🔴 مارك زوكربيرغ راهن على مليارات الدولارات… ووضع مستقبل طموحات ميتا في الذكاء الاصطناعي بين يدي شاب بدأ رحلته بترك الجامعة! 😳

تعرّف على ألكسندر وانغ (Alexandr Wang)، أحد أبرز الوجوه الشابة في سباق الذكاء الاصطناعي.

قصته ليست مجرد حكاية ملياردير شاب، بل قصة رجل أدرك مبكرًا أن وراء كل نموذج ذكاء اصطناعي قوي عنصرًا لا يقل أهمية عن الخوارزميات نفسها: البيانات.

إليك كيف بدأت الحكاية. 👇

🔹 نشأ في لوس ألاموس الأمريكية، حيث كان والداه يعملان في الفيزياء في المختبر الوطني. نشأ في بيئة قريبة من العلوم والتكنولوجيا.

🔹 في سن التاسعة عشرة، ترك معهد MIT ليشارك في تأسيس شركة Scale AI عام 2016، متجهًا إلى بناء مشروعه الخاص بدلًا من إكمال دراسته الجامعية.

🔹 ما الذي كانت تفعله شركته؟

كانت Scale AI تساعد الشركات ومختبرات الذكاء الاصطناعي على تجهيز البيانات وتصنيفها وتقييمها، حتى تصبح أكثر فائدة في تدريب النماذج وتطويرها.

فالنموذج الذكي لا يعتمد على الخوارزميات والقدرة الحاسوبية فقط؛ بل يحتاج أيضًا إلى بيانات عالية الجودة.

🔹 ثم جاءت الصفقة الضخمة!

في يونيو 2025، أعلنت ميتا استثمار 14.3 مليار دولار في Scale AI مقابل حصة تبلغ 49%، في صفقة ارتبطت بانضمام وانغ إلى جهود ميتا في الذكاء الاصطناعي الفائق.

لم تكن الصفقة مجرد استثمار مالي؛ فقد كانت أيضًا رهانًا على الخبرة التي بناها وانغ في واحدة من أهم حلقات صناعة الذكاء الاصطناعي: البيانات.

🔹 لكن المهمة الجديدة كانت أصعب بكثير.

انتقل وانغ من قيادة شركة متخصصة في البيانات إلى قيادة جهود ميتا لإعادة بناء قدراتها في الذكاء الاصطناعي، ومنافسة شركات مثل OpenAI وAnthropic.

وهنا لم يعد التحدي مجرد تحسين البيانات، بل بناء نماذج متقدمة تستطيع التفكير في المشكلات المعقدة، وكتابة البرمجيات، وتنفيذ مهام متعددة الخطوات.

🔹 ثم جاء الاختبار الحقيقي.

في أكتوبر 2026، كشفت ميتا عن نموذجي Muse Wonder وMuse Wonder Full، اللذين صُمما للتعامل مع مهام مهنية وشخصية معقدة، بما فيها البرمجة والعمل الذي يحتاج إلى استخدام الأدوات وتنفيذ خطوات متتابعة.

وتُظهر الاختبارات المنشورة نتائج تنافس نماذج متقدمة من شركات أخرى في بعض المهام، لكن الأداء يختلف باختلاف الاختبار، ولا يعني ذلك أن ميتا تفوقت في كل المجالات.

🔹 والأكثر إثارة؟ حجم المخاطرة.

في حديث حديث عن المشروع، أقرّ وانغ بأن نجاح الرهان لم يكن مضمونًا. وتحدث زوكربيرغ عن ضخامة الاستثمار المطلوب لبناء نماذج متقدمة، حتى قبل التأكد من النتيجة النهائية.

وهذه واحدة من أصعب حقائق سباق الذكاء الاصطناعي: قد تنفق الشركات عشرات المليارات على الحوسبة والبيانات والباحثين، من دون ضمان أن تصل إلى النموذج الذي تطمح إليه.

💡 ما الدرس الأهم في قصة ألكسندر وانغ؟

أن بناء الذكاء الاصطناعي لا يعتمد على امتلاك أفضل خوارزمية فقط.

هناك بيانات يجب تجهيزها، وبنية حاسوبية يجب بناؤها، وباحثون ومهندسون يجب جمعهم، وتجارب قد تنجح أو تفشل، وقرارات استثمارية تُتخذ قبل أن تكون النتيجة مؤكدة.

وأحيانًا، تأتي الفرصة الكبيرة من فهم الجزء الذي لا يراه معظم الناس في التقنية.

فبينما يتحدث الجميع عن النماذج الذكية، كان وانغ يبني شركة حول البيانات التي تساعد تلك النماذج على التعلم. 💙

#The_World_of_Data#مجله ايليت فوتو ارت.