ميتا تسرح 600 موظف من مختبر الذكاء الاصطناعي
تاريخ النشر: 23rd, October 2025 GMT
أفاد تقرير نشرته وكالة Axios، أن شركة "ميتا" ستسرح نحو 600 موظف من مختبرها للذكاء الاصطناعي، وذلك في خطوة وصفها الخبراء بأنها تعكس تحولا كبيرا في كيفية إدارة الشركة لطموحاتها في مجال الذكاء الاصطناعي.
وقد تم تأكيد هذه الخطوة في مذكرة داخلية أرسلها ألكسندر وانج، رئيس الذكاء الاصطناعي في ميتا، مما يعكس تحولا استراتيجيا داخل الشركة.
في المذكرة التي أرسلت إلى الموظفين يوم الأربعاء، أوضح وانج أن الهدف من إعادة الهيكلة هو تسريع عملية اتخاذ القرارات وتحسين المساءلة داخل الفرق.
وقال: “من خلال تقليص حجم الفريق، سيكون من الضروري إجراء محادثات أقل لاتخاذ القرار، وسيكون لكل شخص دور أكبر وأكثر تأثيرا”.
تتماشى هذه الخطوة مع استراتيجية مارك زوكربيرج، الرئيس التنفيذي لـ ميتا، التي أطلق عليها "عام الكفاءة"، والتي توجه جهود الشركة الأوسع في تقليص التكاليف وإعادة التنظيم منذ بداية عام 2023.
وكان زوكربيرج قد أشار في وقت سابق إلى أن الهيكل الأكثر كفاءة يسمح للفرق بالتنفيذ بشكل أسرع والابتكار بشكل أكثر فعالية، وهي فلسفة يبدو أنها امتدت الآن إلى عمليات الذكاء الاصطناعي في ميتا.
استثمارات ضخمة في الذكاء الاصطناعي رغم التسريحات
تأتي هذه التخفيضات بعد صيف حافل لشركة ميتا في مجال توظيف خبراء الذكاء الاصطناعي. حيث قامت الشركة بتوظيف أكثر من 50 باحثا من شركات منافسة مثل OpenAI وجوجل وAnthropic، مع تقديم حزم تعويضات ضخمة لجذب أفضل المواهب.
ولكن على الرغم من هذه التخفيضات، لا يبدو أن ميتا تتراجع عن طموحاتها في الذكاء الاصطناعي، بل يبدو أن الشركة بصدد إعادة تنظيم فرقها لتعزيز التركيز وتجنب التكرار داخل أقسام الذكاء الاصطناعي.
ووفقا للمناقشات الداخلية، من المتوقع أن يجد معظم الموظفين المتأثرين بهذه الجولة من التسريحات وظائف جديدة داخل ميتا.
البقاء في المنافسة في سباق الذكاء الاصطناعي
تستمر ميتا في منافستها الشرسة مع OpenAI وAnthropic وGoogle DeepMind في مجال تطوير نماذج الذكاء الاصطناعي المستقبلية.
وكان مختبر الذكاء الاصطناعي الخاص بميتا قد أنشئ لتسريع الاختراقات في تدريب النماذج على نطاق واسع، والتفكير الاصطناعي، والنظم متعددة الأنماط، وهي مجالات حققت فيها الشركات المنافسة تقدما كبيرا في الأشهر الأخيرة.
بينما قد تساعد إعادة الهيكلة ميتا على تبسيط عملياتها، إلا أنها تبرز أيضا الضغوط المترتبة على مواكبة السباق المتزايد التكاليف نحو الذكاء الاصطناعي العام AGI.
مع سعي ميتا لتحقيق التوازن بين الكفاءة في التكاليف والابتكار، ستظل خطواتها القادمة تحت المراقبة الدقيقة في ظل التطور السريع لمجال الذكاء الاصطناعي في وادي السيليكون.
المصدر: صدى البلد
كلمات دلالية: ميتا الذكاء الاصطناعي عام الكفاءة الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي يصحّح أخطاء الأبحاث الطبية
طوّر فريق بحثي من جامعة إلينوي في أوربانا شامبين الأميركية منظومة ذكاء اصطناعي متقدمة تعتمد على الحوسبة الفائقة لاكتشاف الأخطاء والثغرات في تقارير التجارب السريرية، بهدف تعزيز دقة وشفافية الأبحاث الطبية.
واستخدم الفريق نظام Bridges-2 التابع لمركز الحوسبة العلمية في بيتسبرغ (PSC) لتدريب أدوات الذكاء الاصطناعي على تحديد الخطوات المفقودة في تقارير التجارب السريرية العشوائية المضبوطة (Randomized Controlled Trials)، وهي الركيزة الأساسية لتقييم أمان وفعالية العلاجات الجديدة.
ويهدف المشروع إلى تطوير أداة مفتوحة المصدر تساعد الباحثين والمجلات العلمية على تحسين تخطيط وتنفيذ ونشر نتائج التجارب بدقة أكبر.
- اقرأ أيضاً: الذكاء الاصطناعي يكشف أسرار "شياطين الغبار" في المريخ
التجارب العشوائية
تُعدّ التجارب السريرية العشوائية أفضل مصدر للأدلة العلمية، إذ تُوزع فيها الحالات بين مجموعات العلاج والضبط لتجنب التحيّز وضمان عدالة النتائج.
وفي حال غياب العشوائية، قد تُخصَّص مجموعة من المرضى الأكثر خطورة دون قصد، ما يؤدي إلى نتائج غير عادلة أو مضللة.
كما ينبغي تحديد أهداف التجربة ومعايير النجاح مسبقاً لتجنّب انتقاء النتائج بعد التنفيذ، لكن كثيراً من الدراسات، رغم التزامها بالإجراءات الصحيحة، تفتقر إلى التوثيق الكافي، ما يعرقل تقييم موثوقيتها.
ونظراً للكمّ الكبير من الدراسات المنشورة سنوياً تتزايد صعوبة مراجعتها جميعاً بدقة لاكتشاف الفجوات.
وقال البروفيسور هليل كيليتش أوغلو من جامعة إلينوي: "كثير من تقارير التجارب السريرية تفتقر إلى الشفافية والتفاصيل، مما يجعل تقييم قوة الأدلة أمراً معقداً".
← أداة ذكاء اصطناعي تكشف 9 أنواع من الخرف بفحص واحد
تدريب الذكاء الاصطناعي
درّب فريق البحث، الذكاء الاصطناعي على فحص الأبحاث العلمية لرصد العناصر المفقودة في التجارب السريرية، بالاعتماد على دليلي CONSORT 2010 وSPIRIT 2013 اللذين يحددان 83 معياراً لتوثيق التجارب بدقة.
واستعان بتقنيات معالجة اللغة الطبيعية (NLP) لتحليل نحو 200 دراسة بحثية نُشرت بين عامي 2011 و2022.
واستفاد النظام من قدرات Bridges-2 في معالجة البيانات الضخمة ووحدات GPU لتدريب الشبكات العصبية من نوع Transformer القادرة على التمييز بين التقارير الجيدة والناقصة.
وأثناء التدريب، تعلّم النموذج أنماط النصوص الصحيحة وعدّل أداءه تدريجياً قبل اختباره على مجموعة جديدة من المقالات للتحقق من دقته.
وأوضح كيليتش أوغلو: "وفّر لنا النظام موارد قوية وبرمجيات جاهزة سهلت على طلابي تطوير النماذج بكفاءة".
← الذكاء الاصطناعي يسلّح جهاز المناعة بـ"صواريخ" لمهاجمة الخلايا السرطانية
نتائج واعدة
حقق النموذج أداء بلغ 0.742 على مستوى الجمل و0.865 على مستوى المقالات، ونُشرت النتائج في مجلة Scientific Data.
ويعمل الباحثون على تحسين الدقة بزيادة حجم البيانات واستخدام تقنيات مثل الاستقطار (Distillation) لتعليم نماذج أصغر يمكن تشغيلها على الحواسيب الشخصية.
ويهدف المشروع إلى إتاحة الأداة مجاناً للباحثين والمجلات لمراجعة التقارير واكتشاف الأخطاء قبل النشر، بما يسهم في تحسين جودة الأبحاث الطبية وتعزيز موثوقيتها عالمياً.
أمجد الأمين (أبوظبي)
إصابات خلال مواجهات مع الاحتلال في بيت أمر بالخليل