عدد 20 أكتوبر 2026

اطلب من ذكاء اصطناعي صورة «ممرضة» أو «محامٍ». لا تذكر المظهر أبدًا. فعل فريق تقوده جامعة كورنيل ذلك مع 27 مولّدًا للصور، فأنتج 51,300 وجه.

في تقييمات 550 شخصًا، تفوّقت المولّدات الـ23 التي لديها عدد كافٍ من الصور المقيَّمة كلها على الصور الحقيقية في الجاذبية. ومن بين الوجوه المطلوبة بوصفها نساءً، تجاوز 37% منها عارضة الأزياء الوسيطة وفق التقييمات الآلية. وحصلت الوجوه المطلوبة بوصفها نيجيرية أو سوداء أو إثيوبية على أدنى الدرجات.

بعد ذلك فرز 570 شخصًا متقدّمين لوظيفة. رأى بعضهم أولًا وجوهًا مولَّدة بالذكاء الاصطناعي شديدة الجاذبية. ثم قيّموا المرشحين الحقيقيين أنفسهم على أنهم أقل جدارة بالتوظيف وأقل جدارة بالثقة. وحصل عدد أقل منهم على مقابلة: 72.5% مقابل 77.4%.

لم يغيّر التنقيح التقليدي للصور شيئًا. ولا يستطيع المؤلفون بعدُ تفسير سبب تأثير وجوه الذكاء الاصطناعي. لكن الأشخاص الاصطناعيين يملؤون الإعلانات والمواقع الإلكترونية وبنوك الصور.

المصدر: Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

تخيّل عدّة عدّائين على مضمار دائري. ينطلقون من النقطة نفسها، كلٌّ بسرعته الثابتة. فهل سيكون كل عدّاء، في لحظة ما، بعيدًا عن جميع الآخرين؟ هذه هي حدسية العدّاء الوحيد.

مع n + 1 عدّاء، تتنبّأ الحدسية بمسافة لا تقل عن 1/(n + 1) من الدورة. ولا تضمن حجة عدّ بسيطة سوى نصف ذلك. ولعقود، كانت التحسينات على هذا الحدّ السهل تتضاءل إلى لا شيء كلما أُضيف عدّاؤون.

يبرهن الآن شييو هو ويي فان جينغ على تحسين لا يتلاشى: نسبة ثابتة فوق الحدّ السهل، أيًّا كان عدد العدّائين. والأدوات: متباينة تداخل جديدة وحجج حول القواسم المشتركة.

استخدم المؤلفان ChatGPT 6 للتحقّق من البراهين وصقلها. ويكتبان أن النماذج لم تستطع تحسين الحدّ بمفردها.

المصدر: Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

تعمل نماذج المناخ على بعض أكبر الحواسيب الفائقة في العالم. لكن كم من الدقة تشتري كل حصة إضافية من الحوسبة؟ فحص فريق من 24 باحثًا 159 نموذجًا مناخيًا بُنيت منذ عام 1995.

جوابهم ثابت على نحو لافت. فكل تضاعف في الحوسبة خفّض خطأ النماذج بنحو 13.5%. وخفض خطأ اليوم إلى النصف يتطلب حوسبة أكبر بنحو 28 مرة.

المكاسب متفاوتة. فمنذ الجيل الأول، انخفضت أخطاء ضغط الهواء 3.5 أضعاف، وأخطاء حرارة السطح 2.7 ضعف. أما أخطاء الهطول فلم تنخفض إلا بنسبة 7%.

تضاهي نماذج الطقس بالذكاء الاصطناعي الآن أفضل التنبؤات. ومع ذلك لا ينشر أيّ منها طاقته المقيسة. وإذا احتُسب التدريب، يهبط أحدها في الكفاءة من المرتبة الثانية إلى الأخيرة. ويدعو الفريق إلى الإبلاغ عن الطاقة إلى جانب الدقة.

المصدر: Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

تتبّع الهطول اليومي وسجّل كل رقم قياسي: يوم أغزر مطرًا من كل ما سبقه. لا بدّ أن كثرة الأرقام القياسية تعني ذروة نهائية عالية، أليس كذلك؟ تحقّق ثلاثة فيزيائيين من ذلك برياضيات دقيقة.

بالنسبة إلى قيم عشوائية مأخوذة من أيّ توزيع متّصل، الجواب لا. فعدد الأرقام القياسية وأعلى قيمة لا علاقة بينهما إطلاقًا. ومعرفة أحدهما لا تخبرك شيئًا عن الآخر، مهما كان طول السلسلة.

أضف أيامًا جافة، بمطر صفري، فتظهر صلة. فوق نسبة حرجة من الأيام الجافة، تنمو أولًا ثم تتلاشى. ودونها، لا تفعل سوى التلاشي. وللعتبة صيغة دقيقة.

اختبر الفريق ذلك على سجلات المطر اليومية لمحطات الأرصاد الألمانية. كانت مجموعة فوق العتبة، والأخرى دونها. واتّبعت كلتاهما الشكل المتوقّع، دون ضبط أيّ معامل.

المصدر: Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

التجديف من المؤخّرة طريقة قديمة لتحريك القارب بمجداف واحد. يستند المجداف إلى حزّ في المؤخّرة، ونصله تحت الماء دائمًا. وترسم يدا المجدّف علامة اللانهاية.

جهّز فريق فرنسي قاربًا طوله 4.7 أمتار بمقاييس قوة وحسّاسات حركة ومقياس سرعة. ثم دفعه مجدّفان متمرّسان من السكون إلى أقصى سرعة على ماء هادئ.

خلال الضربات الجانبية، يعمل النصل كالجناح. فتدفع قوة الرفع القارب إلى الأمام. وعند كل انعطاف، يدفع الانقلاب السريع للنصل الماء إلى الخلف. فمراحل الضربة الأربع كلها تدفع.

تبلغ الكفاءة ذروتها قرب 65% عند سرعة معتدلة قدرها 1.2 متر في الثانية. وعند مترين في الثانية تهبط إلى نحو 25%. فيكون البدن حينئذ قريبًا من سرعته الحرجة، وتلتهم الأمواج الجهد.

المصدر: Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

للكواكب العملاقة الأربعة في نظامنا الشمسي كلها حلقات. ومع ذلك لم يُؤكَّد قطّ وجود حلقة حول كوكب ناضج لنجم آخر. هل هي نادرة، أم أن رؤيتها صعبة فحسب؟

يحمل تلسكوب رومان الفضائي مِكْلافًا (كوروناغراف) يحجب ضوء النجم. ويُفترض أن يرى الكواكب العملاقة بضوء النجم الذي تعكسه. وقد نمذج فريق من جامعة ميشيغان ما ستضيفه الحلقات.

قد تكون الحلقات أسطع من كوكبها بعشرة إلى مئة ضعف. وهي تترك بصمة: أربع قمم وانخفاضات في السطوع على امتداد المدار، بدلًا من اثنتين.

حاكى الفريق الكوكب إبسيلون إريداني b، وهو هدف رئيسي لرومان. فمن دون حلقة، كثيرًا ما يهبط دون عتبة الرصد. ومع حلقة مثل حلقة زحل، يلمع بما يصل إلى الضعف ويبقى مرئيًا على امتداد مداره كله تقريبًا.

المصدر: Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

تعمل كهرباء الشبكة بتردّد 50 أو 60 هرتز، لكن ليس بدقة أبدًا. فتردّدها يتذبذب، بالطريقة نفسها عبر شبكة كاملة. وتومض المصابيح معه، وتسجّل الكاميرات ذلك الوميض.

كان باحثان في جامعة ساوثهامبتون سولنت يأملان أن تخلو مقاطع الفيديو المولَّدة بالذكاء الاصطناعي من هذا الوميض. والمفاجأة: المولّدات تعيد إنتاجه بقوة اللقطات الحقيقية نفسها. فوجوده لا يُثبت شيئًا.

لذلك يقارنان التذبذب بسجلّ مستقل للشبكة. قَبِل نظامهما 93% من المقاطع الصوتية الحقيقية و100% من مقاطع الفيديو الحقيقية. ويستطيع تأريخ تسجيل صوتي بدقة نحو ثانية واحدة ضمن يوم كامل.

ومض مقطعان أعاد الذكاء الاصطناعي فيهما إنشاء مشهد حقيقي بتردّد 60 هرتز، في حين أن المكان المزعوم يعمل بتردّد 50. وتبقى نقطة الضعف: الوجه المُبدَّل في لقطات أصلية يحتفظ بطنين أصلي.

المصدر: An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

تحمل الغلوونات القوة الشديدة، تلك التي تربط الكواركات. سخّنها بما يكفي فتشكّل بلازما. فما الضغط الذي تبذله؟ يحسب الفيزيائيون الجواب خطوة بخطوة، وكل خطوة تصحيح أدقّ.

خطوة واحدة، تُسمّى حدّ g⁶، بقيت بعيدة المنال أكثر من عشرين عامًا. فهي تحتاج إلى 65 مخططًا متشابكًا، في كلٍّ منها أربع حلقات.

أنجزها أخيرًا فريق من هلسنكي وتوركو وتشيلي وبرن. حلّوا تسعة تكاملات مجهولة بطريقة جديدة، مستخدمين نحو مليون ساعة معالج على حواسيب فائقة.

الثمرة: كانت الخطوات السابقة تتأرجح فوق المحاكاة الحاسوبية للبلازما وتحتها. ومع الحدّ الجديد، تتوافق النظرية والمحاكاة، نزولًا حتى بضعة أضعاف درجة الحرارة التي تتحرّر عندها الغلوونات. الهدف التالي: إضافة الكواركات، من أجل اندماجات النجوم النيوترونية.

المصدر: Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

في الهند، يجري جزء كبير من التسوّق اليومي في دكاكين بقالة عامة صغيرة تُسمّى «كيرانا». فهل يستطيع ذكاء اصطناعي إدارة واحد منها؟ بنى فريق من معهد BITS Pilani دكّانًا محاكًى ليعرف الجواب.

يؤدّي نموذج ذكاء اصطناعي واحد أدوار العاملين الأربعة: المدير والصرّاف والمساعد والمحاسب. لا يرى المدير الدكّان أبدًا، بل تقارير العاملين فقط. ويتحدّث الزبائن والمورّدون الإنجليزية أو الهندية أو «الهِنغليشية».

أدار كلٌّ من أربعة نماذج ذكاء اصطناعي مفتوحة الدكّان 30 يومًا محاكًى. فربح بائع بسيط يتّبع القواعد نحو 103,000 روبية. وبلغ متوسط أفضل نموذج نحو 13,700. وخسر اثنان أكثر من دكّان لا يديره أحد.

للإخفاقات أسماء. رسائل بريد إلى مورّدين لا وجود لهم. دفعة لم تحدث قطّ. طلبيات دُفع ثمنها مرتين. وأُعيدت 42% من رسائل أحد النماذج المكتوبة بالهندية لأنها غير مقروءة.

المصدر: KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

تتتبّع التطبيقات الصحية معدّل ضربات قلبك ومستوى السكر في دمك، وأحيانًا صحتك النفسية. فحص فريق من جامعات في الولايات المتحدة وكندا أكثر من 10,000 منها على Google Play.

يطلب 69% منها إذنًا واحدًا على الأقل لا يبرّره وصفها. ونحو النصف يريد موقعك أو الكاميرا من دون سبب مُعلَن. والثلث يريد الميكروفون.

شغّل الفريق التطبيقات على هواتف اختبار. ومن بين 3,599 تطبيقًا عملت، لم يعرض 93% أيّ شاشة موافقة. وكثير منها أرسل مع ذلك معرّف الإعلانات الخاص بالهاتف.

حين يظهر نموذج موافقة فعلًا، تفي التطبيقات بوعدها في الغالب: واحد من كل 14 جمع شيئًا لم يذكره. وحتى المطوّرون الكبار ذوو الموارد الوفيرة أخطؤوا. ويدعو المؤلفون إلى فحوص آلية للخصوصية قبل وصول أيّ تطبيق إلى المتجر.

المصدر: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851