المسرد
المصطلحات المعتمدة في الموسوعة بمقابلها الإنجليزي وتعريف موجز. ويُستعمل كل مصطلح بالمعنى نفسه في كل المداخل.
المسرد
Glossary- اختبار الأداءBenchmark
- إطار موحَّد لتقييم أداء النماذج، يضم بيانات نموذجية ومهام تختبر مهارات محددة ومقاييس للأداء وطريقة لاحتساب النتيجة، فتمكن المقارنة بين النماذج.
انظر أيضًا: النموذج اللغوي الكبير، اختبارات الفريق الأحمر
المصدر: What Are LLM Benchmarks? | IBM
- اختبارات الفريق الأحمرAI red-teaming
- جهد اختبار منظم للعثور على العيوب ومواطن الضعف في نظام ذكاء اصطناعي، يجري غالبًا في بيئة مضبوطة وبالتعاون مع مطوّريه، ويحاكي فيه المختبِرون أساليب المهاجمين.
عند جهات أخرى: ويكيبيديا العربية: الفريق الأحمر
انظر أيضًا: اختبار الأداء، حقن التعليمات، حواجز الحماية
- الاستدلالInference
- تشغيل نموذج مدرَّب على بيانات جديدة لاستخراج تنبؤات أو مخرجات منه، تمييزًا له عن مرحلة التدريب. ويختلف عن الاستدلال المنطقي في الذكاء الاصطناعي الرمزي.
انظر أيضًا: القدرة الحاسوبية، المعاملات
- الإلمام بالذكاء الاصطناعيAI literacy
- في قانون الذكاء الاصطناعي الأوروبي: المهارات والمعارف والفهم التي تمكّن المزوِّدين والمشغِّلين والمتأثرين من استعمال أنظمة الذكاء الاصطناعي عن وعي، وإدراك فرصها ومخاطرها والأضرار التي قد تسببها.
عند جهات أخرى: ويكيبيديا العربية: الإلمام بالذكاء الاصطناعي
انظر أيضًا: المزوِّد، المشغِّل
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- الأمر النصيPrompt
- أي نص يُدخَل إلى نموذج لغوي كبير ليوجّه سلوكه على نحو معين؛ وقد يكون سؤالًا أو تعليمات أو أمثلة أو جملة ناقصة يُطلب إكمالها.
انظر أيضًا: هندسة الأوامر، نافذة السياق، حقن التعليمات
- بطاقة النموذجModel card
- وثيقة ترافق النموذج المنشور وتعرّف به: الغرض منه، وطريقة تدريبه، وحدوده، وطريقة استعماله؛ وهي في منصة Hugging Face ملف نصي بصيغة ماركداون مع بيانات وصفية.
انظر أيضًا: النموذج مفتوح الأوزان، عمليات تعلم الآلة
المصدر: Model Cards
- البيانات الاصطناعيةSynthetic data
- بيانات مصنوعة تحاكي البيانات الحقيقية، تُولَّد بأساليب إحصائية أو بتقنيات الذكاء الاصطناعي كالتعلم العميق والذكاء الاصطناعي التوليدي.
عند جهات أخرى: ويكيبيديا العربية: بيانات مصطنعة
انظر أيضًا: بيانات التدريب، الذكاء الاصطناعي التوليدي
المصدر: What Is Synthetic Data? | IBM
- بيانات التدريبTraining data
- البيانات المستعملة في تدريب نظام الذكاء الاصطناعي بضبط معاملاته القابلة للتعلم.
انظر أيضًا: المعاملات، البيانات الاصطناعية، تسميم البيانات
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- البيئة التجريبية التشريعيةAI regulatory sandbox
- في قانون الذكاء الاصطناعي الأوروبي: إطار مضبوط تنشئه سلطة مختصة، يتيح للمزوِّدين تطوير أنظمة ذكاء اصطناعي مبتكرة وتدريبها والتحقق منها واختبارها مدة محدودة وفق خطة متفق عليها وتحت إشراف الجهة التنظيمية.
انظر أيضًا: المزوِّد، نظام ذكاء اصطناعي عالي المخاطر
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- تحويل النص إلى كلام TTSText to speech
- تقنية تحوّل النص الرقمي إلى صوت منطوق يشبه الصوت الطبيعي، وتسمى أيضًا تركيب الكلام أو الكلام المولَّد حاسوبيًّا.
عند جهات أخرى: ويكيبيديا العربية: تصنيع كلامي
انظر أيضًا: التعرف التلقائي على الكلام، التزييف العميق
المصدر: What is Text to Speech? | IBM
- التحيزBias (ethics/fairness)
- تنميط أو تحامل أو محاباة لصالح أشياء أو أشخاص أو فئات على حساب غيرها، قد يتسرب إلى بيانات النموذج أو تصميمه أو مخرجاته فيؤثر في القرارات المبنية عليه.
عند جهات أخرى: ويكيبيديا العربية: تحيز خوارزمي
انظر أيضًا: بيانات التدريب، البيانات الاصطناعية
المصدر: Machine Learning Glossary
- التدريب المسبقPre-training
- المرحلة الأولى من تدريب النموذج على مجموعة بيانات ضخمة، قبل تكييفه لمهام بعينها. ويُقصد بالنموذج المدرَّب مسبقًا اليوم في الغالب نموذج لغوي كبير أو نموذج توليدي.
انظر أيضًا: الضبط الدقيق، النموذج التأسيسي
- التزييف العميقDeep fake
- في قانون الذكاء الاصطناعي الأوروبي: محتوى صوري أو صوتي أو مرئي يولّده الذكاء الاصطناعي أو يعدّله، يشبه أشخاصًا أو أشياء أو أماكن أو أحداثًا حقيقية، فيبدو للمتلقي أصيلًا أو صادقًا على خلاف الحقيقة.
عند جهات أخرى: ويكيبيديا العربية: تزييف عميق
انظر أيضًا: العلامات المائية، الذكاء الاصطناعي التوليدي
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- تسميم البياناتData poisoning
- هجوم سيبراني يتلاعب فيه المهاجم ببيانات تدريب نماذج الذكاء الاصطناعي وتعلم الآلة أو يفسدها، ليؤثر في سلوك النموذج.
انظر أيضًا: بيانات التدريب، حقن التعليمات
المصدر: What Is Data Poisoning? | IBM
- التضمينEmbedding (vector embedding)
- تمثيل رقمي للبيانات، كالكلمات أو الصور، في صورة متجه من الأعداد يستطيع نموذج تعلم الآلة معالجته، بحيث تتقارب في هذا الفضاء العددي البيانات المتشابهة في المعنى.
انظر أيضًا: الرمز، التوليد المعزز بالاسترجاع
المصدر: What is Vector Embedding? | IBM
- التعرف التلقائي على الكلام ASRAutomatic speech recognition
- قدرة تمكّن البرنامج من تحويل الكلام البشري المنطوق إلى نص مكتوب، وتسمى أيضًا تحويل الكلام إلى نص.
عند جهات أخرى: ويكيبيديا العربية: تعرف الكلام
انظر أيضًا: تحويل النص إلى كلام، معالجة اللغات الطبيعية
- التعرف الضوئي على الحروف OCROptical character recognition
- تقنية تستخلص النص آليًّا من صور النصوص، كالمستندات الممسوحة ضوئيًّا، وتحوّله إلى صيغة يقرؤها الحاسوب.
عند جهات أخرى: ويكيبيديا العربية: تعرف المحارف البصري
انظر أيضًا: الرؤية الحاسوبية
- تعلم الآلة MLMachine learning
- برنامج أو نظام يدرّب نموذجًا من بيانات المدخلات، فيستطيع النموذج المدرَّب بعدها أن يقدّم تنبؤات مفيدة من بيانات جديدة لم يرها.
عند جهات أخرى: ويكيبيديا العربية: تعلم الآلة؛ مؤسسة دبي للمستقبل: تعلم الآلة
انظر أيضًا: التعلم العميق، التعلم الخاضع للإشراف، التعلم غير الخاضع للإشراف، التعلم المعزز
- التعلم الخاضع للإشرافSupervised learning
- أسلوب في تعلم الآلة يدرّب النماذج على بيانات موسومة (معروفة الإجابة) لتكتشف الأنماط والعلاقات فيها، ثم تقدّم نتائج دقيقة على بيانات جديدة.
عند جهات أخرى: ويكيبيديا العربية: تعلم مراقب؛ مؤسسة دبي للمستقبل: التعلم المراقَب
انظر أيضًا: التعلم غير الخاضع للإشراف، التعلم المعزز
- التعلم العميق DLDeep learning
- فرع من تعلم الآلة يقوم على شبكات عصبية متعددة الطبقات، استُلهم تصميمها من بنية الدماغ البشري.
عند جهات أخرى: ويكيبيديا العربية: تعلم عميق؛ مؤسسة دبي للمستقبل: التعلم العميق
انظر أيضًا: تعلم الآلة، الشبكة العصبية الاصطناعية
المصدر: What Is Deep Learning? | IBM
- التعلم غير الخاضع للإشرافUnsupervised learning
- أسلوب في تعلم الآلة تحلل فيه الخوارزميات بيانات غير موسومة وتجمّعها، فتكتشف أنماطًا أو مجموعات خفية دون تدخل بشري.
عند جهات أخرى: ويكيبيديا العربية: تعلم غير مراقب؛ مؤسسة دبي للمستقبل: التعلم غير المراقب / التعلم الاستنتاجي
انظر أيضًا: التعلم الخاضع للإشراف
- التعلم الفيدرالي FLFederated learning
- نهج لامركزي لتدريب نماذج تعلم الآلة: تدرّب كل عقدة في الشبكة الموزعة النموذج على بياناتها المحلية، ثم يجمع خادم مركزي التحديثات لتحسين النموذج العام، دون نقل البيانات الخام نفسها.
عند جهات أخرى: ويكيبيديا العربية: تعلم متحد
انظر أيضًا: الذكاء الاصطناعي على الحافة، البيانات الاصطناعية
- التعلم المعزز RLReinforcement learning
- نوع من تعلم الآلة يتعلم فيه وكيل مستقل اتخاذ القرارات بالتفاعل مع بيئته، مسترشدًا بما يناله من مكافأة أو عقوبة.
عند جهات أخرى: ويكيبيديا العربية: تعلم معزز؛ مؤسسة دبي للمستقبل: التعلم المعزز
انظر أيضًا: التعلم المعزز بالملاحظات البشرية، التعلم الخاضع للإشراف
- التعلم المعزز بالملاحظات البشرية RLHFReinforcement learning from human feedback
- استعمال تقييمات مقيّمين بشريين لاستجابات النموذج، كالاستحسان أو الاستهجان، في تحسين جودة استجاباته اللاحقة.
عند جهات أخرى: ويكيبيديا العربية: التعلم المعزز من ردود الفعل البشرية
انظر أيضًا: التعلم المعزز، الضبط الدقيق، المواءمة
- التقطيرDistillation (knowledge distillation)
- تدريب نموذج أصغر («الطالب») ليحاكي تنبؤات نموذج أكبر («المعلم»)، فيصبح أسرع وأقل استهلاكًا للذاكرة والطاقة، مع تراجع طفيف في الجودة عادة.
- التكميمQuantization
- خفض دقة تمثيل البيانات بتحويلها من صيغة عالية الدقة إلى صيغة أقل دقة؛ ويُستعمل في تعلم الآلة لتصغير النماذج وتسريع تشغيلها.
انظر أيضًا: التقطير، الذكاء الاصطناعي على الحافة، المعاملات
المصدر: What is Quantization? | IBM
- التكييف منخفض الرتبة LoRALow-Rank Adaptation
- طريقة في الضبط الدقيق الموفّر للمعاملات تجمّد أوزان النموذج الأصلية وتضيف مجموعة صغيرة من الأوزان القابلة للتدريب، فيصبح التدريب أسرع بكثير وأقل كلفة.
انظر أيضًا: الضبط الدقيق، المعاملات
- التوليد المعزز بالاسترجاع RAGRetrieval-augmented generation
- معمارية تحسّن أداء نموذج الذكاء الاصطناعي بربطه بقواعد معرفة خارجية يسترجع منها المعلومات قبل التوليد، فتأتي استجابات النماذج اللغوية الكبيرة أوثق صلة بالموضوع وأعلى جودة.
عند جهات أخرى: ويكيبيديا العربية: توليد معزز بالاستحضار
انظر أيضًا: النموذج اللغوي الكبير، الهلوسة، التضمين
- حقن التعليماتPrompt injection
- هجوم سيبراني على النماذج اللغوية الكبيرة يدسّ فيه المهاجم تعليمات خبيثة في مدخلات تبدو عادية، فيدفع النظام إلى كشف بيانات خاصة أو نشر معلومات مضللة أو تجاوز ضوابطه.
عند جهات أخرى: ويكيبيديا العربية: حقن التعليمات
انظر أيضًا: الأمر النصي، حواجز الحماية، تسميم البيانات
- حواجز الحمايةAI guardrails
- الضمانات التي تُبقي أنظمة الذكاء الاصطناعي تعمل بأمان ومسؤولية وضمن حدود مرسومة، كمرشحات المدخلات والمخرجات وقواعد الاستعمال.
انظر أيضًا: المواءمة، حقن التعليمات
المصدر: What Are AI Guardrails? | IBM
- الذكاء الاصطناعي AIArtificial intelligence
- برنامج أو نموذج غير بشري قادر على حل مهام معقدة، مثل الترجمة أو التعرف على الأمراض من الصور.
عند جهات أخرى: ويكيبيديا العربية: ذكاء اصطناعي؛ مؤسسة دبي للمستقبل: الذكاء الاصطناعي
انظر أيضًا: تعلم الآلة، نظام الذكاء الاصطناعي
- الذكاء الاصطناعي التوليدي GenAIGenerative AI
- مجال ناشئ لا تعريف رسميًّا له، تولّد نماذجه محتوى جديدًا متماسكًا من نصوص أو صور أو أصوات أو شيفرات أو غيرها.
عند جهات أخرى: ويكيبيديا العربية: ذكاء اصطناعي توليدي
انظر أيضًا: النموذج اللغوي الكبير، نموذج الانتشار، التزييف العميق
- الذكاء الاصطناعي العام AGIArtificial general intelligence
- مرحلة افتراضية في تطور الذكاء الاصطناعي يستطيع فيها نظام أن يضاهي القدرات المعرفية البشرية أو يتجاوزها في أي مهمة. ولا يوجد اليوم نظام بلغها، ولا تعريف متفق عليه لها.
عند جهات أخرى: ويكيبيديا العربية: ذكاء عام اصطناعي
انظر أيضًا: الذكاء الاصطناعي، المواءمة
المصدر: What is Artificial General Intelligence (AGI)? | IBM
- الذكاء الاصطناعي على الحافةEdge AI
- نشر خوارزميات الذكاء الاصطناعي ونماذجه مباشرة على أجهزة محلية، كالمستشعرات وأجهزة إنترنت الأشياء والهواتف، لمعالجة البيانات وتحليلها فوريًّا دون اعتماد دائم على السحابة.
انظر أيضًا: التعلم الفيدرالي، التكميم
المصدر: What Is Edge AI? | IBM
- الذكاء الاصطناعي القابل للشرح XAIExplainable AI
- مجموعة من العمليات والأساليب تتيح للبشر فهم نتائج خوارزميات تعلم الآلة ومخرجاتها والثقة بها. وتتجاوز قابلية التفسير إلى بيان الطريقة التي بلغ بها النظام نتيجته.
عند جهات أخرى: ويكيبيديا العربية: ذكاء اصطناعي قابل للتفسير
انظر أيضًا: قابلية التفسير
- الذكاء الاصطناعي متعدد الوسائطMultimodal AI
- نماذج تعلم آلة قادرة على معالجة معلومات من أنواع متعددة من البيانات ودمجها، كالنص والصورة والصوت والفيديو.
انظر أيضًا: الرؤية الحاسوبية، معالجة اللغات الطبيعية، النموذج التأسيسي
المصدر: What is Multimodal AI? | IBM
- الذكاء الاصطناعي الوكيليAgentic AI
- أنظمة تتألف من وكلاء ذكاء اصطناعي متعددين منسَّقين، يفكّكون المهام ويوزعونها ويتعاونون لتحقيق أهداف معقدة على مدى زمني طويل وبإشراف بشري محدود. وهو غير «الوكيل» المفرد.
انظر أيضًا: وكيل الذكاء الاصطناعي، النموذج اللغوي الكبير
المصدر: What agentic AI is and does
- الرسم البياني المعرفي KGKnowledge graph
- شبكة تمثّل كيانات من العالم الحقيقي، كالأشخاص والأماكن والمفاهيم، وتبيّن العلاقات بينها؛ وتسمى أيضًا الشبكة الدلالية.
عند جهات أخرى: ويكيبيديا العربية: رسم بياني معرفي
انظر أيضًا: التوليد المعزز بالاسترجاع
المصدر: What Is a Knowledge Graph? | IBM
- الرمزToken
- أصغر وحدة من اللغة تتعامل معها النماذج اللغوية؛ قد تكون كلمة كاملة أو جزءًا من كلمة أو علامة ترقيم. وبها تُقاس المدخلات والمخرجات ونافذة السياق.
انظر أيضًا: نافذة السياق، التضمين، النموذج اللغوي الكبير
- الرؤية الحاسوبية CVComputer vision
- فرع من الذكاء الاصطناعي يمكّن الآلات من معالجة المدخلات البصرية كالصور والفيديو وتحليلها وتفسيرها، مستعملًا تعلم الآلة لاستخراج معلومات ذات معنى منها.
عند جهات أخرى: ويكيبيديا العربية: رؤية حاسوبية
انظر أيضًا: التعرف الضوئي على الحروف، الذكاء الاصطناعي متعدد الوسائط
المصدر: What Is Computer Vision? | IBM
- سلسلة الأفكار CoTChain-of-thought prompting
- أسلوب في هندسة الأوامر يدفع النموذج اللغوي الكبير إلى شرح استدلاله خطوة خطوة، مما قد يحسّن إجاباته ويسهّل التحقق منها.
انظر أيضًا: هندسة الأوامر، الاستدلال
المصدر: Machine Learning Glossary
- الشبكة العصبية الاصطناعية ANNNeural network
- نموذج يضم طبقة مخفية واحدة على الأقل، وتتألف كل طبقة من عُقد (عصبونات) مترابطة. وإذا زادت الطبقات المخفية على واحدة سُمّي النموذج شبكة عصبية عميقة.
عند جهات أخرى: ويكيبيديا العربية: شبكة عصبونية اصطناعية؛ مؤسسة دبي للمستقبل: شبكة عصبونية
انظر أيضًا: التعلم العميق، المعاملات
- الضبط الدقيقFine-tuning
- مرحلة تدريب إضافية مخصصة لمهمة بعينها، تُجرى على نموذج مدرَّب مسبقًا لتعديل معاملاته بما يناسب حالة استعمال محددة.
عند جهات أخرى: ويكيبيديا العربية: صقل
انظر أيضًا: التدريب المسبق، التكييف منخفض الرتبة، التعلم المعزز بالملاحظات البشرية
- العلامات المائيةWatermarking
- تضمين معلومات يصعب إزالتها عادة في المخرجات التي يولّدها الذكاء الاصطناعي، من نصوص وصور وأصوات وفيديو، للتحقق من أصلها أو من تعديلها.
عند جهات أخرى: ويكيبيديا العربية: علامة مائية رقمية
انظر أيضًا: التزييف العميق، البيانات الاصطناعية
- عمليات تعلم الآلة MLOpsMachine learning operations
- مجموعة ممارسات تنظّم بناء نماذج تعلم الآلة ونشرها وتشغيلها ومراقبتها على نحو متواصل، أشبه بخط إنتاج.
انظر أيضًا: تعلم الآلة، بطاقة النموذج
المصدر: What is MLOps? | IBM
- فرط الملاءمةOverfitting
- أن يطابق النموذج بيانات تدريبه مطابقة شديدة تجعله يخفق في تقديم تنبؤات صحيحة على بيانات جديدة.
عند جهات أخرى: ويكيبيديا العربية: فرط الملاءمة
انظر أيضًا: بيانات التدريب، تعلم الآلة
- قابلية التفسيرInterpretability
- القدرة على تفسير منطق نموذج تعلم الآلة أو عرضه بعبارات يفهمها الإنسان؛ أي إلى أي حد يستطيع المراقب فهم سبب القرار الذي اتخذه النموذج.
انظر أيضًا: الذكاء الاصطناعي القابل للشرح، المواءمة
- القدرة الحاسوبيةCompute
- الموارد الحاسوبية التي يستعملها نموذج أو نظام، كقدرة المعالجة والذاكرة والتخزين. ويُستعمل حجمها مؤشرًا على كلفة تدريب النماذج وقدراتها.
انظر أيضًا: وحدة معالجة الرسوميات، وحدة معالجة الموتّرات، الاستدلال
المصدر: Machine Learning Glossary
- المحوِّلTransformer
- معمارية للشبكات العصبية تتفوق في معالجة البيانات المتسلسلة كالنصوص، وتقوم أساسًا على آلية الانتباه الذاتي التي تكشف العلاقات بين أجزاء المدخلات. وعليها تُبنى أغلب النماذج اللغوية الكبيرة.
انظر أيضًا: آلية الانتباه، النموذج اللغوي الكبير، الرمز
- المخاطر النظاميةSystemic risk
- في قانون الذكاء الاصطناعي الأوروبي: مخاطر خاصة بالقدرات عالية التأثير لنماذج الذكاء الاصطناعي ذات الأغراض العامة، لها أثر كبير في سوق الاتحاد بسبب انتشارها، أو آثار سلبية فعلية أو متوقعة في الصحة العامة أو السلامة أو الأمن أو الحقوق الأساسية أو المجتمع، ويمكن أن تنتشر على نطاق واسع عبر سلسلة القيمة.
انظر أيضًا: نموذج الذكاء الاصطناعي ذو الأغراض العامة
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- المزوِّدProvider
- في قانون الذكاء الاصطناعي الأوروبي: كل شخص طبيعي أو اعتباري أو جهة عامة يطوّر نظام ذكاء اصطناعي أو نموذجًا ذا أغراض عامة، أو يكلّف بتطويره، ثم يطرحه في السوق أو يشغّله باسمه أو علامته التجارية، بمقابل أو مجانًا.
انظر أيضًا: المشغِّل، نظام ذكاء اصطناعي عالي المخاطر، نموذج الذكاء الاصطناعي ذو الأغراض العامة
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- مزيج الخبراء MoEMixture of experts
- معمارية ترفع كفاءة الشبكة العصبية بتوجيه كل مدخل إلى جزء فقط من معاملاتها (الخبراء)، تختاره شبكة بوابة، بدل تشغيل الشبكة كلها.
عند جهات أخرى: ويكيبيديا العربية: خليط الخبراء
انظر أيضًا: النموذج اللغوي الكبير، المعاملات
- المشغِّلDeployer
- في قانون الذكاء الاصطناعي الأوروبي: كل شخص طبيعي أو اعتباري أو جهة عامة يستعمل نظام ذكاء اصطناعي تحت سلطته، ما لم يكن الاستعمال في نشاط شخصي غير مهني.
انظر أيضًا: المزوِّد، نظام ذكاء اصطناعي عالي المخاطر
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- معالجة اللغات الطبيعية NLPNatural language processing
- فرع من علوم الحاسوب والذكاء الاصطناعي يستعمل تعلم الآلة ليمكّن الحواسيب من فهم اللغة البشرية المنطوقة والمكتوبة والتواصل بها.
عند جهات أخرى: ويكيبيديا العربية: معالجة اللغات الطبيعية؛ مؤسسة دبي للمستقبل: معالجة اللغات الطبيعية
انظر أيضًا: النموذج اللغوي الكبير، التعرف التلقائي على الكلام، تحويل النص إلى كلام
- المعاملاتParameters
- الأوزان والانحيازات التي يتعلمها النموذج أثناء التدريب. ويُعبَّر عن حجم النموذج عادة بعدد معاملاته، كأن يقال «نموذج بسبعة مليارات معامل».
انظر أيضًا: بيانات التدريب، النموذج مفتوح الأوزان، التكميم
- المواءمةAI alignment
- عملية ترسيخ القيم والأهداف البشرية في نماذج الذكاء الاصطناعي، لتكون مفيدة وآمنة وموثوقة قدر الإمكان.
انظر أيضًا: التعلم المعزز بالملاحظات البشرية، حواجز الحماية، قابلية التفسير
المصدر: What Is AI Alignment? | IBM
- نافذة السياقContext window
- عدد الرموز التي يستطيع النموذج معالجتها في أمر نصي واحد؛ وكلما اتسعت أمكنه استعمال معلومات أكثر في إنتاج استجابة متماسكة.
انظر أيضًا: الرمز، الأمر النصي
المصدر: Machine Learning Glossary
- نظام الذكاء الاصطناعيAI system
- نظام آلي يستنتج من المدخلات التي يتلقاها كيف يولّد مخرجات، كالتنبؤات أو المحتوى أو التوصيات أو القرارات، لتحقيق أهداف صريحة أو ضمنية، وقد تؤثر مخرجاته في بيئات مادية أو افتراضية. وتتفاوت هذه الأنظمة في درجة استقلالها وقدرتها على التكيف بعد النشر.
انظر أيضًا: الذكاء الاصطناعي، المزوِّد، نظام ذكاء اصطناعي عالي المخاطر
المصدر: Updates to the OECD's definition of an AI system explained
- نظام الذكاء الاصطناعي ذو الأغراض العامةGeneral-purpose AI system
- في قانون الذكاء الاصطناعي الأوروبي: نظام ذكاء اصطناعي مبني على نموذج ذي أغراض عامة، قادر على خدمة أغراض متعددة، سواء استُعمل مباشرة أو دُمج في أنظمة أخرى.
انظر أيضًا: نموذج الذكاء الاصطناعي ذو الأغراض العامة، نظام الذكاء الاصطناعي
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- نظام ذكاء اصطناعي عالي المخاطرHigh-risk AI system
- في قانون الذكاء الاصطناعي الأوروبي: نظام يُعدّ عالي المخاطر إما لأنه مكوّن أمان في منتج تشمله تشريعات الاتحاد المنسَّقة (أو هو نفسه منتج كذلك) ويخضع لتقييم مطابقة من طرف ثالث، وإما لأنه يقع في حالات الاستعمال المدرجة في الملحق الثالث. وتُفرض على هذه الأنظمة أشد الالتزامات.
انظر أيضًا: المزوِّد، المشغِّل، نظام الذكاء الاصطناعي
المصدر: Article 6: Classification Rules for High-Risk AI Systems — EU Artificial Intelligence Act
- نموذج الانتشارDiffusion model
- نموذج توليدي يُستعمل أساسًا في توليد الصور، يتعلم إضافة ضجيج عشوائي إلى العينات تدريجيًّا ثم عكس هذه العملية لإنتاج صور عالية الجودة.
عند جهات أخرى: ويكيبيديا العربية: نموذج الانتشار
انظر أيضًا: الذكاء الاصطناعي التوليدي، التزييف العميق
المصدر: What are Diffusion Models? | IBM
- النموذج التأسيسيFoundation model
- نموذج مدرَّب مسبقًا وكبير جدًّا، دُرّب على مجموعة ضخمة ومتنوعة من البيانات، فيستطيع التعامل مع طيف واسع من الطلبات، ويمكن تكييفه لمهام بعينها بالضبط الدقيق.
عند جهات أخرى: ويكيبيديا العربية: نموذج الأساس
انظر أيضًا: نموذج الذكاء الاصطناعي ذو الأغراض العامة، التدريب المسبق، الضبط الدقيق
- نموذج الذكاء الاصطناعي ذو الأغراض العامة GPAIGeneral-purpose AI model
- في قانون الذكاء الاصطناعي الأوروبي: نموذج يُدرَّب غالبًا على كميات كبيرة من البيانات بالإشراف الذاتي، ويُظهر عمومية كبيرة تمكّنه من أداء طيف واسع من المهام المتمايزة، ويمكن دمجه في أنظمة وتطبيقات لاحقة كثيرة. ولا تشمله النماذج المستعملة في البحث أو النماذج الأولية قبل طرحها في السوق.
انظر أيضًا: نظام الذكاء الاصطناعي ذو الأغراض العامة، النموذج التأسيسي، المخاطر النظامية
المصدر: Article 3: Definitions — EU Artificial Intelligence Act (Regulation (EU) 2024/1689)
- النموذج اللغوي الكبير LLMLarge language model
- نموذج لغوي ذو عدد كبير جدًّا من المعاملات، ويُطلق المصطلح في الاستعمال الشائع على نماذج اللغة القائمة على معمارية المحوِّل، مثل جيميناي وجي بي تي.
عند جهات أخرى: ويكيبيديا العربية: نموذج لغوي كبير
انظر أيضًا: المحوِّل، النموذج التأسيسي، الذكاء الاصطناعي التوليدي
- النموذج مفتوح الأوزانOpen-weight model
- نموذج ينشر مطوّره أوزانه، أي معاملاته العددية التي تحددت بالتدريب، علنًا ليستطيع الآخرون تنزيلها وتشغيلها وتعديلها. ولا يعني ذلك بالضرورة نشر بيانات التدريب أو الشيفرة، فالانفتاح طيف متدرج.
انظر أيضًا: المعاملات، النموذج التأسيسي، واجهة برمجة التطبيقات
- الهلوسةHallucination
- إنتاج النموذج مخرجات تبدو معقولة لكنها خاطئة في الحقيقة، أو غير ذات صلة، أو مختلقة بالكامل. ويرى بعض الباحثين أن «الاختلاق» (confabulation) أدق وصفًا لها.
عند جهات أخرى: ويكيبيديا العربية: هلوسة
انظر أيضًا: التوليد المعزز بالاسترجاع، النموذج اللغوي الكبير
- هندسة الأوامرPrompt engineering
- فن صياغة الأوامر النصية التي تستخرج من النموذج اللغوي الكبير الاستجابات المرغوبة، ويسمى أيضًا تصميم الأوامر.
عند جهات أخرى: ويكيبيديا العربية: هندسة التلقين
انظر أيضًا: الأمر النصي، سلسلة الأفكار
- واجهة برمجة التطبيقات APIApplication programming interface
- عقد يتيح لبرمجية أن تصل إلى بيانات برمجية أخرى أو تستدعي وظائفها؛ ومنه تُتاح كثير من النماذج اللغوية للمطورين دون نشر أوزانها.
عند جهات أخرى: ويكيبيديا العربية: واجهة برمجة التطبيقات
انظر أيضًا: النموذج مفتوح الأوزان
المصدر: What Is an API (Application Programming Interface)? | IBM
- وحدة معالجة الرسوميات GPUGraphics processing unit
- دائرة إلكترونية صُممت في الأصل لتسريع معالجة الرسوميات والصور، ثم صارت قدرتها على الحساب المتوازي أساس تدريب نماذج التعلم العميق وتشغيلها.
عند جهات أخرى: ويكيبيديا العربية: وحدة معالجة الرسوميات
انظر أيضًا: وحدة معالجة الموتّرات، القدرة الحاسوبية
المصدر: What is a GPU? | IBM
- وحدة معالجة الموتّرات TPUTensor Processing Unit
- دوائر متكاملة مخصصة لتطبيقات بعينها (ASIC) طوّرتها غوغل لتسريع أحمال تعلم الآلة.
عند جهات أخرى: ويكيبيديا العربية: وحدة معالجة تنسر
انظر أيضًا: وحدة معالجة الرسوميات، القدرة الحاسوبية
المصدر: Introduction to Cloud TPU
- وكيل الذكاء الاصطناعيAI agent
- برمجية تستطيع الاستدلال على مدخلات المستخدم لتخطط وتنفذ أفعالًا نيابةً عنه، وقد تستعمل أدوات خارجية في ذلك. ويُعالَج في مدخل «الذكاء الاصطناعي الوكيلي».
عند جهات أخرى: ويكيبيديا العربية: وكيل ذكاء اصطناعي؛ سدايا: وكيل
انظر أيضًا: الذكاء الاصطناعي الوكيلي
المصدر: Machine Learning Glossary
- آلية الانتباهAttention mechanism
- آلية في الشبكة العصبية تحدد أهمية كل كلمة أو جزء من كلمة بالنسبة إلى غيرها، فيركّز النموذج على أكثر أجزاء المدخلات صلة بما يعالجه.
عند جهات أخرى: ويكيبيديا العربية: انتباه
انظر أيضًا: المحوِّل
المصدر: Machine Learning Glossary
الاختصارات
Abbreviations| الاختصار | بالإنجليزية | بالعربية |
|---|---|---|
| AGI | Artificial general intelligence | الذكاء الاصطناعي العام |
| AI | Artificial intelligence | الذكاء الاصطناعي |
| ANN | Neural network | الشبكة العصبية الاصطناعية |
| API | Application programming interface | واجهة برمجة التطبيقات |
| ASR | Automatic speech recognition | التعرف التلقائي على الكلام |
| CV | Computer vision | الرؤية الحاسوبية |
| CoT | Chain-of-thought prompting | سلسلة الأفكار |
| DL | Deep learning | التعلم العميق |
| FL | Federated learning | التعلم الفيدرالي |
| GPAI | General-purpose AI model | نموذج الذكاء الاصطناعي ذو الأغراض العامة |
| GPU | Graphics processing unit | وحدة معالجة الرسوميات |
| GenAI | Generative AI | الذكاء الاصطناعي التوليدي |
| KG | Knowledge graph | الرسم البياني المعرفي |
| LLM | Large language model | النموذج اللغوي الكبير |
| LoRA | Low-Rank Adaptation | التكييف منخفض الرتبة |
| ML | Machine learning | تعلم الآلة |
| MLOps | Machine learning operations | عمليات تعلم الآلة |
| MoE | Mixture of experts | مزيج الخبراء |
| NLP | Natural language processing | معالجة اللغات الطبيعية |
| OCR | Optical character recognition | التعرف الضوئي على الحروف |
| RAG | Retrieval-augmented generation | التوليد المعزز بالاسترجاع |
| RL | Reinforcement learning | التعلم المعزز |
| RLHF | Reinforcement learning from human feedback | التعلم المعزز بالملاحظات البشرية |
| TPU | Tensor Processing Unit | وحدة معالجة الموتّرات |
| TTS | Text to speech | تحويل النص إلى كلام |
| XAI | Explainable AI | الذكاء الاصطناعي القابل للشرح |