معجم مصطلحات الذكاء الاصطناعي

Adam (المُحسِّن)

خوارزمية تحسين واسعة الانتشار تُكيِّف معدل التعلّم لكل معامل على حدة، فتجعل تدريب الشبكات العصبية أسرع وأكثر استقرارًا.

الوكيل الذكي (AI Agent)

نظام ذكاء اصطناعي يخطّط لمهام متعددة الخطوات وينفّذها بنفسه — يستدعي الأدوات، ويقرأ نتائجها، ويقرر الخطوة التالية — بدلاً من الاكتفاء بردّ واحد.

المواءمة (Alignment)

العمل على جعل سلوك نظام الذكاء الاصطناعي متوافقًا مع نوايا البشر وقيمهم — وهو ما يفسّر التزام النموذج بالتعليمات ورفضه الطلبات الضارة.

API (واجهة برمجة التطبيقات)

واجهة برمجية تتيح للبرامج التخاطب مع النموذج مباشرةً، متجاوزةً واجهة الدردشة — وتُعيد بيانات منظَّمة، وتُحتسب تكلفتها بحسب عدد الرموز (tokens).

آلية الانتباه (Attention Mechanism)

التقنية التي تتيح للنموذج تحديد مدى أهمية كل جزء من المُدخل عند إنتاج كل جزء من المُخرج — وهي العملية الجوهرية داخل كل نموذج Transformer.

الانتشار العكسي (Backpropagation)

الخوارزمية التي تُدرَّب بها الشبكات العصبية عبر نشر أخطاء التنبؤ إلى الخلف لتعديل كل وزن — وهي المحرك وراء معظم التعلّم العميق.

تسوية الدُّفعات (Batch Normalization)

تقنية تدريب تُوحِّد مدخلات كل طبقة، ما يتيح تدريب الشبكات الأعمق بسرعة واستقرار أكبر.

معيار القياس (Benchmark)

اختبار موحَّد يُستخدم لقياس النماذج ومقارنتها في مهام كالاستدلال والمعرفة والبرمجة — مفيد للترتيب، لكنه لا يغني أبدًا عن تجربة النموذج على عملك الخاص.

BERT (تمثيلات الترميز ثنائية الاتجاه من المحوّلات)

نموذج Transformer من نوع المُرمِّز (encoder) فقط، مدرَّب مسبقًا على قراءة النص في الاتجاهين معًا، ويُستخدم على نطاق واسع في مهام الفهم كالتصنيف والبحث والاستخلاص.

BLEU

مقياس آلي عريق لترجمة الآلة يُقيِّم المُخرَج بحسب مدى تطابق تسلسل كلماته مع ترجمات مرجعية بشرية.

النسيان الكارثي (Catastrophic Forgetting)

ميل الشبكة العصبية إلى فقدان مهارات تعلّمتها سابقًا عند تدريبها على بيانات جديدة — وهو تحدٍّ رئيسي أمام تحديث النماذج باستمرار.

سلسلة التفكير (Chain of Thought - CoT)

توجيه النموذج ليُفكِّر عبر خطوات وسيطة قبل إعطاء الإجابة النهائية، ما يحسّن دقّته في المسائل متعددة الخطوات.

ChatGPT

مساعد المحادثة من OpenAI، الذي أُطلق في نوفمبر 2022 وقرَّب نماذج اللغة الكبيرة المضبوطة بالتعليمات من الجمهور الواسع.

Claude

عائلة نماذج اللغة الكبيرة من Anthropic، المعروفة بنافذة سياق طويلة، واستدلال قوي، ونهج أمان يُسمّى الذكاء الاصطناعي الدستوري (Constitutional AI).

CNN (الشبكة العصبية الالتفافية)

بنية عصبية تستخدم مرشِّحات متعلَّمة لاكتشاف الأنماط المكانية، وهي الأساس الذي تقوم عليه الرؤية الحاسوبية الحديثة.

نافذة السياق (Context Window)

إجمالي كمية النص — مقاسة بالرموز (tokens) — التي يمكن للنموذج مراعاتها في طلب واحد، بما في ذلك تعليمات النظام وسجل المحادثة والمرفقات والرد الجاري توليده.

انظر: أداة تصور نافذة السياق (Context Window Visualizer).

التشابه الجيبي (Cosine Similarity)

مقياس لمدى تشابه متجهين بحساب الزاوية بينهما — الطريقة المعيارية لمقارنة المتجهات الدلالية (embeddings) في البحث وRAG.

DALL·E

نموذج تحويل النص إلى صورة من OpenAI، يولّد صورًا من أوصاف بلغة طبيعية، وقد أرسى شعبية توليد الصور عبر الأوامر النصية (prompts).

نموذج الانتشار (Diffusion Model)

نموذج توليدي يتعلّم إنشاء البيانات بعكس عملية تدريجية لإضافة الضجيج — وهي التقنية وراء معظم توليد الصور بالذكاء الاصطناعي اليوم.

DPO (التحسين المباشر للتفضيلات)

طريقة مواءمة تُدرِّب النموذج مباشرةً على أزواج من التفضيلات البشرية باستخدام دالة خسارة تصنيفية بسيطة، متجاوزةً نموذج المكافأة المنفصل المستخدم في RLHF.

التسريب (Dropout)

تقنية تنظيم تُعطِّل عصبونات عشوائية أثناء التدريب لمنع الإفراط في التخصيص (overfitting) وتحسين قدرة النموذج على التعميم.

التضمين (Embedding)

قائمة من الأرقام تمثّل معنى مقطع نصي، بحيث تتقارب العناصر المتشابهة دلاليًا في الفضاء المتجهي.

التوجيه بأمثلة قليلة (Few-Shot Prompting)

تزويد النموذج بعدد قليل من الأمثلة المحلولة داخل الطلب حتى يستنتج النمط قبل الإجابة.

الضبط الدقيق (Fine-Tuning)

مواصلة تدريب نموذج مُدرَّب مسبقًا على بيانات إضافية متخصصة ليتكيّف مع مجال أو مهمة أو أسلوب معيّن، من دون بنائه من الصفر.

GAN (الشبكة التوليدية التنافسية)

بنية توليدية تُدرِّب شبكتين تتنافسان مع بعضهما — مولِّد يصنع بيانات مزيّفة، ومُميِّز يحاول كشف هذا التزييف.

Gemini

عائلة نماذج Google DeepMind متعددة الوسائط أصلاً، المصمَّمة للاستدلال المشترك عبر النص والصور والصوت والفيديو.

GPT (المحوّل التوليدي المدرَّب مسبقًا)

عائلة من نماذج Transformer من نوع المُفكِّك (decoder) فقط، تُدرَّب مسبقًا على التنبؤ بالرمز التالي في مجموعات نصية ضخمة، ثم تُكيَّف لمهام لاحقة.

Grok

نموذج ومساعد الذكاء الاصطناعي من xAI، المدمج مع منصة X، والمتمحور حول المعلومات اللحظية وأسلوب حواري.

الهلوسة (Hallucination)

حين ينتج نموذج اللغة نصًا يبدو سلسًا وواثقًا لكنه غير صحيح واقعيًا أو غير مدعوم بمصادره.

التعلّم من السياق (In-Context Learning)

قدرة النموذج على تعلّم مهمة من أمثلة أو تعليمات موضوعة داخل الطلب وقت الاستدلال، من دون أي تغيير في أوزانه.

الضبط بالتعليمات (Instruction Tuning)

ضبط دقيق للنموذج على مهام عديدة صيغت كتعليمات بلغة طبيعية، بحيث يتّبع التعليمات الجديدة جيدًا حتى في مهام لم يرها أثناء التدريب.

الاختراق (Jailbreak)

طلب مصمَّم خصيصًا لتجاوز تدريب النموذج على الأمان ودفعه لإنتاج محتوى من المفترض أن يرفضه.

التقطير المعرفي (Knowledge Distillation)

تدريب نموذج "تلميذ" أصغر على تقليد نموذج "معلّم" أكبر، لنقل معظم قدراته إلى نموذج أرخص وأسرع.

الرسم المعرفي (Knowledge Graph)

شبكة منظَّمة من الكيانات والعلاقات بينها، تُستخدم لتخزين الحقائق بصيغة يمكن للآلات الاستعلام عنها والاستدلال منها.

زمن الاستجابة (Latency)

الفاصل الزمني بين إرسال الطلب واستلام الرد. تزيد النماذج الأكبر والسياقات الأطول من زمن الاستجابة — وهو أبرز مفاضلة بين السرعة والقدرة في منتجات الذكاء الاصطناعي.

Llama

عائلة نماذج اللغة الكبيرة المفتوحة من Meta، التي كان لها أثر كبير في إتاحة نماذج قوية يمكن تشغيلها محليًا للباحثين والمطوّرين.

LLM (نموذج اللغة الكبير)

شبكة عصبية مدرَّبة على كميات هائلة من النصوص للتنبؤ بالرمز التالي، ما يمنحها فهمًا وإنتاجًا لغويًا عام الغرض.

LoRA (التكيّف المنخفض الرتبة)

طريقة ضبط دقيق فعّالة من حيث المعاملات، تُكيِّف نموذجًا كبيرًا بتدريب مصفوفات صغيرة مضافة مع تجميد الأوزان الأصلية.

LSTM (الذاكرة الطويلة القصيرة المدى)

تصميم شبكة عصبية تكرارية بآلية بوّابات يمكنها تذكّر المعلومات عبر تسلسلات طويلة — وكانت العمود الفقري لنمذجة التسلسلات قبل ظهور Transformer.

MCP (بروتوكول سياق النموذج)

معيار مفتوح لربط مساعدات الذكاء الاصطناعي بأدوات ومصادر بيانات خارجية عبر واجهة موحَّدة، بحيث تُبنى عمليات التكامل مرة واحدة وتُستخدم عبر نماذج متعددة.

مزيج الخبراء (Mixture of Experts - MoE)

بنية توجّه كل مُدخل إلى عدد قليل من الشبكات الفرعية المتخصصة بدلاً من النموذج بأكمله، ما يمنح سعة كبيرة بتكلفة أقل لكل استعلام.

بطاقة النموذج (Model Card)

وثيقة موجزة وموحَّدة تصف الاستخدام المقصود للنموذج، وأداءه عبر الفئات المختلفة، وحدوده — تشجيعًا على إصدار شفاف ومسؤول.

متعدد الوسائط (Multimodal)

نموذج يعمل عبر أكثر من نوع واحد من البيانات — كالنص والصور والصوت والفيديو — ضمن النظام نفسه.

أخذ العينات النووي (Nucleus Sampling - Top-p)

طريقة فك ترميز تختار الرمز التالي من أصغر مجموعة تصل احتمالاتها مجتمعة إلى p، متجنِّبةً كلاً من النص المكرَّر وغير المتماسك.

Perplexity

مقياس داخلي معياري لجودة نموذج اللغة: مدى "استغرابه" لنص لم يرَه أثناء التدريب. كلما انخفضت قيمة Perplexity، كان تنبؤ النموذج بالنص الحقيقي أفضل.

الطلب (Prompt)

النص الذي تقدّمه للنموذج لاستدعاء رد منه. تؤثر الصياغة والأمثلة والبنية تأثيرًا كبيرًا في جودة المُخرَج.

حقن الطلبات (Prompt Injection)

هجوم يُهرِّب تعليمات ضارة إلى مُدخل النموذج — مباشرةً أو عبر محتوى مسترجَع — بهدف تجاوز تعليمات النظام أو السيطرة على سلوكه.

التكميم (Quantization)

تخزين أوزان النموذج بدقة عددية أقل لتقليل استهلاك الذاكرة وتسريع الاستدلال، عادةً مع خسارة طفيفة في الجودة.

RAG (التوليد المعزَّز بالاسترجاع)

تقنية تسترجع مستندات ذات صلة وقت الاستعلام وتقدّمها لنموذج اللغة، بحيث تكون إجابته مستندة إلى مصادر حقيقية لا إلى الذاكرة وحدها.

الفريق الأحمر (Red Teaming)

اختبار النموذج عمدًا بمدخلات عدائية لكشف أي سلوك ضار أو غير آمن أو مخالف للسياسات قبل إطلاقه.

إعادة الترتيب (Reranking)

مرحلة استرجاع ثانية تُعيد تقييم مجموعة أولية من المقاطع المرشَّحة بنموذج أدق، فترفع الأكثر صلة إلى القمة.

RLHF (التعلّم المعزَّز من التغذية الراجعة البشرية)

طريقة تدريب تستخدم تقييمات تفضيل بشرية لتعليم النموذج الردود التي يفضّلها الناس فعليًا، ما يجعله أكثر فائدة وأفضل مواءمة.

ROUGE

مجموعة من المقاييس الآلية للتلخيص تقيس مدى التطابق بين النص المولَّد والملخصات المرجعية البشرية.

قوانين التوسّع (Scaling Laws)

علاقات تجريبية تُظهر كيف يتحسّن أداء النموذج بشكل يمكن التنبؤ به مع زيادة المعاملات والبيانات والحوسبة.

الاتساق الذاتي (Self-Consistency)

طريقة استدلال تولّد عدة سلاسل تفكير للسؤال نفسه، وتعتمد الإجابة التي يتفق عليها معظمها.

من تسلسل إلى تسلسل (Sequence-to-Sequence - Seq2Seq)

بنية عصبية من نوع مُرمِّز-مُفكِّك تحوّل تسلسلاً إلى آخر — وهي التصميم الذي أتاح الترجمة الآلية العصبية، ثم لاحقًا الدردشة التوليدية.

فك الترميز التخميني (Speculative Decoding)

تقنية لتسريع الاستدلال يُسوِّد فيها نموذج صغير وسريع عدة رموز يتحقق منها نموذج كبير بالتوازي — إنتاج أسرع بنتائج مطابقة تمامًا.

Stable Diffusion

نموذج مفتوح لتحويل النص إلى صورة يعتمد الانتشار الكامن، أتاح توليد صور عالية الجودة على أجهزة الحوسبة الاستهلاكية العادية.

البث (Streaming)

إرسال رد النموذج رمزًا بعد رمز أثناء توليده، بدل انتظار الإجابة كاملة، بحيث يظهر النص تدريجيًا.

تعليمات النظام (System Prompt)

تعليمات خفية ذات أولوية عالية تحدّد دور النموذج ونبرته وقواعده قبل بدء المحادثة، وتؤطّر كل رد يليها.

درجة الحرارة (Temperature)

إعداد يتحكّم في العشوائية في مُخرَج النموذج: درجة الحرارة المنخفضة تعطي إجابات مركَّزة وقابلة للتكرار، والمرتفعة تعطي إجابات أكثر تنوعًا وإبداعًا.

الرمز (Token)

الوحدة التي يقرؤها نموذج اللغة ويكتبها فعليًا — وعادةً ما تكون جزءًا من كلمة لا كلمة كاملة. تُقاس حدود السياق والتسعير والسرعة كلها بالرموز.

انظر: أداة عدّ الرموز (AI Token Counter).

استخدام الأدوات / استدعاء الدوال (Tool Use / Function Calling)

السماح للنموذج بتشغيل دوال خارجية — كالبحث في الويب، أو تشغيل كود، أو الاستعلام من قاعدة بيانات — واستخدام النتائج المُعادة ضمن إجابته.

Transformer

بنية الشبكة العصبية التي تقوم عليها تقريبًا كل نماذج اللغة الكبيرة الحديثة، وترتكز على آلية تُسمّى الانتباه الذاتي (self-attention) بدلاً من التكرار أو الالتفاف.

شجرة الأفكار (Tree of Thoughts - ToT)

إطار استدلال يتيح للنموذج استكشاف مسارات حلول متفرّعة متعددة، وتقييمها، والتراجع عنها عند الحاجة — أشبه بالبحث المتعمَّد منه بتخمين واحد.

VAE (المُرمِّز التلقائي التبايني)

نموذج توليدي يتعلّم فضاءً كامنًا احتماليًا، ما يتيح له ضغط البيانات وأخذ عيّنات جديدة منها في آن واحد.

قاعدة البيانات المتجهية (Vector Database)

قاعدة بيانات تُفهرس وتبحث بحسب تشابه التضمينات (embeddings) بدلاً من التطابق الحرفي، ما يتيح لها إيجاد محتوى ذي صلة دلالية في أجزاء من الثانية.

Vision Transformer (ViT)

نموذج Transformer يُطبَّق مباشرةً على مقاطع الصورة، ويُظهر أن البنية التي تقوم عليها نماذج اللغة تتفوّق أيضًا في الرؤية الحاسوبية.

العلامة المائية (Watermarking)

تضمين إشارة خفية يمكن كشفها إحصائيًا داخل النص المولَّد بالذكاء الاصطناعي، ليتسنّى لاحقًا التعرّف عليه كنص آلي المصدر.

Whisper

نموذج التعرّف على الكلام من OpenAI، مدرَّب على مجموعة صوتية ضخمة ومتنوّعة لتفريغ الكلام وترجمته بموثوقية عبر لغات متعددة.

التوجيه بلا أمثلة (Zero-Shot Prompting)

مطالبة النموذج بأداء مهمة من دون أي أمثلة محلولة، بالاعتماد كليًا على التعليمة ومعرفة النموذج المكتسبة أثناء التدريب.