مصطلحات الذكاء الاصطناعي وتعلم الآلة الإنجليزية: معانيها واستخدامها بالعربية

مجال في علوم الحاسوب يبني أنظمة تؤدي مهاماً تتطلب عادةً ذكاءً بشرياً، مثل فهم اللغة والتعرف إلى الصور واتخاذ القرارات.

فرع من الذكاء الاصطناعي تتعلم فيه الحواسيب أنماطاً من البيانات لتتخذ قرارات أو تنتج تنبؤات، بدلاً من اتباع قواعد يكتبها الإنسان يدوياً.

نتيجة التدريب: برنامج ذو معاملات متعلمة يستقبل مدخلاً، كصورة أو جملة، وينتج مخرجاً مثل تصنيف أو رقم أو نص.

نوع من التعلم الآلي يتعلم فيه النموذج من أمثلة مرفقة بالإجابات الصحيحة أو الوسوم، كي يتنبأ بإجابة أمثلة جديدة.

مهمة يضع فيها النموذج كل مدخل ضمن فئة من مجموعة محددة، مثل تقرير ما إذا كانت رسالة بريد مزعجة أو تحديد فئة منتج في صورة.

نوع من تعلم الآلة يكتشف أنماطًا في البيانات من دون إجابات صحيحة أو تسميات مسبقة، مثل تجميع العملاء المتشابهين أو رصد الأحداث غير المعتادة.

مهمة يتنبأ فيها النموذج بقيمة عددية على مقياس متصل، مثل سعر منزل أو مدة توصيل أو درجة حرارة الغد.

نوع من تعلم الآلة يتعلم فيه وكيل بالتجربة والخطأ، فيتخذ أفعالًا داخل بيئة ويتلقى مكافآت أو عقوبات بحسب النتائج.

مهمة تعلم غير خاضع للإشراف تجمع العناصر المتشابهة من دون تسميات محددة مسبقًا، مثل تقسيم العملاء بحسب أنماط التسوق.

أفضل نتيجة أو أسلوب معروف في وقت معين، ويُقاس عادةً على معيار اختبار معروف.

مجموعة من الأمثلة، كالصور أو النصوص أو صفوف الجداول، جُمعت ونظمت لتدريب نموذج أو اختباره أو تحليله.

الأمثلة التي يتعلم منها النموذج أثناء التدريب. وتحدد جودتها وحجمها وتنوعها إلى حد كبير أداءه على بيانات جديدة.

قيمة أو خاصية قابلة للقياس تُقدَّم إلى النموذج مدخلاً، مثل عمر العميل أو عدد طلباته السابقة أو سطوع بكسل.

الإجابة الصحيحة المرفقة بمثال تدريبي، مثل spam لرسالة بريد أو cat لصورة، ليتعلم النموذج الخاضع للإشراف توقعها.

عمل إضافة تسميات أو ملاحظات إلى بيانات خام، مثل رسم مربعات حول الأجسام في الصور أو تحديد موضوع كل جملة، كي تستخدم في التدريب أو التقييم.

خطوات تنظيف البيانات الخام وإعدادها قبل أن يستخدمها النموذج، مثل حذف التكرارات وملء القيم المفقودة وتغيير حجم الصور أو تطبيع النص.

الإجابات الصحيحة المتحقق منها التي تقارن بها مخرجات النموذج، وتُعد عادة بتوسيم بشري دقيق أو بقياسات فعلية.

إنشاء أمثلة تدريب إضافية بإدخال تغييرات صغيرة على أمثلة موجودة، مثل قلب الصور أو قصها وإعادة صياغة الجمل، لزيادة التنوع الذي يراه النموذج.

حالة تضم فيها مجموعة البيانات أمثلة لبعض الفئات أكثر بكثير من غيرها، مثل 990 معاملة سليمة مقابل 10 احتيالية.

خطأ تدخل فيه إلى التدريب معلومات لن تكون متاحة عند التنبؤ، مثل أمثلة الاختبار أو بيانات مستقبلية، فتبدو النتائج أفضل من حقيقتها.

نموذج من وحدات مترابطة مرتبة في طبقات، مستوحى بصورة عامة من الدماغ. ويُعدّل وزن كل اتصال أثناء التدريب.

جزء من التعلم الآلي يستخدم شبكات عصبية كثيرة الطبقات، ويشغل تقنيات حديثة للتعرف إلى الكلام والصور ونماذج اللغة الكبيرة.

قيمة عددية داخل النموذج، مثل الوزن أو قيمة الانحياز، يتعلمها من البيانات أثناء التدريب. ويُعبّر عن حجم النموذج غالباً بعدد معلماته.

بنية شبكة عصبية ظهرت عام 2017 وتستخدم آلية الانتباه لمعالجة أجزاء التسلسل بالتوازي. وهي أساس النماذج اللغوية الكبيرة الحالية.

مستوى واحد في الشبكة العصبية، يأخذ مجموعة وحدات فيه مخرجات المستوى السابق ويحولها ثم يمررها إلى المستوى التالي.

القيم المتعلمة على وصلات الشبكة العصبية، وتحدد قوة تأثير كل مدخل في الطبقة التالية؛ وتمثل مجتمعة ما تعلمه النموذج.

دالة رياضية بسيطة تطبق على خرج كل وحدة في الشبكة العصبية، وتضيف اللاخطية التي تمكّن الشبكة من تعلم أنماط معقدة.

طريقة لحساب مقدار مساهمة كل وزن في خطأ الشبكة العصبية، بتمرير الخطأ من طبقة الخرج عائدًا نحو المدخلات.

آلية تمكّن النموذج من تحديد أجزاء مدخله الأشد صلة بكل جزء، ومنحها وزنًا أكبر عند إنشاء الخرج.

يعلم النموذج بعرض أمثلة كثيرة عليه وتعديل معاملاته مراراً حتى تقترب مخرجاته من الإجابات الصحيحة.

صيغة تقيس مدى ابتعاد تنبؤات النموذج عن الإجابات الصحيحة. ويسعى التدريب إلى تصغير هذه القيمة المسماة الخسارة.

مشكلة يتعلم فيها النموذج بيانات التدريب بتفاصيلها، بما فيها الضجيج والمصادفات، فيؤدي جيداً عليها وضعيفاً على بيانات جديدة.

مرور كامل واحد لعملية التدريب على مجموعة بيانات التدريب بأكملها. تدرب النماذج عادةً لعدة حقب.

معامل فائق يحدد حجم الخطوة التي يتخذها النموذج عند تحديث معاملاته. إذا ارتفع كثيرًا أصبح التدريب غير مستقر، وإذا انخفض كثيرًا صار التدريب بطيئًا.

إعداد يختاره المهندسون قبل التدريب بدل أن يتعلمه النموذج من البيانات، مثل معدل التعلم أو حجم الدفعة أو عدد الطبقات.

عدد أمثلة التدريب التي يعالجها النموذج معًا قبل تحديث معاملاته مرة واحدة.

طريقة التحسين الأساسية وراء التدريب: تعدّل كل معامل مرارًا بخطوات صغيرة في الاتجاه الذي يقلل الخسارة بأكبر قدر.

مشكلة يكون فيها النموذج أبسط من اللازم أو لم يتدرب بما يكفي لالتقاط أنماط البيانات، فيؤدي أداءً ضعيفًا حتى على بيانات التدريب.

تقنية تحد من تعقيد النموذج أثناء التدريب لتقليل فرط التكيّف وتحسين أدائه على بيانات جديدة.

نسخة محفوظة من أوزان النموذج، وغالباً من حالة المحسّن أيضاً، عند مرحلة معينة من التدريب؛ تتيح استئناف التدريب أو استخدام تلك النسخة لاحقاً.

بلوغ حالة مستقرة أثناء التدريب يتوقف فيها الخسار عن الانخفاض بصورة ذات معنى ولا يضيف التدريب مزيدًا من الفائدة.

جزء من البيانات يُحفظ جانباً ولا يستخدم إلا في النهاية لقياس أداء النموذج المكتمل على أمثلة لم يرها من قبل.

نسبة تنبؤات النموذج الصحيحة إلى مجموع تنبؤاته؛ فدقة 90 بالمئة تعني صحة تسعة من كل عشرة أمثلة.

جزء من البيانات يُستبعد من التدريب ويستخدم أثناء التطوير لمقارنة النماذج وضبط الإعدادات وتحديد وقت إيقاف التدريب.

من جميع الحالات التي صنفها النموذج إيجابية، النسبة التي كانت إيجابية فعلًا. يعني الإحكام المرتفع قلة الإنذارات الكاذبة.

من جميع الحالات الإيجابية فعلًا، النسبة التي تمكن النموذج من العثور عليها. يعني الاسترجاع المرتفع قلة الحالات الفائتة.

رقم واحد يجمع الإحكام والاسترجاع باستخدام المتوسط التوافقي لهما. ولا يرتفع إلا عندما يكون كلا المقياسين مرتفعًا.

مجموعة موحدة من المهام والبيانات لقياس النماذج بالطريقة نفسها، بحيث يمكن مقارنة نتائج الفرق المختلفة بإنصاف.

جدول يبين، لكل فئة حقيقية، عدد الأمثلة التي أسندها النموذج إلى كل فئة، فيكشف الفئات التي يخلط بينها.

طريقة تقييم تقسّم البيانات إلى أجزاء، وتدرب على جميعها عدا جزء واحد لاختباره، ثم تكرر العملية حتى يستخدم كل جزء للاختبار.

اختصار لنموذج لغوي كبير: شبكة عصبية ضخمة تدرب على نصوص كثيرة لتتنبأ بالرمز التالي، ما يتيح لها الإجابة والكتابة والتلخيص والبرمجة.

وحدة صغيرة من النص يقرأها النموذج اللغوي ويكتبها؛ وقد تكون كلمة كاملة أو جزءاً منها أو علامة ترقيم. وتُحسب حدود النماذج وأسعارها غالباً بهذه الوحدات.

مخرج واثق لكنه زائف أو مختلق من نموذج توليدي، مثل حقيقة أو اقتباس أو مصدر أو مقطع شيفرة لا وجود له.

أقصى كمية نص، تقاس بالرموز، يستطيع النموذج اللغوي أخذها في الحسبان دفعة واحدة، وتشمل الطلب والوثائق وإجابته نفسها.

أنظمة ذكاء اصطناعي تنشئ محتوى جديدًا، مثل النص والصور والصوت والفيديو والشيفرة، بدل الاكتفاء بتصنيف المدخلات أو توقع القيم.

مرحلة التدريب الأولى والأكبر، يتعلم فيها النموذج أنماطًا عامة من كمية ضخمة من البيانات غير الموسومة غالبًا قبل تكييفه لمهام محددة.

إعداد يتحكم في مقدار عشوائية مخرجات النموذج التوليدي؛ القيم المنخفضة تعطي إجابات أكثر توقعًا وتركيزًا، والعالية أكثر تنوعًا وإبداعًا.

قادر على التعامل مع أكثر من نوع من البيانات، مثل النصوص والصور والصوت والفيديو، كنموذج يجيب عن أسئلة حول صورة.

نظام مبني حول نموذج لغوي كبير يستطيع تخطيط خطوات واستخدام أدوات، مثل البحث أو الشيفرة أو برامج الشركة، لإنجاز مهمة بمساعدة بشرية محدودة.

النص أو المدخل الآخر الذي يعطى لنموذج توليدي لتحديد ما ينبغي أن يفعله، مثل سؤال أو تعليمة أو أمثلة يتبعها طلب.

تعليمات تُعطى لنموذج المحادثة قبل بدء الحوار لتحدد دوره وقواعده ونبرته وحدوده في الرسائل اللاحقة.

اختصار للتوليد المعزز بالاسترجاع: تبحث المنظومة أولًا في مجموعة وثائق عن مقاطع ذات صلة، ثم تقدمها إلى نموذج لغوي كبير ليصوغ الإجابة.

ممارسة تصميم الموجهات واختبارها وتحسينها كي يقدم النموذج مخرجات دقيقة ومفيدة ومتسقة لمهمة معينة.

إدراج بضعة أمثلة محلولة لمهمة داخل الموجه ليحاكي النموذج النمط في مدخل جديد من دون تدريب إضافي.

استدلال خطوة بخطوة يكتبه النموذج قبل إجابته النهائية، وقد يحسن النتائج في المسائل الحسابية والمنطقية ومتعددة الخطوات.

قاعدة مصممة لتخزين التضمينات والعثور بسرعة على أقربها إلى استعلام، ولذلك تعد مكونًا شائعًا في البحث الدلالي وأنظمة RAG.

تدريب إضافي لنموذج مدرب مسبقاً على مجموعة أصغر ومخصصة لمهمة، لتحسين أدائه فيها أو جعله يتبع أسلوباً معيناً.

إعادة استخدام ما تعلمه نموذج من مهمة أو مجموعة بيانات كنقطة بداية لمهمة أخرى ذات صلة بدل تدريب نموذج من الصفر.

نموذج أكمل التدريب المسبق فقط، قبل الضبط الدقيق أو التدريب على التعليمات؛ يواصل النص لكنه لا يتبع التعليمات أو يدردش بموثوقية.

اختصار للتكيّف منخفض الرتبة (low-rank adaptation): طريقة لضبط النموذج الدقيق تُبقي الأوزان الأصلية ثابتة وتدرّب مصفوفات صغيرة مضافة فقط، ما يوفر كثيرًا من الذاكرة والتخزين.

اختصار للتعلم المعزز من الملاحظات البشرية (reinforcement learning from human feedback): مرحلة تدريب يرتب فيها البشر إجابات النموذج، ويتعلم نموذج مكافأة تفضيلاتهم، ثم يُضبط النموذج اللغوي الكبير ليحصل على درجات أعلى.

تدريب نموذج أصغر، يسمى الطالب، على تقليد مخرجات نموذج أكبر، يسمى المعلم، ليحتفظ بجزء كبير من الجودة مع سرعة وكلفة تشغيل أفضل.

مجال في الذكاء الاصطناعي يعلّم الحواسيب فهم الصور والفيديو، مثل التعرف على الأشياء أو قراءة النص في الصور أو تتبع الحركة.

اختصار لشبكة تحرك مرشحات متعلمة صغيرة عبر الصورة لاكتشاف أنماط مثل الحواف والأنسجة والأشكال.

مهمة رؤية حاسوبية تحدد الأجسام في صورة أو فيديو، وتعين فئتها مثل سيارة أو شخص وموقعها غالبًا بمربع إحاطة.

مهمة في الرؤية الحاسوبية تصنف كل بكسل في الصورة بحسب فئة أو كائن، فتحدد الأشكال بدقة بدل رسم مربعات تقريبية.

مستطيل يرسم حول كائن في صورة ويخزن إحداثياته لتحديد موضعه، وهو الناتج المعتاد لاكتشاف الكائنات.

نموذج توليدي يتعلم إزالة الضوضاء تدريجيًا، فينشئ صورًا أو صوتًا أو فيديو جديدًا بدءًا من ضوضاء خالصة ثم يحسنها على مراحل.

مجال من الذكاء الاصطناعي يعالج اللغة البشرية، ويطوّر أنظمة تقرأ النص والكلام وتفهمهما أو تترجمهما أو تلخصهما أو تولدهما.

قائمة أعداد، أي متجه، تمثل كلمة أو جملة أو صورة أو عنصرًا آخر بحيث تتقارب العناصر المتشابهة في المعنى.

مكوّن يقسم النص إلى رموز ويحولها إلى أرقام يقرأها النموذج، ثم يحول أرقام مخرجاته إلى نص.

مهمة في معالجة اللغة تحدد الرأي أو الشعور في نص، مثل كون مراجعة منتج إيجابية أو سلبية أو محايدة.

التعرف على الكيانات المسماة (named entity recognition): مهمة في معالجة اللغة الطبيعية تعثر في النص على أسماء الأشخاص والمؤسسات والأماكن والتواريخ والمبالغ وما شابه، ثم تصنف كل عنصر بحسب نوعه.

مجموعة كبيرة ومنظمة من النصوص أو التسجيلات الصوتية تستخدم لتدريب النماذج اللغوية أو دراسة استعمال اللغة.

عدم إنصاف منهجي في مخرجات النموذج، مثل أدائه الأسوأ لمجموعات معينة، وغالباً ما ينتج عن بيانات منحرفة أو قرارات تصميمية.

هدف أن يعامل النموذج المجموعات المختلفة بإنصاف، مثل تقارب معدلات الخطأ أو القبول بين الجنسين والأعمار والمناطق.

مدى قدرة الناس على فهم سبب إصدار النموذج تنبؤًا أو قرارًا معينًا، غالبًا بمساعدة أدوات توضح المدخلات الأكثر تأثيرًا.

قاعدة أو فحص يحيط بالنموذج لمنع المدخلات والمخرجات الضارة أو الخارجة عن الموضوع أو غير الآمنة، مثل مرشح يحجب البيانات الشخصية من الإجابات.

اختبار نموذج أو نظام ذكاء اصطناعي بمحاولة متعمدة لدفعه إلى الفشل أو التصرف على نحو ضار، لاكتشاف نقاط الضعف قبل المستخدمين أو المهاجمين.

جعل سلوك نظام الذكاء الاصطناعي متوافقًا مع مقاصد البشر وقيمهم، بحيث يكون نافعًا وصادقًا ويتجنب الضرر؛ ويشير أيضًا إلى مجال البحث في ذلك.

موجّه أو أسلوب يرمي إلى خداع النموذج كي يتجاهل قواعد السلامة وينتج محتوى يفترض أن يرفضه.

مرحلة استخدام نموذج مدرب لإنتاج مخرجات لمدخلات جديدة، كالإجابة عن سؤال مستخدم أو تصنيف صورة جديدة.

يضع نموذجاً مدرّباً في نظام فعلي كي يتمكن المستخدمون أو البرامج الأخرى من إرسال الطلبات إليه وتلقي التنبؤات.

اختصار لوحدة معالجة الرسومات: شريحة تنفذ آلاف العمليات البسيطة بالتوازي، ما يجعلها العتاد الأساسي لتدريب الشبكات العصبية وتشغيلها.

المدة بين إرسال طلب إلى النموذج وتلقي رده، وتقاس عادةً بالمللي ثانية أو الثواني.

عنوان URL يمكن الوصول عبره إلى نموذج منشور على الشبكة؛ ترسل إليه البرامج طلباً وتتلقى تنبؤ النموذج أو إجابته.

ممارسات وأدوات تشغيل التعلم الآلي في بيئة الإنتاج على نحو موثوق، بما يشمل إصدار نسخ للبيانات والنماذج وأتمتة التدريب والنشر ومراقبة النماذج بمرور الوقت.

تغير البيانات التي يتلقاها نموذج منشور بمرور الوقت مقارنة ببيانات تدريبه، ما قد يؤدي تدريجيًا إلى تراجع دقة تنبؤاته.

تخزين أوزان النموذج، وأحيانًا تفعيلاته، بعدد أقل من البتات، مثل 8 أو 4 بدلًا من 16، لتقليل حجمه وزيادة سرعته.

إتاحة نموذج أو ميزة أو إصدار جديد للمستخدمين، غالباً على مراحل تبدأ بحصة صغيرة من الزيارات ثم تتوسع إذا ظلت المؤشرات جيدة.