أفضل استخدام للذكاء الاصطناعي هو زيادة سرعة التكرار، وليس السعي وراء "السحر" الناتج بنقرة واحدة.
تنظيم: مؤسس بارك
في اليوم الثاني من مدرسة YC AI الناشئة، استقبلنا سبعة ضيوف بارزين هم ساتيا ناديلا (الرئيس التنفيذي لشركة مايكروسوفت)، وو إن دا (مؤسس Deep Learning.AI)، تشيلسي فين (مؤسس مشارك في Physical Intelligence)، مايكل ترويل (الرئيس التنفيذي ومؤسس Cursor)، ديلان فيلد (الرئيس التنفيذي ومؤسس Figma)، أندريه كارباتي (مدير الذكاء الاصطناعي السابق في تسلا)، سيريام كريشنان (مستشار السياسة العليا للذكاء الاصطناعي في البيت الأبيض).
حول تقنيات الذكاء الاصطناعي وريادة الأعمال، شارك هؤلاء القادة العديد من الآراء الرائعة في كلماتهم، مثل:
لا تعطي للذكاء الاصطناعي طابعًا إنسانيًا. الذكاء الاصطناعي ليس إنسانًا، إنه أداة. الحدود التالية هي منحها القدرة على الذاكرة والأدوات واتخاذ الإجراءات، لكن هذا يختلف جوهريًا عن قدرة التفكير البشري.
في المستقبل، ستصبح الوكالات الجيل الجديد من الحواسيب. لا يعتمد هذا المستقبل فقط على دقة التكنولوجيا، بل يعتمد أيضًا على ثقة المستخدم وتجربة التفاعل السلس.
المنتجات التي تحتوي على حلقات تغذية راجعة، مثل Agentic AI، تؤدي بشكل أفضل بكثير من تلك الأدوات التي يمكنها فقط "إنجاز المهام لمرة واحدة". التفاعل المستمر يمكن أن يحسن النتائج، بينما يمكن أن يؤدي التكرار إلى تحسين مركب في الأداء.
أصبحت سرعة بناء النماذج الأولية أسرع بمقدار 10 مرات، كما زادت كفاءة تطوير البرمجيات الإنتاجية بنسبة 30-50%. ينبغي الاستفادة من هذه الميزة لتقليل المخاطر في السوق من خلال التغذية الراجعة الفورية من المستخدمين.
لم يعد الكود هو الأصل الأساسي الذي يتمتع بالندرة كما كان في الماضي. بفضل أدوات النماذج الأولية السريعة والذكاء الاصطناعي، أصبح من السهل إنتاج الكود. ما هو مهم حقًا هو القيمة التي يحققها الكود.
البيانات من العالم الحقيقي لا يمكن استبدالها. على الرغم من أن البيانات الاصطناعية والمحاكاة مفيدة، إلا أن البيانات الحقيقية لا تزال ضرورية، خاصةً للمهام البصرية والفيزيائية المعقدة.
الاستخدام الأفضل للذكاء الاصطناعي هو زيادة سرعة التكرار، وليس السعي وراء "السحر" الناتج عن ضغطة زر واحدة. يجب على المصممين ومدراء المنتجات الآن المساهمة في تقييمات الذكاء الاصطناعي.
بالإضافة إلى أندريه كارباثي (يمكنك الاطلاع على مشاركة أندريه كارباثي في مقالنا يوم أمس "اليوم الأول من برنامج Y Combinator AI للبدء، كانت محاضرة أندريه كارباثي تتداول على الإنترنت")، وسيريرام كريشنان، قمنا بتنظيم النقاط الرئيسية لمشاركات الضيوف الخمسة الآخرين.
الرئيس التنفيذي لشركة مايكروسوفت: ساتيا ناديلا
!
تأثير التكامل للمنصة: ليست الذكاء الاصطناعي وليد الصدفة، بل هو قائم على بنية تحتية سحابية تطورت على مدى عقود، قادرة على دعم تدريب النماذج على نطاق واسع. كل جيل من المنصات يمهد الطريق لظهور الجيل التالي.
النموذج هو بنية تحتية، المنتج هو نظام بيئي: النموذج الأساسي هو نوع من البنية التحتية، مشابه لقاعدة بيانات SQL الحديثة. المنتج الحقيقي ليس النموذج نفسه، بل هو النظام البيئي الكامل المبني حوله: حلقة التغذية الراجعة، تكامل الأدوات، وتفاعل المستخدمين.
التأثير الاقتصادي هو المعيار: المؤشر القطبي الذي يقيس ساتيا قيمة الذكاء الاصطناعي هو: "هل يساهم في خلق فائض اقتصادي؟" إذا لم تتمكن أي تقنية من دفع نمو الناتج المحلي الإجمالي، فإنها ليست تحويلية.
حدود القوة الحاسوبية والذكاء: سيزداد مستوى الذكاء بشكل متسارع مع زيادة استثمارات القوة الحاسوبية. لكن الانفجارات الكبرى المستقبلية لن تأتي فقط من الحجم، بل من التحولات النمطية، مثل وصول اللحظة القادمة من "قانون الحجم".
الطاقة والتوافق الاجتماعي: سيتطلب التطور الواسع للذكاء الاصطناعي استهلاكاً أكبر للطاقة، كما سيتطلب الحصول على إذن المجتمع. لكسب هذا الإذن، يجب علينا أن نُظهر أن الفوائد الاجتماعية الحقيقية والإيجابية التي يجلبها الذكاء الاصطناعي كافية لمطابقة تكاليفه.
العائق الحقيقي للذكاء الاصطناعي هو إدارة التغيير: العقبات التي تواجه الصناعات التقليدية ليست في التكنولوجيا، ولكنها مقيدة بالعمليات التشغيلية المتأصلة. التحول الحقيقي يتطلب إعادة التفكير في كيفية إنجاز العمل، وليس مجرد إدخال الذكاء الاصطناعي ببساطة.
دمج أدوار العمل: في منصات مثل LinkedIn، تندمج الأدوار التقليدية مثل التصميم والواجهة الأمامية والمنتجات تدريجياً، مما يؤدي إلى ظهور مواهب "متكاملة". إن الذكاء الاصطناعي يمكّن المزيد من الأشخاص من امتلاك قدرات متعددة التخصصات، مما يسرع من هذه الاتجاه.
لا ت underestimate قيمة العمل المتكرر: في العمل المعرفي، هناك الكثير من العمل البدني المتكرر. أفضل تطبيق للذكاء الاصطناعي هو القضاء على هذه "التكاليف الخفية للاحتكاك"، وتحرير إبداع الإنسان.
الحفاظ على الانفتاح نحو المستقبل: حتى ساتيا نفسه لم يتوقع أن تتقدم تقنيات "الحساب أثناء الاختبار" و"التعلم المعزز" بهذه السرعة. لا تفترض أننا قد رأينا الشكل النهائي للذكاء الاصطناعي، فمن المحتمل أن يكون هناك المزيد من الاختراقات في المستقبل.
لا تحاول تجسيد الذكاء الاصطناعي: الذكاء الاصطناعي ليس إنسانًا. إنه أداة. الحدود التالية هي منحها الذاكرة والأدوات وقدرة التصرف، لكن هذا يختلف جوهريًا عن قدرة التفكير البشري.
مستقبل التطوير: الذكاء الاصطناعي لن يحل محل المطورين، بل سيكون مساعدًا قويًا لهم. VSCode هو قماش يتعاون مع الذكاء الاصطناعي. سيكون جوهر هندسة البرمجيات من كتابة الشيفرة، إلى تصميم الأنظمة وضمان الجودة.
المسؤولية والثقة لا غنى عنهما: ظهور الذكاء الاصطناعي لا يعفي البشر من المسؤولية. لا يزال يتعين على الشركات تحمل المسؤولية القانونية عن تصرفات منتجاتها. هذا هو السبب في أن الخصوصية والأمان والسيادة يجب أن تبقى في صميم الاهتمام.
الثقة تأتي من القيمة العملية: الثقة تأتي من الفائدة وليس من الكلام المعسول. يشير ساتيا إلى أن الروبوتات الدردشة التي تم نشرها للمزارعين الهنود تمثل مثالًا، حيث أن المساعدة المرئية هي حجر الأساس لبناء الثقة.
من الصوت إلى الوكيل الذكي: بدأت رحلة الذكاء الاصطناعي لشركة مايكروسوفت في عام 1995 بتكنولوجيا الصوت. اليوم، تحول التركيز الاستراتيجي إلى "العملاء الذكية" المتكاملة، والتي تجمع بين الصوت والرؤية وأجهزة الحوسبة البيئية المتاحة في كل مكان.
الكائنات الذكية هي الحاسوب في المستقبل: الرؤية طويلة الأمد لـ Satya هي: "ستصبح الكائنات الذكية الجيل الجديد من الحواسيب." هذا المستقبل لا يعتمد فقط على دقة التكنولوجيا، بل يعتمد أيضًا على ثقة المستخدم وتجربة التفاعل السلس.
دروس عن القيادة: نصيحته هي أن نبدأ من أدنى المناصب، ولكن مع طموحات بعيدة. يجب أن نتعلم كيفية بناء فريق، وليس فقط تطوير منتج.
الشخص الذي يبحث عنه ساتيا: يقدر هذا النوع من الأشخاص: الذين يبسطون الأمور ويقدمون أفكارًا واضحة؛ الذين يحفزون روح الفريق ويجمعون القلوب؛ الذين يسرهم حل المشكلات المعقدة في ظل ظروف صارمة.
أكثر سؤال مفضل في المقابلة: "أخبرني عن مشكلة لم تكن تعرف كيف تحلها، وكيف قمت بحلها. هو يريد أن يرى من خلال ذلك فضول المرشح وقدرته على التكيف وإصراره.
إمكانيات الحوسبة الكمومية: قد تأتي التقنية المدمرة التالية من مجال الكم. تركز Microsoft على تطوير "بت الكم المصحح للخطأ"، وهذه التقنية قد تمكننا من محاكاة العالم الطبيعي بدقة لا مثيل لها.
نصيحة للشباب: لا تنتظر إذن الآخرين. اذهب لبناء الأدوات التي تمنح الناس القوة الحقيقية. يتأمل دائماً: "ماذا يمكننا أن نخلق لمساعدة الآخرين على الإبداع؟"
المنتج المفضل: VSCode و Excel - لأنهما يمنحان الناس قوى خارقة.
مؤسس Deep Learning.AI: أندرو نغ
!
سرعة التنفيذ تحدد النجاح والفشل: أفضل مؤشر على ما إذا كانت شركة ناشئة ستنجح أم لا هو سرعة البناء والاختبار والتكرار. السرعة يمكن أن تجلب تأثير التعلم المركب، والذكاء الاصطناعي يجعل هذا التأثير ينمو بشكل أسي.
الفرص الأكثر شيوعًا في طبقة التطبيقات: العائد الأكبر حاليًا لا يأتي من بناء نماذج جديدة، بل من تطبيق النماذج الحالية في سيناريوهات ذات قيمة وموجهة نحو المستخدم. هذا هو المكان الذي يجب أن يركز عليه المؤسسون.
الذكاء الاصطناعي الوكالي يتفوق على الأدوات "ذات الاستخدام الواحد": المنتجات التي تحتوي على حلقات تغذية راجعة، مثل الذكاء الاصطناعي الوكالي، تؤدي أداءً أفضل بكثير من تلك الأدوات التي يمكنها فقط إتمام المهام "ذات الاستخدام الواحد". التفاعل المستمر يمكن أن يحسن النتائج، بينما يمكن أن يؤدي التكرار إلى تحسينات مركبة في الأداء.
"طبقة التنسيق" في صعود: بين النماذج الأساسية والتطبيقات، تتشكل طبقة وسيطة جديدة ناشئة: تنسيق الوكيل. هذه الطبقة قادرة على دعم المهام المعقدة متعددة الخطوات عبر الأدوات ومصادر البيانات.
كلما كانت الأفكار أكثر تحديدًا، كانت التنفيذات أسرع: أفضل طريقة للتحرك بسرعة هي البدء بفكرة محددة، فكرة تحتوي على تفاصيل كافية ليتمكن المهندسون من البدء في البناء على الفور. تأتي الأفكار الجيدة المحددة عادة من خبراء في المجال يتمتعون بوضوح حدسي.
احذر من فخ "السرد العظيم": أهداف مثل "تمكين الذكاء الاصطناعي في الرعاية الصحية" تبدو طموحة، لكن غالبًا ما تؤدي إلى بطء في التنفيذ. ما يمكن أن يجلب الكفاءة حقًا هو أدوات محددة ودقيقة مثل "أتمتة مواعيد التصوير بالرنين المغناطيسي".
كن شجاعًا في تعديل الاتجاه، بشرط أن تتخذ الخطوة الأولى الصحيحة: إذا كانت البيانات المبكرة تشير إلى أن فكرتك لا تعمل، فإن وجود خطة أولية محددة سيسهل عليك التحول. يجب أن تفهم بوضوح ما تختبره حتى تتمكن من التحول بسرعة إلى اتجاه آخر بعد الفشل.
استخدام حلقة التغذية الراجعة لتجنب المخاطر: أصبح بناء النماذج الأولية أسرع بمعدل 10 مرات، وزادت كفاءة تطوير البرمجيات من مستوى الإنتاج بنسبة 30-50%. يجب الاستفادة من هذه الميزة لتقليل المخاطر في السوق من خلال التغذية الراجعة الفورية من المستخدمين.
حاول التجربة أكثر بدلاً من السعي نحو الكمال: لا تحاول تحسين نسختك الأولى. قم ببناء 20 نموذجًا أوليًا خشنة، وانظر أيها يمكن أن يستمر. سرعة التعلم أهم من الصقل.
اتخاذ إجراءات سريعة وتحمل المسؤولية: أعاد أندرو نج تفسير الشعار الكلاسيكي في وادي السيليكون: لا "تتصرف بسرعة، وتكسر القواعد"، ولكن "تتصرف بسرعة، وتحمل المسؤولية". الشعور بالمسؤولية هو حجر الأساس لبناء الثقة.
الكود يفقد قيمته النادرة: الكود لم يعد ذلك الأصل الأساسي النادر كما كان في الماضي. مع أدوات النماذج الأولية السريعة والذكاء الاصطناعي، أصبح من السهل إنتاج الكود. ما هو مهم حقًا هو القيمة التي تحققها الكود.
الهيكل الفني قابل للعكس: في الماضي، كان اختيار هيكل ما قرارًا أحادي الاتجاه. الآن هو باب ثنائي الاتجاه، حيث انخفضت تكلفة تغيير الهيكل بشكل كبير. هذه المرونة تشجع على تجارب أكثر جرأة وتجارب أسرع.
يجب على الجميع تعلم البرمجة: إن القول "لا تتعلم البرمجة" هو نوع من الخداع. في الماضي، عندما انتقل الناس من لغة التجميع إلى اللغات العالية، كانت هناك مخاوف مماثلة. الذكاء الاصطناعي يجعل عتبة البرمجة أقل، ويجب على المزيد من الأشخاص في المستقبل إتقان مهارات البرمجة.
المعرفة في المجال تجعل الذكاء الاصطناعي أفضل: الفهم العميق لمجال معين يمكن أن يساعدك على استخدام الذكاء الاصطناعي بشكل أفضل. يمكن لعلماء الفن كتابة تلميحات صور أفضل. يمكن للأطباء تشكيل ذكاء اصطناعي صحي أفضل. يجب على المؤسسين دمج المعرفة في المجال مع المهارات في الذكاء الاصطناعي.
مدير المنتج أصبح الآن هو العائق: الآن، لم تعد الهندسة هي العامل المحدد الجديد، بل إدارة المنتج. اقترحت إحدى فرق وانغ إندا حتى تعديل نسبة مدير المنتج إلى المهندسين إلى 2:1، لتسريع عملية التغذية الراجعة واتخاذ القرار.
يحتاج المهندسون إلى التفكير المنتج: المهندسون الذين لديهم حاسة المنتج يتصرفون بشكل أسرع، والمنتجات التي يطورونها تكون أفضل. إن امتلاك القدرة التقنية وحده لا يكفي، بل يحتاج المطورون أيضًا إلى فهم عميق لاحتياجات المستخدمين.
طلب رأي الأصدقاء
المعرفة العميقة بالذكاء الاصطناعي لا تزال تمثل ميزة تنافسية: فالمهارات المتعلقة بالذكاء الاصطناعي لم تنتشر بعد. أولئك الذين يفهمون فعليًا المبادئ التقنية للذكاء الاصطناعي لا يزالون يمتلكون ميزة كبيرة - حيث يمكنهم الابتكار بطريقة أكثر ذكاءً وكفاءة واستقلالية.
الدعاية ≠ الحقيقة: احذر من تلك السرديات التي تبدو مثيرة للإعجاب ولكنها تُستخدم بشكل أساسي لجمع الأموال أو تعزيز المكانة. مصطلحات مثل AGI والانقراض والذكاء غير المحدود هي عادة إشارات للدعاية، وليست إشارات للتأثير.
الأمان يتعلق بالاستخدام، وليس بالتكنولوجيا نفسها: غالبًا ما يُساء فهم مفهوم "أمان الذكاء الاصطناعي". الذكاء الاصطناعي مثل الكهرباء أو النار، ليس له قيمة جيدة أو سيئة في حد ذاته، بل يعتمد ذلك على كيفية تطبيقه. الأمان يتعلق بالاستخدام، وليس بالأداة نفسها.
الشيء الوحيد المهم هو ما إذا كان المستخدم يحب ذلك: لا داعي للإفراط في الانشغال بتكاليف النموذج أو معايير الأداء. السؤال الوحيد الذي يجب أن تهتم به هو: هل أنت بصدد إنشاء منتج يحبه المستخدمون حقًا ويرغبون في الاستمرار في استخدامه؟
التعليم AI لا يزال في مرحلة الاستكشاف: شركات مثل Kira Learning تقوم بعدد كبير من التجارب، ولكن الشكل النهائي لـ AI في مجال التعليم لا يزال غير واضح. نحن لا نزال في المرحلة المبكرة من التحول.
احذر من "نهاية العالم" و"استحواذ التنظيم": إن الخوف المفرط من الذكاء الاصطناعي يُستخدم لتبرير القوانين التي تحمي الشركات القائمة. يجب أن تكون مشكوكًا في السرد المتعلق بـ "أمان الذكاء الاصطناعي" الذي يفيد أصحاب السلطة.
الذكاء الجسدي 联创：Chelsea Finn
!
تحتاج تقنية الروبوتات إلى تفكير شامل: لا يمكنك فقط إضافة تقنية الروبوتات إلى شركة قائمة. تحتاج إلى بناء مجموعة التقنية بالكامل من الصفر - البيانات والنماذج والنشر.
جودة البيانات تتفوق على الكمية: غالبًا ما تفتقر مجموعات البيانات الضخمة من الصناعات أو YouTube أو البيئات المحاكاة إلى التنوع والواقعية. البيانات الصحيحة والعالية الجودة أهم من الحجم.
أفضل نموذج: التدريب المسبق + التعديل الدقيق: يتم التدريب المسبق على مجموعة بيانات واسعة، ثم يتم استخدام حوالي 1000 عينة عالية الجودة ومتسقة في المشهد للتعديل الدقيق، يمكن أن تعزز هذه الطريقة بشكل كبير من أداء الروبوت.
ستتفوق الروبوتات العامة على الروبوتات المتخصصة: النماذج العامة التي يمكنها تجاوز المهام المختلفة ومنصات الأجهزة (مثل الروبوتات التابعة لجهات خارجية) تثبت نجاحها أكثر من الأنظمة التي تم بناؤها لأغراض محددة.
البيانات الحقيقية لا يمكن استبدالها: على الرغم من أن البيانات التركيبية والمحاكاة مفيدة، إلا أن البيانات الحقيقية تظل بالغة الأهمية، خاصة بالنسبة للمهام البصرية والفيزيائية المعقدة.
الموارد الزائدة قد تكون عكس ما نريد: التمويل المفرط أو تعقيد الأمور قد يبطئ التقدم. وضوح المشكلة والتركيز في التنفيذ هما الأكثر أهمية.
الرئيس التنفيذي لشركة Cursor & المؤسس المشارك: مايكل ترول
!
ابدأ مبكرًا واستمر في البناء: حتى لو انسحب أحد الشركاء، استمر مايكل في البرمجة. ساعده الانتشار الفيروسي المبكر (نسخة مقلدة من Flappy Bird) في بناء الثقة والمهارات.
التحقق السريع، حتى في المجالات غير المألوفة: قام فريقهم بإنشاء مساعد برمجي في مجال الهندسة الميكانيكية دون خبرة سابقة. شعارهم هو "التعلم من خلال الممارسة".
تحديد موقع متميز، لا داعي للخوف من العمالقة: لقد ترددوا في ما إذا كانوا سينافسون GitHub Copilot، لكنهم أدركوا لاحقًا أن القليل من الشركات تستهدف "أتمتة عملية التطوير بالكامل". هذه التحديد فتحت لهم السوق.
من الكود إلى النشر، التحرك بسرعة: من أول سطر من الكود إلى النشر العام، استغرقوا فقط 3 أشهر. ساعد التكرار السريع في ضبط اتجاه المنتج بسرعة.
التركيز أفضل من التعقيد: لقد قرروا بحزم التخلي عن خطة تطوير IDE (بيئة التطوير المتكاملة) وأدوات الذكاء الاصطناعي في نفس الوقت. التركيز على ميزات الذكاء الاصطناعي نفسها أدى إلى تطوير أسرع.
يمكن أن تبدأ الحملة من تغريدة واحدة: جاء نمو المستخدمين المبكر لـ Cursor من تغريدة أحد المؤسسين المشاركين على وسائل التواصل الاجتماعي. قبل الترويج الرسمي للسوق، كانت الدعاية الشفهية هي القوة الدافعة الرئيسية.
تأثير الفائدة المركبة على القدرة التنفيذية: في عام 2024، زادت الإيرادات المتكررة السنوية لشركة Cursor من مليون دولار إلى 100 مليون دولار خلال عام واحد، محققة نموًا مركبًا أسبوعيًا بنسبة 10% بدافع من تحسين المنتجات واحتياجات المستخدمين.
أفضل نصيحة، اتبع فضولك: انسَ الأشياء التي تقوم بها لتجميل سيرتك الذاتية. النصيحة الرئيسية لمايكل هي: افعل ما يثير اهتمامك مع الأشخاص الأذكياء.
الرئيس التنفيذي لشركة Figma والشريك المؤسس: ديلان فيلد
!
ابحث عن شريك مؤسس يمكنه تحفيزك: مصدر إلهام ديلان يأتي من العمل مع شريكه المؤسس إيفان والاس، "كل أسبوع يبدو كأننا نخلق المستقبل."
ابدأ مبكرًا، وتعلم أثناء القيام: بدأ ديلان مشروعه الريادي عندما كان في التاسعة عشرة من عمره وما زال في الجامعة. الفشل في المشاريع المبكرة مثل "مولد الرموز التعبيرية" صقل في النهاية فكرة رائعة مثل Figma.
نشر سريع، والحصول على ردود فعل أسرع: قاموا بالتواصل عبر البريد الإلكتروني مع المستخدمين الأوائل، وإجراء تكرارات سريعة، والالتزام بالرسوم منذ البداية. تعتبر ردود الفعل القوة الدافعة المستمرة لتطور المنتج.
تقسيم خريطة الطريق الطويلة إلى دفعات قصيرة: تقسيم الرؤية الكبرى إلى أجزاء أصغر هو المفتاح لضمان السرعة والتنفيذ.
قد يستغرق التوافق بين المنتج والسوق عدة سنوات: استغرق الأمر من Figma خمس سنوات للحصول على إشارة حاسمة: حيث اقترحت Microsoft أنه إذا لم تبدأ Figma في فرض رسوم، فسيتعين عليهم إنهاء التعاون.
التصميم هو عامل التمايز الجديد: يعتقد أنه بسبب صعود الذكاء الاصطناعي، أصبح التصميم أكثر أهمية. كما أن Figma تتماشى مع هذا الاتجاه من خلال إطلاق مجموعة من المنتجات الجديدة مثل Draw و Buzz و Sites و Make.
استخدام الذكاء الاصطناعي لتسريع تصميم النماذج الأولية: أفضل استخدامات الذكاء الاصطناعي هي زيادة سرعة التكرار، وليس السعي وراء "السحر" الناتج عن الضغط على زر واحد. يجب على المصممين ومديري المنتجات الآن المساهمة في تقييم الذكاء الاصطناعي.
احتضان الرفض بدلاً من الهروب: التجارب المسرحية في الطفولة علمت ديلان مواجهة النقد والتعليقات بشجاعة. يعتقد أن الرفض هو جزء من الطريق نحو النجاح.
الاتصال البشري هو دائمًا في القلب: تحذير من استخدام الذكاء الاصطناعي كبديل للعلاقات الإنسانية. عندما سُئل عن معنى الحياة، أجاب: "استكشاف الوعي، الاستمرار في التعلم، مشاركة الحب."
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
YC AI حاضنة الأعمال اليوم الثاني: نادلا، وو إندا، الرئيس التنفيذي لكورسر جميعهم هنا
تنظيم: مؤسس بارك
في اليوم الثاني من مدرسة YC AI الناشئة، استقبلنا سبعة ضيوف بارزين هم ساتيا ناديلا (الرئيس التنفيذي لشركة مايكروسوفت)، وو إن دا (مؤسس Deep Learning.AI)، تشيلسي فين (مؤسس مشارك في Physical Intelligence)، مايكل ترويل (الرئيس التنفيذي ومؤسس Cursor)، ديلان فيلد (الرئيس التنفيذي ومؤسس Figma)، أندريه كارباتي (مدير الذكاء الاصطناعي السابق في تسلا)، سيريام كريشنان (مستشار السياسة العليا للذكاء الاصطناعي في البيت الأبيض).
حول تقنيات الذكاء الاصطناعي وريادة الأعمال، شارك هؤلاء القادة العديد من الآراء الرائعة في كلماتهم، مثل:
بالإضافة إلى أندريه كارباثي (يمكنك الاطلاع على مشاركة أندريه كارباثي في مقالنا يوم أمس "اليوم الأول من برنامج Y Combinator AI للبدء، كانت محاضرة أندريه كارباثي تتداول على الإنترنت")، وسيريرام كريشنان، قمنا بتنظيم النقاط الرئيسية لمشاركات الضيوف الخمسة الآخرين.
الرئيس التنفيذي لشركة مايكروسوفت: ساتيا ناديلا
!
تأثير التكامل للمنصة: ليست الذكاء الاصطناعي وليد الصدفة، بل هو قائم على بنية تحتية سحابية تطورت على مدى عقود، قادرة على دعم تدريب النماذج على نطاق واسع. كل جيل من المنصات يمهد الطريق لظهور الجيل التالي.
النموذج هو بنية تحتية، المنتج هو نظام بيئي: النموذج الأساسي هو نوع من البنية التحتية، مشابه لقاعدة بيانات SQL الحديثة. المنتج الحقيقي ليس النموذج نفسه، بل هو النظام البيئي الكامل المبني حوله: حلقة التغذية الراجعة، تكامل الأدوات، وتفاعل المستخدمين.
التأثير الاقتصادي هو المعيار: المؤشر القطبي الذي يقيس ساتيا قيمة الذكاء الاصطناعي هو: "هل يساهم في خلق فائض اقتصادي؟" إذا لم تتمكن أي تقنية من دفع نمو الناتج المحلي الإجمالي، فإنها ليست تحويلية.
حدود القوة الحاسوبية والذكاء: سيزداد مستوى الذكاء بشكل متسارع مع زيادة استثمارات القوة الحاسوبية. لكن الانفجارات الكبرى المستقبلية لن تأتي فقط من الحجم، بل من التحولات النمطية، مثل وصول اللحظة القادمة من "قانون الحجم".
الطاقة والتوافق الاجتماعي: سيتطلب التطور الواسع للذكاء الاصطناعي استهلاكاً أكبر للطاقة، كما سيتطلب الحصول على إذن المجتمع. لكسب هذا الإذن، يجب علينا أن نُظهر أن الفوائد الاجتماعية الحقيقية والإيجابية التي يجلبها الذكاء الاصطناعي كافية لمطابقة تكاليفه.
العائق الحقيقي للذكاء الاصطناعي هو إدارة التغيير: العقبات التي تواجه الصناعات التقليدية ليست في التكنولوجيا، ولكنها مقيدة بالعمليات التشغيلية المتأصلة. التحول الحقيقي يتطلب إعادة التفكير في كيفية إنجاز العمل، وليس مجرد إدخال الذكاء الاصطناعي ببساطة.
دمج أدوار العمل: في منصات مثل LinkedIn، تندمج الأدوار التقليدية مثل التصميم والواجهة الأمامية والمنتجات تدريجياً، مما يؤدي إلى ظهور مواهب "متكاملة". إن الذكاء الاصطناعي يمكّن المزيد من الأشخاص من امتلاك قدرات متعددة التخصصات، مما يسرع من هذه الاتجاه.
لا ت underestimate قيمة العمل المتكرر: في العمل المعرفي، هناك الكثير من العمل البدني المتكرر. أفضل تطبيق للذكاء الاصطناعي هو القضاء على هذه "التكاليف الخفية للاحتكاك"، وتحرير إبداع الإنسان.
الحفاظ على الانفتاح نحو المستقبل: حتى ساتيا نفسه لم يتوقع أن تتقدم تقنيات "الحساب أثناء الاختبار" و"التعلم المعزز" بهذه السرعة. لا تفترض أننا قد رأينا الشكل النهائي للذكاء الاصطناعي، فمن المحتمل أن يكون هناك المزيد من الاختراقات في المستقبل.
لا تحاول تجسيد الذكاء الاصطناعي: الذكاء الاصطناعي ليس إنسانًا. إنه أداة. الحدود التالية هي منحها الذاكرة والأدوات وقدرة التصرف، لكن هذا يختلف جوهريًا عن قدرة التفكير البشري.
مستقبل التطوير: الذكاء الاصطناعي لن يحل محل المطورين، بل سيكون مساعدًا قويًا لهم. VSCode هو قماش يتعاون مع الذكاء الاصطناعي. سيكون جوهر هندسة البرمجيات من كتابة الشيفرة، إلى تصميم الأنظمة وضمان الجودة.
المسؤولية والثقة لا غنى عنهما: ظهور الذكاء الاصطناعي لا يعفي البشر من المسؤولية. لا يزال يتعين على الشركات تحمل المسؤولية القانونية عن تصرفات منتجاتها. هذا هو السبب في أن الخصوصية والأمان والسيادة يجب أن تبقى في صميم الاهتمام.
الثقة تأتي من القيمة العملية: الثقة تأتي من الفائدة وليس من الكلام المعسول. يشير ساتيا إلى أن الروبوتات الدردشة التي تم نشرها للمزارعين الهنود تمثل مثالًا، حيث أن المساعدة المرئية هي حجر الأساس لبناء الثقة.
من الصوت إلى الوكيل الذكي: بدأت رحلة الذكاء الاصطناعي لشركة مايكروسوفت في عام 1995 بتكنولوجيا الصوت. اليوم، تحول التركيز الاستراتيجي إلى "العملاء الذكية" المتكاملة، والتي تجمع بين الصوت والرؤية وأجهزة الحوسبة البيئية المتاحة في كل مكان.
الكائنات الذكية هي الحاسوب في المستقبل: الرؤية طويلة الأمد لـ Satya هي: "ستصبح الكائنات الذكية الجيل الجديد من الحواسيب." هذا المستقبل لا يعتمد فقط على دقة التكنولوجيا، بل يعتمد أيضًا على ثقة المستخدم وتجربة التفاعل السلس.
دروس عن القيادة: نصيحته هي أن نبدأ من أدنى المناصب، ولكن مع طموحات بعيدة. يجب أن نتعلم كيفية بناء فريق، وليس فقط تطوير منتج.
الشخص الذي يبحث عنه ساتيا: يقدر هذا النوع من الأشخاص: الذين يبسطون الأمور ويقدمون أفكارًا واضحة؛ الذين يحفزون روح الفريق ويجمعون القلوب؛ الذين يسرهم حل المشكلات المعقدة في ظل ظروف صارمة.
أكثر سؤال مفضل في المقابلة: "أخبرني عن مشكلة لم تكن تعرف كيف تحلها، وكيف قمت بحلها. هو يريد أن يرى من خلال ذلك فضول المرشح وقدرته على التكيف وإصراره.
إمكانيات الحوسبة الكمومية: قد تأتي التقنية المدمرة التالية من مجال الكم. تركز Microsoft على تطوير "بت الكم المصحح للخطأ"، وهذه التقنية قد تمكننا من محاكاة العالم الطبيعي بدقة لا مثيل لها.
نصيحة للشباب: لا تنتظر إذن الآخرين. اذهب لبناء الأدوات التي تمنح الناس القوة الحقيقية. يتأمل دائماً: "ماذا يمكننا أن نخلق لمساعدة الآخرين على الإبداع؟"
المنتج المفضل: VSCode و Excel - لأنهما يمنحان الناس قوى خارقة.
مؤسس Deep Learning.AI: أندرو نغ
!
سرعة التنفيذ تحدد النجاح والفشل: أفضل مؤشر على ما إذا كانت شركة ناشئة ستنجح أم لا هو سرعة البناء والاختبار والتكرار. السرعة يمكن أن تجلب تأثير التعلم المركب، والذكاء الاصطناعي يجعل هذا التأثير ينمو بشكل أسي.
الفرص الأكثر شيوعًا في طبقة التطبيقات: العائد الأكبر حاليًا لا يأتي من بناء نماذج جديدة، بل من تطبيق النماذج الحالية في سيناريوهات ذات قيمة وموجهة نحو المستخدم. هذا هو المكان الذي يجب أن يركز عليه المؤسسون.
الذكاء الاصطناعي الوكالي يتفوق على الأدوات "ذات الاستخدام الواحد": المنتجات التي تحتوي على حلقات تغذية راجعة، مثل الذكاء الاصطناعي الوكالي، تؤدي أداءً أفضل بكثير من تلك الأدوات التي يمكنها فقط إتمام المهام "ذات الاستخدام الواحد". التفاعل المستمر يمكن أن يحسن النتائج، بينما يمكن أن يؤدي التكرار إلى تحسينات مركبة في الأداء.
"طبقة التنسيق" في صعود: بين النماذج الأساسية والتطبيقات، تتشكل طبقة وسيطة جديدة ناشئة: تنسيق الوكيل. هذه الطبقة قادرة على دعم المهام المعقدة متعددة الخطوات عبر الأدوات ومصادر البيانات.
كلما كانت الأفكار أكثر تحديدًا، كانت التنفيذات أسرع: أفضل طريقة للتحرك بسرعة هي البدء بفكرة محددة، فكرة تحتوي على تفاصيل كافية ليتمكن المهندسون من البدء في البناء على الفور. تأتي الأفكار الجيدة المحددة عادة من خبراء في المجال يتمتعون بوضوح حدسي.
احذر من فخ "السرد العظيم": أهداف مثل "تمكين الذكاء الاصطناعي في الرعاية الصحية" تبدو طموحة، لكن غالبًا ما تؤدي إلى بطء في التنفيذ. ما يمكن أن يجلب الكفاءة حقًا هو أدوات محددة ودقيقة مثل "أتمتة مواعيد التصوير بالرنين المغناطيسي".
كن شجاعًا في تعديل الاتجاه، بشرط أن تتخذ الخطوة الأولى الصحيحة: إذا كانت البيانات المبكرة تشير إلى أن فكرتك لا تعمل، فإن وجود خطة أولية محددة سيسهل عليك التحول. يجب أن تفهم بوضوح ما تختبره حتى تتمكن من التحول بسرعة إلى اتجاه آخر بعد الفشل.
استخدام حلقة التغذية الراجعة لتجنب المخاطر: أصبح بناء النماذج الأولية أسرع بمعدل 10 مرات، وزادت كفاءة تطوير البرمجيات من مستوى الإنتاج بنسبة 30-50%. يجب الاستفادة من هذه الميزة لتقليل المخاطر في السوق من خلال التغذية الراجعة الفورية من المستخدمين.
حاول التجربة أكثر بدلاً من السعي نحو الكمال: لا تحاول تحسين نسختك الأولى. قم ببناء 20 نموذجًا أوليًا خشنة، وانظر أيها يمكن أن يستمر. سرعة التعلم أهم من الصقل.
اتخاذ إجراءات سريعة وتحمل المسؤولية: أعاد أندرو نج تفسير الشعار الكلاسيكي في وادي السيليكون: لا "تتصرف بسرعة، وتكسر القواعد"، ولكن "تتصرف بسرعة، وتحمل المسؤولية". الشعور بالمسؤولية هو حجر الأساس لبناء الثقة.
الكود يفقد قيمته النادرة: الكود لم يعد ذلك الأصل الأساسي النادر كما كان في الماضي. مع أدوات النماذج الأولية السريعة والذكاء الاصطناعي، أصبح من السهل إنتاج الكود. ما هو مهم حقًا هو القيمة التي تحققها الكود.
الهيكل الفني قابل للعكس: في الماضي، كان اختيار هيكل ما قرارًا أحادي الاتجاه. الآن هو باب ثنائي الاتجاه، حيث انخفضت تكلفة تغيير الهيكل بشكل كبير. هذه المرونة تشجع على تجارب أكثر جرأة وتجارب أسرع.
يجب على الجميع تعلم البرمجة: إن القول "لا تتعلم البرمجة" هو نوع من الخداع. في الماضي، عندما انتقل الناس من لغة التجميع إلى اللغات العالية، كانت هناك مخاوف مماثلة. الذكاء الاصطناعي يجعل عتبة البرمجة أقل، ويجب على المزيد من الأشخاص في المستقبل إتقان مهارات البرمجة.
المعرفة في المجال تجعل الذكاء الاصطناعي أفضل: الفهم العميق لمجال معين يمكن أن يساعدك على استخدام الذكاء الاصطناعي بشكل أفضل. يمكن لعلماء الفن كتابة تلميحات صور أفضل. يمكن للأطباء تشكيل ذكاء اصطناعي صحي أفضل. يجب على المؤسسين دمج المعرفة في المجال مع المهارات في الذكاء الاصطناعي.
مدير المنتج أصبح الآن هو العائق: الآن، لم تعد الهندسة هي العامل المحدد الجديد، بل إدارة المنتج. اقترحت إحدى فرق وانغ إندا حتى تعديل نسبة مدير المنتج إلى المهندسين إلى 2:1، لتسريع عملية التغذية الراجعة واتخاذ القرار.
يحتاج المهندسون إلى التفكير المنتج: المهندسون الذين لديهم حاسة المنتج يتصرفون بشكل أسرع، والمنتجات التي يطورونها تكون أفضل. إن امتلاك القدرة التقنية وحده لا يكفي، بل يحتاج المطورون أيضًا إلى فهم عميق لاحتياجات المستخدمين.
طلب رأي الأصدقاء
المعرفة العميقة بالذكاء الاصطناعي لا تزال تمثل ميزة تنافسية: فالمهارات المتعلقة بالذكاء الاصطناعي لم تنتشر بعد. أولئك الذين يفهمون فعليًا المبادئ التقنية للذكاء الاصطناعي لا يزالون يمتلكون ميزة كبيرة - حيث يمكنهم الابتكار بطريقة أكثر ذكاءً وكفاءة واستقلالية.
الدعاية ≠ الحقيقة: احذر من تلك السرديات التي تبدو مثيرة للإعجاب ولكنها تُستخدم بشكل أساسي لجمع الأموال أو تعزيز المكانة. مصطلحات مثل AGI والانقراض والذكاء غير المحدود هي عادة إشارات للدعاية، وليست إشارات للتأثير.
الأمان يتعلق بالاستخدام، وليس بالتكنولوجيا نفسها: غالبًا ما يُساء فهم مفهوم "أمان الذكاء الاصطناعي". الذكاء الاصطناعي مثل الكهرباء أو النار، ليس له قيمة جيدة أو سيئة في حد ذاته، بل يعتمد ذلك على كيفية تطبيقه. الأمان يتعلق بالاستخدام، وليس بالأداة نفسها.
الشيء الوحيد المهم هو ما إذا كان المستخدم يحب ذلك: لا داعي للإفراط في الانشغال بتكاليف النموذج أو معايير الأداء. السؤال الوحيد الذي يجب أن تهتم به هو: هل أنت بصدد إنشاء منتج يحبه المستخدمون حقًا ويرغبون في الاستمرار في استخدامه؟
التعليم AI لا يزال في مرحلة الاستكشاف: شركات مثل Kira Learning تقوم بعدد كبير من التجارب، ولكن الشكل النهائي لـ AI في مجال التعليم لا يزال غير واضح. نحن لا نزال في المرحلة المبكرة من التحول.
احذر من "نهاية العالم" و"استحواذ التنظيم": إن الخوف المفرط من الذكاء الاصطناعي يُستخدم لتبرير القوانين التي تحمي الشركات القائمة. يجب أن تكون مشكوكًا في السرد المتعلق بـ "أمان الذكاء الاصطناعي" الذي يفيد أصحاب السلطة.
الذكاء الجسدي 联创：Chelsea Finn
!
تحتاج تقنية الروبوتات إلى تفكير شامل: لا يمكنك فقط إضافة تقنية الروبوتات إلى شركة قائمة. تحتاج إلى بناء مجموعة التقنية بالكامل من الصفر - البيانات والنماذج والنشر.
جودة البيانات تتفوق على الكمية: غالبًا ما تفتقر مجموعات البيانات الضخمة من الصناعات أو YouTube أو البيئات المحاكاة إلى التنوع والواقعية. البيانات الصحيحة والعالية الجودة أهم من الحجم.
أفضل نموذج: التدريب المسبق + التعديل الدقيق: يتم التدريب المسبق على مجموعة بيانات واسعة، ثم يتم استخدام حوالي 1000 عينة عالية الجودة ومتسقة في المشهد للتعديل الدقيق، يمكن أن تعزز هذه الطريقة بشكل كبير من أداء الروبوت.
ستتفوق الروبوتات العامة على الروبوتات المتخصصة: النماذج العامة التي يمكنها تجاوز المهام المختلفة ومنصات الأجهزة (مثل الروبوتات التابعة لجهات خارجية) تثبت نجاحها أكثر من الأنظمة التي تم بناؤها لأغراض محددة.
البيانات الحقيقية لا يمكن استبدالها: على الرغم من أن البيانات التركيبية والمحاكاة مفيدة، إلا أن البيانات الحقيقية تظل بالغة الأهمية، خاصة بالنسبة للمهام البصرية والفيزيائية المعقدة.
الموارد الزائدة قد تكون عكس ما نريد: التمويل المفرط أو تعقيد الأمور قد يبطئ التقدم. وضوح المشكلة والتركيز في التنفيذ هما الأكثر أهمية.
الرئيس التنفيذي لشركة Cursor & المؤسس المشارك: مايكل ترول
!
ابدأ مبكرًا واستمر في البناء: حتى لو انسحب أحد الشركاء، استمر مايكل في البرمجة. ساعده الانتشار الفيروسي المبكر (نسخة مقلدة من Flappy Bird) في بناء الثقة والمهارات.
التحقق السريع، حتى في المجالات غير المألوفة: قام فريقهم بإنشاء مساعد برمجي في مجال الهندسة الميكانيكية دون خبرة سابقة. شعارهم هو "التعلم من خلال الممارسة".
تحديد موقع متميز، لا داعي للخوف من العمالقة: لقد ترددوا في ما إذا كانوا سينافسون GitHub Copilot، لكنهم أدركوا لاحقًا أن القليل من الشركات تستهدف "أتمتة عملية التطوير بالكامل". هذه التحديد فتحت لهم السوق.
من الكود إلى النشر، التحرك بسرعة: من أول سطر من الكود إلى النشر العام، استغرقوا فقط 3 أشهر. ساعد التكرار السريع في ضبط اتجاه المنتج بسرعة.
التركيز أفضل من التعقيد: لقد قرروا بحزم التخلي عن خطة تطوير IDE (بيئة التطوير المتكاملة) وأدوات الذكاء الاصطناعي في نفس الوقت. التركيز على ميزات الذكاء الاصطناعي نفسها أدى إلى تطوير أسرع.
يمكن أن تبدأ الحملة من تغريدة واحدة: جاء نمو المستخدمين المبكر لـ Cursor من تغريدة أحد المؤسسين المشاركين على وسائل التواصل الاجتماعي. قبل الترويج الرسمي للسوق، كانت الدعاية الشفهية هي القوة الدافعة الرئيسية.
تأثير الفائدة المركبة على القدرة التنفيذية: في عام 2024، زادت الإيرادات المتكررة السنوية لشركة Cursor من مليون دولار إلى 100 مليون دولار خلال عام واحد، محققة نموًا مركبًا أسبوعيًا بنسبة 10% بدافع من تحسين المنتجات واحتياجات المستخدمين.
أفضل نصيحة، اتبع فضولك: انسَ الأشياء التي تقوم بها لتجميل سيرتك الذاتية. النصيحة الرئيسية لمايكل هي: افعل ما يثير اهتمامك مع الأشخاص الأذكياء.
الرئيس التنفيذي لشركة Figma والشريك المؤسس: ديلان فيلد
!
ابحث عن شريك مؤسس يمكنه تحفيزك: مصدر إلهام ديلان يأتي من العمل مع شريكه المؤسس إيفان والاس، "كل أسبوع يبدو كأننا نخلق المستقبل."
ابدأ مبكرًا، وتعلم أثناء القيام: بدأ ديلان مشروعه الريادي عندما كان في التاسعة عشرة من عمره وما زال في الجامعة. الفشل في المشاريع المبكرة مثل "مولد الرموز التعبيرية" صقل في النهاية فكرة رائعة مثل Figma.
نشر سريع، والحصول على ردود فعل أسرع: قاموا بالتواصل عبر البريد الإلكتروني مع المستخدمين الأوائل، وإجراء تكرارات سريعة، والالتزام بالرسوم منذ البداية. تعتبر ردود الفعل القوة الدافعة المستمرة لتطور المنتج.
تقسيم خريطة الطريق الطويلة إلى دفعات قصيرة: تقسيم الرؤية الكبرى إلى أجزاء أصغر هو المفتاح لضمان السرعة والتنفيذ.
قد يستغرق التوافق بين المنتج والسوق عدة سنوات: استغرق الأمر من Figma خمس سنوات للحصول على إشارة حاسمة: حيث اقترحت Microsoft أنه إذا لم تبدأ Figma في فرض رسوم، فسيتعين عليهم إنهاء التعاون.
التصميم هو عامل التمايز الجديد: يعتقد أنه بسبب صعود الذكاء الاصطناعي، أصبح التصميم أكثر أهمية. كما أن Figma تتماشى مع هذا الاتجاه من خلال إطلاق مجموعة من المنتجات الجديدة مثل Draw و Buzz و Sites و Make.
استخدام الذكاء الاصطناعي لتسريع تصميم النماذج الأولية: أفضل استخدامات الذكاء الاصطناعي هي زيادة سرعة التكرار، وليس السعي وراء "السحر" الناتج عن الضغط على زر واحد. يجب على المصممين ومديري المنتجات الآن المساهمة في تقييم الذكاء الاصطناعي.
احتضان الرفض بدلاً من الهروب: التجارب المسرحية في الطفولة علمت ديلان مواجهة النقد والتعليقات بشجاعة. يعتقد أن الرفض هو جزء من الطريق نحو النجاح.
الاتصال البشري هو دائمًا في القلب: تحذير من استخدام الذكاء الاصطناعي كبديل للعلاقات الإنسانية. عندما سُئل عن معنى الحياة، أجاب: "استكشاف الوعي، الاستمرار في التعلم، مشاركة الحب."