الضبط الدقيق (Fine-Tuning)

الضبط الدقيق هو عملية تدريب إضافي لنموذج ذكاء اصطناعي موجود مسبقاً على بيانات إضافية خاصة بمهمة معينة أو مجال معين لتعديل سلوكه أو قدراته.

التعريف

الضبط الدقيق هو عملية تدريب إضافي لنموذج ذكاء اصطناعي موجود مسبقاً على بيانات إضافية خاصة بمهمة معينة أو مجال معين لتعديل سلوكه أو قدراته. هذا المفهوم شائع عند التعلم عن الذكاء الاصطناعي الحديث أو العمل به. قد يختلف تنفيذه وسلوكه الدقيق بين النماذج والمنصات وحالات الاستخدام، لذا يجب فهمه في سياق النظام الذي يُستخدم فيه.

لماذا هو مهم

يمكن للضبط الدقيق تخصيص نموذج عام لمهام أو أساليب أو مجالات أو سلوكيات مخرجات معينة عندما لا يكون التلقين وحده كافياً.

مثال واقعي

يمكن ضبط نموذج لغوي عام باستخدام أمثلة خاصة بمجال معين لتحسين أدائه في مهام التصنيف المتخصصة.

أمثلة

يمكن ضبط نموذج لغوي عام باستخدام أمثلة خاصة بمجال معين لتحسين أدائه في مهام التصنيف المتخصصة.

أخطاء شائعة

اعتبار الضبط الدقيق مرادفاً لكل مفاهيم الذكاء الاصطناعي ذات الصلة.
تجاهل القيود والسياق الذي يُستخدم فيه الضبط الدقيق.
الاعتماد على التفسيرات التي يولدها الذكاء الاصطناعي دون التحقق من الادعاءات التقنية أو الواقعية المهمة.

الأسئلة الشائعة

ما هو الضبط الدقيق (Fine-Tuning)؟

لماذا يعد الضبط الدقيق مهماً؟

يعد الضبط الدقيق مهماً لأنه يساعد في شرح كيفية عمل أنظمة الذكاء الاصطناعي الحديثة أو التطبيقات أو سير العمل، وكيفية استخدامها بفعالية.

هل يقتصر الضبط الدقيق على المطورين فقط؟

لا. يختلف العمق التقني المطلوب، ولكن فهم الضبط الدقيق يمكن أن يكون مفيداً أيضاً لمستخدمي الذكاء الاصطناعي، والباحثين، والمبدعين، والمسوقين، وغيرهم من المهنيين الذين يعملون مع الذكاء الاصطناعي.

دورات ذات صلة

Generative AI for Everyone

دورة "الذكاء الاصطناعي التوليدي للجميع" هي دورة للمستوى المبتدئ من DeepLearning.AI يقدمها أندرو إن جي. تشرح الدورة كيفية عمل الذكاء الاصطناعي التوليدي، وما يمكن للأنظمة الحالية القيام به وما لا يمكنها القيام به، وكيف يمكن تطبيق هذه التكنولوجيا في العمل والحياة اليومية. يتم تعريف المتعلمين بالأوامر، ودورات حياة مشاريع الذكاء الاصطناعي التوليدي، والنماذج اللغوية الكبيرة، والتوليد المعزز بالاسترجاع (RAG)، والضبط الدقيق، واختيار النماذج، واستخدام الأدوات، ووكلاء الذكاء الاصطناعي، وفرص الأتمتة، والذكاء الاصطناعي المسؤول.

Prompt Engineering for Vision Models

هندسة الأوامر لنماذج الرؤية هي دورة قصيرة للمبتدئين من DeepLearning.AI بالتعاون مع Comet. وهي توسع نطاق هندسة الأوامر إلى ما هو أبعد من النماذج النصية وتوضح كيفية التحكم في نماذج الرؤية باستخدام اللغة الطبيعية، وإحداثيات البكسل، والمربعات المحيطة، وأقنعة التجزئة، ومعلمات التوليد. يعمل المتعلمون مع تقنيات تشمل نموذج Segment Anything من Meta، وOWL-ViT، وStable Diffusion، وDreamBooth، بينما يستكشفون تجزئة الصور، واكتشاف الكائنات، وتوليد الصور، والرسم الداخلي، والضبط الدقيق، وتتبع التجارب.

مسارات تعلم ذات صلة

مسار تعلم مصمم الذكاء الاصطناعي

مسار تعلم عملي للمصممين والمبدعين والمحترفين في المجال البصري الذين يرغبون في دمج الذكاء الاصطناعي في سير عمل التصميم الحديث. يغطي المسار الموجزات الإبداعية، والتفكير البصري، وصياغة أوامر الصور، وأدوات الصور التوليدية، وتصميم التخطيط والعروض التقديمية، وتحسين الصور، والاتساق، ومراقبة الجودة، وتطوير محفظة الأعمال.

مسار تعلم مطور الذكاء الاصطناعي

مسار تعلم منظم لمطوري الذكاء الاصطناعي الطموحين الذين يرغبون في فهم أنظمة الذكاء الاصطناعي الحديثة وبناء تطبيقات مفيدة مدعومة بالذكاء الاصطناعي. يجمع المسار بين المفاهيم الأساسية، وأدوات الذكاء الاصطناعي العملية، وسير عمل البرمجة، والمشاريع الموجهة، ومعالم التطوير.

مصطلحات ذات صلة

الاستدلال (Inference)

الاستدلال هو عملية استخدام نموذج ذكاء اصطناعي أو تعلم آلي مدرب لإنتاج مخرجات من بيانات إدخال جديدة.

التوليد المعزز بالاسترجاع (RAG)

التوليد المعزز بالاسترجاع هو بنية ذكاء اصطناعي تسترجع المعلومات ذات الصلة من مصادر خارجية وتزودها لنموذج توليدي عند إنتاج استجابة.

النموذج الأساسي (Foundation Model)

النموذج الأساسي هو نموذج ذكاء اصطناعي مدرب على نطاق واسع يمكنه دعم العديد من المهام اللاحقة، وغالباً ما يمكن تكييفه من خلال التلقين، أو الاسترجاع، أو الضبط الدقيق، أو أدوات إضافية.

نموذج الذكاء الاصطناعي (AI Model)

نموذج الذكاء الاصطناعي هو نظام حاسوبي تم تدريبه أو تهيئته لتحويل المدخلات إلى تنبؤات أو تصنيفات أو محتوى مولد أو قرارات أو مخرجات أخرى.