قاموس مصطلحات الذكاء الاصطناعي

مرجعك الشامل لمصطلحات الذكاء الاصطناعي بالعربية.
يضم 110 مصطلحاً — يُحدّث تلقائياً كل أسبوع.

ا

آلية الانتباه
(Attention Mechanism)

تقنية تساعد نماذج الذكاء الاصطناعي على التركيز على الأجزاء المهمة من النص عند معالجته. تشبه طريقة انتباه الإنسان عندما يركز على كلمات محددة لفهم المعنى العام.

اختبار الأداء المعياري
(Benchmark)

مجموعة من البيانات والمهام المعيارية المستخدمة لقياس أداء نماذج الذكاء الاصطناعي ومقارنتها. يوفر طريقة موحدة لتقييم مدى جودة النماذج المختلفة في أداء مهام محددة.

أخذ العينات النواتية
(Top-P Sampling)

تقنية توليد النص التي تختار الكلمة التالية من مجموعة كلمات تشكل نسبة معينة من إجمالي الاحتمالات. تحقق توازناً بين الدقة والتنوع في النصوص المولدة.

أخذ العينات بأعلى ك
(Top-K Sampling)

طريقة لاختيار الكلمة التالية في توليد النص من خلال اختيار عدد محدد من أفضل الكلمات المحتملة. تحسن هذه الطريقة جودة النص المولد وتقلل من احتمالية اختيار كلمات غير مناسبة.

أخلاقيات الذكاء الاصطناعي
(AI Ethics)

دراسة المبادئ الأخلاقية والقيم التي يجب مراعاتها عند تطوير واستخدام تقنيات الذكاء الاصطناعي. تشمل قضايا مثل العدالة والخصوصية والشفافية في القرارات التي تتخذها الأنظمة الذكية.

استخدام الأدوات
(Tool Use)

قدرة نماذج الذكاء الاصطناعي على استخدام أدوات وتطبيقات خارجية لإنجاز المهام مثل البحث في الإنترنت أو إجراء العمليات الحسابية. يوسع من قدرات النموذج الأساسية.

استدعاء الدوال
(Function Calling)

ميزة في نماذج الذكاء الاصطناعي تسمح لها بتحديد واستدعاء وظائف أو خدمات برمجية محددة عند الحاجة. تمكن النموذج من التفاعل مع الأنظمة الخارجية بطريقة منظمة.

الاستدلال
(Inference)

عملية استخدام نموذج الذكاء الاصطناعي المدرب لمعالجة بيانات جديدة وإنتاج النتائج أو الإجابات. تشبه تطبيق المعرفة المكتسبة على مواقف جديدة.

الإفراط في التخصيص
(Overfitting)

مشكلة تحدث عندما يحفظ نموذج الذكاء الاصطناعي بيانات التدريب بدلاً من فهم الأنماط العامة، مما يجعله يؤدي بشكل سيء مع بيانات جديدة. يشبه الطالب الذي يحفظ الإجابات بدلاً من فهم المفاهيم.

الأمر النصي
(Prompt)

النص أو السؤال الذي يُدخله المستخدم لنموذج الذكاء الاصطناعي لتوجيهه نحو المهمة المطلوبة. يعمل كتعليمة أو استفسار يحدد نوع الاستجابة المرغوب فيها.

الانتباه الذاتي
(Self-Attention)

نوع من آلية الانتباه حيث يقوم النموذج بفحص العلاقات بين جميع كلمات النص مع بعضها البعض. يساعد في فهم كيف تؤثر كل كلمة على معنى الكلمات الأخرى في السياق.

الانتشار العكسي
(Backpropagation)

تقنية تدريب الشبكات العصبية تعمل على نشر الأخطاء من الطبقة النهائية إلى الطبقات السابقة لتحديث الأوزان. تمكن النموذج من التعلم من أخطائه وتحسين أداؤه تدريجياً.

الانحدار التدريجي
(Gradient Descent)

خوارزمية تحسين تعمل على تقليل الأخطاء في النموذج بشكل تدريجي من خلال تعديل المعاملات في الاتجاه الذي يقلل الخطأ. تشبه البحث عن أدنى نقطة في الوادي عبر النزول التدريجي.

أمان الذكاء الاصطناعي
(AI Safety)

مجال بحثي يهدف لضمان أن أنظمة الذكاء الاصطناعي تعمل بطريقة آمنة ولا تسبب ضرراً للبشر أو المجتمع. يشمل تطوير تقنيات للتحكم في سلوك الذكاء الاصطناعي ومنع الاستخدامات الضارة.

ب

البحث الدلالي
(Semantic Search)

نوع من البحث يفهم معنى ومقصد الاستفسار وليس فقط الكلمات المطابقة. يستطيع العثور على نتائج ذات صلة حتى لو لم تحتوِ على نفس الكلمات المستخدمة في البحث.

البيانات الاصطناعية
(Synthetic Data)

بيانات يتم إنشاؤها بواسطة خوارزميات الحاسوب بدلاً من جمعها من العالم الحقيقي. تستخدم لتدريب نماذج الذكاء الاصطناعي عندما تكون البيانات الحقيقية غير متوفرة أو صعبة الحصول عليها.

ت

التأريض
(Grounding)

عملية ربط إجابات الذكاء الاصطناعي بمصادر معلومات موثقة وقابلة للتحقق. يضمن أن النموذج يعتمد على حقائق محددة بدلاً من توليد معلومات غير دقيقة من تلقاء نفسه.

التحيز
(Bias)

ميل نموذج الذكاء الاصطناعي نحو نتائج أو قرارات معينة بناءً على التحيزات الموجودة في بيانات التدريب. يشبه التحيز الإنساني حيث تؤثر الخلفية والتجارب السابقة على القرارات.

التدريب
(Training)

عملية تعليم نموذج الذكاء الاصطناعي من خلال عرض كميات كبيرة من البيانات عليه ليتعلم الأنماط والعلاقات. تشبه تعليم الطفل من خلال الأمثلة والتكرار.

التدريب المسبق
(Pre-Training)

المرحلة الأولى من تدريب النماذج الذكية على كميات ضخمة من البيانات العامة لإكسابها معرفة أساسية واسعة. يشبه التعليم الأساسي قبل التخصص، ويشكل الأساس للتدريب المتقدم لاحقاً.

الترميز اللغوي
(Tokenization)

عملية تقسيم النص إلى وحدات صغيرة تسمى الرموز اللغوية لتسهيل معالجتها بواسطة نماذج الذكاء الاصطناعي. تشبه تقطيع الجملة إلى قطع يمكن للكمبيوتر فهمها وتحليلها.

التزييف العميق
(Deepfake)

تقنية تستخدم الذكاء الاصطناعي لإنشاء محتوى مزيف مقنع مثل فيديوهات أو تسجيلات صوتية لأشخاص حقيقيين. يمكن أن تكون مثيرة للجدل بسبب إمكانية استخدامها في نشر المعلومات المضللة.

التضمين
(Embedding)

طريقة لتحويل الكلمات أو النصوص إلى أرقام ومعادلات رياضية يمكن للكمبيوتر فهمها والتعامل معها. يحافظ على المعنى والعلاقات بين الكلمات في شكل رقمي.

التعرف الضوئي على الحروف
(OCR)

تقنية تحول النصوص المكتوبة في الصور أو المستندات الممسوحة ضوئياً إلى نص قابل للتحرير والبحث. تُستخدم في رقمنة الكتب والوثائق وقراءة لوحات السيارات تلقائياً.

التعرف على الكيانات المسماة
(Named Entity Recognition)

عملية تحديد وتصنيف العناصر المهمة في النص مثل أسماء الأشخاص والأماكن والشركات والتواريخ. تساعد في فهم محتوى النصوص واستخراج المعلومات المفيدة منها تلقائياً.

التعلم الآلي
(Machine Learning)

طريقة لتعليم أجهزة الكمبيوتر من خلال تحليل البيانات واكتشاف الأنماط فيها، بدلاً من برمجتها بتعليمات محددة مسبقاً. يمكن للنظام تحسين أدائه تلقائياً مع تعرضه لمزيد من البيانات.

التعلم الخاضع للإشراف
(Supervised Learning)

طريقة تدريب تشبه تعليم الطالب بواسطة معلم، حيث يتم تزويد النظام بأمثلة تحتوي على الأسئلة والإجابات الصحيحة. يتعلم النظام من هذه الأمثلة ليتمكن من التنبؤ بالإجابات لبيانات جديدة.

التعلم الذاتي الإشراف
(Self-Supervised Learning)

طريقة ذكية للتعلم حيث ينشئ النظام مهام التدريب بنفسه من البيانات المتاحة، مثل إخفاء جزء من النص ومحاولة توقعه. يجمع بين مزايا التعلم الخاضع للإشراف وغير الخاضع للإشراف.

التعلم العميق
(Deep Learning)

نوع متقدم من التعلم الآلي يستخدم شبكات عصبية معقدة متعددة الطبقات لتحليل البيانات. يشبه طريقة عمل الدماغ البشري ويتفوق في مهام مثل التعرف على الصور والكلام.

التعلم المعزز
(Reinforcement Learning)

طريقة تعلم تشبه تدريب الحيوانات الأليفة، حيث يتعلم النظام من خلال التجربة والخطأ ويحصل على مكافآت عند اتخاذ قرارات صحيحة. يستخدم في تطوير الروبوتات والألعاب الذكية.

التعلم المعزز من التغذية الراجعة البشرية
(RLHF)

طريقة لتحسين نماذج الذكاء الاصطناعي من خلال استخدام تقييمات وتفضيلات البشر كإشارات لتوجيه عملية التعلم. تساعد في جعل إجابات النموذج أكثر فائدة وملاءمة للاستخدام البشري.

التعلم الموحد
(Federated Learning)

طريقة تدريب نماذج الذكاء الاصطناعي باستخدام بيانات موزعة على أجهزة متعددة دون نقل البيانات إلى خادم مركزي. يحافظ على خصوصية البيانات ويسمح بالاستفادة من المعلومات المحلية.

التعلم بالنقل
(Transfer Learning)

تقنية تشبه تطبيق المهارات المكتسبة في مجال على مجال آخر، حيث يستخدم النظام المعرفة من مهمة سابقة لحل مهمة جديدة مشابهة. يوفر الوقت والموارد في التدريب.

التعلم بأمثلة قليلة
(Few-Shot Learning)

قدرة نموذج الذكاء الاصطناعي على تعلم مهام جديدة من خلال رؤية عدد قليل فقط من الأمثلة. يحاكي قدرة البشر على التعلم السريع من خبرات محدودة.

التعلم بدون أمثلة
(Zero-Shot Learning)

قدرة نموذج الذكاء الاصطناعي على أداء مهام جديدة لم يسبق له رؤيتها أثناء التدريب، معتمداً على فهمه العام والوصف النصي للمهمة. يمثل شكلاً متقدماً من التعميم.

التعلم ضمن السياق
(In-Context Learning)

قدرة نماذج اللغة الكبيرة على تعلم مهام جديدة من خلال الأمثلة المعطاة في نفس المحادثة أو النص. يحدث التعلم دون تعديل أوزان النموذج الأساسية.

التعلم غير الخاضع للإشراف
(Unsupervised Learning)

طريقة تعلم تشبه الاكتشاف الذاتي، حيث يحلل النظام البيانات بدون معرفة الإجابات الصحيحة مسبقاً. يكتشف الأنماط والعلاقات المخفية في البيانات مثل تجميع العملاء حسب سلوكهم الشرائي.

التعليق التوضيحي
(Annotation)

عملية إضافة معلومات إضافية أو شروحات للبيانات لمساعدة نماذج الذكاء الاصطناعي على فهمها بشكل أفضل. يشبه كتابة ملاحظات توضيحية على هامش كتاب لشرح المحتوى.

التقليم
(Pruning)

عملية إزالة الروابط أو العصبونات غير المهمة من الشبكة العصبية لتقليل حجمها وتسريع أداءها. يشبه تقليم الأشجار حيث تُزال الأجزاء غير الضرورية للحصول على نموذج أكثر كفاءة.

التكميم
(Quantization)

تقنية تقليل حجم النموذج وتسريعه عبر تقليل دقة الأرقام المستخدمة في حسابات النموذج. تحول الأرقام عالية الدقة إلى أرقام أبسط مما يوفر الذاكرة ويسرع العمليات.

التكيف منخفض الرتبة
(LoRA)

تقنية لتحسين نماذج الذكاء الاصطناعي الكبيرة بطريقة فعالة من ناحية الذاكرة والحوسبة. تسمح بتعديل جزء صغير من النموذج بدلاً من إعادة تدريب النموذج بأكمله، مما يوفر الوقت والموارد.

التوليد المعزز بالاسترجاع
(Retrieval-Augmented Generation)

تقنية تجمع بين البحث في قواعد البيانات وتوليد النصوص لإنتاج إجابات أكثر دقة ومعلوماتية. يبحث النظام عن معلومات ذات صلة من مصادر موثوقة ثم يستخدمها لتوليد استجابة شاملة.

التوليد المعزز بالاسترجاع (RAG)
(RAG)

اختصار لتقنية التوليد المعزز بالاسترجاع التي تحسن جودة الإجابات المولدة بربطها بمعلومات خارجية محدثة. تساعد في تقليل الأخطاء وتوفير معلومات أكثر دقة وحداثة.

تجزئة الصور
(Image Segmentation)

عملية تقسيم الصورة إلى مناطق أو أجزاء منفصلة بناءً على خصائص مشتركة مثل اللون أو الملمس. تساعد في فهم محتوى الصورة بتفصيل أكبر وتحليل كل جزء بشكل منفصل.

تحليل المشاعر
(Sentiment Analysis)

عملية تحليل النصوص لتحديد المشاعر أو الآراء المعبر عنها، سواء كانت إيجابية أو سلبية أو محايدة. يُستخدم في تحليل تعليقات العملاء على المنتجات أو مراقبة الآراء في وسائل التواصل الاجتماعي.

تحويل الكلام إلى نص
(Speech-to-Text)

تقنية تحول الكلام المنطوق إلى نص مكتوب بدقة عالية. تستخدم في التفريغ الآلي للمحاضرات والمقابلات وأنظمة التحكم الصوتي في الأجهزة الذكية.

تحويل النص إلى صورة
(Text-to-Image)

تقنية ذكاء اصطناعي تنتج صوراً بناءً على وصف نصي مكتوب. يمكن للمستخدم وصف المشهد أو الصورة المطلوبة بالكلمات ويقوم النظام بإنشاء صورة مطابقة للوصف.

تحويل النص إلى فيديو
(Text-to-Video)

تقنية متقدمة تنشئ مقاطع فيديو متحركة بناءً على وصف نصي. تجمع بين توليد الصور والحركة لإنتاج فيديوهات قصيرة تطابق المحتوى المكتوب.

تحويل النص إلى كلام
(Text-to-Speech)

تقنية تحول النص المكتوب إلى كلام مسموع بأصوات طبيعية. تستخدم في القراءة الآلية والمساعدات الصوتية وتطبيقات إمكانية الوصول للأشخاص ذوي الإعاقة البصرية.

تصنيف البيانات
(Data Labeling)

عملية إضافة تسميات أو تصنيفات للبيانات لتعليم نماذج الذكاء الاصطناعي التمييز بينها. مثل وضع ملصقات على صور القطط والكلاب لتعليم النموذج الفرق بينهما.

تعزيز البيانات
(Data Augmentation)

تقنية لزيادة حجم وتنوع مجموعة البيانات المتاحة للتدريب من خلال إنشاء نسخ معدلة من البيانات الأصلية. تساعد في تحسين أداء النماذج وتقليل مشكلة عدم كفاية البيانات.

تقطير النموذج
(Model Distillation)

عملية نقل المعرفة من نموذج كبير ومعقد إلى نموذج أصغر وأبسط مع الحفاظ على معظم الأداء. يهدف إلى إنتاج نماذج أسرع وأقل استهلاكاً للموارد مع دقة مقبولة.

ح

الحقبة التدريبية
(Epoch)

دورة تدريبية كاملة يمر فيها النموذج على جميع البيانات التدريبية مرة واحدة. عادة ما يحتاج النموذج للمرور عبر عدة حقب ليتعلم الأنماط في البيانات بشكل جيد.

حجم الدفعة
(Batch Size)

عدد عينات البيانات التي يعالجها النموذج في كل مرة قبل تحديث معاملاته. الدفعة الأكبر توفر استقراراً أكثر بينما الأصغر تسمح بتحديثات أكثر تكراراً.

حواجز الأمان
(Guardrails)

قواعد وقيود تُطبق على أنظمة الذكاء الاصطناعي لمنعها من إنتاج محتوى ضار أو غير مناسب. تضمن أن النظام يعمل ضمن حدود آمنة ومقبولة أخلاقياً.

د

دالة التنشيط
(Activation Function)

دالة رياضية تحدد متى يجب على العصبون في الشبكة العصبية أن ينشط أو يرسل إشارة للطبقة التالية. تضيف التعقيد والقدرة على التعلم للنماذج البسيطة.

دالة الخسارة
(Loss Function)

معادلة رياضية تقيس مقدار الخطأ بين التوقعات الفعلية للنموذج والنتائج الصحيحة. توجه عملية التدريب نحو تقليل هذا الخطأ للوصول إلى نموذج أكثر دقة.

درجة الحرارة (في التوليد)
(Temperature)

إعداد يتحكم في مستوى الإبداع والعشوائية في النصوص المولدة من الذكاء الاصطناعي. درجة حرارة منخفضة تنتج نصوصاً أكثر تحفظاً ودقة، بينما الدرجة العالية تنتج نصوصاً أكثر إبداعاً وتنوعاً.

ذ

الذكاء الاصطناعي
(Artificial Intelligence)

تقنية تمكن أجهزة الكمبيوتر من محاكاة القدرات الذهنية البشرية مثل التفكير والتعلم واتخاذ القرارات. يشمل تطبيقات متنوعة من التعرف على الصوت والصورة إلى الروبوتات الذكية.

الذكاء الاصطناعي التوليدي
(Generative AI)

تقنية تمكن أجهزة الكمبيوتر من إنتاج محتوى جديد مثل النصوص والصور والموسيقى استناداً إلى البيانات التي تعلمت منها. يشمل تطبيقات مثل كتابة المقالات وتصميم الصور.

الذكاء الاصطناعي الضيق
(Narrow AI)

أنظمة ذكاء اصطناعي مصممة لأداء مهام محددة ومحدودة مثل التعرف على الصور أو الترجمة. يمثل معظم تطبيقات الذكاء الاصطناعي الحالية ولا يستطيع العمل خارج نطاق تخصصه.

الذكاء الاصطناعي الطرفي
(Edge AI)

تشغيل نماذج الذكاء الاصطناعي محلياً على الجهاز نفسه بدلاً من الاعتماد على الخوادم السحابية. يوفر سرعة أكبر وخصوصية أفضل ويقلل الحاجة لاتصال الإنترنت المستمر.

الذكاء الاصطناعي العام
(Artificial General Intelligence)

نوع من الذكاء الاصطناعي المتقدم القادر على فهم وحل أي مهمة ذهنية يستطيع الإنسان القيام بها. لا يزال هذا المستوى من الذكاء غير متحقق حالياً ويعتبر هدفاً مستقبلياً للبحث.

الذكاء الاصطناعي القابل للتفسير
(Explainable AI)

أنظمة ذكاء اصطناعي مصممة بحيث يمكن للبشر فهم كيفية وصولها لقراراتها ونتائجها. يهدف لجعل عمليات الذكاء الاصطناعي شفافة وقابلة للفهم بدلاً من كونها صندوقاً أسود مغلقاً.

الذكاء الاصطناعي المسؤول
(Responsible AI)

منهج شامل لتطوير واستخدام الذكاء الاصطناعي بطريقة تراعي التأثيرات الاجتماعية والأخلاقية والبيئية. يشمل ضمان العدالة والشفافية والمساءلة في جميع مراحل دورة حياة النظام.

الذكاء الاصطناعي الوكيلي
(Agentic AI)

أنظمة ذكاء اصطناعي قادرة على العمل بشكل مستقل واتخاذ قرارات وتنفيذ إجراءات لتحقيق أهداف محددة. تحاكي سلوك الوكلاء الأذكياء في قدرتها على التخطيط والتصرف.

الذكاء الاصطناعي متعدد الوسائط
(Multimodal AI)

نظام ذكي يمكنه فهم ومعالجة أنواع مختلفة من البيانات معاً مثل النص والصور والصوت. يحاكي الطريقة التي يفهم بها الإنسان العالم من خلال حواس متعددة.

الذكاء الاصطناعي مفتوح المصدر
(Open Source AI)

نماذج وأدوات الذكاء الاصطناعي التي يتم نشر كودها المصدري للعموم بحيث يمكن لأي شخص استخدامها وتعديلها مجاناً. هذا يتيح للباحثين والمطورين الوصول الكامل للتقنية دون قيود.

الذكاء الخارق
(Superintelligence)

مستوى افتراضي من الذكاء الاصطناعي يفوق القدرات البشرية في جميع المجالات بشكل كبير. يعتبر موضوعاً نظرياً يناقش احتمالية تطوير ذكاء اصطناعي أقوى بكثير من العقل البشري.

ر

الرؤية الحاسوبية
(Computer Vision)

تقنية تمكن أجهزة الكمبيوتر من “رؤية” وفهم المحتوى المرئي في الصور ومقاطع الفيديو. تستخدم في تطبيقات مثل التعرف على الوجوه والسيارات ذاتية القيادة والتشخيص الطبي.

الرمز اللغوي
(Token)

أصغر وحدة نصية يمكن لنموذج الذكاء الاصطناعي فهمها ومعالجتها، قد تكون كلمة أو جزء من كلمة أو رمز ترقيم. يُستخدم لتقسيم النص إلى أجزاء قابلة للمعالجة الحاسوبية.

الروبوتات
(Robotics)

علم تصميم وبناء الآلات الذكية التي تستطيع أداء مهام فيزيائية في العالم الحقيقي. تجمع بين الهندسة الميكانيكية والذكاء الاصطناعي لإنجاز أعمال متنوعة من التصنيع إلى الخدمات المنزلية.

رسم المعرفة
(Knowledge Graph)

شبكة منظمة من المعلومات تربط بين الكيانات والمفاهيم المختلفة بعلاقات محددة. يساعد أنظمة الذكاء الاصطناعي على فهم السياق والروابط بين المعلومات بطريقة أكثر دقة.

روبوت المحادثة
(Chatbot)

برنامج كمبيوتر مصمم للتفاعل مع البشر من خلال المحادثة النصية أو الصوتية، ويمكنه الإجابة على الأسئلة وأداء مهام مختلفة. يحاكي المحادثة الطبيعية بين الإنسان والآلة.

س

سلسلة التفكير
(Chain of Thought)

تقنية تحفز نماذج الذكاء الاصطناعي على إظهار خطوات تفكيرها المتسلسلة للوصول إلى الإجابة. تحسن من دقة الحلول في المسائل المعقدة وتجعل عملية التفكير أكثر وضوحاً.

ش

الشبكة التوليدية التنافسية
(GAN)

نظام يتكون من شبكتين عصبيتين تتنافسان مع بعضهما، واحدة تولد بيانات مزيفة والأخرى تحاول اكتشافها. هذا التنافس يحسن قدرة النظام على إنتاج محتوى واقعي جداً مثل الصور والفيديو.

الشبكة العصبية
(Neural Network)

نظام حاسوبي مستوحى من طريقة عمل خلايا المخ البشري، يتكون من وحدات معالجة بسيطة مترابطة تعمل معاً. تتعلم هذه الشبكات من البيانات لحل مشاكل معقدة مثل التصنيف والتنبؤ.

الشبكة العصبية الالتفافية
(Convolutional Neural Network)

نوع خاص من الشبكات العصبية مصمم خصيصاً لتحليل الصور والبيانات المرئية. تتميز بقدرتها على اكتشاف المعالم والأنماط في الصور مثل الحواف والأشكال.

الشبكة العصبية التكرارية
(Recurrent Neural Network)

شبكة عصبية قادرة على معالجة البيانات المتسلسلة مثل النصوص والكلام من خلال تذكر المعلومات السابقة. تستخدم هذه الذاكرة لفهم السياق في الجمل والمحادثات.

شريحة الذكاء الاصطناعي
(AI Chip)

معالج مصمم خصيصاً لتشغيل خوارزميات الذكاء الاصطناعي بكفاءة عالية. يتميز بسرعة أكبر واستهلاك طاقة أقل مقارنة بالمعالجات التقليدية عند تنفيذ مهام التعلم الآلي.

ض

الضبط الدقيق
(Fine-Tuning)

عملية تحسين نموذج ذكاء اصطناعي موجود مسبقاً لجعله أكثر دقة في مهمة محددة، مثل تدريب نموذج لغوي عام ليتخصص في المجال الطبي. يشبه تخصص الطبيب العام في مجال معين.

ف

الفضاء الكامن
(Latent Space)

مساحة رياضية مجردة حيث يحول الذكاء الاصطناعي البيانات المعقدة إلى تمثيلات مبسطة. يسمح للنموذج بفهم الأنماط والعلاقات الخفية في البيانات بطريقة أكثر كفاءة.

ق

قاعدة بيانات المتجهات
(Vector Database)

نوع خاص من قواعد البيانات مصمم لحفظ وبحث البيانات المحولة إلى شكل رقمي متجه. يسمح بالبحث عن المعلومات المتشابهة في المعنى حتى لو كانت مكتوبة بكلمات مختلفة.

ك

كشف الأجسام
(Object Detection)

تقنية رؤية حاسوبية تحدد وتتعرف على الأجسام المختلفة داخل الصور أو الفيديو. تستخدم في السيارات ذاتية القيادة وأنظمة المراقبة والتطبيقات الأمنية.

م

المحاذاة
(Alignment)

عملية ضمان توافق سلوك نماذج الذكاء الاصطناعي مع القيم والأهداف البشرية المرغوبة. تهدف لجعل النماذج تتصرف بطريقة مفيدة وآمنة ومتوافقة مع التوقعات الإنسانية.

المحوّل
(Transformer)

تقنية متقدمة في الذكاء الاصطناعي تستخدم آلية “الانتباه” لفهم العلاقات بين أجزاء النص المختلفة بشكل متوازي. أحدثت ثورة في معالجة اللغة وتشكل أساس النماذج اللغوية الحديثة.

المركبة ذاتية القيادة
(Autonomous Vehicle)

سيارة تستطيع القيادة بنفسها دون تدخل بشري باستخدام أجهزة الاستشعار والذكاء الاصطناعي. تحلل البيئة المحيطة وتتخذ قرارات القيادة بناءً على الظروف المرورية.

المشفر التلقائي
(Autoencoder)

شبكة عصبية تتعلم ضغط البيانات إلى صيغة مبسطة ثم إعادة بنائها بأقل فقدان ممكن للمعلومات. يستخدم في تقليل حجم البيانات واكتشاف الأنماط المخفية فيها.

المشفر التلقائي المتغير
(VAE)

نموذج ذكي يمكنه ضغط البيانات المعقدة إلى تمثيل مبسط ثم إعادة بنائها مرة أخرى. يستخدم في توليد محتوى جديد مشابه للبيانات الأصلية مع إضافة تنويعات إبداعية.

المعامل
(Parameter)

قيمة رقمية في النموذج يتم تعديلها تلقائياً أثناء عملية التدريب لتحسين الأداء. هي الأوزان والمتغيرات التي يتعلمها النموذج من البيانات لاتخاذ قرارات دقيقة.

المعامل الفائق
(Hyperparameter)

إعداد يحدده المطور قبل بدء عملية التدريب ويبقى ثابتاً أثناءها، مثل سرعة التعلم أو عدد الطبقات في النموذج. يؤثر على كيفية تعلم النموذج وأداؤه النهائي.

مجموعة البيانات
(Dataset)

مجموعة منظمة من المعلومات والنصوص والصور أو البيانات الأخرى المستخدمة لتدريب واختبار نماذج الذكاء الاصطناعي. تشبه كتاب الدراسة الذي يحتوي على جميع المواد التعليمية.

مزيج الخبراء
(Mixture of Experts)

تقنية تقسم النموذج الكبير إلى وحدات متخصصة صغيرة، حيث يتم تفعيل أجزاء محددة فقط حسب نوع المهمة. يحسن الأداء ويقلل استهلاك الطاقة مقارنة بتشغيل النموذج الكامل.

معالجة اللغة الطبيعية
(Natural Language Processing)

مجال في الذكاء الاصطناعي يهتم بتمكين أجهزة الكمبيوتر من فهم وتحليل اللغة البشرية المكتوبة والمنطوقة. يشمل تطبيقات مثل الترجمة الآلية والتلخيص التلقائي.

معدل التعلم
(Learning Rate)

قيمة تحدد حجم الخطوات التي يتخذها النموذج لتحديث معاملاته أثناء التدريب. المعدل العالي يؤدي لتعلم سريع لكن غير مستقر، بينما المنخفض يؤدي لتعلم بطيء لكن مستقر.

ن

النموذج الأساسي
(Foundation Model)

نموذج ذكاء اصطناعي ضخم ومتعدد الأغراض، مدرب على بيانات متنوعة ليكون بمثابة قاعدة يمكن تطويرها لمهام مختلفة. يشبه المنصة التي يمكن بناء تطبيقات متخصصة عليها.

النموذج اللغوي الصغير
(Small Language Model)

نسخة مصغرة من النماذج اللغوية الكبيرة، مصممة للعمل بكفاءة على أجهزة أقل قوة مع استهلاك طاقة أقل. رغم صغر حجمها، تحافظ على قدرات جيدة في فهم وإنتاج اللغة.

النموذج اللغوي الكبير
(Large Language Model)

نظام ذكي مدرب على كميات ضخمة من النصوص ليتمكن من فهم وإنتاج اللغة البشرية بطلاقة. يمكنه كتابة المقالات والإجابة على الأسئلة والترجمة بين اللغات.

نافذة السياق
(Context Window)

حد أقصى لكمية النص التي يمكن لنموذج الذكاء الاصطناعي معالجتها في المرة الواحدة. تحدد هذه النافذة طول المحادثة أو النص الذي يمكن للنموذج فهمه والاستجابة له بشكل متماسك.

نظام متعدد الوكلاء
(Multi-Agent System)

شبكة من عدة وكلاء أذكياء يعملون معاً لحل مشاكل معقدة أو تحقيق أهداف مشتركة. يتواصل هؤلاء الوكلاء فيما بينهم وينسقون جهودهم لإنجاز المهام بكفاءة أكبر.

نقص التخصيص
(Underfitting)

مشكلة تحدث عندما لا يتمكن نموذج الذكاء الاصطناعي من تعلم الأنماط الأساسية في البيانات بشكل كافٍ، مما يؤدي إلى أداء ضعيف. يشبه الطالب الذي لم يدرس بما يكفي ولا يفهم المادة.

نموذج الانتشار
(Diffusion Model)

نوع من نماذج الذكاء الاصطناعي المتخصصة في توليد الصور عالية الجودة. يعمل بإضافة الضوضاء تدريجياً لصورة ثم تعلم كيفية إزالتها لإنتاج صور واقعية من الوصف النصي.

نموذج المكافأة
(Reward Model)

نظام يقيم جودة إجابات الذكاء الاصطناعي ويعطيها درجات إيجابية أو سلبية. يُستخدم في تدريب النماذج لتحسين أدائها وجعل إجاباتها أكثر فائدة وأماناً.

ه

الهلوسة
(Hallucination)

ظاهرة تحدث عندما يولد نموذج الذكاء الاصطناعي معلومات غير صحيحة أو مختلقة بثقة وكأنها حقائق. تشبه الهلوسة البشرية حيث يبدو النموذج مقتنعاً بصحة معلومات خاطئة.

هندسة الأوامر
(Prompt Engineering)

فن صياغة النصوص والأسئلة بطريقة محددة ومدروسة للحصول على أفضل النتائج من نماذج الذكاء الاصطناعي. تتطلب فهم كيفية تفسير النموذج للتعليمات وصياغتها بشكل يحقق الهدف المطلوب.

و

الوكيل الذكي
(AI Agent)

برنامج ذكي يمكنه أداء مهام محددة بشكل مستقل دون تدخل بشري مباشر. يتخذ قرارات ويتفاعل مع البيئة المحيطة لتحقيق أهداف معينة.

الوكيل المستقل
(Autonomous Agent)

نوع متقدم من الوكلاء الأذكياء يعمل بشكل مستقل تماماً ويتخذ قرارات معقدة بناءً على تحليله للبيئة. يتعلم من التجربة ويحسن أداءه بمرور الوقت دون إشراف بشري.

واجهة برمجة التطبيقات
(API)

مجموعة من القواعد والبروتوكولات التي تسمح للبرامج والتطبيقات المختلفة بالتواصل مع بعضها البعض. تعمل كجسر يمكن المطورين من استخدام خدمات الذكاء الاصطناعي في تطبيقاتهم.

وحدة معالجة الرسومات
(GPU)

معالج متخصص في العمليات الحسابية المتوازية والتي تتطلبها معالجة الصور والفيديو. يُستخدم بكثرة في تدريب نماذج الذكاء الاصطناعي لسرعته في العمليات الرياضية المعقدة.

وحدة معالجة الموتّرات
(TPU)

معالج متخصص طورته جوجل خصيصاً لتسريع عمليات التعلم الآلي والذكاء الاصطناعي. يوفر أداء أسرع واستهلاك طاقة أقل مقارنة بوحدات معالجة الرسومات التقليدية.