول الأعمال
📅 ٢٥ يوليو من الساعة ١٤:٠٠ إلى ١٧:١٥
موضوع الخطاب: تعظيم الاستفادة من وحدات معالجة الرسومات (GPU) المتنوعة بطريقة سحابية أصلية | إطلاق العنان لقوة HAMi
وقت المشاركة: 25 يوليو، 14:00-14:30
مقدمة الموضوع: مع تزايد شعبية الذكاء الاصطناعي، أصبح Kubernetes المعيار الفعلي للبنية التحتية للذكاء الاصطناعي. ومع ذلك، فإن العدد المتزايد من المجموعات التي تحتوي على أجهزة ذكاء اصطناعي متعددة (مثل NVIDIA وIntel وHuawei Ascend وHaiguang وMuxi وCambrian وTianshu Zhixin وSuiyuan، إلخ) قد طرح تحديات كبيرة. أجهزة الذكاء الاصطناعي باهظة الثمن، فكيف يمكن تحسين استخدام الموارد؟ كيف يمكن تحسين التكامل مع مجموعات K8s؟ كيف يمكن إدارة أجهزة الذكاء الاصطناعي غير المتجانسة بشكل موحد، ودعم استراتيجيات الجدولة المرنة، وتحقيق إمكانية المراقبة؟ جميعها تواجه تحديات عديدة. وقد وُلد مشروع HAMi. يتضمن هذا الخطاب:
- كيف تدير Kubernetes أجهزة الذكاء الاصطناعي غير المتجانسة (الجدولة الموحدة، وإمكانية المراقبة)
- تحسين استخدام الجهاز من خلال مشاركة وحدة معالجة الرسومات (GPU)
- ضمان جودة الخدمة للمهام ذات الأولوية العالية في سيناريوهات مشاركة وحدة معالجة الرسومات
- يدعم سياسات جدولة وحدة معالجة الرسوميات المرنة (تقارب/مضاد تقارب NUMA، التعبئة/التشتت، وما إلى ذلك).
- التكامل مع مشاريع أخرى (مثل Volcano، و Scheduler-plugin، وما إلى ذلك)
- مشاركة الحالات الحقيقية لمستخدمي مستوى الإنتاج
- التحديات الحالية والخطط المستقبلية
المتحدثون:
Xiao Zhang｜مؤسس dynamia.ai، وهو متحمس للسحابة الأصلية ومسؤول عن صيانة المجتمع، مع التركيز على البنية التحتية للذكاء الاصطناعي
شياو تشانغ هو مؤسس dynamia.ai (التي تُركز على البنية التحتية، والذكاء الاصطناعي، وإدارة المجموعات المتعددة، وإدارة دورة حياة المجموعات (LCM)، ومبادرة الحاويات المفتوحة (OCI)). وهو أيضًا مساهم فاعل في مجتمع الحوسبة السحابية، ومهتم بتقنيات الحوسبة السحابية الأصلية. وهو حاليًا عضو في مجموعة Kubernetes/Kubernetes ذات الاهتمامات الخاصة (Kubernetes-sigs)، ويتولى صيانة مشاريع Karmada وkubean وcloudtty. بالإضافة إلى ذلك، فهو أيضًا الراعي المشارك والمشرف على مشروع CNCF HAMi، بمعرف GitHub wawa0210.
يو ين｜مالك المنتج @dynamia.ai، ومسؤول صيانة البرامج المفتوحة @HAMi، يقود ابتكار البنية التحتية للذكاء الاصطناعي ومحاكاة وحدة معالجة الرسومات على Kubernetes
يو ين هو مالك منتج dynamia.ai والمشرف الرئيسي على مشروع HAMi، وهو مشروع مفتوح المصدر لمحاكاة وحدات معالجة الرسومات (GPU) والحوسبة غير المتجانسة على Kubernetes. بخبرته العملية في بناء البنية التحتية للذكاء الاصطناعي، يركز يو على تمكين مشاركة وحدات معالجة الرسومات القابلة للتطوير، وتجميع الأجهزة، والجدولة الذكية للبيئات متعددة البنى. وقد ساعد مستخدمي المؤسسات في قطاعات اللوجستيات والاتصالات والمالية على تبني إدارة الموارد غير المتجانسة في الإنتاج. وفي الوقت نفسه، يُعد السيد يو داعمًا نشطًا لتطبيقات المصدر المفتوح في الصين، ويقود جهود تدويل مجتمع HAMi.
موضوع الخطاب: استكشاف أباتشي دوريس وممارسته في مجال الذكاء الاصطناعي
وقت المشاركة: 25 يوليو، 14:30-15:00
مقدمة الموضوع: بصفتها قاعدة بيانات تحليل OLAP شائعة الاستخدام في الوقت الفعلي، قامت Apache Doris، أو تخطط لإضافة المزيد من الوظائف والمكونات الطرفية المتعلقة بالذكاء الاصطناعي، مثل استرجاع المتجهات، وMCP، وRAG، وغيرها من الوحدات الوظيفية، في ظل التغيرات السريعة التي يشهدها عصر الذكاء الاصطناعي. سيُعلن هذا الخطاب عن التقدم الحالي الذي أحرزته Doris في مجال الذكاء الاصطناعي من خلال التواصل والعروض التوضيحية.
المتحدثون:
ييجيا سو｜أباتشي دوريس كوميتر، مهندس حلول SelectDB، راعي PowerData
قام مسؤول Apache Doris، ومبشر مجتمع Apache Doris، ومساهم في Doris-MCP، ومهندس الحلول الرئيسي في SelectDB، ومبتكر مجتمع PowerData، بمساعدة مئات الشركات في مجتمع Apache Doris في استكمال تطوير بناء مستودعات البيانات في الوقت الفعلي وتحسينها.
موضوع الخطاب: Apache Gravitino | حلول إدارة البيانات الوصفية في عصر الذكاء الاصطناعي
وقت المشاركة: 25 يوليو، 15:00-15:30
مقدمة الموضوع:
أصبحت إدارة البيانات الوصفية حجر الزاوية في عصر الذكاء الاصطناعي. ستستكشف هذه المحاضرة كيف يُمكن لـ Apache Gravitino تحقيق إدارة واسعة النطاق للبيانات والنماذج غير المنظمة، وكيف تستخدم Xiaomi Gravitino لمعالجة بيانات نماذج اللغات الكبيرة (LLM) وإدارة دورة حياة النموذج.
مخطط الخطاب:
1. تحديات إدارة مجموعات البيانات والنماذج في سير عمل الذكاء الاصطناعي، وكيف تعالج Gravitino هذه المشكلات من خلال كتالوج مجموعة الملفات (حوكمة مجموعة بيانات الذكاء الاصطناعي المنظمة) وكتالوج النماذج (إدارة دورة حياة النموذج الموحدة)
2. تعظيم الكفاءة التشغيلية والامتثال للحوكمة من خلال الاستفادة من نظام الوسم Gravitino وتتبع السلالة وقدرات إدارة بيانات الاعتماد
٣. تطبيق Fileset في معالجة بيانات شاومي: في سيناريوهات الذكاء الاصطناعي، تتضمن معالجة البيانات مراحل متعددة، مثل التنزيل، والاستخراج، والتصفية، وإزالة التكرار، والتدريب. يُحسّن استخدام Fileset كفاءة خط الأنابيب بين البيانات ومحركات الذكاء الاصطناعي، ويُطبّق إدارة شاملة لمجموعات البيانات، ويُنشئ عرضًا موحدًا للبيانات الوصفية.
4. ممارسة إدارة النماذج الكبيرة باستخدام الذكاء الاصطناعي من Xiaomi: كيف تدير Xiaomi بيانات النماذج الكبيرة، وتنشر خدمات النماذج، وخططنا المستقبلية للتكامل مع Gravitino
المتحدثون:
شياوجينج فانغ｜مهندس برمجيات Apache Gravitino PPMC و datastrato
عضو في مجلس إدارة Apache Gravitino PPMC، يركز على أنظمة البنية التحتية للبيانات والذكاء الاصطناعي.
هان تشانغ ｜ مهندس البحث والتطوير للبرمجيات في Xiaomi
مساهم في Apache Gravitino، المسؤول عن البحث والتطوير لمنصة تطوير الذكاء الاصطناعي الخاصة بشركة Xiaomi.
موضوع الخطاب: الكتالوج كسياق | استخدام البيانات الوصفية لتوجيه وإدارة الموجة التالية من تطوير الذكاء الاصطناعي
وقت المشاركة: 25 يوليو، 15:45-16:15
مقدمة الموضوع: تطوير أدوات ذكاء اصطناعي فعّالة هو محور اهتمامنا هذا العام، وقد أحرزت العوامل الذكية والنماذج الأساسية تقدمًا ملحوظًا في مختلف المجالات. لكن تبقى الأسئلة الجوهرية: كيف نزود هذه التطبيقات ببيانات فعّالة؟ كيف يمكن تحقيق التوسع على مستوى المؤسسات؟ ما هو جوهر السياق؟ سيتناول هذا الخطاب الوضع الحالي لمنظومة البيانات الضخمة، والتحديات التي تواجه منصات بيانات الذكاء الاصطناعي، ولماذا تُعدّ كتالوجات البيانات والبيانات الوصفية السبيل الوحيد الفعال لتطوير ذكاء اصطناعي فعّال وقابل للتحكم. سنستخدم إطار العمل مفتوح المصدر Apache Gravitino كمثال لشرح ضرورة التزام هذه الحلول بالحيادية تجاه الموردين.
المتحدثون:
جيري شاو، داتاستراتو، المدير التقني
جيري شاو هو المؤسس المشارك والمدير التقني لشركة داتاستراتو، ويعمل في مجال البيانات الضخمة مفتوحة المصدر منذ أكثر من عقد. بصفته عضوًا في أباتشي، فهو عضو ملتزم وعضو في لجنة إدارة المشروع (PMC) في أباتشي سبارك وأباتشي إنلونج، ومؤسس مشروع أباتشي غرافيتينو (الحاضن).
موضوع الخطاب: من البيانات إلى الذكاء الاصطناعي | بناء منصة تحليل موحدة تعتمد على Apache Cloudberry
وقت المشاركة: 25 يوليو، 16:15-16:45
مقدمة الموضوع:
تواجه الشركات اليوم صعوبة في تحقيق كامل إمكانات الذكاء الاصطناعي بسبب أنظمة البيانات المجزأة، وتدفقات المعالجة غير الفعالة، والفجوة بين التحليلات والتعلم الآلي. يُعيد Apache Cloudberry، وهو مستودع بيانات مفتوح المصدر قائم على بروتوكولات الحوسبة السحابية (MPP)، تعريف هذا النموذج من خلال دمج قدرات معالجة البيانات والذكاء الاصطناعي بشكل عميق، وإزالة العوائق، وتسريع الابتكار.
ستوضح هذه المحادثة كيف يمكن لـ Cloudberry أن:
- التنفيذ الموحد: تشغيل نماذج الذكاء الاصطناعي/التعلم الآلي الأصلية (مثل PyTorch وScikit-learn) مباشرة على مستودع البيانات
- التحليل المتعدد الوسائط: معالجة البيانات المنظمة وغير المنظمة (ملفات PDF والصور وما إلى ذلك) في إطار موحد
- تطبيقات البيانات الذكية: بناء أنظمة الإجابة على الأسئلة المعززة بـ RAG، وBI المحادثة، والبحث متعدد الوسائط
ستتعلم كيفية دمج البيانات والذكاء في منصة موحدة لتبسيط بنيتك التحتية أثناء توسيع نطاق أحمال عمل الذكاء الاصطناعي.
المتحدثون:
Chuanxin Bian｜HashData، مهندس البيانات والذكاء الاصطناعي
الدكتور تشوانكسين بيان عالم بيانات ورياضيات تطبيقية، متخصص في التعلم العميق، ومعالجة اللغات الطبيعية، ونمذجة السلاسل الزمنية. حاصل على درجة الدكتوراه في الرياضيات التطبيقية من جامعة هونغ كونغ للفنون التطبيقية. يعمل حاليًا في شركة HashData، حيث يقود تطوير أدوات الذكاء الاصطناعي مثل HashML وChatData، بالإضافة إلى تطبيقات AIGC. كان مهندسًا أول في البحث والتطوير في شركة Baidu، حيث شارك في تطوير نموذج Wenxin الكبير، وبناء نموذج سلاسل زمنية قائم على PaddleTS، ودعم ترقية نظام صور المستخدم. يتقن لغة بايثون وأطر عمل التعلم العميق، ويجيد ربط النظرية بالتطبيق لتعزيز ابتكارات الذكاء الاصطناعي.
موضوع الخطاب: تحليل تقنية البحث الهجينة Apache Doris
وقت المشاركة: 25 يوليو، 16:45-17:15
مقدمة الموضوع:
تجمع ميزة البحث الهجينة في Apache Doris بين البحث التقليدي عن النص الكامل (البحث في القاموس باستخدام الكلمات المفتاحية) والبحث المتجهي (البحث الدلالي) لتوفير نتائج بحث أكثر دقة. تُعد هذه الميزة مناسبة بشكل خاص لحالات البحث المعقدة التي تتطلب مطابقة الكلمات المفتاحية وفهمًا دلاليًا، مثل التجارة الإلكترونية، وتوصيات المحتوى، والبحث في قواعد المعرفة.
1. المبادئ الأساسية للاسترجاع الهجين
يستفيد البحث الهجين بشكل كامل من مزايا طريقتي البحث:
- البحث عن نص كامل (BM25): يعتمد على الفهرس المقلوب ومطابقة الكلمات المفتاحية، وهو قادر على مطابقة مصطلحات البحث التي يُدخلها المستخدم بدقة. تستخدم دوريس خوارزمية BM25 (الافتراضية) لحساب درجة الصلة بين المستند والاستعلام، وهي مناسبة للبحث النصي المنظم.
- استرجاع المتجهات (البحث الدلالي): بتحويل النص إلى متجهات (التضمين)، يُستخدم نموذج تعلّم آلي لحساب التشابه الدلالي بين الاستعلام والمستند. يُحسّن هذا النموذج فهم غرض الاستعلام وسياقه.
- آلية الاندماج: استخدم تقنيات التسجيل والتصنيف المحددة (مثل الاندماج المتبادل للترتيب/RRF أو التركيبة المحدبة/CC) لدمج نتائج البحث للطريقتين وتحقيق التوازن بين الصلة المعجمية والصلابة الدلالية.
2. هندسة التنفيذ الفني
يعتمد البحث الهجين لدوريس على المكونات الفنية وسير العمل التالية:
1. دعم نوع الحقل
- حقل النص: إنشاء فهرس مقلوب من خلال مجزئ الكلمات لدعم البحث عن النص الكامل
- حقل المتجه: استخدم النموذج لتحويل النص إلى نوع تخزين متجه
2. المؤشر المركب
- يدعم تخزين كل من الحقول النصية والمتجهة
- تمكين وظيفة الاستعلام الهجين
3. عملية تنفيذ الاستعلام
- استعلام القاموس: استخدم استعلام المطابقة لاسترداد المستندات المطابقة للكلمات الرئيسية (بناءً على خوارزمية BM25)
- استعلام المتجه: استخدم استعلام knn أو فهرس ANN لاسترداد المستندات المتشابهة دلاليًا (بناءً على تشابه جيب التمام، وما إلى ذلك).
- الاستعلام الهجين: تنفيذ استعلامين بالتوازي ودمج النتائج من خلال خوارزمية الاندماج
4. استراتيجية دمج النتائج
- RRF (دمج الترتيب العكسي): يحسب درجة شاملة بناءً على ترتيب المستند في نتائج الاستعلام المختلفة، مع التركيز على المستندات التي تحتل مرتبة عالية في طرق البحث المتعددة
- CC (التركيبة المحدبة): دمج نتائج استعلام BM25 والمتجه من خلال الجمع المرجح، وضبط توازن الوزن يدويًا
- يدعم المزيد من تحسين ترتيب النتائج من خلال نموذج script_score أو Rerank
المتحدثون:
لي هابن｜SelectDB Senior-RD
عضو في لجنة إدارة المشاريع أباتشي دوريس
📅 ٢٦ يوليو من الساعة ١٤:٠٠ إلى ١٦:٤٥
موضوع الخطاب: دمج نماذج اللغات الكبيرة في أنابيب CI/CD | حالات عملية لتحسين جودة كود مشروع Apache
وقت المشاركة: 26 يوليو، 14:00-14:30
مقدمة الموضوع: ستستكشف هذه المحاضرة كيفية دمج نماذج اللغات الكبيرة (LLMs) بشكل منهجي في GitHub Actions لتحسين جودة الكود وأمان مشاريع Apache. يستند المحتوى إلى الحالة الواقعية لـ apache/brpc#2911. وهي مناسبة بشكل خاص للمطورين والمسؤولين عن الصيانة الذين يبحثون عن استراتيجيات عملية ومنخفضة التكلفة لتصميم وتنفيذ ونشر وكلاء الذكاء الاصطناعي لضمان جودة الكود.
سنوجه الجمهور للتفكير في الجوانب التالية:
- التعاون بين الإنسان والآلة: مقارنة نموذج "المساعد" التقليدي (الذي يقوده الإنسان، والمتزامن) مع سير عمل وكيل الذكاء الاصطناعي غير المتزامن في خطوط الأنابيب، مع تسليط الضوء على مكاسب الكفاءة والمقايضات
- الممارسة: تعلم كيفية استخدام LLMs لأداء مهام مستهدفة مثل فحص قوة الكود واكتشاف CVE في ظل قيود الموارد - دون الاعتماد على RAG أو الضبط الدقيق أو MCP
المتحدثون:
يي يوان ｜ مطور البرمجيات
مسؤول صيانة مشروع CNCF Kepler، المسؤول بشكل أساسي عن العمل المتعلق بخط أنابيب المشروع.
موضوع الخطاب: لانس | تنسيقات البيانات لأحدث تقنيات الذكاء الاصطناعي متعدد الوسائط
وقت المشاركة: 26 يوليو، 14:30-15:00
مقدمة الموضوع: يتطلب التدريب المتطور للنماذج متعددة الوسائط معالجة بيانات الذكاء الاصطناعي متعددة الوسائط على مستوى الحوسبة السحابية، بما في ذلك مقاطع الفيديو والصور والنصوص الطويلة. ويشكل تعقيد بيانات الذكاء الاصطناعي الجديدة وحجمها تحديات للبنية التحتية الحالية للبيانات.
صيغة لانس، المرخصة من أباتشي، مبنية على أباتشي أرو وأباتشي داتا فيوجن، مع كتابة النواة بلغة رست، ويتألف فريق التطوير من أعضاء من إدارة المشاريع (PMC) من أباتشي هادوب، وأباتشي إتش بيس، وأباتشي آيسبرغ، وأباتشي آرو، ودلتا ليك. صيغة لانس هي صيغة تخزين عمودية جديدة وصيغة جدولية تركز على الذكاء الاصطناعي، مستوحاة بشكل كبير من مشاريع أباتشي باركيه، وأباتشي آيسبرغ، وأباتشي هودي. من أبرز ميزات صيغة لانس الوصول العشوائي وتطوير المخططات بدون تكلفة، وهما ميزتان مفضلتان لدى مهندسي الذكاء الاصطناعي. تميز هاتان الميزتان لانس عن أباتشي باركيه، وأباتشي أو آر سي، وأباتشي آيسبرغ، مما يجعلها أكثر ملاءمة لهندسة الميزات وتدريب الذكاء الاصطناعي متعدد الوسائط.
تم اعتماد تنسيق Lance من قبل العديد من شركات الذكاء الاصطناعي الرائدة مثل MidJourney وWorldLabs وRunway ML وCharacter AI وغيرها.
سيتم تقديم هذا المؤتمر بشكل مشترك من قبل LanceDB CTO Xu Lei (عضو Apache Hadoop PMC) وخبير ByteDance Volcano Engine Yang Hua (عضو Apache Hudi PMC):
- تحديات البنية التحتية التي تدعم أحمال عمل الذكاء الاصطناعي متعدد الوسائط المتطورة
- مبادئ التصميم الأساسية وراء تنسيق Lance
- كيف يقوم محرك ByteDance Volcano ببناء بحيرة بيانات Lance استنادًا إلى تنسيق Lance ويدعم أفضل شركات الذكاء الاصطناعي في العالم
المتحدثون:
لي شو، المدير التقني في LanceDB
رئيس قسم التكنولوجيا في LanceDB. عضو في لجنة إدارة Apache Hadoop/HDFS. تولى سابقًا قيادة فريق منصة التعلم الآلي والبنية التحتية للبيانات في Cruise Automation.
فينو يانغ: خبير تقني في محرك البركان، لانس كوميتر.
خبير تقني في محرك فولكانو، لانس كوميتر. عضو في لجنة إدارة مشروع أباتشي هودي/كيوبي.
موضوع الخطاب: الذكاء الاصطناعي الكمي | فجر عصر الذكاء الفائق
وقت المشاركة: 26 يوليو، 15:00-15:30
مقدمة الموضوع: يوشك دمج الحوسبة الكمومية والذكاء الاصطناعي على تجاوز حدود الحوسبة التقليدية، ودخول عصر الذكاء الاصطناعي الفائق. عندما تتمكن النماذج المعززة كميًا من تحقيق تعلم أُسيّ، وحل المشكلات المعقدة في ثوانٍ، وإعادة تعريف عملية اتخاذ القرار، هل ندخل عصرًا جديدًا يتجاوز فيه الذكاء الاصطناعي نطاق الفهم البشري؟
ستستكشف هذه المحادثة الحدود التالية للذكاء الاصطناعي، مع التركيز على:
التعلم الآلي الكمي (QML): كيف يمكن للذكاء الاصطناعي استخدام ميكانيكا الكم لتحقيق قدرات غير مسبوقة في حل المشكلات
الشبكات العصبية الكمومية: هل تستطيع الذكاء الاصطناعي التعلم على نطاق لا يمكن تصوره؟
التراكب الكمي والتوازي: هل يتطور الذكاء الاصطناعي من التفكير المتسلسل إلى التفكير متعدد الأبعاد؟
الإلهام النظري: هل يصبح الذكاء الاصطناعي الكمومي حجر الزاوية للذكاء الاصطناعي الفائق (ASI)؟
مع تحركنا نحو الاكتشاف العلمي الذي يعتمد على الذكاء الاصطناعي، والذكاء ما بعد البشري، والتفرد المعرفي المحتمل، ستتحدى هذه المحادثة نماذج الذكاء الاصطناعي التقليدية وتستكشف الاحتمالات عندما لا يفكر الذكاء الاصطناعي مثل البشر - بل يفكر بشكل أفضل بكثير من البشر.
المتحدثون:
براكول هيريماث، طالب جامعي في جامعة فيسفيسفارايا للتكنولوجيا، ومدير تنفيذي ومؤسس شركة بيولوب
براكول هيريماث باحث وخبير تقني ومبتكر من جامعة فرجينيا التقنية في بيلاغافي بالهند، يعمل في مجالات الذكاء الاصطناعي والأمن السيبراني وتحسين النظم. بشغفه العميق بالذكاء الاصطناعي وأنظمة الحوسبة وتقنيات المستقبل، يشارك بنشاط في أبحاث الأمن السيبراني المدعوم بالذكاء الاصطناعي، وتحليل الإشارات الطبية، وابتكارات الثورة الصناعية الرابعة.
تشمل أعماله الكشف عن التهديدات المدعومة بالذكاء الاصطناعي، والتحليلات التنبؤية، والحوسبة عالية الأداء، مع التركيز على توسيع آفاق الأنظمة الذكية واتخاذ القرارات بشكل مستقل. كما يستكشف الحياة المعززة بالذكاء الاصطناعي، والذكاء ما بعد البشري، وتطور المعرفة، ويلتزم بالمساهمة في تقديم رؤى ثورية في تقنيات المستقبل.
بالإضافة إلى أبحاث الذكاء الاصطناعي والأمن السيبراني، يشارك براكول بنشاط في مشروع "بيولوب"، وهو مشروع بحثي مبتكر يجمع بين التكنولوجيا الحيوية والذكاء الاصطناعي لتطوير حلول متطورة في مجالات الاستدامة والرعاية الصحية والأتمتة الصناعية. يهدف "بيولوب" إلى إحداث ثورة في أنظمة الذكاء الاصطناعي الحيوي من خلال إنشاء جيل جديد من النظم البيئية الذكية التي تُحسّن العمليات البيولوجية والتكنولوجية.
في مؤتمر Community Over Code Asia 2025، سيناقش براكول الصعود المستمر للذكاء الاصطناعي، والتحديات التي يجلبها، وتداعياته العميقة على مستقبل التكنولوجيا، والتنمية الاجتماعية، والذكاء البشري.
الموضوع: استخدام بروتوكول MCP أم عدم استخدامه؟ تصميم أنظمة ذكاء اصطناعي قابلة للتكوين باستخدام بروتوكولات مفتوحة المصدر
وقت المشاركة: 26 يوليو، 15:45-16:15
مقدمة الموضوع: مع التطور المتنوع لتطبيقات الذكاء الاصطناعي، أدى التكامل من نقطة إلى نقطة للأدوات والخدمات المخصصة إلى مشاكل التجزئة وارتفاع تكاليف الصيانة. بصفته بروتوكولًا مفتوحًا، يُنشئ بروتوكول السياق النموذجي (MCP) طريقة اتصال موحدة بين وكلاء الذكاء الاصطناعي والأدوات الخارجية من خلال عمليات اكتشاف واستدعاء وتفاعل موحدة. ستُبرز هذه المشاركة تحديات التوافق التشغيلي في نظام الذكاء الاصطناعي الحالي. وباستخدام llama-nexus كمثال، سيوضح كيفية تحقيق قابلية التركيب والتنسيق المرن لأنظمة الذكاء الاصطناعي من خلال خدمات MCP المُطورة محليًا. وأخيرًا، سيتم مناقشة الأهمية الاستراتيجية للبروتوكولات المفتوحة في تعزيز الترابط والتوافق التشغيلي لأنظمة الذكاء الاصطناعي، وتقليل تعقيد التكامل، وتشجيع الابتكار، بالإضافة إلى التوجه المستقبلي لتطوير نظام الذكاء الاصطناعي القابل للتركيب. github.com/LlamaEdge/llama-nexus
المتحدثون:
مايلي فو｜ سفيرة CNCF، عضو مؤسس في بيئة التشغيل مفتوحة المصدر WasmEdge
مايلي مُروّجة للمطورين، شغوفة بتمكين المطورين من بناء مشاريع مفتوحة المصدر والمساهمة فيها. هي الرئيسة المشاركة والمتحدثة الرئيسية في مؤتمر KubeCon+Open Source Summit 2024 ومؤتمر AI Dev China 2024. وهي عضو مؤسس في بيئة تشغيل WasmEdge ضمن بيئة CNCF، وعملت على المشروع لأكثر من ست سنوات، وتحدثت في فعاليات مثل KubeCon وKCD وCloudDay Italy وDevRelCon وJapan Open Source Summit وAWS User Group وGlobal AI Note وKubeDay Singapore وغيرها. تكتب مايلي محتوى تقنيًا وتنظم فعاليات للمطورين، بما في ذلك لقاءات KCD في بكين وKCD في شنتشن وWebAssembly وRust في تايبيه، سنغافورة، وغيرها.
موضوع الخطاب: لماذا نحتاج إلى بوابة الذكاء الاصطناعي مفتوحة المصدر؟
وقت المشاركة: 26 يوليو، 16:15-16:45
مقدمة الموضوع: في عصر تطبيقات الذكاء الاصطناعي المزدهر، شهدت حركة مرور واجهات برمجة التطبيقات (API) ارتفاعًا هائلًا، إلا أن تحديات مثل ضبط التكاليف، والامتثال الأمني، وإدارة النماذج المتعددة لا تزال قائمة. ستطلق Apache APISIX، بوابة واجهات برمجة التطبيقات مفتوحة المصدر الأكثر نشاطًا في العالم، رسميًا إمكانيات بوابة الذكاء الاصطناعي في عام ٢٠٢٥ لتزويد المطورين والشركات بحل شامل.
لماذا تختار APISIX AI Gateway؟
إدارة خدمة الذكاء الاصطناعي الموحدة: طلبات الوكالة بسلاسة للنماذج الكبيرة السائدة مثل OpenAI و Deepseek و QWen، وتجنب حبس البائعين، وتحسين التكلفة/الأداء من خلال تنظيم حركة المرور الديناميكية.
الأمان والامتثال: تضمن مكونات الحماية المضمنة للذكاء الاصطناعي (مثل ai-prompt-guard لتصفية المدخلات الضارة وai-rate-limiting لتطبيق الحد الأقصى للمعدل المستند إلى الرمز) خصوصية البيانات والامتثال.
تجربة المطور أولاً: مكونات إضافية لإعادة التحميل السريع، ودعم متعدد اللغات (Java/Python/Go)، والتكامل الأصلي مع الخدمات المصغرة ونظام Kubernetes البيئي.
سواء كنت مطورًا أو مؤسسة، فإن APISIX AI Gateway قادر على تسريع تنفيذ تطبيقات الذكاء الاصطناعي وإطلاق العنان لإمكانات الابتكار.
المتحدثون:
Yuansheng Wang｜API7.ai، CTO
عضو في Apache APISIX PMC وعضو في مؤسسة Apache.
🌟 انقر على رمز الاستجابة السريعة أدناه لمسح وشراء التذاكر
الكمية محدودة، تعال وشارك 👆
