شركة ناشئة عمرها عامان تنشر في Nature بعد تعليم الذكاء الاصطناعي طرح الأسئلة بدلاً من التوسع

في 28 مايو 2026، نشرت Nature Communications ورقة بحثية حول التنبؤ بالمخاطر القائمة على الذكاء الاصطناعي لمرضى سرطان الكلى. المؤلف المشارك الأول للورقة هو وانغ ياتيان، تحت إشراف مشترك من الرئيس التنفيذي لشركة Wiener Intelligence ليو كيفنغ ولوه وينهان من جامعة هونغ كونغ للعلوم والتكنولوجيا. لكن الورقة ليست مجرد علامة فارقة في مجال الذكاء الاصطناعي الطبي. إنها تأكيد لأطروحة مثيرة للجدل: أن بيانات التدريب الأكثر قيمة لا تُجمع من الإنترنت بل يتم توليدها بشكل عدائي بواسطة النموذج نفسه. anthropic-launches-claude-science-an-ai-workbench-for-scientific-research-1

تصبح Wiener Intelligence أول شركة صينية لتوليد البيانات، ورابع شركة ناشئة عالميًا في مجال الذكاء الاصطناعي، تظهر في مجلة Nature، بعد شركتي DeepSeek وModelBest من بين الشركات الصينية. تأسست الشركة منذ أقل من عامين. the-hidden-bottleneck-in-ai-inference-why-deepseeks-dspark-rewrites-the-rules-of-speculative-decoding

المشكلة السريرية

تعالج الأبحاث معضلة جراحية حقيقية. استئصال الكلية الجزئي يحافظ على وظائف الكلى ولكنه يحمل مخاطر جراحية أعلى. استئصال الكلية الجذري أكثر أماناً من الناحية الجراحية ولكنه يضحي بالكلية بأكملها. يفتقر الجراحون إلى أدوات موثوقة للتنبؤ بالمرضى الذين سيعانون من تدهور سريع في وظائف الكلى بعد الجراحة، وهي المضاعفة التي تجعل القرار صعباً.

بنى الفريق نموذج التنبؤ السريع لانخفاض معدل الترشيح الكبيبي (RDPM)، الذي يعيد صياغة المشكلة من تقدير النقطة القصيرة الأجل لـ eGFR بعد الجراحة إلى تحديد المخاطر الوظيفية طويلة الأجل. يستخدم النموذج آليات انتباه متبادل متعدد الوسائط ومتعدد الرؤوس لدمج بيانات التصوير ثلاثية الأبعاد مع المتغيرات السريرية. بشكل حاسم، يتم تجزئة قشرة ونخاع الكلية المقابلة تلقائياً بواسطة نموذج UNest، ثم مراجعتها من قبل طبيب، وهو نهج هجين يعترف بحدود التجزئة الآلية بالكامل في البيئات السريرية. microsofts-new-platform-gives-scientists-a-governed-factory-for-ai-agents

تم تدريب النموذج والتحقق من صحته على مجموعة مرضى متعددة المراكز مكونة من 1,621 مريضاً عبر 15 مؤسسة، وحقق RDPM مساحة تحت المنحنى (AUC) في الاختبار الخارجي تتراوح بين 0.788 و0.873. هذه الأرقام تنافسية، وإن لم تكن ثورية. الابتكار الحقيقي يكمن في الكيفية.

بيانات التفكير: النموذج وراء الأرقام

الادعاء الأساسي لشركة Wiener Intelligence هو أن صناعة الذكاء الاصطناعي كانت تعمل على تحسين المتغير الخاطئ. معظم المختبرات تسعى وراء نماذج أكبر ومزيد من المعلمات، بافتراض أن الحجم يؤدي تلقائياً إلى السببية. تجادل الشركة الناشئة في هونغ كونغ بدلاً من ذلك في صالح توليد بيانات التفكير، وهو نموذج يقوم فيه النموذج بتوليد كل من الأسئلة والإجابات إلى جانب سلسلة تفكيرها، مما يخلق مجموعات تحديات تفرض تنظيماً معرفياً غنياً بالسببية وعدائياً. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

التنسيق هو cQrA، السياق، السؤال، التفكير، الإجابة، رباعي مصمم لتعليم النماذج ليس فقط الإجابة على الأسئلة بل طرحها. قال ليو كيفنغ، وهو أيضاً أستاذ زائر في جامعة هونغ كونغ للعلوم والتكنولوجيا، للفريق: الهدف هو تدريب نماذج الذكاء الاصطناعي لتصبح وكلاء قادرين على التعلم الذاتي. ليست مجرد آلات للإجابة.

تم نشر هذا النهج بالفعل في مجالات مثل محاذاة القيم والسلامة، والتأمين المالي، وخدمات حكومة هونغ كونغ، والرياضات التنافسية، وهي مجالات تكون فيها الشرح اليدوي مكلفاً ويقدم قياس المعلمات عوائد متناقصة. تدعي الشركة تحقيق دقة على المستوى الصناعي دون شرح يدوي هائل أو قياس معلمات.

لماذا هذا مهم يتجاوز غرفة العمليات

تمتد أهمية النشر في Nature إلى ما وراء علم الأورام. إذا كان نموذج بيانات التفكير الخاص بـ Wiener Intelligence قابلاً للتعميم، فقد يعيد تشكيل كيفية تدريب أنظمة الذكاء الاصطناعي للمجالات عالية المخاطر والفقيرة بالبيانات. الإجماع الحالي في الصناعة، الذي تجسده DeepSeek وGPT وGemini، يرى أن الحجم هو المحرك الأساسي للقدرة على التفكير. وجهة نظر Wiener Intelligence المقابلة: هيكل ومصدر بيانات التدريب أهم من عدد المعلمات. ai2-releases-emo-an-moe-model-where-modularity-emerges-from-data

توفر الورقة دليلاً ملموساً على أن شركة صغيرة بميزانية حوسبة محدودة يمكنها إنتاج نتائج علمية قابلة للنشر عبر مجالات غير متجانسة للغاية. هذا تحدٍ مباشر لعقيدة التوسع التي تهيمن على مختبرات الذكاء الاصطناعي اليوم.

مسألة الشك

سيلاحظ المشككون أن AUC من 0.788 إلى 0.873، على الرغم من كونها محترمة، لا تمثل تغييراً جذرياً في الأداء التنبؤي. المساهمة الحقيقية للورقة هي طريقة توليد البيانات، وليس النتيجة الطبية. ما إذا كان نهج cQrA يمكن التحقق من صحته بشكل مستقل من قبل مختبرات أخرى، وما إذا كان قابلاً للتوسع لمشاكل تتجاوز مجال المخاطر الجراحية الضيق نسبياً، يظل سؤالاً مفتوحاً. ifbench-the-new-benchmark-testing-ai-instruction-following

لكن حقيقة أن Nature Communications قبلت الورقة تشير إلى أن المراجعين النظراء وجدوا المساهمة المنهجية جوهرية. بالنسبة لشركة ناشئة عمرها عامان من هونغ كونغ تتجاوز هذا الحاجز، فهذا بحد ذاته إشارة.

الاختبار التالي سيكون ما إذا كانت Wiener Intelligence تستطيع تكرار هذه النتيجة في مجال آخر، ربما أحد المجالات الأخرى عالية المخاطر التي تدعي النشر فيها. إذا نجحت، فإن الحديث حول ما يدفع قدرة الذكاء الاصطناعي سيكون لديه نقطة بيانات عملية جديدة جداً.