مسرد مصطلحات الذكاء الاصطناعي
اختر ما تريد تعلمه أو فهمه أو تحقيقه باستخدام الذكاء الاصطناعي، واكتشف فرص التعلم والأدلة والأدوات ذات الصلة.
عرض 120 من 120
أ
أتمتة الذكاء الاصطناعي (AI Automation)
تستخدم أتمتة الذكاء الاصطناعي التعلم الآلي والبرمجيات الذكية لأداء المهام المتكررة أو المعقدة، مما يتيح للأنظمة اتخاذ القرارات ومعالجة البيانات وتنفيذ سير العمل بشكل مستقل.
أخذ العينات (Sampling)
أخذ العينات هو الطريقة التي تستخدمها نماذج الذكاء الاصطناعي لاختيار الكلمة التالية في جملة. من خلال ضبط المعلمات، يمكن للمستخدمين التحكم فيما إذا كانت مخرجات الذكاء الاصطناعي متوقعة وواقعية أم إبداعية ومتنوعة.
أمر النظام (System Prompt)
يعمل أمر النظام كـ 'دليل التعليمات' للذكاء الاصطناعي، حيث يحدد كيفية تصرفه، والنبرة التي يجب استخدامها، والقواعد التي يجب عليه اتباعها طوال المحادثة.
إ
إدارة مخاطر الذكاء الاصطناعي
نهج منظم لتحديد وتقليل المخاطر التقنية والأخلاقية والتشغيلية الكامنة في نشر أنظمة الذكاء الاصطناعي، مما يضمن توافقها مع معايير السلامة والأهداف التنظيمية.
إعادة الترتيب (Reranking)
إعادة الترتيب هي تقنية ما بعد الاسترجاع تستخدم نموذجاً متخصصاً لإعادة تقييم وترتيب مجموعة فرعية صغيرة من نتائج البحث، مما يضمن إعطاء الأولوية للمعلومات الأكثر صلة للمستخدم.
ا
اتباع التعليمات (Instruction Following)
قدرة نموذج الذكاء الاصطناعي على فهم وأداء المهام بدقة بناءً على مطالبات باللغة الطبيعية، مما يعمل بفعالية كواجهة متعددة الاستخدامات لتنفيذ نية المستخدم.
استخدام الأدوات
يسمح استخدام الأدوات لنماذج الذكاء الاصطناعي بالتفاعل مع العالم الخارجي عن طريق تنفيذ التعليمات البرمجية، أو الاستعلام عن قواعد البيانات، أو التحكم في التطبيقات البرمجية لإكمال المهام التي تتطلب بيانات في الوقت الفعلي أو تنفيذًا وظيفيًا محددًا.
استدعاء الدوال
يسمح استدعاء الدوال لنماذج الذكاء الاصطناعي بسد الفجوة بين توليد النصوص والإجراءات الواقعية من خلال تشغيل أدوات برمجية خارجية أو واجهات برمجة تطبيقات أو قواعد بيانات بناءً على طلبات المستخدم.
الاستدعاء (Recall)
يقيس الاستدعاء قدرة نموذج الذكاء الاصطناعي على العثور على جميع العناصر ذات الصلة في مجموعة البيانات. إنه يجيب على السؤال: 'من بين جميع الحالات الإيجابية الفعلية، كم منها نجح النموذج في اكتشافه؟'
الاستدلال (Inference)
الاستدلال هو المرحلة التي يتم فيها وضع نموذج ذكاء اصطناعي مدرب في العمل، حيث يعالج بيانات العالم الحقيقي لتقديم تنبؤات أو تصنيفات أو محتوى مولد بناءً على المعرفة التي اكتسبها خلال مرحلة التدريب.
الاستدلال بالدفعة
الاستدلال بالدفعة هو عملية تشغيل نموذج تعلم آلي على مجموعة كبيرة من نقاط البيانات في وقت واحد، بدلاً من معالجة الطلبات الفردية في الوقت الفعلي.
الاسترجاع (Retrieval)
الاسترجاع هو العملية الحسابية لتحديد واستخراج المعلومات الأكثر صلة من قاعدة معرفة خارجية كبيرة لتوفير سياق لاستجابة نموذج الذكاء الاصطناعي. يتضمن عادةً الاستعلام عن قاعدة بيانات باستخدام التشابه الدلالي للعثور على البيانات التي تعالج مطالبة مستخدم محددة.
الإفراط في التخصيص (Overfitting)
الإفراط في التخصيص هو خطأ في النمذجة يصبح فيه نظام الذكاء الاصطناعي متخصصاً جداً في بيانات التدريب الخاصة به، حيث يحفظ أمثلة محددة بدلاً من تعلم أنماط قابلة للتعميم، مما يؤدي إلى الفشل عند مواجهة معلومات جديدة من العالم الحقيقي.
الانتباه الذاتي (Self-Attention)
الانتباه الذاتي هو تقنية تمكن نماذج الذكاء الاصطناعي من فهم السياق من خلال تحديد مقدار التركيز الذي يجب وضعه على أجزاء مختلفة من تسلسل الإدخال عند معالجة عنصر معين.
الإنسان في الحلقة (Human-in-the-Loop)
نموذج تصميم في الذكاء الاصطناعي يتطلب تدخلاً بشرياً في مراحل محددة من عملية اتخاذ القرار أو التعلم للنظام للتحقق من المخرجات أو تصحيحها أو توجيهها.
البحث الدلالي (Semantic Search)
تقنية بحث تستخدم تضمينات المتجهات ومعالجة اللغات الطبيعية لاسترجاع المعلومات بناءً على المعنى المفاهيمي ونية الاستعلام بدلاً من مطابقة الكلمات الرئيسية الدقيقة.
البحث المتجهي
البحث المتجهي هو طريقة استرجاع مدفوعة بالذكاء الاصطناعي تجد المعلومات بناءً على المعنى المفاهيمي والسياق، مما يسمح للأنظمة بفهم القصد من وراء الاستعلام بدلاً من مجرد مطابقة كلمات محددة.
البحث الهجين (Hybrid Search)
تقنية استرجاع تجمع بين البحث التقليدي القائم على الكلمات الرئيسية (المعجمي) والبحث الدلالي القائم على المتجهات للاستفادة من كل من مطابقة المصطلحات الدقيقة والفهم المفاهيمي.
التأصيل (Grounding)
التأصيل هو عملية ربط مخرجات نموذج الذكاء الاصطناعي التوليدي بمصادر بيانات خارجية محددة وقابلة للتحقق لضمان الدقة الواقعية وتقليل الاعتماد على معايير التدريب الداخلية للنموذج.
التحيز (Bias)
يحدث التحيز عندما تنتج نماذج الذكاء الاصطناعي نتائج متحيزة أو غير عادلة بسبب بيانات تدريب معيبة أو خيارات تصميم. غالباً ما يعكس هذا التحيز عدم المساواة المجتمعية القائمة ويضخمها، مما يؤدي إلى نتائج تمييزية في عمليات صنع القرار الآلية.
التخطيط (Planning)
التخطيط هو القدرة الإدراكية لوكيل الذكاء الاصطناعي على تقسيم هدف عالي المستوى إلى تسلسل منطقي خطوة بخطوة من الإجراءات، مما يسمح له بالتنقل في بيئات معقدة وحل المشكلات متعددة المراحل بفعالية.
التدريب المسبق (Pretraining)
التدريب المسبق هو المرحلة التأسيسية لتطوير الذكاء الاصطناعي حيث يتعلم النموذج من كميات هائلة من البيانات لفهم المفاهيم العامة واللغة والأنماط قبل ضبطه لتطبيقات محددة.
التشفير الموضعي (Positional Encoding)
التشفير الموضعي هو طريقة تضيف معلومات متعلقة بالترتيب إلى بيانات الإدخال، مما يمكن نماذج مثل المحولات من فهم تسلسل وبنية الكلمات، نظراً لأنها تعالج جميع الرموز في وقت واحد بدلاً من معالجتها واحداً تلو الآخر.
التضمين (Embedding)
التضمين هو تمثيل متجه مستمر ومنخفض الأبعاد للبيانات المنفصلة، مثل النصوص أو الصور، حيث تتوافق المسافة الهندسية بين المتجهات مع التشابه الدلالي لنقاط البيانات الأساسية.
التعلم التعزيزي (Reinforcement Learning)
التعلم التعزيزي هو طريقة لتدريب وكلاء الذكاء الاصطناعي لتحقيق الأهداف عن طريق التجربة والخطأ، حيث يتعلم الوكيل الإجراءات التي تحقق أعلى المكافآت طويلة المدى من خلال التفاعل المستمر مع بيئته.
التعلم التعزيزي من التغذية الراجعة البشرية (RLHF)
RLHF هي تقنية تدريب تستخدم تصنيفات البشر للردود التي ينشئها الذكاء الاصطناعي لتعليم النموذج أي المخرجات أكثر فائدة ودقة وأمانًا، مما يؤدي بفعالية إلى مواءمة سلوك الذكاء الاصطناعي مع التوقعات البشرية.
التعلم الخاضع للإشراف (Supervised Learning)
التعلم الخاضع للإشراف هو طريقة لتعلم الآلة حيث يتم تدريب نموذج ذكاء اصطناعي باستخدام بيانات مصنفة، مما يعني أن أمثلة المدخلات مقترنة بالإجابات الصحيحة، مما يسمح للنموذج بتعلم الأنماط وإجراء تنبؤات على بيانات جديدة وغير مرئية.
التعلم العميق
التعلم العميق هو مجال فرعي متخصص من تعلم الآلة يستخدم شبكات عصبية اصطناعية متعددة الطبقات لنمذجة الأنماط والتمثيلات المعقدة في مجموعات البيانات الضخمة.
التعلم بنقل المعرفة
التعلم بنقل المعرفة هو طريقة ذكاء اصطناعي تعيد استخدام الميزات التي تعلمها نموذج مدرب مسبقًا لحل مشكلة جديدة ذات صلة، مما يوفر وقتًا وموارد حوسبة كبيرة مقارنة بالتدريب من الصفر.
التعلم غير الخاضع للإشراف
التعلم غير الخاضع للإشراف هو نوع من تعلم الآلة حيث تستكشف النماذج بيانات غير مصنفة لاكتشاف هياكل أو أنماط أو تجمعات مخفية دون أن يتم إخبارها بما يجب البحث عنه أو ما هي الإجابات الصحيحة.
التعميم
التعميم هو قدرة نموذج الذكاء الاصطناعي على تطبيق ما تعلمه أثناء التدريب على بيانات جديدة وغير مألوفة، مما يضمن أداءه بشكل موثوق في سيناريوهات العالم الحقيقي بدلاً من مجرد تكرار المعلومات المحفوظة.
التقطيع (Chunking)
يقوم التقطيع بتقسيم المستندات الطويلة إلى قطع أصغر يمكن إدارتها حتى تتمكن نماذج الذكاء الاصطناعي من معالجتها بشكل أكثر فعالية، مما يضمن بقاء المعلومات المسترجعة ذات صلة ومناسبة لنافذة سياق النموذج.
التقييمات (Evals)
التقييمات هي الاختبارات والمقاييس الموحدة المستخدمة للتحقق من أن نموذج الذكاء الاصطناعي يتصرف كما هو متوقع، ويظل آمناً، ويعمل بدقة قبل وبعد النشر في تطبيقات العالم الحقيقي.
التكميم (Quantization)
يقلل التكميم من البصمة الذاكرية والمتطلبات الحسابية لنماذج الذكاء الاصطناعي عن طريق تحويل الأرقام عالية الدقة إلى تنسيقات منخفضة الدقة، مما يتيح استدلالًا أسرع على الأجهزة محدودة الموارد مثل الأجهزة المحمولة ومعالجات الحافة.
التكيف منخفض الرتبة (LoRA)
LoRA هي تقنية تسمح لك بضبط نماذج الذكاء الاصطناعي الضخمة بدقة من خلال تدريب جزء صغير فقط من معلماتها، مما يجعل من الممكن تخصيص النماذج على أجهزة المستهلكين.
التلقين المهيكل (Structured Prompting)
منهجية في هندسة الأوامر تقوم بتنظيم تعليمات الإدخال في أقسام محددة ومصنفة لتحسين قدرة النموذج على تحليل المتطلبات المعقدة والحفاظ على الاتساق.
التلقين ببضع أمثلة (Few-Shot Prompting)
يعمل التلقين ببضع أمثلة على تحسين دقة الذكاء الاصطناعي من خلال تزويد النموذج ببضعة أمثلة ملموسة للمهمة المطلوبة، مما يساعده على فهم التنسيق والنبرة والمنطق المتوقع قبل إنشاء استجابة.
التوليد المعزز بالاسترجاع (RAG)
RAG هي تقنية تربط نماذج الذكاء الاصطناعي بمصادر بيانات خارجية، مما يسمح لها بتقديم إجابات دقيقة ومحدثة عن طريق "البحث" عن المعلومات بدلاً من الاعتماد فقط على بيانات التدريب الداخلية الخاصة بها.
الدقة (Accuracy)
تقيس الدقة مدى تكرار قيام نموذج الذكاء الاصطناعي بإجراء تنبؤ صحيح عبر مجموعة بيانات كاملة. ورغم أنها بديهية، إلا أنها قد تكون مضللة عندما تكون الفئات غير متوازنة أو عندما تحمل أنواع معينة من الأخطاء مخاطر مختلفة.
الدقة (Precision)
تقيس الدقة موثوقية التوقعات الإيجابية للنموذج من خلال تحديد نسبة العناصر التي تم تحديدها كإيجابية وكانت صحيحة بالفعل.
الذكاء الاصطناعي
يشير الذكاء الاصطناعي إلى أنظمة الكمبيوتر المصممة لمحاكاة الوظائف المعرفية البشرية، مما يتيح للآلات معالجة المعلومات وحل المشكلات المعقدة والتكيف مع المدخلات الجديدة من خلال التعلم القائم على البيانات.
الذكاء الاصطناعي التوليدي
يشير الذكاء الاصطناعي التوليدي إلى نماذج تعلم الآلة التي تنشئ محتوى جديداً بدلاً من مجرد تحليل أو تصنيف البيانات الموجودة. من خلال تحديد الأنماط في مجموعات البيانات الضخمة، يمكن لهذه الأنظمة إنتاج نصوص شبيهة بالبشر، أو صور واقعية، أو أكواد برمجية وظيفية بناءً على مطالبات المستخدم.
الذكاء الاصطناعي الوكيل (Agentic AI)
الذكاء الاصطناعي الوكيلي هو نهج تصميم لأنظمة تسعى إلى تحقيق الأهداف عبر التخطيط والاستدلال واستخدام الأدوات وتنفيذ إجراءات متعددة الخطوات، بدلًا من إنتاج استجابة واحدة فقط.
الذكاء الاصطناعي متعدد الوسائط
يشير الذكاء الاصطناعي متعدد الوسائط إلى أنظمة تعلم الآلة المصممة لمعالجة وتفسير وتوليف المعلومات من وسائط بيانات متميزة متعددة - مثل النصوص والصور والصوت والفيديو - في وقت واحد لأداء مهام معقدة.
الشبكة العصبية
نموذج حوسبي مستوحى من بنية ووظيفة الأدمغة البيولوجية، يتكون من طبقات مترابطة من العقد التي تعالج البيانات من خلال اتصالات مرجحة لتحديد الأنماط المعقدة.
الشبكة العصبية التلافيفية (CNN)
نوع متخصص من بنية الشبكات العصبية مصمم لمعالجة البيانات المرئية من خلال تحديد الأنماط مثل الحواف والقوام والأشكال عبر سلسلة من المرشحات الرياضية.
الشبكة العصبية المتكررة (RNN)
نوع من الشبكات العصبية مصمم لمعالجة البيانات المتسلسلة، مثل النصوص أو السلاسل الزمنية، باستخدام حلقات تغذية راجعة للاحتفاظ بالمعلومات من الخطوات السابقة في التسلسل.
الضبط الدقيق (Fine-Tuning)
الضبط الدقيق هو ممارسة تحسين نموذج ذكاء اصطناعي مدرب مسبقاً على مجموعة بيانات أصغر ومتخصصة، مما يسمح له بتكييف معرفته العامة مع مهام أو صناعات محددة أو أصوات علامات تجارية فريدة.
الضبط الدقيق الخاضع للإشراف (SFT)
الضبط الدقيق الخاضع للإشراف هو عملية أخذ نموذج ذكاء اصطناعي للأغراض العامة وتدريبه على مجموعة بيانات أصغر وعالية الجودة من أزواج المدخلات والمخرجات لتحسين دقته وسلوكه لتطبيقات محددة.
الضبط الدقيق الفعال للمعاملات (PEFT)
PEFT هي طريقة لتخصيص نماذج الذكاء الاصطناعي الكبيرة عن طريق تدريب جزء صغير فقط من معاملاتها، مما يقلل بشكل كبير من التكلفة الحسابية والذاكرة المطلوبة مقارنة بالضبط الدقيق الكامل.
الفريق الأحمر (Red Teaming)
الفريق الأحمر هو ممارسة أمنية صارمة حيث يعمل المختبرون كخصوم لفحص نماذج الذكاء الاصطناعي بحثاً عن نقاط الضعف، مثل توليد محتوى سام، أو كشف بيانات خاصة، أو تجاوز حواجز السلامة.
الفضاء الكامن (Latent Space)
الفضاء الكامن هو فضاء رياضي خفي ومضغوط تنظم فيه نماذج الذكاء الاصطناعي البيانات. من خلال تعيين المدخلات المعقدة في هذا الفضاء، يمكن للنماذج تحديد العلاقات، والاستيفاء بين المفاهيم، وتوليد مخرجات جديدة وذات مغزى.
المحول
بنية تعلم عميق تعتمد على آلية الانتباه الذاتي التي تسمح بالمعالجة المتوازية للبيانات المتسلسلة، مما يلتقط التبعيات طويلة المدى بفعالية دون الحاجة إلى التكرار.
المخرجات المنظمة (Structured Output)
تجبر المخرجات المنظمة نماذج الذكاء الاصطناعي على إرجاع البيانات بتنسيق متسق يمكن للآلة قراءته، مما يتيح تكاملاً سلساً مع التطبيقات البرمجية، وقواعد البيانات، وسير العمل الآلي.
المُشفّر (Encoder)
المُشفّر هو مكون في الشبكة العصبية يقوم بتحويل بيانات الإدخال إلى تمثيل كامن مضغوط وعالي الأبعاد، ويُشار إليه غالباً بمتجه السياق أو التضمين (Embedding).
المُشفّر-فك التشفير (Encoder-Decoder)
المُشفّر-فك التشفير هو بنية شبكة عصبية تتكون من مكونين رئيسيين: مُشفّر يضغط بيانات الإدخال في تمثيل كامن، وفك تشفير يعيد بناء أو تحويل ذلك التمثيل إلى مخرجات مستهدفة.
المعامل (Parameter)
المعاملات هي القيم الداخلية داخل نموذج الذكاء الاصطناعي التي يتم تعديلها تلقائياً أثناء عملية التدريب لتقليل الخطأ وتحسين قدرة النموذج على إجراء تنبؤات دقيقة.
المعلمة الفائقة (Hyperparameter)
المعلمات الفائقة هي 'المقابض' أو الإعدادات التي تتحكم في عملية تعلم نموذج الذكاء الاصطناعي. وعلى عكس معلمات النموذج الداخلية التي يتم تعلمها من البيانات، يجب تهيئة هذه المعلمات يدوياً بواسطة المطورين قبل بدء التدريب.
الميزة (Feature)
الميزة هي معلومة محددة أو سمة بيانات يستخدمها نموذج الذكاء الاصطناعي لإجراء تنبؤات أو تحديد أنماط، مثل مساحة المنزل أو لون البكسل في صورة.
النموذج التأسيسي
النموذج التأسيسي هو نظام ذكاء اصطناعي ضخم تم تدريبه على بيانات واسعة، ويعمل كقاعدة مرنة لبناء العديد من التطبيقات المتخصصة المختلفة، بدلاً من الاقتصار على مهمة واحدة محددة.
النموذج التوليدي
النموذج التوليدي هو نظام ذكاء اصطناعي يتعلم الأنماط من البيانات الموجودة لإنشاء محتوى جديد وأصلي تماماً، مثل النصوص أو الصور أو الصوت أو الأكواد البرمجية، بدلاً من مجرد تصنيف أو تحليل المعلومات الموجودة.
النموذج اللغوي
النموذج اللغوي هو نظام ذكاء اصطناعي مصمم لفهم وتوليد ومعالجة اللغة البشرية من خلال التنبؤ بالكلمة أو الحرف التالي في تسلسل بناءً على الأنماط المستفادة من كميات هائلة من البيانات النصية.
الوكيل المستقل
الوكيل المستقل هو وكيل ذكاء اصطناعي مُعدّ لتشغيل دورة التنفيذ باستقلالية أكبر نسبيًا، مع تكييف إجراءاته عبر نقاط تدخل بشري أقل.
آ
ب
بروتوكول الوكيل-إلى-الوكيل (A2A)
توفر بروتوكولات A2A اللغة والقواعد المشتركة التي تسمح لوكلاء الذكاء الاصطناعي المستقلين بالتفاعل، ومشاركة الموارد، وإكمال المهام المعقدة من خلال تنسيق إجراءاتهم بشكل مستقل.
بروتوكول سياق النموذج (MCP)
MCP هو معيار مفتوح يسمح لنماذج الذكاء الاصطناعي بالاتصال بسهولة وأمان بالأنظمة وقواعد البيانات والأدوات الخارجية، مما يمكنها من الوصول إلى البيانات في الوقت الفعلي وتنفيذ الإجراءات دون الحاجة إلى تكاملات مخصصة لكل اتصال.
بيانات التدريب
بيانات التدريب هي مجموعة المعلومات المستخدمة لتعليم نموذج الذكاء الاصطناعي. من خلال تحليل هذه الأمثلة، يتعلم النموذج التعرف على الأنماط وأداء مهام محددة، مثل تصنيف الصور أو توليد النصوص.
ت
تحسين التفضيل المباشر (DPO)
تحسين التفضيل المباشر هو تقنية مبسطة لتدريب نماذج الذكاء الاصطناعي على اتباع التفضيلات البشرية. إنه يبسط عملية المواءمة عن طريق إزالة الحاجة إلى تعلم تعزيزي معقد، مما يجعله أسرع وأكثر استقراراً من الطرق التقليدية.
تحويل الكلام إلى نص (Speech-to-Text)
تحويل الكلام إلى نص هو تقنية ذكاء اصطناعي تقوم تلقائياً بنسخ الصوت المنطوق إلى نص مكتوب، مما يمكن أجهزة الكمبيوتر من فهم ومعالجة الكلام البشري لتطبيقات مختلفة مثل إمكانية الوصول، والبحث، والتوثيق.
تحويل النص إلى صورة
تحويل النص إلى صورة هو تقنية ذكاء اصطناعي توليدي تنشئ صوراً أصلية عالية الجودة بناءً على مطالبات مكتوبة، مما يسمح للمستخدمين بتصور المفاهيم والفنون والتصاميم من خلال تعليمات اللغة الطبيعية.
تحويل النص إلى فيديو
تحويل النص إلى فيديو هو تقنية ذكاء اصطناعي تنشئ مقاطع فيديو أصلية من مطالبات مكتوبة. وهي تفسر النص الوصفي لتوليد مشاهد مرئية، وحركة، واتساق زمني، مما يتيح إنتاج فيديو سريعاً دون تصوير أو رسوم متحركة تقليدية.
تحويل النص إلى كلام
تحويل النص إلى كلام هو تقنية ذكاء اصطناعي تحول النص المكتوب إلى صوت منطوق يبدو طبيعياً، مما يمكن الآلات من التواصل شفهياً مع المستخدمين من خلال أصوات مركبة.
تسمية (Label)
التسمية هي 'مفتاح الإجابة' المرفق بنقاط البيانات في التعلم الخاضع للإشراف. فهي تخبر الذكاء الاصطناعي بما يجب أن تكون عليه المخرجات الصحيحة لمدخل معين، مما يمكن النموذج من تعلم الأنماط من خلال التدريب.
تشابه جيب التمام (Cosine Similarity)
مقياس رياضي يستخدم لقياس جيب الزاوية بين متجهين غير صفريين في فضاء متعدد الأبعاد، مما يحدد مدى تشابه اتجاهاتهما بغض النظر عن مقدارهما.
تعلم الآلة (Machine Learning)
تعلم الآلة هو مجال فرعي من الذكاء الاصطناعي يركز على تطوير خوارزميات تمكن أجهزة الكمبيوتر من تعلم الأنماط من البيانات واتخاذ تنبؤات أو قرارات دون أن تتم برمجتها صراحة لكل مهمة محددة.
تقطير المعرفة
تقنية تعلم آلي يتم فيها تدريب نموذج 'طالب' مدمج لإعادة إنتاج سلوك وتوزيع مخرجات نموذج 'معلم' أكبر ومدرب مسبقًا.
تقييم النموذج
تقييم النموذج هو الممارسة الأساسية لاختبار أنظمة الذكاء الاصطناعي لضمان أدائها بدقة وموثوقية وأمان قبل استخدامها في تطبيقات العالم الحقيقي.
تلقين Zero-Shot
تلقين Zero-Shot هو ممارسة إعطاء نموذج ذكاء اصطناعي تعليمات مباشرة لإكمال مهمة دون تقديم أي أمثلة مرجعية، مع الاعتماد كليًا على بيانات التدريب الموجودة مسبقًا لدى النموذج لفهم الطلب وتنفيذه.
تنبؤ الرمز التالي
تنبؤ الرمز التالي هو العملية الأساسية التي تستخدمها النماذج اللغوية الكبيرة لتوليد النص عن طريق حساب احتمالية الكلمة التالية أو جزء الحرف التالي بشكل متكرر بناءً على السياق المقدم من الرموز السابقة.
تنسيق سير العمل
التنسيق الآلي، والإدارة، وتسلسل العمليات المعقدة ومتعددة الخطوات عبر أنظمة برمجية وخدمات ووكلاء ذكاء اصطناعي متباينة.
توجيه الدور (Role Prompting)
توجيه الدور هو ممارسة توجيه الذكاء الاصطناعي لتبني شخصية أو دور مهني محدد، مما يساعد في توجيه نبرة النموذج وخبرته ومنظوره لإنتاج ردود أكثر ملاءمة ومخصصة.
توليد الصور (Image Generation)
توليد الصور هو فرع من الذكاء الاصطناعي التوليدي يستخدم نماذج تعلم الآلة، عادةً نماذج الانتشار أو الشبكات التنافسية التوليدية (GANs)، لتخليق صور مرئية جديدة من أوصاف نصية أو بيانات إدخال أخرى.
ح
حاجز الحماية (Guardrail)
حواجز حماية الذكاء الاصطناعي هي آليات أمان آلية تراقب وتصفي التفاعلات بين المستخدمين ونماذج الذكاء الاصطناعي لمنع توليد أو معالجة محتوى ضار أو متحيز أو خارج الموضوع.
حد المعدل (Rate Limit)
حد المعدل هو إجراء أمني واستقراري يحدد عدد المرات التي يمكن فيها للمستخدم الوصول إلى واجهة برمجة تطبيقات أو خدمة خلال فترة زمنية معينة، مما يمنع تحميل النظام بشكل زائد وإساءة استخدامه.
حقن الأوامر (Prompt Injection)
حقن الأوامر هو تقنية يتلاعب فيها المستخدمون بمدخلات الذكاء الاصطناعي لتجاوز مرشحات الأمان أو تعليمات النظام الخاصة به، مما يخدع النموذج للقيام بمهام غير مصرح بها أو الكشف عن بيانات حساسة.
حلقة الوكيل (Agent Loop)
حلقة الوكيل هي الدورة الأساسية التي تسمح لوكيل الذكاء الاصطناعي بالعمل بشكل مستقل من خلال مراقبة بيئته، واتخاذ قرار بشأن إجراء ما، وتنفيذه، وتقييم النتيجة لتحديد الخطوة التالية.
خ
خدمة النموذج
خدمة النموذج هي البنية التحتية وعملية البرمجيات التي تسمح لنماذج الذكاء الاصطناعي المدربة بتلقي بيانات الإدخال وإرجاع التنبؤات أو المخرجات للمستخدمين والتطبيقات في الوقت الفعلي أو في أوضاع الدفعات.
خليط الخبراء (MoE)
خليط الخبراء هو هيكل ذكاء اصطناعي يحسن الكفاءة باستخدام نظام 'بوابة' لتنشيط جزء صغير ومتخصص فقط من إجمالي معلمات النموذج لأي مدخل معين، بدلاً من تشغيل الشبكة بأكملها.
د
درجة الحرارة (Temperature)
درجة الحرارة هي إعداد يضبط عشوائية مخرجات الذكاء الاصطناعي. تجعل درجة الحرارة المنخفضة النموذج أكثر قابلية للتنبؤ وتركيزاً، بينما تزيد درجة الحرارة المرتفعة من التنوع والإبداع.
درجة F1 (F1 Score)
درجة F1 هي المتوسط التوافقي للدقة والاستدعاء، مما يوفر مقياساً واحداً يوازن المقايضة بين الإيجابيات الكاذبة والسلبيات الكاذبة في نماذج التصنيف.
ذ
ر
رؤية الحاسوب (Computer Vision)
رؤية الحاسوب هي تقنية الذكاء الاصطناعي التي تسمح للآلات "برؤية" وفهم العالم المرئي، مما يمكنها من تحديد الأشياء، وتتبع الحركة، وتفسير المشاهد المعقدة من الصور أو خلاصات الفيديو.
رمز
الرموز هي اللبنات الأساسية للنص التي تستخدمها نماذج الذكاء الاصطناعي. بدلاً من قراءة كلمات كاملة، تقوم النماذج بتقسيم النص إلى أجزاء أصغر - مثل المقاطع أو مجموعات الأحرف - لمعالجة اللغة والتنبؤ بها بكفاءة أكبر.
س
ش
ف
ق
قاعدة المعرفة
قاعدة المعرفة هي مجموعة منسقة من البيانات والمستندات والحقائق التي يصل إليها نظام الذكاء الاصطناعي لاسترجاع المعلومات ذات الصلة، مما يضمن أن استجاباته تستند إلى معرفة مؤسسية أو معرفة بالمجال محددة وموثوقة ومحدثة.
قاعدة بيانات المتجهات
قاعدة بيانات المتجهات هي نظام تخزين متخصص ينظم البيانات كمتجهات رياضية، مما يسمح لنماذج الذكاء الاصطناعي بإجراء عمليات بحث دلالي سريعة واسترجاع المعلومات ذات الصلة بناءً على المعنى بدلاً من مطابقة الكلمات الرئيسية الدقيقة.
قالب المطالبة (Prompt Template)
قالب المطالبة هو هيكل محدد مسبقًا لتعليمات الذكاء الاصطناعي يستخدم عناصر نائبة لإدراج بيانات متغيرة، مما يضمن مخرجات متسقة وقابلة للتنبؤ عبر مهام أو مدخلات مستخدم مختلفة.
م
مجموعة البيانات (Dataset)
مجموعة البيانات هي مجموعة منسقة من المعلومات المستخدمة لتعليم نماذج الذكاء الاصطناعي. وهي تعمل كمصدر أساسي للمعرفة، مما يسمح للخوارزميات بتحديد الأنماط، أو إجراء تنبؤات، أو توليد محتوى جديد بناءً على الأمثلة المقدمة.
مجموعة تطوير البرمجيات (SDK)
مجموعة أدوات شاملة توفر للمطورين الموارد اللازمة، مثل مكتبات الأكواد وواجهات برمجة التطبيقات (APIs)، لبناء تطبيقات برمجية لمنصة أو خدمة معينة بكفاءة.
مرمز
المرمز هو مكون حسابي يقوم بتقسيم النص الخام إلى وحدات أصغر تسمى رموزاً، والتي يتم تعيينها بعد ذلك لمعرفات رقمية للمعالجة بواسطة نماذج التعلم الآلي.
مطالبة المستخدم
مطالبة المستخدم هي النص أو الصورة أو مدخلات البيانات التي تقدمها لنموذج ذكاء اصطناعي لتوجيه استجابته، وتعمل كواجهة أساسية للتحكم في سلوك الذكاء الاصطناعي ومخرجاته.
معيار (Benchmark)
المعيار هو اختبار موحد يستخدم لقياس ومقارنة مدى جودة أداء نماذج الذكاء الاصطناعي المختلفة في مهام محددة، مثل فهم اللغة، أو البرمجة، أو التعرف على الصور.
مفتاح API
يعمل مفتاح API ككلمة مرور رقمية تحدد تطبيقك لمزود الخدمة، مما يسمح لك بالوصول بأمان إلى البيانات أو نماذج الذكاء الاصطناعي مع تتبع الاستخدام وفرض حدود المعدل.
ن
نافذة السياق (Context Window)
نافذة السياق هي "ذاكرة العمل" لنموذج الذكاء الاصطناعي. وهي تحدد إجمالي كمية النصوص أو الأكواد أو البيانات التي يمكن للنموذج "رؤيتها" وتحليلها في وقت واحد قبل أن يبدأ في نسيان المعلومات السابقة.
نظام الوكلاء المتعددين
إطار عمل حوسبي يتكون من وكلاء أذكياء ومستقلين يتفاعلون داخل بيئة مشتركة لأداء المهام أو التفاوض أو التنسيق لتحقيق أهداف فردية أو جماعية.
نقطة النهاية (Endpoint)
نقطة النهاية هي عنوان URL محدد يعمل كبوابة لتطبيقات البرمجيات للتواصل مع نموذج أو خدمة ذكاء اصطناعي، مما يسمح لها بإرسال البيانات وتلقي النتائج المعالجة.
نموذج الاستدلال (Reasoning Model)
نموذج الاستدلال هو نظام ذكاء اصطناعي مدرب على تقسيم المشكلات المعقدة إلى خطوات منطقية، وغالبًا ما يستخدم عمليات 'تفكير' داخلية للتحقق من منطقه الخاص قبل تقديم إجابة.
نموذج الانتشار
فئة من النماذج التوليدية التي تتعلم إنشاء البيانات عن طريق عكس عملية إضافة ضجيج غاوسي إلى عينة بشكل تكراري حتى يتم استعادة توزيع البيانات الأصلي.
نموذج الذكاء الاصطناعي (AI Model)
نموذج الذكاء الاصطناعي هو نظام رقمي تم تدريبه على مجموعات بيانات كبيرة لأداء مهام محددة، مثل تحديد الكائنات في الصور، أو ترجمة اللغات، أو التنبؤ بالاتجاهات المستقبلية بناءً على الأنماط المتعلمة.
نموذج الرؤية واللغة (VLM)
نموذج الرؤية واللغة هو نظام ذكاء اصطناعي قادر على 'رؤية' وتفسير الصور أثناء استخدام اللغة الطبيعية لوصف أو تحليل أو الإجابة على أسئلة حول المحتوى البصري الذي يعالجه.
نموذج اللغة الكبير (LLM)
نموذج اللغة الكبير هو نظام ذكاء اصطناعي متطور قادر على معالجة وتوليد نصوص شبيهة بنصوص البشر من خلال التنبؤ بالكلمة التالية الأكثر احتمالاً في تسلسل ما بناءً على الأنماط المستفادة من كميات هائلة من البيانات.
ه
هلوسة الذكاء الاصطناعي (AI Hallucination)
هلوسة الذكاء الاصطناعي هي ظاهرة يقوم فيها نموذج الذكاء الاصطناعي بتوليد معلومات خاطئة أو مضللة بثقة تامة، وغالباً ما يقدم حقائق ملفقة كما لو كانت حقائق تم التحقق منها.
هندسة الأوامر (Prompt Engineering)
هندسة الأوامر هي فن وعلم صياغة تعليمات دقيقة لنماذج الذكاء الاصطناعي لضمان أن المحتوى المولد يلبي متطلبات محددة ونبرة معينة وأهدافاً هيكلية.
هندسة السياق (Context Engineering)
هندسة السياق هي ممارسة تنظيم وتنظيم البيانات التي يتم تغذيتها في نموذج الذكاء الاصطناعي لضمان حصوله على المعلومات اللازمة لتوليد استجابات دقيقة وذات صلة وعالية الجودة.
و
واجهة برمجة التطبيقات (API)
واجهة برمجة التطبيقات (API) هي مجموعة من البروتوكولات والأدوات المحددة التي تسمح لتطبيقات البرمجيات المختلفة بالتواصل وتبادل البيانات مع بعضها البعض.
وكيل الذكاء الاصطناعي (AI Agent)
وكيل الذكاء الاصطناعي هو نظام برمجي منفرد يستخدم نموذج ذكاء اصطناعي لفهم السياق واختيار الخطوات التالية وتنفيذ إجراءات لتحقيق هدف، وغالبًا عبر أدوات خارجية أو واجهات API.