الذكاء الاصطناعي يختار أفضل 10 نجوم في تاريخ الفنون القتالية
تاريخ النشر: 25th, June 2025 GMT
غالبا ما يكون اختيار أعظم الرياضيين بالتاريخ في لعبة ما أمرا شاقا يحتاج إلى الكثير من المعايير، ورغم ذلك لا تخلو من الجدل والنقاش حول الأسماء المختارة.
واستعرض موقع "غيف مي سبورت" البريطاني قائمة تضم أعظم 10 من المقاتلين في الفنون المختلطة (MMA) تم اختيارهم بالاستعانة بالذكاء الاصطناعي.
اقرأ أيضا list of 2 itemslist 1 of 2تركي آل الشيخ: نزال كانيلو ضد كروفورد الأكبر والأغلى في تاريخ الملاكمةlist 2 of 2برشلونة عقيم أوروبيا لأول مرة منذ 6 سنواتend of listووضع الذكاء الاصطناعي عدة معايير لاختياراته من بينها عدد انتصارات كل مقاتل ومستواه الفني الفردي في القتال وتأثير كل منهم على الفترة الزمنية التي لعب فيها وأخيرا التأثير الإجمالي الذي تركه على هذه الرياضة.
وأشار الموقع البريطاني إلى أنه رغم ذلك لم تسلم الخيارات من الجدل خاصة حول ترتيب المقاتلين، وأحقية بعضهم في الذكر من الأساس بهذه القائمة.
وضمت القائمة 4 مقاتلين أميركيين و3 برازيليين من بينهم امرأة، وكذلك المقاتل الروسي الشهير حبيب نور محمدوف.
????Khabib Nurmagomedov to Jon Jones:
"Even we was not friends but you are the best who ever do it in UFC history and you inspire millions of people around the world you have nothing more to prove in this sport."
(via. @TeamKhabib)▫️ pic.twitter.com/xuN84qhtJt
— Home of Fight (@Home_of_Fight) June 23, 2025
ووصف محمدوف الذي يحتل المركز الرابع بالقائمة، نظيره الأميركي جون جونز بأنه المقاتل الأفضل على الإطلاق في تاريخ اللعبة.
وتاليا أعظم 10 مقاتلين بالتاريخ في الفنون المختلطة وفق الذكاء الاصطناعي: الأميركي جون جونز: فاز في 28 نزالا وخسر واحدا بالإضافة إلى نزال وحيد بدون قرار. الكندي جورج سانت بيير: فاز في 26 نزالا وخسر اثنين. البرازيلي أندرسون سيلفا: فاز في 34 نزالا وخسر 11 بالإضافة إلى نزال وحيد بدون قرار. الروسي حبيب نور محمدوف: فاز في 29 نزالا ولم يخسر على الإطلاق. الأميركي ديميتريوس جونسون: فاز في 25 نزالا وتعادل في 4 وخسر واحدا. الأميركي دانييل كورمييه: فاز في 22 نزالا وخسر 3 بالإضافة إلى نزال وحيد بدون قرار. الأميركي ستيب ميوتيتش: فاز في 20 نزالا وخسر 5. البرازيلية أماندا نونيز: فازت في 23 نزالا وخسرت 5. البرازيلي خوسيه ألدو جونيور: فاز في 32 نزالا وخسر 10. الأيرلندي كونور ماكغريغور: فاز في 22 نزالا وخسر 6. إعلانالمصدر: الجزيرة
إقرأ أيضاً:
أبرز اتجاهات الذكاء الاصطناعي التوليدي في 2025
يدخل الذكاء الاصطناعي التوليدي مرحلةً أكثر نضجًا في عام 2025، حيث يتم تحسين النماذج لزيادة دقتها وكفاءتها، وتقوم الشركات بدمجها في سير العمل اليومي.
يتحول التركيز من ما يمكن أن تفعله هذه الأنظمة إلى كيفية تطبيقها بشكل موثوق وعلى نطاق واسع. ما يبرز هو صورة أوضح لما يتطلبه بناء ذكاء اصطناعي توليدي ليس قويًا فحسب، بل موثوقًا أيضًا.
جيل جديد من نماذج اللغات الكبيرة (LLMs)
تتخلى نماذج اللغات الكبيرة عن سمعتها كعملاق متعطش للموارد. فقد انخفضت تكلفة توليد استجابة من نموذج بمقدار 1000 ضعف خلال العامين الماضيين، مما جعلها تضاهي تكلفة البحث البسيط على الويب. هذا التحول يجعل الذكاء الاصطناعي الفوري أكثر قابلية للتطبيق في مهام الأعمال الروتينية.
يُعدّ التوسع مع التحكم أيضًا من أولويات هذا العام. لا تزال النماذج الرائدة (Claude Sonnet 4، وGemini Flash 2.5، وGrok 4، وDeepSeek V3) كبيرة الحجم، ولكنها مصممة للاستجابة بشكل أسرع، والتفكير بوضوح أكبر، والعمل بكفاءة أكبر. لم يعد الحجم وحده هو العامل المميز. المهم هو قدرة النموذج على التعامل مع المدخلات المعقدة، ودعم التكامل، وتقديم مخرجات موثوقة، حتى مع ازدياد التعقيد.
شهد العام الماضي انتقادات كثيرة لهلوسة الذكاء الاصطناعي. على سبيل المثال، في إحدى القضايا البارزة، واجه محامٍ من نيويورك عقوبات لاستشهاده بقضايا قانونية من اختراع ChatGPT. هذا أمرٌ تكافحه نماذج اللغات الكبيرة هذا العام. حيث تُستخدم معايير جديدة لتتبع هذه الإخفاقات وتحديد كميتها، مما يُمثل تحولًا نحو التعامل مع الهلوسة كمشكلة هندسية قابلة للقياس بدلاً من كونها عيبًا مقبولًا.
مواكبة الابتكار السريع
أحد الاتجاهات الرئيسية لعام 2025 هو سرعة التغيير. تتسارع إصدارات النماذج، وتتغير القدرات شهريًا، ويخضع ما يُعتبر أحدث التقنيات لإعادة تعريف مستمرة. بالنسبة لقادة المؤسسات، يُنشئ هذا فجوة معرفية قد تتحول بسرعة إلى منافسة.
البقاء في الطليعة يعني البقاء على اطلاع دائم. تُتيح فعاليات، مثل معرض الذكاء الاصطناعي والبيانات الضخمة، فرصة نادرة للاطلاع على مستقبل التكنولوجيا من خلال عروض توضيحية واقعية، ومحادثات مباشرة، ورؤى من القائمين على بناء هذه الأنظمة ونشرها على نطاق واسع.
تبني المؤسسات
في عام 2025، سيتجه التحول نحو الاستقلالية. تستخدم العديد من الشركات بالفعل الذكاء الاصطناعي التوليدي في أنظمتها الأساسية، لكن التركيز الآن منصبّ على الذكاء الاصطناعي الوكيل. هذه نماذج مصممة لاتخاذ الإجراءات، وليس فقط توليد المحتوى.
وفقًا لاستطلاع رأي حديث، يتفق 78% من المديرين التنفيذيين على ضرورة بناء منظومات رقمية لوكلاء الذكاء الاصطناعي بقدر ما هي للبشر خلال السنوات الثلاث إلى الخمس المقبلة. يُشكّل هذا التوقع كيفية تصميم المنصات ونشرها. هنا، يُدمج الذكاء الاصطناعي كمشغل؛ فهو قادر على تشغيل سير العمل، والتفاعل مع البرامج، ومعالجة المهام بأقل قدر من التدخل البشري.
كسر حاجز البيانات
تُعدّ البيانات أحد أكبر العوائق أمام التقدم في مجال الذكاء الاصطناعي التوليدي. اعتمد تدريب النماذج الكبيرة تقليديًا على استخراج كميات هائلة من النصوص الواقعية من الإنترنت. ولكن في عام 2025، سيجفّ هذا النبع. أصبح العثور على بيانات عالية الجودة ومتنوعة وقابلة للاستخدام أصعب أخلاقيًا، ومعالجتها أكثر تكلفة.
لهذا السبب، أصبحت البيانات الاصطناعية أصلًا استراتيجيًا. بدلاً من استخراج البيانات من الإنترنت، تُولّد البيانات الاصطناعية بواسطة نماذج لمحاكاة أنماط واقعية. حتى وقت قريب، لم يكن واضحًا ما إذا كانت البيانات الاصطناعية قادرة على دعم التدريب على نطاق واسع، لكن أبحاث مشروع SynthLLM، التابع لشركة مايكروسوفت، أكدت قدرتها على ذلك (إذا استُخدمت بشكل صحيح).
تُظهر نتائجهم إمكانية ضبط مجموعات البيانات الاصطناعية لتحقيق أداء يمكن التنبؤ به. والأهم من ذلك، اكتشفوا أيضًا أن النماذج الأكبر حجمًا تحتاج إلى بيانات أقل للتعلم بفعالية، مما يسمح للفرق بتحسين نهج التدريب الخاص بها بدلًا من إهدار الموارد على حل المشكلة.
جعله يعمل
يشهد الذكاء الاصطناعي التوليدي نموًا متزايدًا في عام 2025. أصبحت نماذج اللغات الكبيرة الأكثر ذكاءً، ووكلاء الذكاء الاصطناعي المنظمون، واستراتيجيات البيانات القابلة للتطوير، الآن عوامل أساسية للتبني العملي. وللقادة الذين يخوضون هذا التحول، يقدم معرض الذكاء الاصطناعي والبيانات الضخمة في أوروبا رؤية واضحة لكيفية تطبيق هذه التقنيات وما يتطلبه نجاحها.
مصطفى أوفى (أبوظبي)
مرحلة جديدة من الصراع السياسي المفتوح والحسم مؤجل