مفرزنات رمضان 2024.. طريقة تحضير عجينة الشيشبرك المنزلية
تاريخ النشر: 25th, January 2024 GMT
شيشبرك هو طبق مشهور في بلاد الشام وشمال المملكة العربية السعودية والحجاز وفي آسيا الوسطى وجنوب القوقاز والشرق الأوسط
المقادير اللازمة
العجينة
2 كوب دقيق أبيض
2 ملعقة كبيرة زيت زيتون
2 ملعقة كبيرة زيت نباتي
½ ملعقة صغيرة ملح
الحشو
1 ملعقة كبيرة زيت زيتون
1 بصلة مفرومة ناعمة
¼ كيلو لحم مفروم
¼ ملعقة صغيرة بهارات (فلفل أسود، زنجبيل، كركم)
¼ ملعقة صغيرة ملح
طريقة العمل
نخلط مكونات العجينة مع نصف كوب ماء دافئ ونفرك حتى تتشكل العجينة ونغطيها ونضعها جانباً
نضع زيت زيتون في مقلاة ونقلي البصل حتى يصبح ذهبياً
نضيف اللحم ونغطيه ونتركه ينضج على نار هادئة لمدة 10 دقائق مع التحريك من حين لآخر
نرش دقيق على سطح مستوٍ
نمد العجين ونقطعه دوائر صغيرة
نضع الحشوة في منتصفها ثم نطويها ونغلقها بإحكام ونثني الجوانب معاً
ترص في اطباق التفريز
ثم تجميد لحين التسوية
المصدر: صحيفة البلاد
إقرأ أيضاً:
مايكروسوفت.. نماذج صغيرة تنافس عمالقة الذكاء الاصطناعي
في سباق متسارع في مشهد الذكاء الاصطناعي، أعلنت مايكروسوفت عن مجموعة جديدة من نماذج الذكاء الاصطناعي تحت اسم Phi 4، والتي تتميز بحجمها الصغير وأدائها القوي، لتنافس نماذج أكبر وأكثر شهرة مثل o3-mini من OpenAI.وفق موقع "تك كرانش" التقني.
من خلال Phi 4، تضع مايكروسوفت نفسها في موقع المنافسة المباشرة مع عمالقة القطاع، مقدمة نماذج مفتوحة المصدر يمكنها التعامل مع مهام معقدة كحل المسائل الرياضية، البرمجة، وتحليل البيانات، وكل ذلك بكفاءة تضاهي نماذج أضخم وأكثر تعقيدًا.
اقرأ أيضاً.. مايكروسوفت".. قصة نجاح من الحوسبة إلى الذكاء الاصطناعي والسحابة
أكدت مايكروسوفت أنها اعتمدت في تطوير هذه النماذج الجديدة على أساليب تدريب عصرية وتقنيات متطورة مثل "التعلم المعزز" و"التقطير المعرفي"، لضمان الحصول على أداء قوي بالرغم من الحجم الصغير نسبيًا. وأوضحت الشركة أن هدفها الأساسي هو توفير ذكاء اصطناعي قوي حتى للأجهزة التي لا تتمتع بمواصفات تقنية عالية، ما يسمح باستخدامه في بيئات تحتاج إلى رد فعل سريع، مثل الأجهزة المحمولة وتطبيقات إنترنت الأشياء (IoT).
3 نماذج رئيسية:
Phi 4 reasoning plus وPhi 4 reasonin و Phi 4 mini reasonin ..جميع هذه النماذج مصنفة ضمن نماذج "الاستدلال" (Reasoning)، والتي تركز على التحقق الدقيق من صحة الحلول للمسائل المعقدة، وهو ما يجعلها مثالية لمهام تتعلق بالرياضيات، العلوم، والبرمجة.
أخبار ذات صلة
تم تدريب Phi 4 mini reasoning كمساعد تعليمي ذكي على مليون مسألة رياضية اصطناعية باستخدام نموذج R1 من شركة DeepSeek الصينية.. ويقدم أدوات تعليمية مثل التدريس التفاعلي على أجهزة خفيفة الوزن، ويتميز بأداء عالي رغم الحجم الصغير.
Phi 4 reasoning: النموذج الثاني في السلسلة يضم 14 مليار معلمة، وتم تدريبه على بيانات ويب عالية الجودة إلى جانب عروض مختارة من نموذج o3-mini. يقدم حلولاً في مسائل الرياضيات، البرمجة، والعلوم كما يتميز بأداء متفوق في المجالات التقنية المعقدة.
Phi 4 reasoning plus: نموذج يتميز بدقة تضاهي النماذج العملاقة هذا النموذج هو نسخة مطورة من Phi-4 الأصلي، مُهيأ ليحقق دقة أعلى في مهام محددة. يُقارب أداء نموذج R1 (رغم أن الأخير يحتوي على 671 مليار معلمة).في الاختبارات: تساوى تقريبًا مع o3-mini في اختبار OmniMath ويمتاز بقوة أداء هائلة مقابل حجم أصغر.
لماذا هذه النماذج مهمة؟
عائلة Phi تقدم لمطوري التطبيقات أدوات ذكاء اصطناعي قوية بحجم صغير، مناسبة لتطبيقات الحوسبة على الحافة (Edge AI) — أي التطبيقات التي تعمل على الأجهزة مباشرة من دون الحاجة لخوادم ضخمة.
تهدف مايكروسوفت، من خلال هذه النماذج إلى تمكين المطورين من بناء تطبيقات أسرع، وأخف، وأكثر ذكاءً.
مع إطلاق نماذج Phi 4 الجديدة، تثبت مايكروسوفت أنها ماضية بقوة نحو إعادة تشكيل مشهد الذكاء الاصطناعي، ليس فقط من حيث الأداء، بل من خلال تقديم حلول عملية تناسب احتياجات المطورين والتطبيقات الحديثة.
وبينما يواصل الذكاء الاصطناعي التوليدي لعب دور أكبر في التعليم، البرمجة، والأعمال، فمن المتوقع أن تصبح نماذج مثل Phi 4 جزءًا أساسيًا من الأدوات المستخدمة لتطوير تطبيقات ذكية تعمل بكفاءة وسرعة على الأجهزة الطرفية. هذه الخطوة قد تفتح الباب أمام موجة جديدة من الابتكار.
ومع توافر هذه النماذج عبر منصة Hugging Face، فإن الطريق أصبح ممهدًا أمام مجتمع المطورين لاستكشاف إمكانياتها، وتوظيفها لبناء الجيل القادم من التطبيقات الذكية.
لمياء الصديق (أبوظبي)
الفنان خالد كمال: بجدد دعمي الشخصي لمهرجان الإسكندرية للفيلم القصير