a16z《2026 سنة الأفكار الكبرى: الجزء الأول》

المؤلف: a16z New Media الترجمة: Block unicorn

بصفتنا مستثمرين، من مسؤوليتنا أن نتعمق في فهم جميع أنحاء صناعة التكنولوجيا، لنتمكن من استشراف اتجاهات المستقبل. لذلك، في كل ديسمبر، ندعو فرق الاستثمار لمشاركة تصور كبير يعتقدون أن شركات التكنولوجيا ستحتاج إلى حله في العام القادم.

اليوم، سنشارك وجهات نظر من فرق البنية التحتية، والنمو، والبيولوجيا + الصحة، وفريق Speedrun. ترقبوا مشاركة الفرق الأخرى غدًا.

البنية التحتية

Jennifer Li: كيف تتعامل الشركات الناشئة مع فوضى البيانات متعددة النماذج

البيانات غير المهيكلة والمتعددة النماذج كانت دائمًا أكبر عائق تواجهه الشركات، وهي أيضًا أكبر كنز لم يُستغل بعد. كل شركة غارقة في محيط من ملفات PDF، لقطات الشاشة، الفيديو، السجلات، البريد الإلكتروني، والبيانات شبه المهيكلة. النماذج تتطور باستمرار لتصبح أكثر ذكاءً، لكن مدخلات البيانات تصبح أكثر فوضوية، مما يؤدي إلى فشل أنظمة RAG، وتوقف الوكيل بطريقة غير واضحة وبكلفة عالية، مع استمرار الاعتماد المفرط على التدقيق اليدوي في العمليات الحيوية. القيود التي تواجه شركات الذكاء الاصطناعي الآن هي إنتروبيا البيانات: في عالم البيانات غير المهيكلة، تتناقص الحداثة، والهيكلية، والواقعية باستمرار، و80% من المعرفة المؤسسية موجودة الآن في هذه البيانات غير المهيكلة.

لهذا السبب، أصبح فهم البيانات غير المهيكلة فرصة نادرة. تحتاج الشركات إلى منهجية مستمرة لتنظيف، وبناء، والتحقق من صحة، وإدارة بياناتها متعددة النماذج، لضمان أن تعمل أحمال العمل الذكية الحاسوبية بشكل فعال. السيناريوهات لا حصر لها: تحليل العقود، عمليات التوظيف، معالجة المطالبات، الامتثال، خدمة العملاء، الشراء، بحث الهندسة، تمكين المبيعات، خطوط التحليل، وكل العمليات التي تعتمد على سياق موثوق. الشركات الناشئة القادرة على بناء منصات تستخرج الهيكل من الوثائق، والصور، والفيديو، وتحل النزاعات، وتصلح خطوط الإنتاج، وتحافظ على حداثة البيانات وقابليتها للبحث، تملك مفاتيح معرفة وعمليات الشركات.

Joel de la Garza: الذكاء الاصطناعي يعيد إحياء توظيف أمن الشبكات

على مدى معظم السنوات العشرة الماضية، كانت أكبر تحديات مدير أمن المعلومات (CISO) هي التوظيف. من 2013 إلى 2021، زادت الوظائف الشاغرة في مجال أمن الشبكات من أقل من مليون إلى 3 ملايين. السبب هو أن فرق الأمن وظفت العديد من المهندسين المهرة تقنياً، ليقوموا يوميًا بأعمال أمنية روتينية مثل مراجعة السجلات، دون رغبة حقيقية في ذلك. المشكلة الجذرية أن فرق أمن الشبكات اشترت منتجات يمكنها اكتشاف كل شيء، مما أدى إلى تصنيع هذا العمل الممل، مما يعني أن فرقهم تحتاج إلى مراجعة كل المعلومات — وهو ما تسبب في نقص زائف في القوى العاملة. دورة مفرغة.

بحلول 2026، سيكسر الذكاء الاصطناعي هذه الدورة، وسيملأ فجوة التوظيف عبر أتمتة العديد من المهام المتكررة في فرق أمن الشبكات. أي شخص عمل في فريق أمني كبير يعرف أن نصف الأعمال يمكن حلها بسهولة عبر الأتمتة، لكن عند تراكم الأعمال، يصعب تحديد الأعمال التي يجب أتمتتها. الأدوات الأصلية للذكاء الاصطناعي التي تساعد فرق الأمن على حل هذه المشكلات، ستُمكنهم في النهاية من تركيز جهودهم في ما يريدون حقًا: مطاردة الأشرار، بناء أنظمة جديدة، وإصلاح الثغرات.

Malika Aubakirova: البنية التحتية للوكيل الأصلية ستصبح المعيار

بنهاية 2026، لن يكون أكبر صدمة في البنية التحتية من خارج المؤسسات، بل من داخلها. نحن نتحول من حركة مرور “السرعة البشرية” المتوقعة والمنخفضة التزامن، إلى أحمال عمل “سرعة الوكيل” المتكررة، والمفاجئة، والضخمة.

حالياً، البنية التحتية الخلفية للشركات مصممة لمعدل تفاعل 1:1 بين الإنسان والنظام. لم تُجهز لتوجيه 5000 مهمة فرعية، استعلامات قاعدة البيانات، واستدعاءات واجهات برمجة التطبيقات بشكل تكراري بسرعة المللي ثانية، لمهمة واحدة من وكيل واحد. عندما يحاول الوكيل إعادة بناء قاعدة الكود أو إصلاح سجلات الأمان، لا يبدو كأنه مستخدم. من وجهة نظر قاعدة البيانات التقليدية أو أدوات التقييد، يُشبه هجوم DDoS.

تصميم نظام للوكيل في 2026 يتطلب إعادة تصميم لوحة التحكم. سنشهد ظهور البنية التحتية “المولودة أصلاً” للوكيل. يجب أن تعتبر البنية التحتية الجيل القادم “ظاهرة الجماهير” (thundering herd) الوضع الافتراضي. يجب تقليل زمن الإقلاع البارد، وتقليل تقلبات التأخير، وزيادة حدود التزامن بشكل مضاعف. المشكلة تكمن في التنسيق: تحقيق التوجيه، والإقفال، وإدارة الحالة، وتنفيذ السياسات في تنفيذ متوازي على نطاق واسع. فقط المنصات التي يمكنها التعامل مع تدفق الأدوات المصاحبة ستفوز في النهاية.

Justine Moore: أدوات الإبداع تتجه نحو متعددة النماذج

لدينا الآن وحدات بناء للذكاء الاصطناعي لسرد القصص: الصوت، الموسيقى، الصور، الفيديو التوليدي. لكن، بالنسبة للمحتوى الذي يتجاوز قطعة واحدة، غالبًا ما يكون الحصول على المخرجات المطلوبة مستهلكًا للوقت ومحبطًا — أو حتى مستحيلًا — خاصة عندما تريد مستوى تحكم يقارب مستوى الإخراج الإخراجي التقليدي.

لماذا لا نعطي النموذج فيديو مدته 30 ثانية، ثم نجعله يواصل أداء سيناريو جديد باستخدام صورة وصوت مرجعيين؟ أو نعيد تصوير فيديو بحيث نراه من زوايا مختلفة، أو نجعل الحركات تتطابق مع الفيديو المرجعي؟

2026 ستكون سنة الانتقال للذكاء الاصطناعي نحو متعدد النماذج. يمكنك تزويد النموذج بأي شكل من أشكال المحتوى المرجعي، واستخدامه لإنشاء محتوى جديد أو تعديل المشاهد الحالية. لقد رأينا بعض المنتجات المبكرة، مثل Kling O1 وRunway Aleph. لكن هناك الكثير مما يتعين عمله — نحتاج إلى ابتكار على مستوى النموذج والتطبيق.

إنتاج المحتوى هو أحد أكثر مجالات تطبيق الذكاء الاصطناعي فتكًا، وأتوقع ظهور العديد من المنتجات الناجحة التي تغطي جميع السيناريوهات والعملاء، من صانعي الملصقات التعبيرية إلى مخرجي هوليوود.

Jason Cui: تطور البنية التحتية للبيانات الأصلية للذكاء الاصطناعي المستمر

خلال العام الماضي، مع تحول شركات البيانات من تخصصات في الاستخراج، والتحويل، والحوسبة، إلى منصات موحدة موحدة، رأينا دمج “الطوفان الحديث للبيانات”. مثل: دمج Fivetran وdbt، وظهور منصات موحدة مثل Databricks.

على الرغم من نضوج النظام البيئي بشكل واضح، إلا أننا لا نزال في المراحل المبكرة من بنية البيانات الأصلية للذكاء الاصطناعي. نحن متحمسون للتغييرات التي ستحدثها في حلقات متعددة من سلسلة البيانات، وبدأنا ندرك أن البنية التحتية للبيانات والذكاء الاصطناعي تصبحان لا ينفصلان.

إليكم بعض الاتجاهات التي نراها واعدة:

• كيف ستتدفق البيانات جنبًا إلى جنب مع البيانات الهيكلية التقليدية إلى قواعد بيانات المتجهات عالية الأداء
• كيف ستحل الوكلات الذكية لمشاكل “السياق”: الوصول المستمر إلى سياق البيانات التجارية الصحيح والطبقة الدلالية، لبناء تطبيقات قوية، مثل التفاعل مع البيانات، وضمان أن تظل التعريفات التجارية الصحيحة موجودة عبر أنظمة التسجيل المتعددة
• كيف ستتغير أدوات ذكاء الأعمال التقليدية والجداول الإلكترونية مع زيادة أتمتة وتوكيل سير العمل البياناتي

Yoko Li: عام دخولنا لعالم الفيديو

بحلول 2026، لن يكون الفيديو مجرد محتوى نشاهده بشكل سلبي، بل مساحة يمكننا أن نكون داخلها حقًا. ستتمكن نماذج الفيديو من فهم الزمن، وتذكر المحتوى المعروض سابقًا، والاستجابة لعملياتنا، والحفاظ على استقرار موثوق فيه في العالم الحقيقي. لن تقتصر أنظمة هذه النماذج على إنتاج لقطات قصيرة متفرقة، بل ستتمكن من الحفاظ على الشخصيات، والأشياء، والظواهر الفيزيائية لفترة طويلة بما يكفي لجعل الأفعال ذات معنى، ونتائجها واضحة. هذا التحول سيجعل الفيديو وسيطًا يتطور باستمرار: روبوت يمكن أن يتدرب، وألعاب تتطور، ومصممون يصنعون نماذج أولية، ووكيل يمكن أن يتعلم من الممارسة. النتيجة النهائية لن تكون مجرد مقطع فيديو، بل بيئة حية، جسر يقترب من الفجوة بين الإدراك والفعل. لأول مرة، نشعر أننا يمكن أن نكون داخل الفيديو الذي أنشأناه.

النمو

Sarah Wang: فقدان سيطرة أنظمة التسجيل

بحلول 2026، ستشهد صناعة البرمجيات تحولًا ثوريًا حقيقيًا، حيث ستفقد أنظمة التسجيل مكانتها المهيمنة. الذكاء الاصطناعي يقلل الفجوة بين النية والتنفيذ: النماذج الآن يمكنها قراءة، وكتابة، والاستنتاج من البيانات بشكل مباشر، وتحويل إدارة تكنولوجيا المعلومات (ITSM) وإدارة علاقات العملاء (CRM) من قواعد بيانات سلبية إلى محركات سير عمل مستقلة. مع التراكم المستمر للتطورات في نماذج الاستنتاج، لن تكون هذه الأنظمة فقط استجابة، بل تنبؤ، وتنسيق، وتنفيذ عمليات من النهاية للنهاية. الواجهات ستتحول إلى طبقة وكلاء ديناميكية، بينما تتراجع أنظمة التسجيل التقليدية لتصبح طبقة دائمة عامة — مع انتقال الميزة الاستراتيجية إلى الطرف الذي يسيطر على بيئة تنفيذ الوكيل التي يستخدمها الموظفون يوميًا.

Alex Immerman: تطور الذكاء الاصطناعي في القطاعات المتخصصة من استرجاع المعلومات والاستنتاج إلى التعاون متعدد الأطراف

دفع الذكاء الاصطناعي نمو البرمجيات القطاعية بشكل غير مسبوق. شركات الرعاية الصحية، والقانون، والعقارات حققت خلال سنوات قليلة أكثر من 100 مليون دولار في الإيرادات السنوية المتكررة (ARR)؛ تليها المالية والمحاسبة. بدأ هذا التطور باسترجاع المعلومات: البحث، الاستخراج، والتلخيص للمعلومات الصحيحة. في 2025، جاء دور وظائف الاستنتاج: Hebbia تحلل البيانات المالية وتبني نماذج، Basis تتسوية الحسابات بين أنظمة مختلفة، EliseAI تشخص مشكلات الصيانة وترسل الموردين المناسبين.

في 2026، سيتم إطلاق نماذج التعاون متعدد الأطراف. أنظمة البرمجيات القطاعية تستفيد من واجهات، وبيانات، وتكاملات خاصة بالمجال. لكن طبيعة العمل في القطاعات المتخصصة تعتمد على التعاون بين الأطراف. إذا كانت الوكيل تمثل القوى العاملة، فهي بحاجة إلى التعاون. من المشتري والبائع، إلى المستأجر، والمستشار، والمورد، كل طرف لديه أذونات، سير عمل، ومتطلبات امتثال مختلفة، وهذه لا يمكن أن تفهمها إلا برمجيات القطاع المتخصصة.

اليوم، كل طرف يستخدم الذكاء الاصطناعي بشكل مستقل، مما يخلق نقصًا في التفويض أثناء النقل. الذكاء الاصطناعي الذي يحلل اتفاقيات الشراء لا يتواصل مع المدير المالي لضبط النموذج. صيانة الذكاء الاصطناعي لا تعرف ما وعد به الموظفون على الأرض للمستأجرين. التغيير بين الأطراف يعتمد على التنسيق عبر أصحاب المصلحة: توجيه المهام إلى خبراء الوظائف، والحفاظ على السياق، ومزامنة التغييرات. التفاوض بين الأطراف باستخدام الذكاء الاصطناعي يكون ضمن معايير محددة، مع تحديد الفوارق للمراجعة اليدوية. العلامات التي يضعها الشركاء الكبار تُستخدم لتدريب أنظمة الشركة بالكامل. المهام التي ينفذها الذكاء الاصطناعي تُنجز بنجاح أعلى.

عندما ترتفع قيمة التعاون بين عدة أطراف ووكيل متعدد، فإن تكلفة الانتقال ستزداد أيضًا. سنشهد نوعًا من التأثير الشبكي الذي لم يسبق أن تحقق عبر تطبيقات الذكاء الاصطناعي: طبقة التعاون ستصبح حاجزًا حصينًا.

Stephenie Zhang: مصمم للوكيل، وليس للبشر

بحلول 2026، سيبدأ الناس في التفاعل مع الشبكة عبر وكلاء. ما كان مُحسّنًا لتلبية استهلاك البشر، لن يكون بنفس الأهمية لاستهلاك الوكيل.

على مدى سنوات، كنا نعمل على تحسين سلوك الإنسان المتوقع: ترتيب متقدم في نتائج بحث جوجل، وتصنيف عالي في نتائج أمازون، وافتتاحية موجزة بعنوان “TL;DR”. في المدرسة الثانوية، أخذت مادة الصحافة، وكان المعلم يعلمنا أن نكتب “5W1H” للخبر، وأن يكون المقال جذابًا بمقدمة مشوقة. ربما يمر القارئ البشري على تلك الآراء العميقة والقيمة التي تظهر في الصفحة الخامسة، لكن الذكاء الاصطناعي لن يتجاهلها.

هذا التحول يظهر أيضًا في عالم البرمجيات. كانت تصميمات التطبيقات تهدف إلى تلبية طلبات الإنسان من حيث العرض والنقر، والتحسين يعني واجهة مستخدم جيدة، وسير عمل بسيط. مع استيلاء الذكاء الاصطناعي على عمليات البحث والفهم، تقل أهمية التصميم البصري للفهم. المهندسون لا يراقبون لوحات Grafana، وخبراء موثوقية أنظمة الذكاء الاصطناعي (SRE) يقرأون البيانات عن بُعد، ويُنشرون التحليلات على Slack. فريق المبيعات لم يعد بحاجة لتصفح نظم علاقات العملاء (CRM)، فالذكاء الاصطناعي يمكنه استخراج أنماط وملخصات تلقائيًا.

نحن لا نصمم المحتوى للبشر، بل للذكاء الاصطناعي. الأهداف الجديدة للتحسين ليست في المستوى البصري، بل في قابلية القراءة الآلية — هذا سيغير طرق إبداعنا والأدوات التي نستخدمها.

Santiago Rodriguez: نهاية KPIs “وقت الشاشة” في تطبيقات الذكاء الاصطناعي

على مدى 15 سنة، كان وقت الشاشة هو أفضل مقياس لقيمة تطبيقات المستهلكين والمؤسسات. كنا نعيش في نمط يقيس وقت مشاهدة نتفليكس، أو عدد النقرات على واجهات المستخدم في السجلات الطبية الإلكترونية، أو حتى الوقت الذي نقضيه على ChatGPT كمؤشر أداء رئيسي. مع توجهنا نحو نماذج التسعير بناءً على النتائج، والتي تنسق تمامًا حوافز البائع والمشتري، سنبدأ أولاً بالتخلي عن تقارير وقت الشاشة.

لقد رأينا ذلك عمليًا. عندما أستخدم استعلام DeepResearch على ChatGPT، حتى لو كان وقت الشاشة قريب من الصفر، أحصل على قيمة هائلة. عندما تلتقط أداة Abridge المحادثة بين الطبيب والمريض وتقوم بعمليات تلقائية، لا يحتاج الطبيب لمشاهدة الشاشة تقريبًا. عندما تطور Cursor تطبيقات شاملة من النهاية للنهاية، يخطط المطورون للدورة القادمة من الميزات. وعندما تكتب Hebbia عرضًا تقديميًا بناءً على مئات الوثائق العامة، يمكن للمصرفيين الاستمتاع بنوم هانئ أخيرًا.

وهذا يفرض تحديًا فريدًا: أن معيار التسعير للمستخدم الواحد في التطبيقات الذكاء الاصطناعي يحتاج إلى تقييم أكثر تعقيدًا لعائد الاستثمار (ROI). انتشار تطبيقات الذكاء الاصطناعي (AI) يعزز رضا الأطباء، وكفاءة المطورين، ورفاهية المحللين الماليين، وسعادة المستهلكين. الشركات التي تستطيع بأبسط الطرق شرح عائد الاستثمار ستظل تتفوق على المنافسين.

البيولوجيا + الصحة

Julie Yoo: المستخدمون النشطون شهريًا للصحة (MAU)

بحلول 2026، ستبرز فئة جديدة من عملاء الرعاية الصحية: “المستخدمون النشطون شهريًا للصحة”.

نظام الرعاية الصحية التقليدي يخدم ثلاث مجموعات رئيسية من المستخدمين: (a) “المستخدمون النشطون شهريًا المرضى”: فئة تتقلب طلباتها وتكاليفها عالية؛ (b) “المستخدمون النشطون يوميًا المرضى *”: مثل المرضى الذين يحتاجون إلى مراقبة شديدة على المدى الطويل؛ و © “المستخدمون النشطون شبابًا أصحاء *”: فئة صحية نادرًا ما تراجع الطبيب. يواجه شباب الصحة خطر التحول إلى المستخدمين المرضى شهريًا أو يوميًا، ويمكن للوقاية أن تبطئ هذا التحول. لكن نظام التأمين على الصحة المعتمد على العلاج يكافئ العلاج، وليس الوقاية، لذلك لم يُعطَ خدمات الفحوصات الصحية والمراقبة أولوية، وقليلًا ما يشملها التأمين.

الآن، ظهرت فئة المستخدمين النشطين شهريًا للصحة: هم غير مرضى، لكنهم يرغبون في مراقبة صحتهم بانتظام ومعرفة حالتهم الصحية — وربما يكونون أكبر فئة مستهلكة. نتوقع أن تبدأ شركة أو أكثر — بما في ذلك شركات ناشئة تعتمد على الذكاء الاصطناعي، أو ترقية الشركات القائمة — في تقديم خدمات دورية لهذه الفئة.

مع قدرات الذكاء الاصطناعي على خفض تكاليف الرعاية الصحية، وظهور منتجات تأمين صحية جديدة مركزة على الوقاية، وازدياد رغبة المستهلكين في دفع الاشتراكات بأنفسهم، فإن “المستخدمين النشطين شهريًا للصحة” يمثلون الفئة القادمة ذات الإمكانات الكبيرة في تكنولوجيا الرعاية الصحية: يشاركون باستمرار، ويعتمدون على البيانات، ويولون أهمية للوقاية.

Speedrun (اسم فريق استثماري داخلي في a16z)

Jon Lai: نماذج العالم تتألق في مجال السرد

بحلول 2026، ستغير نماذج العالم المدفوعة بالذكاء الاصطناعي بشكل جذري طرق السرد عبر عوالم افتراضية تفاعلية واقتصاد رقمي. تقنيات مثل Marble (World Labs) و Genie 3 (DeepMind) قادرة على توليد بيئات ثلاثية الأبعاد كاملة استنادًا إلى نصوص، بحيث يمكن للمستخدمين استكشافها كما في الألعاب. مع تبني المبدعين لهذه الأدوات، ستظهر أشكال جديدة من السرد، وقد تتطور إلى “عالم مولد” يُنشئه اللاعبون معًا، حيث يمكنهم بناء أكوان ضخمة ومتطورة باستمرار. يمكن لهذه العوالم دمج آليات الألعاب مع البرمجة باستخدام اللغة الطبيعية، مثل أن يأمر اللاعب: “أنشئ فرشاة، وغيّر كل شيء ألمسه إلى اللون الوردي.”

هذه النماذج ستُطمس الحدود بين اللاعب والمبدع، بحيث يصبح المستخدمون مساهمين في إنشاء واقع مشترك ديناميكي. قد يؤدي ذلك إلى ظهور أكوان متعددة مولدة مترابطة، تتنوع بين الفانتازيا، والرعب، والمغامرة. في هذه العوالم الافتراضية، ستزدهر الاقتصاد الرقمي، حيث يمكن للمبدعين كسب دخلهم عبر إنشاء الأصول، وتوجيه المبتدئين، وتطوير أدوات تفاعلية جديدة. بالإضافة إلى الترفيه، ستصبح هذه العوالم التوليدية بيئات تدريب للوكيلات الذكية، والروبوتات، وحتى الذكاء الاصطناعي العام (AGI). إذن، فإن ظهور نماذج العالم لا يرمز فقط إلى نوع جديد من الألعاب، بل إلى وسيط إبداعي واقتصادي جديد تمامًا.

Josh Lu: “سنة بدايتي”

ستكون 2026 “سنة بدايتي”: حيث لن تُنتج المنتجات بشكل جماعي، بل ستُصمم خصيصًا لك.

لقد رأينا هذا الاتجاه في كل مكان.

في التعليم، شركات ناشئة مثل Alphaschool تبني مرشدين ذكاء اصطناعيين يتكيفان مع تقدم كل طالب واهتماماته، ليحصل كل طفل على تعليم يتناسب مع إيقاعه وتفضيلاته. هذا المستوى من الاهتمام لن يتحقق إلا بتكلفة عشرات الآلاف من الدولارات لكل طالب.

في الصحة، يُصمم الذكاء الاصطناعي مجموعات مخصصة من المكملات الغذائية، وخطط التمارين، والنظام الغذائي استنادًا إلى خصائصك الفيزيائية. بدون مدرب أو مختبر.

حتى في وسائل الإعلام، يمكن للذكاء الاصطناعي أن يعيد تنظيم الأخبار، والبرامج، والقصص، لإنشاء تدفق معلومات شخصي يتوافق مع اهتماماتك وتفضيلاتك تمامًا.

أكبر الشركات في القرن الماضي كانت ناجحة لأنها استهدفت المستهلكين العاديين.

أما أكبر الشركات في القرن القادم فستربح عبر استهداف الأفراد من بين المستهلكين العاديين.

بحلول 2026، العالم لن يُحسن للجميع، بل سيبدأ في تحسينك أنت.

Emily Bennett: أول جامعة أصلية تعتمد على الذكاء الاصطناعي

أتوقع أنه بحلول 2026، سنشهد إنشاء أول جامعة أصلية تعتمد على الذكاء الاصطناعي، وهي مؤسسة مبنية من الصفر حول أنظمة الذكاء الاصطناعي.

على مدى السنوات الماضية، حاولت الجامعات تطبيق الذكاء الاصطناعي في التقييم، والتوجيه، وتنظيم المقررات. لكن الآن، تظهر منظومة أذكى، تستطيع التعلم والتكيف بشكل ذاتي في الوقت الحقيقي.

تخيل أن في مثل هذه المؤسسة، تتكيف المقررات، والاستشارات، والبحث التعاوني، وحتى العمليات الهندسية وفقًا لدورات البيانات المستمرة. الجداول الدراسية ستتغير بشكل ذاتي. قوائم القراءة ستُحدث ليلاً، وتُعاد كتابتها تلقائيًا مع ظهور أبحاث جديدة. مسارات التعلم ستتغير في الوقت الحقيقي لتتناسب مع تقدم كل طالب وظروفه.

لقد رأينا بعض العلامات المبكرة: جامعة أريزونا الحكومية (ASU) بالتعاون مع OpenAI أطلقت مئات المشاريع المعتمدة على الذكاء الاصطناعي في التدريس والإدارة. جامعة ولاية نيويورك (SUNY) أدرجت مؤخرًا الثقافة الرقمية للذكاء الاصطناعي في متطلبات التعليم العام. كل ذلك يمثل بداية نشر أعمق.

في جامعة تعتمد على الذكاء الاصطناعي، سيكون الأساتذة بمثابة مهندسي التعليم، مسؤولين عن إدارة البيانات، وتحسين النماذج، وتوجيه الطلاب في نقد استنتاجات الآلة.

طرق التقييم ستتغير أيضًا. أدوات الكشف، وحظر الغش، ستُستبدل بتقييمات تعتمد على وعي الذكاء الاصطناعي، حيث يُقيم الطلاب بناءً على كيفية استخدامهم للذكاء الاصطناعي، وليس فقط إذا استخدموه. الاستدامة في الاستراتيجية ستُحل محل الحظر.

مع تزايد جهود التوظيف لتصميم، وإدارة، وتنسيق أنظمة الذكاء الاصطناعي، ستصبح هذه الجامعة مركز تدريب، يُخرج خريجين ملمين بتنظيم أنظمة الذكاء الاصطناعي، ويساعد على تلبية سوق العمل المتغير بسرعة.

هذه الجامعة ستصبح محرك المواهب للاقتصاد الجديد.

هذا كل شيء اليوم، نراكم في الجزء التالي، ترقبوا.