نماذج يجب أن تُصرَّف. روبوتات يجب أن تبقى واقفة.

1. آب ⁦2026⁩ — تشرين الأول ⁦2026⁩

   ZML

   مهندس برمجيات · باريس، فرنسا

   • نقلت نماذج ذكاء اصطناعي كبيرة إلى مكدس الاستدلال في ⁦ZML⁩ ، المبني بلغة ⁦Zig⁩.
   • كيّفت معماريات النماذج وعملياتها بما يتيح ترجمتها وتنفيذها بكفاءة على المسرّعات.
   • عملت على كامل المسار، بدءًا بتحميل أوزان النماذج ووصولًا إلى مرحلتي الترجمة والاستدلال.

2. تشرين الأول ⁦2024⁩ — تموز ⁦2026⁩

   Arago

   مهندس برمجيات، مسرّعات ذكاء اصطناعي · باريس، فرنسا

   • مسار ⁦PyTorch⁩ نحو مسرّع فوتوني: ⁦kernels⁩ ، توزيع ⁦graph⁩ ، و ⁦runtime⁩ على المضيف.
   • ⁦dispatch⁩ للـ ⁦firmware⁩ ، طوابير الجهاز، وعمل الـ ⁦driver⁩ الذي يحمل هذا المسار.

   عرض المزيد

   منظومة تسريع مصممة حول ⁦PyTorch⁩ وطريقة العمل المعتادة لفرق الذكاء الاصطناعي.

   المشكلة

   ضرب المصفوفات الفوتوني ليس سوى ⁦kernel⁩ واحد. يحتاج المنتج إلى مسار كامل من ⁦PyTorch⁩ عبر ⁦runtime⁩ و ⁦firmware⁩ ثم العودة إلى ⁦tensors⁩ يمكن للمستخدم التعامل معها بصورة طبيعية.

   ما بنيته

   ⁦compiler lowering⁩ ، ⁦runtime⁩ على المضيف، مسارات ⁦drivers⁩ ، تخصيص سريع، نقل ⁦device-to-device⁩ ، ⁦launch queues⁩ ، و ⁦dispatch firmware⁩.

   العقدة الصعبة

   تذهب مناطق من ⁦graph⁩ أو عمليات منفردة إلى الأجهزة، تُفكك إلى ⁦primitive graphs⁩ ، تُنفَّذ على ⁦mono cores⁩ ، وتعود إلى ⁦PyTorch⁩ عبر ⁦events⁩. ويجب أن يبقى الإحساس قريبًا من مكدس مسرّع عادي.

   ⁦PyTorch⁩ · ⁦Runtime⁩ · ⁦Firmware⁩ · ⁦Accelerators⁩

   لماذا لا يوجد مستودع للكود ←

   خريطة الـ ⁦Runtime⁩

   رسم ⁦PyTorch⁩ → تقسيم ⁦compiler⁩ → تنفيذ على أكثر من جهاز

   01

   رسم الحساب في ⁦PyTorch⁩

   • عمليات ⁦ATen⁩ تُكوّن رسم اعتماد حقيقيًا
   • حواف ⁦tensors⁩ تساعد على تحديد مكان تنفيذ العمل
   • المناطق القابلة للتسريع تُعزل قبل الإطلاق

   02

   ⁦compiler⁩ + ⁦runtime⁩ على المضيف

   01 خفض مستوى الرسم

   02 توزيع العمل

   03 تخطيط الإطلاقات والنقل

   03

   تنفيذ على كل جهاز

   رسم فرعي ⁦A⁩

   ⁦Device 0⁩

   ⁦launch -> DAG primitives⁩

   جلسات التنفيذ

   ⁦queue 0⁩ ⁦queue 1⁩ ⁦queue 2⁩

   رسم ⁦primitives⁩ داخل الجهاز

   نواة التحكم

   وحدة حساب ليزرية

   مزامنة + أحداث الجهاز

   ⁦PCIe⁩ / ربط الأجهزة

   رسم فرعي ⁦B⁩

   ⁦Device 1⁩

   ⁦node -> DAG primitives⁩

   جلسات التنفيذ

   ⁦queue 0⁩ ⁦queue 1⁩ ⁦queue 2⁩

   رسم ⁦primitives⁩ داخل الجهاز

   نواة التحكم

   وحدة حساب ليزرية

   مزامنة + أحداث الجهاز

   مخطط مبسّط — مصطلحات عامة فقط

3. أيلول ⁦2023⁩ — أيلول ⁦2024⁩

   EyePick

   مهندس Machine Learning · باريس، فرنسا

   • بنيت خطوط رؤية حاسوبية لأتمتة روبوتية بزمن قريب من الحقيقي في الصناعة والزراعة والمطابخ.
   • عملت على كشف الشذوذ وتصنيف الصور لأغراض ضبط الجودة.
   • كيّفت نماذج مبنية على ⁦ResNet⁩ عندما تعرقلت خطوط شبيهة بـ ⁦YOLO⁩ بسبب قيود الترخيص.

4. آذار ⁦2023⁩ — أيلول ⁦2023⁩

   Wandercraft

   متدرب Reinforcement Learning · باريس، فرنسا

   • درّبت سياسات تحكم ⁦RL⁩ لروبوت ⁦Cassie⁩ ثنائي الأرجل وهيكل ⁦Eve⁩ الخارجي.
   • استخدمت ⁦NVIDIA Isaac Gym⁩ و ⁦Ray RLlib⁩ للمحاكاة المتوازية وتدريب السياسات بشكل موزع.
   • عملت على نقل ⁦sim-to-real⁩ عبر ⁦imitation learning⁩ و ⁦domain adaptation⁩ و ⁦visual adaptation⁩.

5. حزيران ⁦2022⁩ — أيلول ⁦2022⁩

   Poppins — سابقًا Mila

   متدرب خوارزميات ذكاء اصطناعي · باريس، فرنسا

   • نفّذت صعوبة تكيفية للعبة علاجية مخصصة للأطفال المصابين بعسر القراءة.
   • استخدمت ⁦clustering⁩ ومقاييس اللعب لضبط الصعوبة دون طلب ⁦feedback⁩ مباشر من الأطفال.
   • عملت على الخوارزمية وعلى دمجها داخل اللعبة.

• ⁦TensorTorrent⁩مُجمّع ⁦PyTorch⁩ و ⁦runtime⁩ بـ ⁦Rust⁩ للاستدلال على عدة معالجات ووحدات رسوم.Python · ★ 2
• ⁦ClothesChanger⁩يقسّم الشخص وملابسه، ثم يولّد لباسًا جديدًا بـ ⁦Stable Diffusion⁩.Python
• ⁦GenericImageClassifier⁩يدرّب مُصنِّف صور من أرشيف ⁦ZIP⁩ مرتب بالمجلدات، بنقل المعرفة في ⁦PyTorch⁩.Python
• ⁦Chess⁩شطرنج ⁦Pygame⁩ بقواعد كاملة، و ⁦minimax⁩ ، و ⁦alpha-beta⁩ ، وواجهة لوحة للتعلم المعزز.Python
• ⁦SourceSeparation⁩شبكة ⁦U-Net⁩ بـ ⁦PyTorch⁩ تستخرج صوت الغناء من مزيج موسيقي.Python
• ⁦BahdanauNMT⁩إعادة تنفيذ ⁦PyTorch⁩ لانتباه ⁦Bahdanau⁩ في الترجمة الآلية.Jupyter Notebook · ★ 2
• ⁦ViTHilbertPatches⁩محوّل رؤية يرتّب الرقع على منحنى ⁦Hilbert⁩ كي يُبقي الانتباه المحلي على جوارها ثنائي الأبعاد.Python
• ⁦Contextify⁩يجمع المستودع في حزمة سياق واحدة: الشجرة، والمصدر، والملفات، وعدد الرموز.Python · ★ 1

توجد تجارب أخرى على ⁦GitHub⁩.

• 28 مايو 2026

  ارتفعت المكافأة، لا جودة المشي

  سجّل تدريب Cassie أفضل رقم عند 3:14 فجرًا. بدا الرقم جيدًا، أما المشية فلا. في هذه الفجوة تكمن المشكلة.

• 2 أبريل 2026

  اقتصاد الساعة الرملية

  قد يصب الذكاء الاصطناعي في مصلحة نوعين من المؤسسات: شركات ضخمة تملك البنية التحتية، ومشاريع صغيرة تستطيع العمل بأعباء إدارية أقل بكثير.

• 18 مارس 2026

  السبّاك كان على حق

  أصلح سبّاك حوض المطبخ في أربعين دقيقة، بينما احتجت يومين لحل خطأ في مخصّص ذاكرة. غيّر هذا الفرق نظرتي إلى العمل المفيد.

كل الملاحظات