مسرد الذكاء الاصطناعي

تعريفات قصيرة ودقيقة لمصطلحات الذكاء الاصطناعي من دون ضباب أكاديمي. كل مصطلح يبدأ بإجابة من جملتين، تليها شرح أعمق ومثال ملموس ومفاهيم مرتبطة. يكبر المسرد كلما دخلت مصطلحات جديدة إلى الأخبار.

النماذج

التعرف على الكلام (Speech Recognition)

التعرف على الكلام (ASR) هو تقنية تحول الصوت المكلوم إلى نص مكتوب، باستخدام نماذج التعلم الآلي المدربة على مجموعات كبيرة من الكلام لنسخ كلماتها وجملها بدقة في الوقت الفعلي أو من التسجيلات.

التعلم الآلي (Machine Learning)

التعلم الآلي هو فرع من فروع الذكاء الاصطناعي تحسن فيه الخوارزميات أدائها تلقائياً في مهمة ما من خلال تعلم الأنماط من البيانات، بدون أن تُبرمج بشكل صريح بقواعد خاصة بالمهمة لكل حالة.

التعلم العميق (Deep Learning)

التعلم العميق هو فرع من فروع التعلم الآلي يدرب الشبكات العصبية بطبقات عديدة لتعلم تمثيلات هرمية مباشرة من البيانات الخام مثل البكسلات أو موجات الصوت أو رموز النصوص، بدون هندسة ميزات يدوية.

الذكاء الاصطناعي التوليدي (Generative AI)

يشير الذكاء الاصطناعي التوليدي إلى أنظمة تعلم الآلة التي تنتج محتوى جديد — نصوص وصور وصوت وفيديو أو كود — عن طريق تعلم الأنماط الإحصائية من مجموعات بيانات تدريب كبيرة. على عكس النماذج التمييزية التي تصنف البيانات الموجود

الشبكة العصبية (Neural Network)

الشبكة العصبية هي نموذج حسابي يتكون من طبقات متداخلة من الوحدات الرقمية (الخلايا العصبية) التي تتعلم رسم خرائط من المدخلات إلى المخرجات بتعديل أوزان الاتصالات من خلال التعرض لبيانات التدريب.

الشبكة العصبية الالتفافية (Convolutional Neural Network / CNN)

الشبكة العصبية الالتفافية (CNN) هي معمارة تعلم عميق تطبق مرشحات أوزان مُتعلمة تشارك الأوزان عبر رقع محلية من البيانات المدخلة — غالباً الصور — للكشف عن ميزات مكانية هرمية مثل الحواف والأنسجة والأشياء.

الشبكة العصبية المتكررة (Recurrent Neural Network / RNN)

الشبكة العصبية المتكررة (RNN) هي شبكة عصبية تعالج البيانات المتسلسلة بالحفاظ على متجه حالة مخفية يتم تحديثه في كل خطوة زمنية، مما يسمح للمعلومات من المدخلات السابقة بالتأثير على التنبؤات اللاحقة.

المحول (Transformer)

المحول هو معمارية شبكة عصبية مركزية في الانتباه الذاتي، الذي يتيح لكل موضع في سلسلة الانتباه مباشرة إلى كل موضع آخر في نفس الوقت، مما يتيح التدريب المتوازي بالكامل والنمذجة الفعالة للتبعيات الطويلة المدى في اللغة والصور

تحويل النص إلى كلام (Text-to-Speech)

تحويل النص إلى كلام (TTS) هو تقنية تحول النص المكتوب إلى صوت مكلوم مُخلَّق، باستخدام نماذج ذكاء اصطناعي مدربة على تسجيلات الكلام البشري لإنتاج مخرجات صوتية طبيعية البدو.

خليط الخبراء (Mixture of Experts - MoE)

خليط الخبراء (MoE) هي بنية شبكة عصبية حيث تعمل آلية توجيه متعلمة على تفعيل مجموعة صغيرة فقط من الشبكات الفرعية المتخصصة (الخبراء) لكل رمز إدخال، مما يسمح بأعداد معاملات كبيرة دون تكلفة حساب متناسبة لكل رمز.

شبكة توليدية متعارضة (GAN)

شبكة توليدية متعارضة (GAN) هي بنية معمارية ثنائية الشبكة حيث ينتج مولد بيانات اصطناعية ويحاول مميز تصنيفها كحقيقية أو مزيفة؛ التدريب المتعارض بين الاثنين يدفع نحو جودة إنتاج متزايدة باستمرار.

معمارة المُشفِّر–فاكك التشفير (Encoder–Decoder Architecture)

معمارة المُشفِّر–فاكك التشفير هي تصميم شبكة عصبية حيث يعيّن المُشفِّر المدخل إلى تمثيل كامن وفاكك تشفير منفصل يولد سلسلة المخرجات من ذلك التمثيل، مما يجعلها مناسبة جيداً لمهام مثل الترجمة والملخصات.

معمارة فاكك التشفير فقط (Decoder-Only Architecture)

معمارة فاكك التشفير فقط هي متغيير Transformer يستخدم مكدسة انتباه ذاتي واحدة مع إخفاء سببي (من اليسار إلى اليمين) للتنبؤ بكل رمز تالي من السياق السابق، بدون مُشفِّر منفصل، وهي التصميم المهيمن لنماذج اللغة الكبيرة.

نماذج الاستدلال (Reasoning Models)

نموذج الاستدلال هو نظام ذكاء اصطناعي مصمم لحل المشاكل المعقدة متعددة الخطوات من خلال توليد خطوات استدلال وسيطة صريحة — غالباً ما يُسمى سلسلة الفكر — قبل إنتاج إجابة نهائية.

نموذج أساسي (Foundation Model)

نموذج أساسي هو نظام ذكاء اصطناعي واسع النطاق تم تدريبه مسبقاً على بيانات واسعة ومتنوعة—نصوص وصور وكود—ليكون بمثابة قاعدة عامة الأغراض قابلة للتكيف مع العديد من المهام اللاحقة. تم تقديم المصطلح من قبل معهد ستانفورد للذكاء

نموذج الانتشار (Diffusion Model)

نموذج الانتشار هو نظام ذكاء اصطناعي توليدي ينتج صوراً أو صوتاً أو فيديو بتعلم عكس عملية إضافة ضوضاء تكرارية، بدءاً من ضوضاء عشوائية والإزالة التدريجية للضوضاء من خلال خطوات متعلمة لإنتاج مخرجات منسجمة.

نموذج التضمين (Embedding Model)

نموذج التضمين يحول النص والصور وغيرها من البيانات إلى متجهات رقمية ذات طول ثابت في فضاء عالي الأبعاد، حيث تكون العناصر المتشابهة من حيث المعنى قريبة هندسياً من بعضها البعض.

نموذج الحدود (Frontier Model)

نموذج الحدود هو نظام ذكاء اصطناعي يعمل عند حدود القدرة الحالية لتعلم الآلة، عادة ما يتم تدريبه مع أكبر ميزانيات حساب معروفة. يُستخدم المصطلح في سياسات الذكاء الاصطناعي لتحديد الأنظمة التي تستحق أقرب مراقبة للسلامة.

نموذج الرؤية واللغة (VLM)

نموذج الرؤية واللغة (VLM) هو نموذج ذكاء اصطناعي يعالج المدخلات البصرية (الصور أو الفيديو) والنص باللغة الطبيعية معاً، مما يتيح مهام مثل تعليق الصور والإجابة على الأسئلة البصرية وفهم الوثائق.

نموذج العالم (World Model)

نموذج العالم هو تمثيل داخلي يتعلمه نظام ذكاء اصطناعي لديناميكيات بيئته، مما يتيح له التنبؤ بعواقب الإجراءات ومحاكاة الحالات المستقبلية دون التفاعل المباشر مع العالم الحقيقي.

نموذج الفضاء الحالتي (State Space Model / SSM)

نموذج الفضاء الحالتي (SSM) هو فئة من معمارات معالجة التسلسلات المشتقة من نظرية التحكم التي تمثل تدفقات البيانات من خلال متجه حالة كامن يتم تحديثه بواسطة التكرار الخطي، مما يتيح معالجة فعالة للتسلسلات الطويلة جداً مع تعقي

نموذج اللغة الكبير (Large Language Model, LLM)

نموذج اللغة الكبير هو شبكة عصبية قائمة على المحول بمليارات المعاملات مدرب على نصوص بحجم الإنترنت لنمذجة وتوليد اللغة الإنسانية، قادر على تنفيذ مهام متنوعة من خلال الأوامر بلغة طبيعية بدون إعادة تدريب خاصة بالمهمة.

نموذج تحويل النص إلى صور (Text-to-Image Model)

نموذج تحويل النص إلى صور هو نظام ذكاء اصطناعي توليدي ينتج صوراً نقطية من نصوص طبيعية اللغة، حيث يدمج محتوى بصرياً يطابق المشهد أو الأسلوب أو الموضوع المشار إليه.

نموذج تحويل النص إلى فيديو (Text-to-Video Model)

نموذج تحويل النص إلى فيديو هو نظام ذكاء اصطناعي توليدي يدمج مقاطع فيديو من نصوص طبيعية اللغة، حيث ينتج تسلسلات إطارات متماسكة زمنياً تطابق الحركة أو المشهد أو السرد الموصوف.

نموذج لغة صغير (Small Language Model - SLM)

نموذج لغة صغير (SLM) هو نموذج لغة مع عدد معاملات مضغوط—عادة 1 إلى 13 مليار معامل—مُحسّن للاستدلال الفعال على أجهزة المستهلكين أو الأجهزة الحدية أو خوادم وحدة معالجة رسومات واحدة بدلاً من نشرات مراكز البيانات الكبيرة.

نموذج متعدد الأنماط (Multimodal Model)

نموذج متعدد الأنماط هو نظام ذكاء اصطناعي يعالج وينتج بيانات عبر أكثر من نمط واحد — مثل النص والصور والصوت أو الفيديو — ضمن معمارية موحدة واحدة.

نموذج مفتوح الأوزان (Open-Weights Model)

نموذج مفتوح الأوزان هو نظام ذكاء اصطناعي تُطلق أوزان معاملاته المدربة بشكل علني، مما يسمح لأي شخص بتنزيل وتشغيل وتعديل النموذج دون الحاجة للوصول إلى البنية التحتية الخاصة بمطوره.

التدريب

Epoch هي دورة واحدة كاملة لمجموعة بيانات التدريب بالكامل من خلال نموذج التعلم الآلي. عادة ما يتم تدريب النماذج لعدة حقب، وتحسن كل دورة أوزان النموذج من خلال الانتشار العكسي المطبق على كل عينة تدريب.

الإفراط في التدريب (Overfitting)

الإفراط في التدريب يحدث عندما يتعلم نموذج التعلم الآلي بيانات التدريب بإغلاق شديد — بما في ذلك الضوضاء والخصوصيات — مما يؤدي إلى دقة عالية على أمثلة التدريب لكن تعميم ضعيف للبيانات غير المرئية.

الانتشار العكسي (Backpropagation)

الانتشار العكسي هو خوارزمية لحساب التدرج (gradient) لخسارة الشبكة العصبية بالنسبة لأوزانها بواسطة نشر إشارات الخطأ للخلف عبر طبقات الشبكة، مما يتيح التحسين المعتمد على التدرجات.

البيانات الاصطناعية (Synthetic Data)

البيانات الاصطناعية هي البيانات المولدة بشكل صناعي - التي ينتجها الخوارزميات أو المحاكاة أو النماذج التوليدية بدلاً من جمعها من أحداث واقعية - وتستخدم لتدريب أو التحقق أو اختبار أنظمة التعلم الآلي مع تجنب قيود الخصوصية أ

التدريب المسبق (Pre-training)

التدريب المسبق هو مرحلة التدريب الأولية واسعة النطاق التي تتعلم فيها الشبكة العصبية تمثيلات عامة من مجموعة ضخمة باستخدام أهداف التعلم الذاتي، قبل أي ضبط دقيق خاص بالمهمة.

التعلم الخاضع للإشراف (Supervised Learning)

التعلم الخاضع للإشراف هو نموذج تعليم آلي حيث يتم تدريب النموذج على مجموعة بيانات معللة من أزواج المدخلات والمخرجات لتعلم دالة رسم الخرائط، ثم تطبيقه للتنبؤ بالمخرجات للمدخلات غير المرئية؛ يكمن وراء معظم أنظمة التعليم الآ

التعلم المستمر (Continual Learning)

التعلم المستمر هو نموذج تعلم آلي يتعلم فيه النموذج من سلسلة مستمرة من المهام أو البيانات عبر الوقت مع الحفاظ على الأداء في المعرفة المكتسبة سابقاً، دون الحاجة إلى إعادة التدريب الكامل من الصفر.

التعلم المعزز (Reinforcement Learning)

التعلم المعزز هو نموذج تعليم آلي حيث يتعلم وكيل سياسة صنع القرار من خلال التفاعل مع بيئة وتلقي إشارات مكافأة عددية، محسّناً للحصول على أقصى مكافأة تراكمية دون الحاجة إلى مجموعة بيانات معللة مسبقاً من الإجراءات الصحيحة.

التعلم المعزز بمكافآت قابلة للتحقق (Reinforcement Learning with Verifiable Rewards - RLVR)

التعلم المعزز بمكافآت قابلة للتحقق (RLVR) هو نهج تدريب حيث تأتي إشارات مكافأة RL من معايير موضوعية قابلة للتحقق من خلال البرمجة - مثل صحة الإجابة الرياضية أو اجتياز الكود لاختبارات الوحدة - بدلاً من نموذج مكافأة عصبي مدر

التعلم المعزز من آراء الذكاء الاصطناعي (Reinforcement Learning from AI Feedback - RLAIF)

التعلم المعزز من آراء الذكاء الاصطناعي (RLAIF) هو متغير من RLHF يقوم فيه نموذج الذكاء الاصطناعي بتوليد تسميات التفضيل المستخدمة لتدريب نموذج المكافأة، مما يقلل الاعتماد على التعليقات البشرية المكلفة والصعبة القياس.

التعلم المعزز من ملاحظات الإنسان (Reinforcement Learning from Human Feedback, RLHF)

التعلم المعزز من ملاحظات الإنسان (RLHF) هو خط أنابيب تدريب يجمع أحكام تفضيل الإنسان بين مخرجات النموذج، ويدرب نموذج مكافأة على تلك الأحكام، ويستخدم التعلم المعزز لضبط دقيق نموذج اللغة نحو السلوك الذي يقيمه الإنسان بشكل أ

التعلم الموجه ذاتياً (Self-Supervised Learning)

التعلم الموجه ذاتياً هو نموذج تدريب يقوم فيه النموذج بتوليد إشارة إشرافه الخاصة من البيانات غير الموسومة بحل مهام التظاهر، مما يلغي الحاجة إلى التعليقات التوضيحية البشرية المكلفة.

التعلم الموزع (Federated Learning)

التعلم الموزع هو تقنية تعلم آلي تدرب نموذجاً مشتركاً عبر عدد من الأجهزة أو الخوادم اللامركزية دون تركيز البيانات الأولية، حيث يتم نقل تحديثات معاملات النموذج فقط إلى خادم منسق للحفاظ على الخصوصية.

التعلم بالنقل (Transfer Learning)

التعلم بالنقل هو تقنية يتم فيها تكييف نموذج مدرب مسبقاً على مجموعة بيانات كبيرة أو مهمة واحدة مع مهمة مختلفة لكن ذات صلة، مما يقلل بشكل كبير من الحاجة إلى البيانات الموسومة وحساب التدريب.

التعلم غير الموجه (Unsupervised Learning)

التعلم غير الموجه هو نموذج تعلم آلي يجد النماذج والبنية أو التمثيلات المضغوطة في البيانات دون أمثلة موسومة، باستخدام تقنيات مثل التجميع وتقليل الأبعاد والنمذجة التوليدية.

التكييف الكمي منخفض الرتبة (Quantized Low-Rank Adaptation)

QLoRA هي طريقة ضبط دقيق تقوم بتكمية نموذج أساس مجمد إلى دقة 4-بت بينما تدرب محولات LoRA بدقة أعلى، مما يتيح ضبط نماذج اللغة الكبيرة على وحدة معالجة رسومات واحدة للمستهلك أو احترافية.

التكييف منخفض الرتبة (Low-Rank Adaptation)

LoRA هي تقنية ضبط دقيق فعالة من حيث المعاملات تضيف أزواج مصفوفات منخفضة الرتبة قابلة للتدريب إلى طبقات نماذج مدربة مسبقاً مجمدة، مما يتيح تكييف النموذج الكبير بجزء من عدد المعاملات الأصلي.

الضبط الدقيق (Fine-tuning)

الضبط الدقيق هو عملية مواصلة تدريب نموذج ذكاء اصطناعي مدرب مسبقًا على مجموعة بيانات أصغر خاصة بمهمة معينة بحيث يؤدي بشكل أفضل على تلك المهمة. بدلاً من بناء نموذج من الصفر، تقوم بتكييف نموذج موجود مع مجالك أو أسلوبك أو صي

النزول الاتجاهي (Gradient Descent)

النزول الاتجاهي هو خوارزمية تحسين تكرارية تدرب نماذج التعلم الآلي بواسطة تعديل المعاملات بشكل متكرر في الاتجاه الذي يقلل دالة الخسارة الأكثر، مستخدمة المشتقات الجزئية المحسوبة عبر الانتشار العكسي لتوجيه كل خطوة تحديث.

النسيان الكارثي (Catastrophic Forgetting)

النسيان الكارثي هو ميل الشبكة العصبية لفقدان الأداء فجأة على المهام المتعلمة سابقًا عند التدريب بشكل متسلسل على بيانات جديدة، لأن تحديثات الأوزان للمهمة الجديدة تستبدل التمثيلات المكتسبة مسبقًا.

بيانات التدريب (Training Data)

بيانات التدريب هي مجموعة البيانات الموسومة أو غير الموسومة المغذاة لنموذج التعلم الآلي أثناء عملية التحسين، مما يسمح له بتعديل المعاملات الداخلية بتقليل خطأ التنبؤ؛ وجودة وحجم وتنوعها هي المحددات الأساسية لقدرة النموذج.

تحسين التفضيل المباشر (Direct Preference Optimization - DPO)

تحسين التفضيل المباشر (DPO) هو خوارزمية تدريب تقوم بضبط نماذج اللغة الكبيرة للمحاذاة مع تفضيلات الإنسان بإعادة صياغة هدف RLHF كخسارة تصنيف ثنائي على أزواج التفضيل، مما يلغي الحاجة إلى نموذج مكافأة منفصل تم تدريبه.

تقطير المعرفة (Knowledge Distillation)

تقطير المعرفة هو تقنية ضغط يتم فيها تدريب نموذج طالب صغير لمطابقة توزيع الإخراج لنموذج معلم أكبر، مما ينتج عنه نموذج مضغوط يحتفظ بمعظم دقة المعلم.

توسيع البيانات (Data Augmentation)

توسيع البيانات هو ممارسة توسيع مجموعة البيانات المستخدمة في التدريب بشكل صناعي من خلال تطبيق تحويلات تحافظ على التسميات على الأمثلة الموجودة - مثل قلب الصور أو القص أو حقن الضوضاء - لتحسين تعميم النموذج وتقليل الإفراط في

دالة الخسارة (Loss Function)

دالة الخسارة هي دالة رياضية تقيس الفجوة بين تنبؤات النموذج والقيم الهدف الحقيقية، مما ينتج درجة مقياسية تقلل خوارزميات التحسين الحد الأدنى منها أثناء التدريب.

ضبط التعليمات (Instruction Tuning)

ضبط التعليمات هو تقنية ضبط دقيق موجهة تكيف نموذج لغة مدرب مسبقًا على أزواج التعليمات والاستجابات، مما يعلمه اتباع التوجيهات باللغة الطبيعية بدلاً من مجرد التنبؤ برمز تالٍ.

قوانين التوسع (Scaling Laws)

قوانين التوسع هي علاقات قوة تجريبية توضح أن أداء نماذج اللغة تتحسن بشكل متوقع مع زيادة معاملات النموذج وحجم بيانات التدريب وميزانية الحساب، مما يتيح للباحثين توقع مكاسب القدرة قبل الالتزام بتشغيلات التدريب المكلفة.

نقطة تفتيش النموذج (Model Checkpoint)

نقطة تفتيش النموذج هي لقطة محفوظة من أوزان الشبكة العصبية وحالة الأمثلية في نقطة محددة أثناء التدريب، مما يسمح باستئناف العمل بعد فشل الأجهزة واختيار أفضل نسخة أداء عبر خطوات التدريب.

الاستدلال

أخذ العينات من النواة (Top-p)

أخذ العينات من النواة (top-p) هي استراتيجية فك تشفير تقيد اختيار الرموز إلى أصغر مجموعة من الرموز التي يلبي احتمالها التراكمي حد p، التكيف الديناميكي مع حجم مجموعة المرشحين مع ثقة النموذج في كل خطوة توليد.

الإنتاجية (Throughput)

الإنتاجية (Throughput) في استدلال الذكاء الاصطناعي هي حجم العمل الذي تعالجه نظام خدمة النموذج في وحدة زمنية واحدة، يُعبّر عنها عادة بعدد التوكنات المُخرجة في الثانية أو الطلبات المكتملة في الثانية عبر جميع المستخدمين الم

الارتباك (Perplexity)

مقياس الارتباك (Perplexity) هو مقياس تقييم نموذج اللغة يُعرَّف بأنه الأسي للمتوسط السالب للوغاريتم الطبيعي لاحتمالية التوكن على مجموعة نصية؛ انخفاض الارتباك يعني أن النموذج يُسند احتمالية أعلى لتسلسل التوكنات المرصودة وي

الاستدلال (Inference)

الاستدلال هو عملية تطبيق نموذج التعلم الآلي المدرب على بيانات إدخال جديدة لإنتاج تنبؤات أو مخرجات. إنها عملية وقت النشر، تختلف عن التدريب، حيث لا يتم تحديث معاملات النموذج.

البث المباشر للرموز (Streaming)

البث المباشر في استدلال نماذج الذكاء الاصطناعي هو توصيل مخرجات النموذج من رمز إلى آخر إلى العميل كلما تم إنتاج كل رمز، بدلاً من انتظار الاستجابة الكاملة قبل إرسال أي شيء. يقلل من زمن الكمون المدرَك إلى تقريباً وقت الرمز

الترميز (Tokenization)

الترميز (Tokenization) هو عملية تقسيم النص الخام إلى وحدات منفصلة تسمى رموز — عادة ما تكون أجزاء فرعية من الكلمات — والتي يقوم نموذج اللغة بتشفيرها وتعالجها بشكل رقمي. يبلغ متوسط الرمز حوالي 4 أحرف في الإنجليزية؛ تستخدم

التكميم (Quantization)

التكميم هو تقنية تمثيل أوزان الشبكة العصبية — وإن أمكن تفعيلاتها — في صيغ رقمية منخفضة الدقة مثل INT8 أو INT4 بدلاً من FP16 أو BF16 الافتراضية، مما يقلل الحجم الكامن ويسرع الاستدلال على حساب تدهور دقة صغير وعادة ما يكون

الحساب في وقت الاختبار (Test-Time Compute)

الحساب في وقت الاختبار (TTC) هو الميزانية الحسابية — دورات المعالجة والذاكرة والوقت — التي ينفقها النموذج أثناء الاستدلال بدلاً من التدريب، مما يسمح له بإنفاق جهد أكثر على المشاكل الأصعب دون أي تغيير في أوزانه.

الذكاء الاصطناعي على الجهاز (On-Device AI)

الذكاء الاصطناعي على الجهاز هو تنفيذ استدلال نماذج التعلم الآلي مباشرةً على أجهزة المستخدم المحلية — الهاتف الذكي أو الحاسوب المحمول أو الشريحة المدمجة — دون نقل البيانات إلى خادم سحابة بعيد، مما يمكّن زمن كمون أقل واستخ

الرمز (Token)

الرمز (Token) هو الوحدة الأساسية للنص التي تعالجها نموذج اللغة، وعادة ما تكون كلمة أو جزء من كلمة أو علامة ترقيم. في النثر الإنجليزي العام، تقابل الكلمة الواحدة تقريباً 1.3 رمز تحت المعاجم الفرعية الشائعة الاستخدام.

اللوجتات (Logits)

اللوجتات هي درجات القيمة الحقيقية الخام وغير المعايرة التي تُخرجها الطبقة الخطية النهائية للشبكة العصبية قبل تطبيع softmax؛ في نماذج اللغة، يمثل لوجت واحد لكل رمز مفردات الرمز احتمالية توقعها النسبية.

تخزين المطالبة المؤقتاً (Prompt Caching)

تخزين المطالبة المؤقتاً (Prompt Caching) هي تقنية واجهة برمجة التطبيقات والخدمة التي تحفظ حالة KV-Cache المحسوبة لبادئة مطالبة مشتركة — مثل مطالبة نظام أو وثيقة مسترجعة كبيرة — وتعيد استخدامها عبر طلبات منفصلة متعددة، مم

خدمة النموذج (Model Serving)

خدمة النموذج (Model Serving) هي طبقة البنية الأساسية التي تنشر نموذج تعلم آلي مُدرَّب للتعامل مع طلبات التنبؤ في الوقت الفعلي أو الدفعات، وتدير التوسع وموازنة التحميل والإصدار والموثوقية في الإنتاج. تسد الفجوة بين القطعة

درجة الحرارة (Temperature)

درجة الحرارة هي معامل تشعبي يقسم لوجتات نموذج اللغة قبل خطوة softmax، التحكم في عشوائية الإخراج: القيم أقل من 1.0 تحد التوزيع نحو الرموز عالية الاحتمالية؛ القيم أعلى من 1.0 تسطحه، زيادة التنوع.

ذاكرة المفتاح-القيمة (KV-Cache)

ذاكرة المفتاح-القيمة (KV-Cache) هي مخزن مؤقت للذاكرة يحفظ موتّرات المفتاح والقيمة التي ينتجها طبقات الاهتمام في محول (transformer) للرموز المعالجة بالفعل، مما يلغي إعادة الحساب الزائد أثناء الإنشاء الانحداري. إنها الآلية

زمن الاستجابة (Latency)

زمن الاستجابة (Latency) في استدلال الذكاء الاصطناعي هو الوقت المنقضي بين تقديم طلب إلى نموذج واستقبال رده، يُقاس عادة بالميلي ثانية. في نماذج اللغة الكبيرة، يُقسّم إلى زمن الوصول إلى التوكن الأول (TTFT) والزمن لكل توكن إ

سلسلة من الأفكار (Chain-of-Thought)

سلسلة من الأفكار (CoT) هي تقنية موجهة للنموذج حيث يُنتج نموذج لغة كبير خطوات استدلال وسيطة صريحة قبل إنتاج إجابة نهائية، مما يحسّن كثيراً الدقة في المسائل الحسابية والمنطقية ومتعددة الخطوات.

فك التشفير التكهني (Speculative Decoding)

فك التشفير التكهني هو تقنية استدلال تستخدم نموذج مسودة صغير للعثور على رموز متعددة بالتوازي، ثم تتحقق منها بالنموذج الهدف الكبير في ممر أمامي واحد، مما يقلل زمن الكمون بمقدار 2-4 مرات دون تغيير جودة الإخراج.

معالجة الدفعات (Batching)

معالجة الدفعات (Batching) في استدلال النموذج هي ممارسة تجميع طلبات إدخال متعددة ومعالجتها معاً في عملية متقدمة واحدة من خلال النموذج، مما يحسن استخدام GPU والإنتاجية. يوسع الدفع المستمر هذا بإدراج وإزالة التسلسلات أثناء

نافذة السياق (Context Window)

نافذة السياق (Context Window) هي الحد الأقصى لعدد الرموز التي يمكن لنموذج اللغة معالجتها في نداء استدلال واحد، يغطي كلاً من مطالبة الإدخال والإخراج المُنشأ. يؤدي تجاوزها إلى اختصار الإدخال أو خطأ في واجهة برمجة التطبيقات

الوكلاء

استخدام الأدوات (Tool Use)

استخدام الأدوات هو قدرة نموذج اللغة الذكي على استدعاء وظائف خارجية أو واجهات برمجية أو خدمات—مثل البحث عن الويب أو تنفيذ الأكواد أو الاستعلام عن قواعد البيانات—أثناء الاستدلال، مما يسمح له باسترجاع المعلومات واتخاذ إجراء

استخدام الحاسوب (Computer Use)

استخدام الحاسوب هي قدرة ذكية اصطناعية، أطلقت أولاً علناً بواسطة Anthropic في أكتوبر 2024، التي تسمح لنموذج لغة بالتحكم في واجهة رسومية للحاسوب—تحريك المؤشر والنقر على الأزرار وكتابة النصوص وقراءة لقطات الشاشة—لإكمال المه

استدعاء الدوال (Function Calling)

استدعاء الدوال هي ميزة في واجهة برمجة تطبيقات نموذج اللغة، أُطلقت رسمياً بواسطة OpenAI في يونيو 2023، التي تمكن النموذج من إخراج JSON منظم يحدد الدالة المعرّفة مسبقاً التي سيتم استدعاؤها ومع أي معاملات، مما يسمح بتكامل ب

التعلم مع التدخل البشري (Human-in-the-Loop - HITL)

التعلم مع التدخل البشري هو نمط تصميم نظام يتم فيه دمج الإشراف البشري بشكل هيكلي في نقطة واحدة أو أكثر من نقاط القرار في خط أنابيب ذكاء اصطناعي آلي، مما يتطلب موافقة أو تصحيح أو إعادة توجيه من قبل شخص قبل المتابعة.

الحاوية الآمنة (Sandbox)

الحاوية الآمنة هي بيئة تنفيذ معزولة تقيد وصول وكيل ذكي اصطناعي إلى الأنظمة الحقيقية أو الشبكات أو البيانات، مما يسمح له بتشغيل أكواد غير موثوقة أو يحتمل أن تكون ضارة دون التأثير على بيئة المضيف.

الوكيل الذكي (AI Agent)

الوكيل الذكي هو نظام لا يقتصر فيه نموذج لغة على الإجابة، بل يخطط وينفذ مهام متعددة الخطوات: يستدعي أدوات وواجهات برمجية، ويقرأ النتائج ويحدد الإجراء التالي نحو الهدف. على عكس روبوت الدردشة، يعمل الوكيل في حلقة حتى تكتمل

الوكيل الفرعي (Subagent)

الوكيل الفرعي هو AI agent يستدعيه parent أو orchestrator agent لتنفيذ مهمة فرعية محددة بشكل مستقل وإرجاع النتائج دون تفاعل مباشر مع المستخدم النهائي أثناء التنفيذ.

الوكيل المستقل (Autonomous Agent)

الوكيل المستقل عبارة عن نظام ذكاء اصطناعي يدرك بيئته ويتخذ قرارات وينفذ إجراءات ويكرر نحو هدف محدد بتدخل بشري ضئيل أو بلا تدخل بين الخطوات ويعمل عبر آفاق زمنية ممتدة.

برمجة الإحساس (Vibe Coding)

برمجة الإحساس هي نهج برمجة مدعوم بالذكاء الاصطناعي حيث يصف المطور السلوك المرغوب باللغة الطبيعية وينتج نموذج ذكاء اصطناعي الكود المقابل، مع تركيز الإنسان على القصد بدلاً من تفاصيل التنفيذ.

بروتوكول السياق النموذجي (Model Context Protocol)

بروتوكول السياق النموذجي (MCP) هو معيار مفتوح نشرته Anthropic في نوفمبر 2024 يحدد واجهة عالمية لربط مساعدات ذكية اصطناعية بأدوات وقواعس بيانات وخدمات خارجية، مما يحل محل أكواس التكامل المخصصة لكل تكامل منفصل بواسطة بروتو

بروتوكول الوكيل للوكيل (Agent2Agent Protocol)

بروتوكول الوكيل للوكيل (A2A) هو مواصفة مفتوحة نشرتها Google في أبريل 2025 تحدد كيف يكتشف الوكلاء الذكيون المستقلون بعضهم البعض ويتبادلون المهام وينسقون عبر أطر وموردين مختلفين.

تخطيط الوكيل (Agent Planning)

تخطيط الوكيل هو العملية التي من خلالها يقوم وكيل الذكاء الاصطناعي بتقسيم هدف معقد إلى سلسلة مرتبة من المهام الفرعية أو الإجراءات، واختيار وجدولة الخطوات لتحقيق هدف لا يمكن إنجازه في استدلال نموذج واحد.

تنسيق الوكلاء (Agent Orchestration)

تنسيق الوكلاء هو التنسيق بين عدة AI agents من خلال نظام إشرافي يوجه المهام ويدير الاعتماديات وتدفق المعلومات ويجمع النتائج لإنجاز هدف معقد متعدد الخطوات.

ذاكرة الوكيل (Agent Memory)

تشير ذاكرة الوكيل إلى الآليات التي يستخدمها وكيل ذكي اصطناعي لتخزين واسترجاع وتحديث المعلومات عبر الخطوات والجلسات والمهام — وتشمل ذاكرة السياق العاملة وقواعس بيانات المتجهات الخارجية ومخازن المفاتيح والقيم والتمثيلات ال

سير العمل الوكيلي (Agentic Workflow)

سير العمل الوكيلي عبارة عن خط أنابيب منظم يقوم فيه agent واحد أو أكثر بتنفيذ مهام متعددة الخطوات بشكل مستقل—باستخدام tools والذاكرة والمنطق الاتخاذي—لإكمال هدف يتطلب أكثر من استدعاء نموذج واحد.

نظام متعدد الوكلاء (Multi-Agent System)

نظام متعدد الوكلاء (MAS) هو معمارية تتألف من عدة agents مستقلة كل واحدة بأدوار وقدرات متمايزة تتعاون لحل مهام معقدة جدًا أو كبيرة جدًا بحيث لا يمكن لوكيل واحد التعامل معها وحده.

نمط ReAct (ReAct Pattern)

ReAct (التفكير + العمل) هو إطار عمل لتوجيه وكلاء الذكاء الاصطناعي يتناوب بين خطوات التفكير الطبيعية واللغوية والإجراءات المنفصلة لاستخدام الأدوات، مما يسمح للنموذج بملاحظة نتيجة كل إجراء وتحديث تفكيره قبل المتابعة.

وكيل الترميز (Coding Agent)

وكيل الترميز هو نظام ذكاء اصطناعي يكتب ويحرر ويختبر ويصحح البرامج بشكل مستقل عبر ملفات متعددة وبيئات تنفيذية، مما يترجم وصفًا عالي المستوى إلى تغييرات كود عاملة ومتحققة.

وكيل المتصفح (Browser Agent)

وكيل المتصفح هو نظام ذكاء اصطناعي يتحكم بشكل مستقل في متصفح الويب—ملاحة الصفحات، والنقر على الروابط، وملء النماذج، واستخراج المعلومات—لإكمال المهام القائمة على الويب نيابة عن المستخدم دون توجيه خطوة بخطوة من الإنسان.

السلامة

استغلال دالة المكافأة (Reward Hacking)

استغلال دالة المكافأة هو نمط فشل في التعلم المعزز حيث يكتشف الوكيل استراتيجيات غير مقصودة تعظم إشارة المكافأة الرقمية بدون تحقيق المهمة التي يقصدها المصممون فعلياً.

الاختبار الأحمر (Red Teaming)

الاختبار الأحمر هو عملية اختبار متعارضة منظمة يحاول فيها فريق مخصص العثور على الفشل أو المخرجات الضارة أو الثغرات الأمنية في نظام ذكاء اصطناعي قبل نشره.

الذكاء الاصطناعي الدستوري (Constitutional AI)

الذكاء الاصطناعي الدستوري هو طريقة تدريب طورتها Anthropic يقوم فيها نموذج الذكاء الاصطناعي بنقد وتعديل مخرجاته الخاصة وفقاً لمجموعة مكتوبة من المبادئ، مما يقلل الاعتماد على التعليق البشري على نطاق واسع لتصفية السلوك الضا

الرفض (Refusal)

الرفض هو قرار متعمد من نموذج الذكاء الاصطناعي بعدم الاستجابة لطلب المستخدم، عادة ما يكون لأن نظام التدريب الآمن حدد أن الطلب قد يؤدي إلى مخرجات ضارة أو غير قانونية أو منتهكة للسياسة.

الصورة المزيفة بالذكاء الاصطناعي (Deepfake)

الصورة المزيفة بالذكاء الاصطناعي هي وسائط مُنتجة أو معدلة بالذكاء الاصطناعي - فيديو أو صوت أو صور - يتم فيها تزييف أو استبدال صورة الشخص أو صوته لإنشاء تصويرات واقعية لكن خاطئة عادة باستخدام نماذج التعلم العميق التوليدية

الضمانات الأمنية (Guardrails)

الضمانات الأمنية هي آليات حماية - قواعد أو مرشحات أو مصنفات أو قيود سياسية - تُطبق على الأنظمة الذكية الاصطناعية لمنعها من إنتاج مخرجات ضارة أو غير مناسبة أو منتهكة للسياسات.

العلامة المائية للذكاء الاصطناعي (AI Watermarking)

العلامة المائية للذكاء الاصطناعي هي تقنية لتضمين إشارات غير محسوسة في المحتوى المُنتج بالذكاء الاصطناعي - نص أو صور أو صوت أو فيديو - لتمكين تحديد أصله الآلي لاحقاً. وتدعم التحقق من الأصل والمصادقة على المحتوى دون إضعاف

القابلية للتفسير (Interpretability)

القابلية للتفسير هي مجال في بحوث الذكاء الاصطناعي يهدف إلى فهم الحسابات الداخلية للشبكات العصبية — كيف تمثل المعرفة وتشكل القرارات وتنتج المخرجات — من أجل التحقق من سلامتها وموثوقيتها.

الهلوسة (Hallucination)

الهلوسة هي مخرجات واثقة وسلسة من نموذج لغة صناعي تكون غير صحيحة في الحقائق أو مختلقة أو غير مرتبطة بمدخلاته أو معرفته، وتُنتج دون أي مؤشر على عدم اليقين.

انحياز الذكاء الاصطناعي (AI Bias)

يشير انحياز الذكاء الاصطناعي إلى أنماط متسقة ومنحرفة في مخرجات نظام الذكاء الاصطناعي التي تنشأ من بيانات التدريب المنحازة أو إطار المشكلة المعيب أو خيارات تصميم النموذج، مما يسبب عدم معاملة الأفراد أو المجموعات بعدالة.

تقييم النموذج (Evals)

تقييم النموذج (evals) هو العملية المنهجية لقياس أداء نظام الذكاء الاصطناعي والقدرات ومواضع الفشل باستخدام الاختبارات المنظمة. يوجه التقييم قرارات التطوير وتطلبه المنظمات التنظيمية بشكل متزايد كدليل على الأمان قبل النشر.

تنظيم المحتوى (Content Moderation)

تنظيم المحتوى هو عملية مراجعة وتصفية والإجراء على المحتوى الذي ينشره المستخدمون على المنصات الرقمية لتطبيق معايير المجتمع والمتطلبات القانونية، وتتم بشكل متزايد أو بمساعدة مصنفات ذكاء اصطناعي تعمل على نطاق واسع.

توافق الذكاء الاصطناعي (AI Alignment)

توافق الذكاء الاصطناعي هو مجال البحث والهندسة المعني بضمان أن أنظمة الذكاء الاصطناعي تسعى لتحقيق أهداف وتظهر سلوكيات متسقة مع نوايا الإنسان وقيمه واهتماماته، خاصة عندما تصبح الأنظمة أكثر قدرة.

حقن الموجهات (Prompt Injection)

حقن الموجهات هو هجوم يتضمن تعليمات خبيثة مدمجة في مدخلات نموذج ذكاء اصطناعي تتجاوز التوجيهات الأصلية للنظام، مما يسبب إنتاج مخرجات غير مقصودة أو ضارة.

خصوصية البيانات (Data Privacy)

خصوصية البيانات في الذكاء الاصطناعي تشير إلى الممارسات والضوابط التقنية والمتطلبات القانونية التي تحكم كيفية جمع المعلومات الشخصية وتخزينها واستخدامها وحمايتها طوال تطوير ونشر أنظمة الذكاء الاصطناعي. وهي تغطي المخاطر الخ

سلامة الذكاء الاصطناعي (AI Safety)

سلامة الذكاء الاصطناعي هي المجال المتعدد التخصصات الذي يهدف إلى ضمان عمل أنظمة الذكاء الاصطناعي بشكل موثوق وقابل للتنبؤ وبدون إلحاق ضرر غير مقصود، يشمل البحث التقني والسياسة والحكومة.

كسر الحماية (Jailbreak)

كسر الحماية هي تقنية تُستخدم لتجاوز إرشادات السلامة المدمجة في نموذج ذكاء اصطناعي، مما يسبب إنتاج محتوى أو تنفيذ إجراءات صمم مطورون النموذج بشكل صريح ليرفضها.

معيار الاختبار (Benchmark)

معيار الاختبار هو مجموعة اختبارات موحدة تُستخدم لقياس ومقارنة أداء نموذج الذكاء الاصطناعي في المهام المحددة. توفر درجات المعايير مقياساً مشتركاً لتتبع التقدم عبر النماذج والتواصل حول مطالبات القدرة مع الباحثين والعملاء و

العتاد

CUDA (معمارية الحوسبة الموحدة للأجهزة)

CUDA (معمارية الحوسبة الموحدة للأجهزة) هي منصة حوسبة متوازية واصطلاحية برمجية مملوكة لـ NVIDIA تسمح للمطورين بكتابة كود C/C++ يتم تنفيذه مباشرة على وحدات معالجة الرسومات NVIDIA، مما يحولها إلى معالجات متوازية ذات أغراض ع

FLOPS (عمليات النقطة العائمة في الثانية) تقيس عدد عمليات الحسابات بالنقطة العائمة التي ينفذها المعالج كل ثانية. وهي المعيار الأساسي للمقارنة بين أجهزة الذكاء الاصطناعي، حيث تقدم معالجات الرسوميات الحديثة عالية الأداء آلا

VRAM (ذاكرة الوصول العشوائي للفيديو)

VRAM (ذاكرة الوصول العشوائي للفيديو) هي الذاكرة السريعة المخصصة على وحدة معالجة الرسومات والمستخدمة لتخزين أوزان النموذج والتفعيلات وذاكرة KV أثناء تدريب والاستدلال في الذكاء الاصطناعي. تعتبر سعتها هي القيد الأساسي لتحدي

الربط البيني (NVLink و InfiniBand)

الربط البيني هو رابط اتصال عالي السرعة ينقل البيانات بين وحدات معالجة الرسوميات (GPU) داخل خادم واحد (ضمن العقدة، مثل NVLink) أو بين خوادم في مجموعة (بين العقد، مثل InfiniBand)؛ وعرض النطاق الترددي والكمون الخاص به يشكل

دارة متكاملة متخصصة (ASIC)

دارة متكاملة متخصصة (ASIC) هي شريحة إلكترونية مصممة ومصنعة للقيام بوظيفة محددة واحدة، مما يوفر أداء وكفاءة طاقة أعلى من المعالجات ذات الأغراض العامة لتلك المهمة، لكن بدون مرونة للعمل على أحمال عمل أخرى.

ذاكرة عالية النطاق الترددي (HBM)

ذاكرة عالية النطاق الترددي (HBM) هي تكنولوجيا ذاكرة الوصول العشوائي الديناميكية المكدسة التي تربط عدة شرائح ذاكرة عموديًا وتوصلها بوحدة معالجة الرسومات عبر ناقل داخلي عريض جداً، محققة نطاقات ترددية للذاكرة تبلغ عدة تيراب

مجمع وحدات معالجة الرسومات (GPU Cluster)

مجمع وحدات معالجة الرسومات هو مجموعة من الخوادم، يحتوي كل منها على عدة وحدات معالجة رسومات، متصلة بشبكات عالية السرعة للعمل كمورد حساب متوازي واحد لتدريب أو خدمة نماذج الذكاء الاصطناعي التي تتجاوز سعة أي جهاز فردي.

مركز بيانات الذكاء الاصطناعي

مركز بيانات الذكاء الاصطناعي هو منشأة مبنية خصيصاً أو تم تعديلها بشكل كبير لاستضافة مجموعات معالجات الرسوميات والمسرعات، مصممة خصيصاً للتعامل مع كثافة الطاقة الشديدة والطلبات المتطرفة على التبريد والشبكات عالية النطاق ال

معجِّل الذكاء الاصطناعي (AI Accelerator)

معجِّل الذكاء الاصطناعي هو أي معالج أو كتلة أجهزة — وحدة معالجة رسومات أو TPU أو NPU أو FPGA أو ASIC مخصص — مصممة لتسريع عمليات الضرب والعمليات المتوازية بالبيانات الأساسية لتدريب وتشغيل نماذج الذكاء الاصطناعي.

وحدة معالجة الرسومات (GPU)

وحدة معالجة الرسومات هي معالج تم تصميمه في الأصل لتصيير الرسومات الحاسوبية، مبني حول آلاف نوى الحوسبة الصغيرة المتوازية. منذ أوائل عام 2010، أصبحت وحدات معالجة الرسومات الأجهزة السائدة لتدريب واستدلال نماذج الذكاء الاصطن

وحدة معالجة الشبكات العصبية (NPU)

وحدة معالجة الشبكات العصبية هي كتلة أجهزة مخصصة مدمجة في نظام على شريحة (SoC) تسرع استدلال الشبكة العصبية محلياً على جهاز ما، مما يتيح ميزات الذكاء الاصطناعي — مثل التعرف على الصوت أو تحسين الصور — دون الحاجة إلى اتصال س

وحدة معالجة الموترات (TPU)

وحدة معالجة الموترات هي دارة متكاملة مخصصة تم تصميمها من قبل Google لتسريع عمليات الموترات — عمليات ضرب المصفوفات في جوهر التدريب والاستدلال بالشبكات العصبية — مما يوفر إنتاجية أعلى لكل واط من وحدات معالجة الرسومات ذات ا

الأعمال

LM Arena — ساحة نماذج اللغة

منصة LM Arena هي منصة تقييم ذكاء اصطناعي يعتمد على الحشود حيث يقارن المستخدمون استجابات نموذجين مجهولي الهوية جنبًا إلى جنب ويصوتون على الأفضل، مما يولد لوحة مفاضلة مبنية على تصنيف Elo لجودة نموذج اللغة عبر الموجهات الحق

أسئلة وأجوبة الدراسات العليا المحصنة من البحث (GPQA)

معيار GPQA هو مجموعة من 448 سؤالاً متعدد الخيارات من تأليف خبراء في علم الأحياء والكيمياء والفيزياء، مصمم بحيث لا يستطيع غير المتخصصين الإجابة عليها بشكل صحيح حتى مع الوصول المجاني إلى الويب، مما يجعله اختبارًا للاستدلال

اقتصاديات الرموز (Token Economics)

اقتصاديات الرموز هي نموذج التسعير الذي يحكم الوصول التجاري إلى نماذج لغة الذكاء الاصطناعي الكبيرة عبر API، حيث يتم فرض رسوم على المستخدمين لكل رمز - تقريباً 3-4 أحرف من النص - مع معدلات منفصلة للإدخال (المحفز) والإخراج (

الإبرة في كومة القش (Needle in a Haystack)

اختبار الإبرة في كومة القش (Needle in a Haystack) هو اختبار تقييم للسياق الطويل يقيس ما إذا كان نموذج اللغة قادراً على استرجاع حقيقة محددة مزروعة بدقة ("الإبرة") من مجموعة نصية كبيرة غير ذات صلة ("كومة القش") في مواضع وأ

الحوسبة (Compute)

الحوسبة، في سياقات الذكاء الاصطناعي، تشير إلى موارد المعالجة الحسابية - وبشكل أساسي قوة معالجة وحدات معالجة الرسوميات أو TPU والذاكرة والبنية الأساسية الداعمة - المطلوبة لتدريب وتشغيل نماذج الذكاء الاصطناعي. إنها المورد

الذكاء الاصطناعي العام (AGI)

الذكاء الاصطناعي العام (AGI) هو نظام ذكاء اصطناعي افتراضي قادر على تنفيذ أي مهمة فكرية يمكن للإنسان تنفيذها، مطابقاً أو متجاوزاً المرونة المعرفية البشرية عبر جميع المجالات دون إعادة تدريب خاصة بالمهمة. لم يتم التحقق من أ

الذكاء الاصطناعي الفائق (ASI)

الذكاء الاصطناعي الفائق (ASI) هو نظام ذكاء اصطناعي افتراضي تتجاوز قدراته المعرفية عبر كل مجال بشكل كبير تلك الخاصة بأكثر البشر قدرة. ويبقى مفهوماً نظرياً اعتباراً من عام 2026، يتجاوز بكثير حدود أي نظام موجود أو معلن.

الذكاء الاصطناعي المؤسسي (Enterprise AI)

يشير الذكاء الاصطناعي المؤسسي (Enterprise AI) إلى نشر أنظمة الذكاء الاصطناعي داخل المنظمات الكبيرة لأتمتة العمليات، وتعزيز صنع القرار، وتوليد قيمة الأعمال على نطاق واسع، مع التكامل مع البرمجيات المؤسسية والبنية التحتية ل

الذكاء الاصطناعي ذو السيادة (Sovereign AI)

يشير الذكاء الاصطناعي ذو السيادة إلى جهود وطنية أو إقليمية لتطوير والتحكم في البنية التحتية للذكاء الاصطناعي والنماذج وخطوط أنابيب البيانات على الصعيد المحلي — بدلاً من الاعتماد على مزودي خدمات تجاريين أجانب — للحفاظ على

الذكاء الاصطناعي مفتوح المصدر (Open-Source AI)

يشير الذكاء الاصطناعي مفتوح المصدر إلى نماذج أو أطر عمل أو أنظمة ذكاء اصطناعي تم الإفصاح عن أوزانها أو رموزها أو معمارها علنًا — مما يسمح لأي شخص بتنزيلها وفحصها وتعديلها ونشرها — على عكس النماذج المملوكة الخاصة المتاحة

المساعد المدمج (Copilot)

المساعد المدمج (Copilot) هو مساعد ذكاء اصطناعي مضمّن داخل تطبيق برمجي يوفر اقتراحات فورية، ويقوم بأتمتة المهام الجزئية، ويجيب على الأسئلة باللغة الطبيعية، مع إبقاء المستخدم البشري كصانع القرار الأساسي بدلاً من استبداله.

تنظيم الذكاء الاصطناعي (AI Regulation)

يشير تنظيم الذكاء الاصطناعي (AI Regulation) إلى القوانين والقواعد والمعايير التي تضعها الحكومات والهيئات التنظيمية لتنظيم تطوير ونشر واستخدام أنظمة الذكاء الاصطناعي، ومعالجة المخاطر مثل التمييز وفشل السلامة وانتهاكات الخ

خندق الذكاء الاصطناعي (AI Moat)

خندق الذكاء الاصطناعي هو ميزة تنافسية دائمة في الذكاء الاصطناعي يصعب على الخصوم تكرارها مثل بيانات التدريب المملوكة أو مقياس التوزيع أو المواهب المتخصصة أو الموافقة التنظيمية أو التكامل العميق في سير عمل العملاء.

روبوت الدردشة (Chatbot)

روبوت الدردشة (Chatbot) هو برنامج برمجي يُجري محادثات نصية أو صوتية مع المستخدمين، إما باتباع أشجار القرار المكتوبة مسبقاً أو، في التطبيقات الحديثة، بإنشاء استجابات حرة الشكل باستخدام نموذج لغة كبير.

سحابة وحدات معالجة الرسوميات (GPU Cloud)

سحابة وحدات معالجة الرسوميات، التي يُطلق عليها غالباً سحابة متخصصة للذكاء الاصطناعي، هي مزود بنية أساسية متخصص في تأجير مجموعات وحدات معالجة الرسوميات عالية الكثافة لتدريب الذكاء الاصطناعي والاستدلال، بدلاً من تقديم المح

غلاف الذكاء الاصطناعي (AI Wrapper)

غلاف الذكاء الاصطناعي هو منتج أو خدمة مبنية بواسطة استدعاء واجهة برمجية لنموذج ذكاء اصطناعي من جهة خارجية — مثل GPT من OpenAI أو Claude من Anthropic — مع إضافة واجهة مستخدم أو قوالب موجهات أو منطق سير عمل دون تدريب أو تع

قانون الاتحاد الأوروبي بشأن الذكاء الاصطناعي (EU AI Act)

قانون الاتحاد الأوروبي بشأن الذكاء الاصطناعي (EU AI Act) (اللائحة (EU) 2024/1689) هو أول تنظيم أفقي شامل للذكاء الاصطناعي في العالم، اعتمده الاتحاد الأوروبي في عام 2024، والذي يصنّف أنظمة الذكاء الاصطناعي حسب مستوى المخا

مختبر الذكاء الاصطناعي (AI Lab)

مختبر الذكاء الاصطناعي هو منظمة — داخل شركة أو جامعة أو منظمة غير ربحية — مكرسة لأبحاث وبناء أنظمة الذكاء الاصطناعي من النماذج الأساسية وتقنيات السلامة إلى الأدوات والواجهات البرمجية التطبيقية.

مزود الخدمات السحابية الضخم (Hyperscaler)

مزود الخدمات السحابية الضخم هو واحد من مجموعة صغيرة من موفري الخدمات السحابية - بشكل أساسي Amazon Web Services و Microsoft Azure و Google Cloud - الذي يشغل البنية الأساسية لمركز البيانات على نطاق كوكبي مع محافظ شاملة من

معيار الاستدلال والتجريد للذكاء الاصطناعي العام (ARC-AGI)

معيار ARC-AGI هو معيار مشاكل تشابه بصرية تتطلب من الأنظمة الاستدلال على قواعد التحويل من عدد قليل من أمثلة الإدخال والإخراج على شكل شبكات وتطبيقها على شبكات جديدة — مهام يحلها البشر بسهولة ولكنها أثبتت أنها مقاومة جدًا ل

معيار تقييم توليد الأكواد البشري (HumanEval)

معيار HumanEval هو معيار توليد أكواد يتضمن 164 مسألة برمجية بلغة Python من تأليف OpenAI عام 2021، يُستخدم لقياس قدرة نموذج لغة على إنتاج أكواد صحيحة وظيفيًا، مع التقييم عبر معيار pass@k.

معيار تقييم مهندسي البرمجيات (SWE-bench)

معيار SWE-bench هو معيار تقييم يقيّم أنظمة الترميز بالذكاء الاصطناعي على مهام هندسة البرمجيات الحقيقية من خلال مطالبتها بحل قضايا GitHub الفعلية في مستودعات Python مفتوحة المصدر، حيث يُعرّف النجاح على أنه إنتاج رقعة برمج

واجهة برمجة تطبيقات الذكاء الاصطناعي (AI API)

واجهة برمجة تطبيقات الذكاء الاصطناعي هي واجهة ويب موحدة تسمح للمطورين بإرسال البيانات إلى نموذج ذكاء اصطناعي مستضاف واستقبال النصوص المولدة أو التنبؤات أو مخرجات أخرى، دون الحاجة إلى نشر البنية الأساسية الخاصة بهم. يوفر

التقنيات والأساليب

آلية الانتباه (Attention Mechanism)

آلية الانتباه هي مكون شبكة عصبية يسمح للنموذج بترجيح ديناميكي لصلة مواضع الإدخال المختلفة عند حساب كل مخرج، مما يمكّن المعالجة الحساسة للسياق على التسلسلات ذات الطول التعسفي.

إعادة الترتيب (Reranking)

إعادة الترتيب هي تقنية استرجاع ثنائية المرحلة تسترجع أولاً مجموعة واسعة من المرشحين باستخدام طريقة مشفّر ثنائي سريعة أو طريقة كلمات رئيسية، ثم تعيد تسجيل المرشحين باستخدام نموذج محول-ترميز أكثر دقة وأبطأ لتحسين جودة التر

البحث الدلالي (Semantic Search)

البحث الدلالي هو طريقة استرجاع تطابق الاستعلامات مع الوثائق بناءً على المعنى المفاهيمي بدلاً من تداخل الكلمات الرئيسية، باستخدام متجهات التضمين ومقاييس التشابه لإظهار النتائج ذات الصلة بالسياق بغض النظر عن الصياغة الدقيق

التأسيس على المصادر الخارجية (Grounding)

التأسيس على المصادر الخارجية هو ممارسة ربط مخرجات نموذج اللغة الكبير بمصادر معلومات خارجية قابلة للتحقق—مثل المستندات المسترجعة أو نتائج البحث المباشر أو قواعس البيانات المنظمة—لتقليل الهلوسات وتحسين دقة الحقائق.

التضمين (Embedding)

التضمين هو متجه عددي كثيف وذو طول ثابت يمثل البيانات — مثل النصوص والصور والصوت — في فضاء عالي الأبعاد حيث تقع العناصر المتشابهة دلاليًا بالقرب من بعضها البعض هندسيًا.

التعرف البصري على الأحرف OCR (Optical Character Recognition)

التعرف البصري على الأحرف (OCR) هي تكنولوجيا تحول الصور التي تحتوي على نصوص مطبوعة أو مكتوبة بخط اليد إلى نصوص مشفرة آلياً وقابلة للتحرير. تمكّن أجهزة الكمبيوتر من قراءة ومعالجة المستندات التي توجد فقط في شكل بصري، مثل ال

التعلم السياقي (In-Context Learning)

التعلم السياقي هو قدرة نموذج اللغة الكبير على القيام بمهام جديدة بقراءة أمثلة أو تعليمات موضوعة مباشرة في موجه الإدخال، والتكيف مع السلوك في وقت الاستدلال دون أي تحديث لأوزانه.

التعلم بدون أمثلة (Zero-Shot Learning)

التعلم بدون أمثلة هو القدرة على نموذج التعلم الآلي على التعامل بشكل صحيح مع المهام أو تصنيف المدخلات من الفئات التي لم تُعرض أثناء التدريب، من خلال الاستفادة من العلاقات الدلالية المكتسبة والمعرفة المسبقة الموسعة.

التعلم من عدد قليل من الأمثلة (Few-Shot Learning)

التعلم من عدد قليل من الأمثلة هو نموذج تعليم آلي يتكيف فيه النموذج مع مهمة جديدة باستخدام عدد صغير فقط من الأمثلة المسمّاة—عادة ما يكون بين واحد وعشرين—بدلاً من مجموعات البيانات المسمّاة الكبيرة المطلوبة بواسطة التعلم ال

التقطيع (Chunking)

التقطيع هو عملية تقسيم الوثائق المصدرية إلى قطع نصية أصغر قبل تضمينها وتخزينها في قاعدة بيانات متجهة، مما يمكّن الاسترجاع الكفء والدقيق في أنظمة RAG والبحث.

التوليد المعزز بالاسترجاع (RAG)

التوليد المعزز بالاسترجاع (RAG) هي تقنية تسمح لنموذج اللغة بجلب مستندات ذات صلة من قاعدة معرفة خارجية قبل الإجابة والاستناد إلى تلك المستندات في إجابته. وهي تقلل من الهلوسات وتحافظ على تحديث الإجابات دون إعادة تدريب النم

التوليد المعزز بالاسترجاع الموكل (Agentic RAG)

التوليد المعزز بالاسترجاع الموكل هو معمارية يعمل فيها نموذج اللغة كعامل مستقل يقرر بشكل تكراري متى وماذا يسترجع من مصادر خارجية، مما يتيح الاستدلال متعدد الخطوات على استعلامات معقدة لا يمكن للاسترجاع بتمريرة واحدة حلها.

الرسم البياني للمعرفة (Knowledge Graph)

الرسم البياني للمعرفة هو قاعدة بيانات منظمة تمثل الكيانات في العالم الحقيقي كعقد والعلاقات الدلالية بينها كحواف مسمّاة، مما يمكّن الآلات من الانتقال عبر شبكات الحقائق ودعم استعلامات الاستدلال متعدد الخطوات.

المحث النظامي (System Prompt)

المحث النظامي هو مجموعة من التعليمات المُعطاة لنموذج اللغة قبل أي مدخل من المستخدم، تحدد دوره والقيود المفروضة عليه وتنسيق مخرجاته والقواعد السلوكية التي تستمر طوال المحادثة بأكملها.

المخرجات المنظمة (Structured Output)

المخرجات المنظمة هي تقنية لتقييد توليد نموذج اللغة بحيث يتوافق مع مخطط محدد مسبقاً — مثل JSON أو XML — بحيث يمكن للأنظمة اللاحقة تحليل النتيجة واستهلاكها بشكل موثوق دون الحاجة إلى استخراج نص هش وحساس.

توجيه النماذج (Model Routing)

توجيه النماذج هو ممارسة توجيه كل طلب استدلال ذكاء اصطناعي تلقائياً إلى النموذج الأنسب من مجموعة — موازنة التكلفة والزمن والجودة — بدلاً من إرسال جميع الاستفسارات إلى نموذج واحد.

قاعدة بيانات متجهة (Vector Database)

قاعدة بيانات متجهة هي مخزن بيانات مصمم خصيصاً لتخزين المتجهات العددية عالية الأبعاد وإجراء بحث سريع عن أقرب الجيران التقريبية (ANN) عبر ملايين أو مليارات منها، مما يمكّن الاسترجاع الدلالي بنطاق واسع.

هندسة السياق (Context Engineering)

هندسة السياق هي ممارسة تصميم وتجميع كل المعلومات المُعطاة بعمد لنافذة السياق في نموذج اللغة - بما في ذلك التعليمات والمستندات المسترجعة ومخرجات الأدوات وملخصات الذاكرة وسجل المحادثة - لزيادة أداء النموذج إلى أقصى حد على

هندسة المحثات (Prompt Engineering)

هندسة المحثات هي ممارسة تصميم وتحسين المدخلات النصية لتوجيه نماذج اللغة الكبيرة نحو مخرجات دقيقة ومتسقة أو ذات تنسيق محدد، باستخدام تقنيات مثل تحديد التعليمات والأمثلة القليلة والاستدلال السلسلي للتفكير وتعيين الدور.