مشهد الذكاء الاصطناعي المصري يعاني من مشكلة بنيوية. كل منصة تعمل في هذا السوق — المصنّفة والمتنافسة والبائعة — تشغّل نماذج مُدرّبة على بيانات من مكان آخر. وجوه من قارات أخرى. شوارع من مدن أخرى. إضاءة من خطوط عرض أخرى. النتيجة متوقعة: أنظمة تعمل في سان فرانسيسكو وتتعثر في القاهرة.

اليوم، نحن نغير هذا.

الشراكة

دخلت ARMANET في شراكة بحثية وتطويرية مع Foblax، شركة أبحاث وسلامة ذكاء اصطناعي مقرها الرياض، متخصصة في بناء أنظمة ذكاء اصطناعي موثوقة وقابلة للتفسير وقابلة للتوجيه. تجلب Foblax منهجية البحث: قوانين القياس، والتغذية الراجعة البشرية، وقابلية التفسير، ونهجًا صارمًا تجاه القياس. وتجلب ARMANET الواقع التشغيلي: بيئات إنتاج في التجزئة والتصنيع والرعاية الصحية والبنوك المصرية — والبيانات المحلية التي تولدها تلك البيئات.

معًا، ندرّب نماذج الرؤية الحاسوبية محليًا — على بيانات مصرية وعربية، لظروف تشغيل مصرية وعربية، على بنية تحتية لا تغادر البلاد.

لماذا يغير التدريب المحلي كل شيء

تخيل ما يحدث حين تُدرّب نموذج تعرف على الوجوه على بيانات من أمريكا الشمالية أو أوروبا ثم يُنشر في مصر. الإضاءة مختلفة — شمس أقسى، ظلال أعمق، انتقالات متكررة بين الداخل والخارج. الملابس مختلفة — غطاء رأس تُخطئه الأنظمة الجزئية. البيئات مختلفة — فروع تجزئة مدمجة، مناطق صناعية بها غبار واهتزاز، صالات بنوك بانعكاسات رخامية.

النموذج المدرّب على بيانات أجنبية يتعامل مع هذه الظروف كحالات استثنائية. النموذج المدرّب على بيانات محلية يتعامل معها كوضع طبيعي. هذا هو الفرق بين 91% و99% — والفرق بين نظام يعمل ونظام يعمل في كل مكان في هذا السوق.

ما نبنيه معًا

يركز البرنامج البحثي المشترك على ثلاثة مسارات:

  • نماذج رؤية محلية: تعرف على الوجوه، وكشف الأشخاص، ومراقبة الامتثال — مدرّبة على بيانات مصرية مُعنونة، مجمّعة من بيئات إنتاج في القاهرة والإسكندرية والدلتا.
  • تكامل اللغة العربية: تقارير وتنبيهات ولوحات معلومات مدفوعة بنماذج تعالج العربية كلغة أصلية — لا طبقة ترجمة مُلحقة لاحقًا.
  • السلامة وقابلية التفسير: استنادًا إلى منهجية Foblax البحثية، نبني أطر تقييم لا تقيس الدقة فقط بل الموثوقية — لضمان فشل النظام بشكل ظاهر وآمن، لا صامت.

بيانات محلية 100%. تدريب محلي 100%.

هذا هو الجزء الأهم. كل مجموعة بيانات تُستخدم في البرنامج المشترك تُجمّع وتُعنون وتُعالج داخل مصر. كل عملية تدريب تتم على بنية تحتية محلية. كل مخرجات النماذج تبقى داخل الحدود الوطنية. لا سحابة أجنبية في الحلقة، لا نقل بيانات عابر للحدود، لا اعتماد على حوسبة خارجية يمكن خنقها أو تقييدها أو رفع سعرها.

لعملائنا في الحكومة والبنوك والرعاية الصحية، هذه هي البنية التي كانوا يطلبونها — ولم يجدوها.

ماذا يعني هذا للمشهد التنافسي

كل ترتيب نشرناه — بما فيه موقعنا الثالث من عشرة — افترض أن المنصات تتنافس على نفس النماذج، المدرّبة على نفس البيانات، بنفس القيود. هذا الافتراض ينتهي هنا.

المنصات المتقدمة علينا في بحث GenAI وبنية المرور ستستمر في تشغيل نماذج مدرّبة على بيانات عالمية. ستستمر في تفويت الظروف التي تُعرّف بيئات النشر المصرية. ستستمر في معاملة العربية كمسألة ترجمة لا كمسألة تدريب.

نحن لن نفعل.

التدريب المحلي على بيانات محلية ينتج خندقًا لا يمكن عبوره بكتابة شيك أكبر لمزود سحابة أجنبي. ينتج دقة في ظروف لا تراها النماذج الأجنبية. ينتج مجموعة بيانات تنمو كل يوم من بيئات الإنتاج — مجموعة لا يستطيع منافس تكرارها لأنهم ليسوا هنا، على الأرض، يولّدونها.

منهجية Foblax البحثية

تجلب Foblax منهجية نادرة في الذكاء الاصطناعي التطبيقي: قوانين القياس. يتعامل بحثهم مع تطوير الذكاء الاصطناعي كعلم قابل للقياس — البحث عن علاقات بسيطة بين البيانات والحوسبة والمعاملات والأداء، ثم استخدام تلك العلاقات لتدريب الشبكات بكفاءة وقابلية تنبؤ أعلى.

مطبقًا على بيئات نشر ARMANET، يعني هذا أننا لا ندرّب النماذج فقط — بل نبني إطار القياس الذي يخبرنا بالضبط كم من البيانات المحلية نحتاج، وكم من الحوسبة مطلوب، ومتى يكون النموذج جاهزًا للإنتاج.

هذه هندسة، لا تجارب.

نتائج عملية

الشراكة ليست ورقة بحثية بانتظار النشر. إنها تغذي مباشرة منصة ARMANET:

  • نماذج تعرف على الوجوه مُضبوطة للملامح المصرية والملابس والإضاءة — لتحسين الدقة في البيئات نفسها التي يعمل فيها عملاؤنا.
  • مراقبة امتثال مدرّبة على أرضيات مصانع مصرية ومطابخها وفروع التجزئة — تكتشف مخالفات تفقدها النماذج الأجنبية لأنها لم تر مطبخًا مصريًا قط.
  • تقارير وتنبيهات عربية أولاً — معالجة أصلية، لا ترجمة.
  • نشر داخلي يُبقي خط التشغيل كاملًا — من جمع البيانات إلى التدريب إلى الاستنتاج — داخل شبكة العميل.

لعملائنا وشركائنا

إذا كنت تشغّل أنظمة ARMANET بالفعل، ستصل تحسينات هذا البرنامج إلى لوحات معلوماتك عبر تحديثات النماذج المنتظمة — بلا أجهزة جديدة، بلا تثبيت جديد، بلا تعطيل. النماذج التي تشغّلها غدًا ستكون أفضل قياسًا من النماذج التي تشغّلها اليوم.

وإذا كنت تُقيّم المنصات وتقارننا بالبدائل الدولية، هناك الآن سؤال واحد يفصل الميدان: أين تم تدريب النموذج؟

نموذج مدرّب على بيانات مصرية، على بنية تحتية مصرية، من شركة مصرية بشريك بحثي — أو نموذج مدرّب في مكان آخر وشُحن هنا في صندوق.

الإجابة في هذا الإعلان.

ما التالي

أول النماذج من البرنامج المشترك في مرحلة التدريب الآن. نتائج التقييم، ومقارنات المعايير مع خطوط الأساس الأجنبية، وتحديثات النشر — ستنشر فور توفرها. سنشارك الأرقام — لأننا نبنيها لتُشارك.

ARMANET. Foblax. ذكاء اصطناعي محلي، مبني لهذا السوق. يبدأ الآن.