معجم مصطلحات الذكاء الاصطناعي
48 مصطلحاً أساسياً بشرح عربي مبسّط ومقابله الإنجليزي، مصنّفة في 8 مجموعات. نحدّث المعجم باستمرار.
أساسيات المجال
الذكاء الاصطناعي Artificial Intelligence
مجال يهدف إلى بناء أنظمة تؤدي مهاماً تتطلب عادة ذكاءً بشرياً كالفهم والاستنتاج والتعلم واتخاذ القرار.
التعلم الآلي Machine Learning
فرع من الذكاء الاصطناعي تتعلم فيه الأنظمة الأنماط من البيانات وتحسّن أداءها دون برمجة صريحة لكل حالة.
التعلم العميق Deep Learning
تعلم آلي يعتمد شبكات عصبية متعددة الطبقات تتعلم تمثيلات متدرجة التجريد من البيانات الخام.
الخوارزمية Algorithm
سلسلة خطوات محددة لحل مشكلة؛ في التعلم الآلي هي طريقة بناء النموذج من البيانات.
النموذج Model
الناتج النهائي لعملية التدريب: دالة رياضية تستقبل مدخلات جديدة وتنتج تنبؤات أو قرارات.
الذكاء الاصطناعي التوليدي Generative AI
أنظمة تنتج محتوى جديداً (نص، صورة، صوت، فيديو، كود) بدل الاكتفاء بالتصنيف أو التنبؤ.
أنواع التعلم
التعلم الإشرافي Supervised Learning
تدريب على أمثلة معنونة بإجاباتها الصحيحة ليتعلم النموذج التعميم على حالات جديدة.
التعلم غير الإشرافي Unsupervised Learning
اكتشاف البنى والأنماط الخفية في بيانات بلا عناوين، كتقسيم العملاء إلى شرائح.
التعلم بالتعزيز Reinforcement Learning
تعلم بالتجربة والخطأ عبر مكافآت وعقوبات حتى يطوّر الوكيل استراتيجية مثلى.
التعلم بالنقل Transfer Learning
إعادة استخدام نموذج مدرَّب على مهمة كبيرة كنقطة انطلاق لمهمة جديدة ببيانات أقل.
الضبط الدقيق Fine-tuning
استكمال تدريب نموذج جاهز على بيانات متخصصة ليتقن مجالاً أو أسلوباً محدداً.
التعلم الموجه بالتغذية البشرية RLHF
تحسين سلوك النماذج اللغوية باستخدام تقييمات بشرية لتفضيل الإجابات الأفضل.
الشبكات العصبية
الشبكة العصبية Neural Network
بنية حسابية من وحدات مترابطة بأوزان قابلة للتعديل، مستلهمة بشكل مبسط من الدماغ.
الوزن والانحياز Weights & Bias
المعاملات القابلة للتعلم داخل الشبكة؛ تعديلها أثناء التدريب هو جوهر "التعلم".
الانتشار الخلفي Backpropagation
خوارزمية حساب مساهمة كل وزن في الخطأ وتعديله بالاتجاه الذي يقلله.
دالة التفعيل Activation Function
دالة غير خطية تتيح للشبكة تعلم علاقات معقدة تتجاوز الخطوط المستقيمة.
الشبكات الالتفافية CNN
بنية متخصصة في الصور تمرر مرشحات تكتشف الأنماط المحلية من الحواف إلى الأشكال.
فرط التخصيص Overfitting
حفظ النموذج تفاصيل بيانات التدريب وضجيجها ففشله أمام بيانات جديدة لم يرها.
النماذج اللغوية
النموذج اللغوي الكبير LLM
نموذج ضخم مدرَّب على نصوص هائلة للتنبؤ بالكلمة التالية، فيكتسب قدرات لغوية ومعرفية واسعة.
المحوّل Transformer
البنية المعمارية خلف النماذج الحديثة، تعتمد آلية الانتباه وتعالج النص بالتوازي.
آلية الانتباه Attention
تقنية تمكّن النموذج من وزن صلة كل كلمة بسائر كلمات السياق عند المعالجة.
الترميز Tokenization
تقطيع النص إلى وحدات صغيرة (Tokens) هي ما يعالجه النموذج فعلياً ويُحاسب عليه.
نافذة السياق Context Window
الحد الأقصى من النص الذي يستطيع النموذج "رؤيته" في المحادثة الواحدة.
الهلوسة Hallucination
إنتاج النموذج معلومات خاطئة بصياغة واثقة، لأنه يتعلم أنماط اللغة لا الحقيقة ذاتها.
العمل مع النماذج
الموجّه Prompt
النص الذي توجهه للنموذج؛ جودة صياغته تحدد جودة الناتج إلى حد بعيد.
هندسة الموجهات Prompt Engineering
مهارة صياغة التعليمات والسياق والأمثلة للحصول على أفضل النتائج من النماذج.
التعلم بأمثلة قليلة Few-shot Learning
تضمين أمثلة على الناتج المطلوب داخل الموجّه ليحاكي النموذج نمطها.
سلسلة التفكير Chain of Thought
حث النموذج على التفكير خطوة بخطوة قبل الإجابة، فترتفع دقته في المسائل المنطقية.
الاسترجاع المعزز RAG
تزويد النموذج بمقاطع من مستنداتك الخاصة وقت السؤال ليجيب منها بدقة وبمصادر.
تعليمات النظام System Prompt
تعليمات دائمة تضبط دور النموذج وأسلوبه وحدوده عبر المحادثة كاملة.
الوكلاء والأتمتة
الوكيل الذكي AI Agent
نظام يخطط وينفذ مهاماً متعددة الخطوات باستخدام أدوات، ويصحح مساره وصولاً للهدف.
استخدام الأدوات Tool Use
قدرة النموذج على استدعاء برامج خارجية (بحث، حاسبة، أنظمة) أثناء عمله.
بروتوكول MCP Model Context Protocol
معيار مفتوح يوحّد ربط النماذج والوكلاء بالأنظمة والبيانات الخارجية.
الإنسان في الحلقة Human-in-the-loop
تصميم يُبقي موافقة البشر شرطاً عند النقاط الحساسة في عمل الأنظمة الآلية.
الأتمتة Automation
تنفيذ مسارات عمل متكررة آلياً عبر ربط الأدوات والخدمات دون تدخل يدوي.
الوكلاء المتعددون Multi-agent
تعاون عدة وكلاء متخصصين (باحث، كاتب، مراجع) على مهمة واحدة بتنسيق مشترك.
البيانات والتقييم
بيانات التدريب Training Data
الأمثلة التي يتعلم منها النموذج؛ جودتها وتنوعها سقف جودة النموذج نفسه.
هندسة الخصائص Feature Engineering
تحويل البيانات الخام إلى متغيرات ذات دلالة ترفع قدرة النموذج على التعلم.
الدقة والاسترجاع Precision & Recall
مقياسان متكاملان: نسبة صحة ما التقطه النموذج، ونسبة ما التقطه من الحالات الفعلية.
تسرب البيانات Data Leakage
تسلل معلومات "من المستقبل" إلى التدريب فيبدو النموذج خارقاً وينهار في الواقع.
انجراف البيانات Data Drift
تغيّر خصائص البيانات الواقعية مع الوقت فتتدهور دقة النموذج المنشور بصمت.
المعيار القياسي Benchmark
اختبار موحد لمقارنة أداء النماذج على مهام محددة بشكل قابل للتكرار.
الأخلاقيات والأمان
انحياز النماذج Bias
ميل النموذج لقرارات غير عادلة ورثها من اختلالات بيانات تدريبه.
قابلية التفسير Explainability
القدرة على فهم وتعليل سبب وصول النموذج إلى قرار معين، خصوصاً في المجالات الحساسة.
الذكاء الاصطناعي المسؤول Responsible AI
مبادئ وممارسات تضمن عدالة الأنظمة وشفافيتها وأمانها واحترامها للخصوصية.
التزييف العميق Deepfake
محتوى مرئي أو صوتي مولَّد يحاكي أشخاصاً حقيقيين، وأبرز إساءات استخدام التوليد.
حقن الموجهات Prompt Injection
محاولة خداع النموذج بتعليمات خبيثة مدسوسة في المحتوى ليتجاوز ضوابطه.
خصوصية البيانات Data Privacy
حماية بيانات المستخدمين من الاستخدام غير المصرح به في التدريب أو التشغيل.
راسلنا وسنضيفه مع الشرح في التحديث القادم.