الإعلان عن الفائزين في هاكاثون LlamaCon الأول
اختتمت فعاليات هاكاثون LlamaCon في سان فرانسيسكو بنجاح، وهو حدث ضخم للذكاء الاصطناعي جمع مطورين من جميع أنحاء العالم. اجتذب هذا الحدث أكثر من 600 مسجل، وانتهى الأمر بتجمع 238 مطورًا ومبتكرًا موهوبًا لبناء المشاريع لمدة يوم كامل. كان التحدي يتمثل في إنشاء مشروع تجريبي باستخدام Llama API أو Llama 4 Scout أو Llama 4 Maverick (أو أي مجموعة من هذه الأدوات المتطورة) في غضون 24 ساعة فقط.
كانت الجوائز المقدمة في المسابقة سخية، حيث وصل مجموع الجوائز النقدية إلى 35 ألف دولار، بما في ذلك الجوائز الأولى والثانية والثالثة، بالإضافة إلى جائزة أفضل استخدام لـ Llama API. قام فريق تحكيم من Meta وشركاء الرعاية بتقييم المشاريع الـ 44 المقدمة بعناية.
نعرب عن خالص امتناننا لشركائنا Groq و Crew AI و Tavus و Lambda و Nebius و SambaNova على دعمهم القيم طوال فترة الهاكاثون. قدم كل راعي أرصدة للاستخدام وورش عمل من متحدثين خبراء وتوجيه وأكشاك أسئلة وأجوبة مباشرة وحكام ودعم عن بعد على Discord.
قائمة الفائزين
بعد جولتين من التحكيم، اخترنا أفضل ستة مشاريع من بين 44 مشروعًا تم تقديمهم، وأعلنا في النهاية عن الفائزين بالمراكز الأولى والثانية والثالثة وجائزة أفضل استخدام لـ Llama API.
OrgLens - الجائزة الأولى
أنشأ OrgLens نظامًا مدعومًا بالذكاء الاصطناعي لمطابقة الخبراء يمكنه ربطك بالمهنيين المناسبين داخل المؤسسة. من خلال تحليل البيانات من مصادر مختلفة، بما في ذلك مهام Jira وأكواد GitHub والمشاكل والوثائق الداخلية والسير الذاتية، يقوم OrgLens بإنشاء مخططات معرفية شاملة وملفات شخصية مفصلة لكل مساهم. يتيح لك هذا البحث عن خبراء باستخدام وظائف البحث المتقدمة المدعومة بالذكاء الاصطناعي، وحتى التفاعل مع التوائم الرقمية للأفراد لطرح الأسئلة قبل التواصل. لعرض وظائفه، تم إنشاء تطبيق ويب تجريبي باستخدام React و Tailwind و Django، باستخدام GitHub API و Llama API لمعالجة البيانات وتخزينها. يبسط OrgLens عملية مطابقة الخبراء، مما يجعل العثور على الشخص المناسب للوظيفة أسهل.
تعمق في فهم الجوانب الابتكارية لـ OrgLens، فهو ليس مجرد نظام لمطابقة الخبراء، بل هو مسرع لمشاركة المعرفة والتعاون داخل المؤسسة. إنه يستفيد بذكاء من قوة الذكاء الاصطناعي لكسر صوامع المعلومات وربط الخبرات المخفية في جميع أنحاء المؤسسة. تخيل أنه عندما تواجه مشكلة صعبة في مشروع معقد، لن تحتاج بعد الآن إلى البحث بلا هوادة في رسائل البريد الإلكتروني والوثائق الداخلية، ولكن من خلال OrgLens، يمكنك العثور بسرعة على الزملاء الذين لديهم الخبرة والمهارات ذات الصلة والتفاعل مباشرة مع "توائمهم الرقمية" للحصول على اتصال مبدئي. لا شك أن هذا سيحسن بشكل كبير كفاءة العمل وسرعة حل المشكلات. تكمن الميزة الأساسية لـ OrgLens في قدرته على التنقيب العميق في البيانات وتحليلها. لا يمكنه فقط جمع البيانات من منصات مثل Jira و GitHub، بل يمكنه أيضًا تحليل الوثائق الداخلية والسير الذاتية لإنشاء مخطط معرفي شامل. لا يتضمن هذا المخطط البياني المعرفة فحسب مهارات وخبرات الموظفين، بل يسجل أيضًا مساهماتهم وتفاعلاتهم في المشاريع المختلفة. من خلال هذا المخطط البياني المعرفي، يمكن لـ OrgLens تحديد الخبراء الأنسب لمهام محددة بدقة والتوصية بهم للأشخاص الذين يحتاجون إلى مساعدة. بالإضافة إلى ذلك، يركز OrgLens على تجربة المستخدم. يوفر واجهة ويب سهلة الاستخدام وبديهية، ويمكن للمستخدمين البحث عن طريق الكلمات المفتاحية أو استخدام المرشحات المتقدمة للعثور على الخبير المناسب. علاوة على ذلك، تسمح ميزة "التوأم الرقمي" للمستخدمين بطرح أسئلة تمهيدية والحصول على إجابات سريعة، مما يوفر وقت الخبير والباحث. من خلال دمج الذكاء الاصطناعي في عملية مطابقة الخبراء، يتمتع OrgLens بالقدرة على إحداث ثورة في الطريقة التي تدير بها الشركات موارد المواهب الداخلية وتستخدمها، مما يؤدي إلى تحسين التعاون والابتكار والأداء العام.
يكمن نجاح OrgLens في حقيقة أنه يعالج المشكلة الصعبة لإدارة المعرفة المنتشرة داخل المؤسسات. تواجه العديد من الشركات مشكلة توزيع مهارات الموظفين وصعوبة الحصول على المعلومات، مما يؤدي إلى إهدار الموارد وعدم الكفاءة. من خلال أتمتة عملية مطابقة الخبراء، يحل OrgLens هذه المشكلة بفعالية، مما يوفر المزايا الهامة التالية للشركات:
- زيادة الإنتاجية: يمكن للموظفين العثور على المساعدة التي يحتاجونها بشكل أسرع، وبالتالي تسريع تقدم المشروع.
- تشجيع الابتكار: من خلال ربط الخبراء من مختلف المجالات، يمكن تحفيز الأفكار والحلول الجديدة.
- تحسين استخدام الموارد: تجنب الازدواجية في العمل وإهدار الموارد، وتحسين الكفاءة الشاملة.
- تعزيز مشاركة الموظفين: تسهيل مشاركة الموظفين للمعرفة والخبرات، وبالتالي تعزيز شعورهم بالمشاركة والانتماء.
Compliance Wizards - الجائزة الثانية
أنشأ Compliance Wizards محلل معاملات مدعومًا بالذكاء الاصطناعي لاكتشاف الاحتيال وتنبيه المستخدمين بناءً على خوارزميات مخصصة لتقييم المخاطر. يتم إرسال إشعارات البريد الإلكتروني إلى المستخدمين لإعلامهم بالإبلاغ عن المعاملات أو تأكيدها. يمكن للمستخدمين بعد ذلك التفاعل مع المساعد الصوتي المدعوم بالذكاء الاصطناعي للإبلاغ والتأكيد. باستخدام تعدد الوسائط في Llama API، يمكن لمقيمي الاحتيال تحميل معلومات العميل والبحث عن الأخبار ذات الصلة حول عملائهم للمساعدة في تحديد ما إذا كان العميل متورطًا في أي نشاط إجرامي جدير بالملاحظة.
ابتكر القائمون على الامتثال التنظيمي محلل معاملات مدعومًا بالذكاء الاصطناعي مصممًا لتحديد الأنشطة المشبوهة وتنبيه المستخدمين من خلال خوارزميات تقييم المخاطر المعقدة. يعمل هذا النظام عن طريق إرسال إشعارات بريد إلكتروني إلى المستخدمين، لحث المستخدمين على مراجعة وتأكيد معاملات معينة. يمكن للمستخدمين بعد ذلك التفاعل مع مساعد صوتي مدعوم بالذكاء الاصطناعي للإبلاغ عن المعاملات أو تأكيد شرعيتها. من خلال الاستفادة من إمكانيات Llama API متعددة الأوجه، يمكن لمقيمي الاحتيال تحميل معلومات العميل والبحث عن الأخبار ذات الصلة للمساعدة في تحديد ما إذا كان العميل متورطًا في أي نشاط إجرامي جدير بالملاحظة.
يكمن جوهر Compliance Wizards في محرك الذكاء الاصطناعي القوي الخاص به، والذي يمكنه تحليل بيانات المعاملات بعمق وتحديد أنماط الاحتيال المحتملة. لا يمكن للمحرك اكتشاف سلوكيات الاحتيال التقليدية فحسب، بل يمكنه أيضًا إجراء تقييمات مخاطر مخصصة مصممة خصيصًا لملفات تعريف مخاطر العملاء المحددة، وبالتالي تحسين دقة اكتشاف الاحتيال. بالإضافة إلى ذلك، يدمج Compliance Wizards وظيفة البحث عن الأخبار، مما يسمح لمقيمي الاحتيال بجمع المعلومات ذات الصلة بسرعة حول عملائهم، مثل الإشارات الإعلامية والسجلات القانونية. يمكن أن تكون هذه المعلومات السياقية ضرورية في تقييم ملف تعريف المخاطر الإجمالي للعميل وتحديد العلامات الحمراء المحتملة.
المساعد الصوتي المدعوم بالذكاء الاصطناعي هو مكون رئيسي آخر في Compliance Wizards. يوفر للمستخدمين طريقة مريحة وفعالة للإبلاغ عن المعاملات والإقرار بها، خاصةً عندما يكونون في الخارج. يمكن للمساعد الصوتي أيضًا الإجابة على الأسئلة المتعلقة بالمعاملات وتقديم إرشادات حول كيفية الامتثال للوائح ذات الصلة.
تكمن المزايا الرئيسية لـ Compliance Wizards في طريقة الأمان متعددة الطبقات:
- تقييم المخاطر المتقدم: من خلال خوارزميات تقييم المخاطر المخصصة، يمكن تحديد سلوكيات الاحتيال المحتملة بشكل أكثر دقة.
- تحليل المعاملات في الوقت الفعلي: مراقبة جميع المعاملات في الوقت الفعلي واكتشاف الأنشطة المشبوهة في الوقت المناسب.
- الوعي الظرفي: القدرة على جمع معلومات الأخبار لتقييم حالة مخاطر العميل بشكل شامل.
- إعداد التقارير المريح: يوفر مساعدًا صوتيًا لتبسيط عمليات إعداد التقارير والتأكيد.
Compliance Wizards ليس مجرد أداة، بل هو حل امتثال شامل يساعد الشركات على تقليل مخاطر الاحتيال والامتثال للوائح ذات الصلة إلى أقصى حد.
Llama CCTV Operator - الجائزة الثالثة
قام فريق بقيادة أجاغان توراييف ببناء Llama CCTV AI كمشغل لغرفة التحكم والذي يمكنه تلقائيًا التعرف على أحداث فيديو المراقبة المخصصة دون الحاجة إلى أي تعديل دقيق للنموذج. المشغل قادر على تحديد أحداث الفيديو بلغة بسيطة. باستخدام فهم الصور متعدد الأوضاع لـ Llama 4، يلتقط النظام الحركة ويكتشفها مرة واحدة كل خمسة إطارات لتقييم هذه الأحداث المحددة مسبقًا والإبلاغ عنها إلى المشغل.,
تكمن الفكرة وراء Llama CCTV Operator في تزويد أنظمة المراقبة بالذكاء، مما يمكنها من تحديد الأحداث غير الطبيعية بشكل استباقي، بدلاً من مجرد تسجيل الفيديو بشكل سلبي. يستخدم النظام قدرات فهم الصور القوية لـ Llama 4، مما يسمح بتحليل خلاصات الفيديو في الوقت الفعلي واكتشاف مجموعة واسعة من الأحداث المحددة مسبقًا، مثل النشاط المشبوه أو الوصول غير المصرح به أو المخاطر الأمنية. يمكن للمشغل تحديد هذه الأحداث باستخدام لغة بسيطة، دون الحاجة إلى أي معرفة متخصصة بالتعلم الآلي أو رؤية الكمبيوتر.
يعمل النظام عن طريق التقاط الحركة وتحليلها كل خمسة إطارات، ثم استخدام إمكانيات Llama 4 متعددة الأوضاع لتقييم ما إذا كانت الحركة الملتقطة تتطابق مع أي من الأحداث المحددة مسبقًا. إذا تم العثور على تطابق، فسيبلغ النظام المشغل على الفور بالحدث، بالإضافة إلى المعلومات السياقية ذات الصلة.
تشمل المزايا الرئيسية لـ Llama CCTV Operator ما يلي:
- لا حاجة للتعديل: لا توجد حاجة لتعديل النموذج بدقة، مما يبسط عملية النشر والصيانة بشكل كبير.
- الكشف عن الأحداث المخصصة: يمكن للمشغل استخدام لغة بسيطة لتحديد أحداث المراقبة المخصصة، وبالتالي تلبية الاحتياجات الأمنية المحددة.
- التحليل في الوقت الفعلي: النظام قادر على تحليل خلاصات الفيديو في الوقت الفعلي، وبالتالي الكشف عن الأنشطة المشبوهة في أقرب وقت ممكن.
- إخطار اوتوماتيكي: يقوم النظام تلقائيًا بالإبلاغ عن الأحداث المكتشفة إلى المشغل، مما يقلل الحاجة إلى المراقبة اليدوية.
Geo-ML - أفضل استخدام لـ Llama API
استخدم الجيولوجي ويليام ديفيس Llama 4 Maverick و GemPy لإنشاء مواقع تعدين محتملة وخرائط طبوغرافية ونماذج جيولوجية ثلاثية الأبعاد للرواسب المعدنية. يعمل Geo-ML من خلال معالجة 400 صفحة من التقارير الجيولوجية، ودمج المعلومات في لغة محددة المجال الجيولوجي منظمة، ثم استخدامها لإنشاء تمثيل ثلاثي الأبعاد للجيولوجيا تحت السطحية.
"هذه هي المرة الأولى التي أستخدم فيها بالفعل LLM API لاستخراج نصوص وصور طويلة جدًا من أوراق بحثية جيولوجية طويلة، لذلك استخدمت نافذة السياق الطويلة جدًا لـ Llama Maverick بالإضافة إلى إمكانات تعدد الوسائط النصية والمرئية لاستخراج النص وتحويله إلى لغة خاصة بالمجال، مما يعطي نسخة مضغوطة من كل ما يتم تخزينه في المستند"، قال ديفيس. "لقد قضيت معظم وقتي في قراءة المستندات الجيولوجية. سيكون من الرائع وجود برنامج LLM يمكنه فعل ذلك من أجلي في الخلفية."
ابتكر الجيولوجي ويليام ديفيس طريقة جديدة تمامًا للنمذجة الجيولوجية من خلال الاستخدام الذكي لـ Llama 4 Maverick و GemPy. يهدف Geo-ML إلى الاستفادة من قوة الذكاء الاصطناعي لاستخراج المعلومات المخفية من التقارير الجيولوجية الضخمة وتحويلها إلى نماذج ثلاثية الأبعاد مفيدة وسهلة الفهم.
يعمل النظام عن طريق معالجة الأوراق البحثية الجيولوجية الطويلة، غالبًا 400 صفحة أو أكثر، وتجميع المعلومات في لغة منظمة خاصة بالمجال الجيولوجي. تلتقط هذه اللغة السمات الجيولوجية والهياكل والرواسب المعدنية الرئيسية الموصوفة في التقارير. ثم يستخدم النظام هذه اللغة لإنشاء تمثيل ثلاثي الأبعاد للجيولوجيا تحت السطحية، مما يساعد الجيولوجيين على تصور وتحليل البيئة تحت السطحية بسهولة أكبر.
أكد ديفيس نفسه على أهمية نافذة السياق الطويلة لـ Llama 4 Maverick وإمكانيات تعدد الوسائط في جعل Geo-ML ممكنًا. تسمح نافذة السياق الطويلة للنظام بمعالجة أوراق البحث بأكملها مرة واحدة، بينما تمكنه إمكانيات تعدد الوسائط من استخراج كل من النصوص والصور من المستندات.
تكمن المزايا الرئيسية لـ Geo-ML في قدرته على:
- أتمتة النمذجة الجيولوجية: أتمتة عملية النمذجة الجيولوجية، مما يقلل من الوقت والجهد في التحليل اليدوي.
- استخراج المعلومات المخفية: استخراج المعلومات المخفية من التقارير الجيولوجية الضخمة، مما يساعد الجيولوجيين على اكتشاف مواقع التعدين والرواسب المعدنية المحتملة.
- إنشاء نماذج ثلاثية الأبعاد: إنشاء تمثيل ثلاثي الأبعاد للجيولوجيا تحت السطحية، مما يساعد الجيولوجيين على تصور وتحليل البيئة تحت السطحية بسهولة أكبر.
- تسريع البحث الجيولوجي: من خلال تسريع عملية النمذجة الجيولوجية، وبالتالي تسريع عملية البحث الجيولوجي.
تقدير خاص: فريق الكونسيرج
أحد المتأهلين للتصفيات النهائية يسمى Concierge أحضروا وحدة معالجة الرسومات الخاصة بهم إلى المسابقة، مما ميزهم عن المنافسة.
قال الفريق: "نعتقد أن أفضل جانب في Llama 4 Maverick هو طبيعته المختلطة الخبيرة المتفرقة وتوافره مفتوح المصدر، مما يسمح بالتعديل الدقيق". "نشرت Meta مؤخرًا أداة تعديل دقيقة ممتازة، وهي الأداة الموجودة على GitHub. باستخدام Llama API، قمنا بتجميع البيانات من مصادر متعددة لإنشاء مجموعة بيانات QA وضبطنا نموذج Llama 4 Maverick بدقة. نخطط لتقديمها إلى المعايير المرجعية المفتوحة لأننا نفتقر حاليًا إلى ترميز Llama 4 ومع نافذة سياق 1M، فمن المتوقع أن تكون استثناءً."
تكمن الطريقة الفريدة التي يتبعها Concierge في تركيزه على ضبط نموذج Llama 4 Maverick بدقة لتحسين أدائه في مهام محددة. يعتقد الفريق أن الطبيعة الخبيرة المختلطة المتفرقة لـ Llama 4 Maverick، جنبًا إلى جنب مع توفره مفتوح المصدر، جعلته مرشحًا مثاليًا للتعديل الدقيق.
لضبط النموذج بدقة، قام الفريق بتجميع البيانات من مصادر متعددة لإنشاء مجموعات بيانات QA. ثم استخدموا أداة الضبط الدقيق الخاصة بـ Meta لتدريب النموذج. يخطط الفريق لتقديم النموذج المضبوط بدقة إلى المعايير المرجعية المفتوحة لتقييم أدائه.
شاهد عروض المتأهلين للتصفيات النهائية
يمكنك مشاهدة عروض المتأهلين للتصفيات النهائية على YouTube.
انضم إلينا في هاكاثون Llama القادم
يمكن للمطورين التقدم للمشاركة في هاكاثون Llama القادم المقرر عقده في مدينة نيويورك في الفترة من 31 مايو إلى 1 يونيو 2025.