مصطلحات في الذكاء الاصطناعي يجب على الجميع معرفتها
- الذكاء الاصطناعي العام (AGI): ذكاء اصطناعي يمكنه التفكير مثل البشر.
- سلسلة التفكير (CoT – Chain of Thought): التفكير خطوة بخطوة بواسطة الذكاء الاصطناعي.
- وكلاء الذكاء الاصطناعي (AI Agents): برامج مستقلة تتخذ القرارات.
- مغلف الذكاء الاصطناعي (AI Wrapper): يبسط التفاعل مع نماذج الذكاء الاصطناعي.
- مواءمة الذكاء الاصطناعي (AI Alignment): ضمان امتثال الذكاء الاصطناعي للقيم الإنسانية.
- التعديل الدقيق (Fine-tuning): تحسين الذكاء الاصطناعي ببيانات تدريب محددة.
- الهلوسة (Hallucination): عندما يولد الذكاء الاصطناعي معلومات خاطئة.
- نموذج الذكاء الاصطناعي (AI Model): نظام مدرب لأداء مهمة.
- الدردشة الآلية (Chatbot): ذكاء اصطناعي يحاكي المحادثة البشرية.
- الحوسبة (Compute): القدرة الحاسوبية لنماذج الذكاء الاصطناعي.
- الرؤية الحاسوبية (Computer Vision): ذكاء اصطناعي يفهم الصور والفيديوهات.
- السياق (Context): المعلومات التي يحتفظ بها الذكاء الاصطناعي لتحسين الاستجابات.
- التعلم العميق (Deep Learning): تعلم الذكاء الاصطناعي عبر شبكات عصبية متعددة الطبقات.
- التمثيل الرقمي (Embedding): تمثيل رقمي للكلمات للذكاء الاصطناعي.
- قابلية التفسير (Explainability): كيفية فهم قرارات الذكاء الاصطناعي.
- النموذج الأساسي (Foundation Model): نموذج ذكاء اصطناعي ضخم قابل للتكيف مع مهمات متعددة.
- الذكاء الاصطناعي التوليدي (Generative AI): ذكاء اصطناعي يخلق نصوصاً وصوراً وغيرها.
- وحدة معالجة الرسوميات (GPU): مكوّن مادي للمعالجة السريعة للذكاء الاصطناعي.
- الحقيقة الأساسية (Ground Truth): بيانات مؤكدة يتعلم منها الذكاء الاصطناعي.
- الاستدلال (Inference): قيام الذكاء الاصطناعي بالتنبؤ بناءً على بيانات جديدة.
- النموذج اللغوي الكبير (LLM): نموذج ذكاء اصطناعي مدرب على كميات هائلة من النصوص.
- التعلم الآلي (Machine Learning): تحسين الذكاء الاصطناعي من خلال الخبرة البيانية.
- بروتوكول سياق النموذج (MCP): معيار للوصول إلى البيانات الخارجية من الذكاء الاصطناعي.
- معالجة اللغة الطبيعية (NLP): فهم الذكاء الاصطناعي للغة البشرية.
- الشبكة العصبية (Neural Network): نموذج ذكاء اصطناعي مستوحى من الدماغ.
- المعاملات (Parameters): متغيرات داخلية للذكاء الاصطناعي للتعلم.
- هندسة المحفزات (Prompt Engineering): صياغة المدخلات لتوجيه مخرجات الذكاء الاصطناعي.
- نموذج الاستدلال (Reasoning Model): ذكاء اصطناعي يتبع التفكير المنطقي.
- التعلم المعزز (Reinforcement Learning): تعلم الذكاء الاصطناعي من المكافآت والعقوبات.
- التوليد المعزز بالاسترجاع (RAG): دمج البحث مع الاستجابات في الذكاء الاصطناعي.
- التعلم الخاضع للإشراف (Supervised Learning): تدريب الذكاء الاصطناعي على بيانات معنونة.
- وحدة المعالجة المخصصة (TPU): معالج متخصص من جوجل للذكاء الاصطناعي.
- تجزئة النص (Tokenization): تقسيم النص إلى أجزاء أصغر.
- التدريب (Training): تعليم الذكاء الاصطناعي عن طريق ضبط معاييره.
- المحوّل (Transformer): بنية ذكاء اصطناعي لمعالجة اللغة.
- التعلم غير الخاضع للإشراف (Unsupervised Learning): اكتشاف الأنماط في البيانات غير المعنونة.
- البرمجة الإبداعية (Vibe Coding): التكويد بمساعدة الذكاء الاصطناعي عبر الأوامر الطبيعية.
- الأوزان (Weights): القيم التي تشكل تعلم الذكاء الاصطناعي.