المسرد

تعريفات مبسّطة لمصطلحات الذكاء الاصطناعي الحديث، من الرموز ونوافذ السياق إلى الاستدلال والوكلاء والاختبارات المعيارية، وكل منها مرتبط بشرح كامل.

L

LLM: نموذج اللغة الكبير (LLM) هو نموذج ذكاء اصطناعي مُدرَّب على مجموعات كبيرة من البيانات اللغوية لمعالجة سلاسل نصية مُرجَّحة أو توليدها. وتتلقى معظم نماذج LLM المستخدمة لتوليد النصوص مطالبةً، ثم تُنتج استجابةً قطعةً صغيرةً واحدةً في كل مرة.

أ

أوزان النموذج: أوزان النموذج هي أرقام متعلَّمة تحدد مدى قوة استخدام النموذج لكل مدخل أو إشارة وسيطة عند حساب مخرج. وتُخزَّن عادةً في مجموعات كبيرة تُسمى المصفوفات أو الموترات، ويغيّرها التدريب بحيث تتوافق مخرجات النموذج بصورة أفضل مع هدفه.

إ

إنتاجية الاستدلال: إنتاجية الاستدلال هي مقدار عمل النموذج الذي يُكمله نظام الاستدلال في وحدة زمنية، عبر جميع الطلبات التي يخدمها. ويمكن قياسها بعدد الطلبات المكتملة، أو عمليات الاستدلال، أو العينات، أو الرموز المميزة في الثانية.

ا

استخدام الأدوات في نماذج LLM: استخدام الأدوات في نماذج LLM هو آلية تتيح لنموذج اللغة طلب تنفيذ عملية خارجية—مثل البحث في قاعدة بيانات، أو إجراء عملية حسابية، أو إرسال رسالة—واستخدام النتيجة المُعادة في استجابته. يختار النموذج الأداة عادةً ويقدّم مدخلات مقترحة؛ أما البرنامج المحيط بالنموذج فيقرر ما إذا كان سينفّذ الاستدعاء.
الاستدلال في الذكاء الاصطناعي: الاستدلال في الذكاء الاصطناعي هو عملية تشغيل نموذج مُدرَّب على مُدخل لإنتاج مُخرج، من دون تحديث ما تعلّمه النموذج. وهو مرحلة استخدام النموذج: تُدخَل صورة فتخرج تسمية، أو يُدخَل طلب فتخرج نصوص مُولَّدة.
التدريب في الذكاء الاصطناعي: التدريب في الذكاء الاصطناعي هو عملية تغيير القيم الداخلية القابلة للضبط في النموذج، بحيث تحقق مخرجاته هدفًا محددًا على نحو أفضل. يتحسن النموذج من خلال التغذية الراجعة والتحديثات المتكررة، بدلًا من أن يكتب المبرمج قاعدة لكل حالة.
التوكنات في الثانية: تقيس التوكنات في الثانية (TPS أو tok/s) عدد التوكنات التي ينتجها نظام ذكاء اصطناعي خلال ثانية واحدة. وقد يصف هذا الرقم سرعة إخراج استجابة واحدة أو معدل التدفق المجمع لنظام تقديم كامل، ولذلك لا يكفي المصطلح وحده لتحديد المقصود.
الذكاء الاصطناعي: الذكاء الاصطناعي (AI) هو مجال تصميم أنظمة حاسوبية تنتج مخرجات موجّهة نحو هدف—مثل التنبؤات أو المحتوى أو التوصيات أو القرارات—باستخدام أساليب ترتبط بقدرات مثل التعلّم والاستدلال والإدراك واللغة. ويشير الذكاء الاصطناعي أيضًا إلى الأنظمة التي ينشئها هذا المجال.
الذكاء الاصطناعي التوليدي: الذكاء الاصطناعي التوليدي هو ذكاء اصطناعي يتعلم الأنماط الموجودة في البيانات ويستخدمها لإنتاج محتوى جديد، مثل النصوص أو الصور أو الصوت أو الفيديو أو التعليمات البرمجية. وعادةً ما يُنشئ هذا المحتوى استجابةً لتعليمات أو مدخلات أخرى.
الذكاء الاصطناعي متعدد الوسائط: الذكاء الاصطناعي متعدد الوسائط هو ذكاء اصطناعي يستطيع معالجة المعلومات من أكثر من نوع واحد من البيانات—مثل النصوص أو الصور أو الصوت أو الفيديو—وربطها لإتمام مهمة واحدة. قد يقبل نموذج متعدد الوسائط صورةً وتعليمةً مكتوبة، ثم ينتج نصًا فقط؛ فمصطلح «متعدد الوسائط» لا يعني أن كل نوع من البيانات يعمل بوصفه إدخالًا وإخراجًا في آنٍ واحد.
الرمز المميز في الذكاء الاصطناعي: الرمز المميز في الذكاء الاصطناعي هو عنصر واحد من المفردات التي يستخدمها نموذج لغوي كبير (LLM) لتمثيل النص وإنشائه. وبحسب مُجزِّئ الرموز المميزة في النموذج، قد يقابل الرمز كلمةً، أو جزءًا من كلمة، أو علامة ترقيم، أو مسافة، أو حتى جزءًا من محرف مُرمَّز.
الزمن حتى أول رمز: الزمن حتى أول رمز، أو TTFT، هو الوقت المنقضي بين بدء طلب إلى نموذج لغوي والحصول على أول رمز من استجابته. وهو يقيس فترة الانتظار الأولية، لا سرعة وصول بقية الاستجابة.
النموذج الأساسي: النموذج الأساسي هو نموذج تعلّم آلي مُدرَّب على بيانات واسعة بحيث يمكن تكييفه لأداء العديد من المهام المختلفة، بدلًا من بنائه لمهمة واحدة فقط. وهو نقطة انطلاق قابلة لإعادة الاستخدام، وليس تطبيقًا مكتملًا.

ب

بيئة تشغيل الذكاء الاصطناعي: بيئة تشغيل الذكاء الاصطناعي هي البرمجيات المحيطة بنموذج الذكاء الاصطناعي، التي تتحكم فيما يتلقاه النموذج، وما يحدث لمخرجاته، وكيف يتصل النموذج ببقية التطبيق. وقد تكون صغيرة بحيث تقتصر على شيفرة تدير سجل محادثة، أو كبيرة بحيث تكون بيئة تشغيل تدير الأدوات والذاكرة والأذونات وإعادة المحاولات والمهام طويلة الأمد.

ت

تعلُّم الآلة: تعلُّم الآلة هو أسلوب لبناء برمجيات تتعلّم الأنماط من الأمثلة أو الملاحظات، وتستخدم هذه الأنماط لإجراء تنبؤات أو قرارات أو مخرجات مفيدة بشأن حالات لم ترها من قبل. وهو أحد الأساليب ضمن الذكاء الاصطناعي، وليس مرادفًا لكل الذكاء الاصطناعي.

ح

حدّ معرفة الذكاء الاصطناعي: حدّ معرفة الذكاء الاصطناعي هو التاريخ الذي يُتوقَّع حتى بلوغه أن تعكس المعرفة المضمَّنة في النموذج بيانات تدريبه. وهو حدّ تقريبي، وليس ضمانًا بأن النموذج يعرف كل حقيقة سابقة، أو بأن منتج الذكاء الاصطناعي لا يستطيع جلب معلومات لاحقة.

ر

رموز الإخراج: رموز الإخراج هي الوحدات التي ينشئها النموذج أثناء إنتاج استجابة. وهي تشكّل عادةً النص أو التعليمات البرمجية أو البيانات المنظّمة أو تعليمات الأدوات التي تتلقاها، مع أن المزوّد قد يحتسب أيضًا الاستدلال المخفي ضمن استخدام الإخراج.
رموز الإدخال: رموز الإدخال هي الرموز التي يتلقاها النموذج ويعالجها قبل أن يبدأ في توليد الاستجابة التالية. وهي تأتي من الطلب الكامل الموجَّه إلى النموذج، وليس من أحدث الكلمات التي كتبتها فقط.
رموز الاستدلال: رموز الاستدلال هي الرموز التي ينشئها نموذج الذكاء الاصطناعي أثناء عمله للوصول إلى إجابة، وهي منفصلة عن نص الإجابة الذي تراه. وتمثل خطوات إضافية ينشئها النموذج، مثل التخطيط أو التحقق أو تجربة نهج ما، وقد تُحتسب ضمن الاستخدام والحدود حتى عندما تخفيها الخدمة.
روبوت محادثة بالذكاء الاصطناعي: روبوت المحادثة بالذكاء الاصطناعي هو تطبيق برمجي يستخدم الذكاء الاصطناعي لإجراء محادثة مع شخص عبر النص أو الصوت. يستقبل الرسائل، ويستخدم نموذجًا للذكاء الاصطناعي لتفسيرها أو الإجابة عنها، ويدير السياق والقواعد والبيانات والإجراءات اللازمة لمواصلة التبادل.

ز

زمن استجابة الاستدلال: زمن استجابة الاستدلال هو الوقت المنقضي بين تلقّي نظام الذكاء الاصطناعي لمدخل وإنتاج مخرج محدد. ولا يكون رقم زمن الاستجابة ذا معنى إلا إذا عرفت أين يبدأ المؤقت، وأين يتوقف، ونوع المخرج الذي يُعد مكتملاً.

ش

شبكة عصبية: الشبكة العصبية هي نموذج من نماذج تعلّم الآلة يتعلّم تحويل أرقام الإدخال إلى أرقام إخراج مفيدة، عبر تمريرها خلال طبقات مترابطة من العمليات الحسابية البسيطة. وتشكل هذه الطبقات دالة رياضية واحدة قابلة للتدريب، وليست دماغًا إلكترونيًا حقيقيًا.

م

معلمات النموذج: معلمات النموذج هي القيم العددية المخزنة داخل نموذج مُدرَّب، والتي تحدد كيفية تحويله للمدخل إلى مخرج. في الشبكة العصبية، تتضمن عادةً الأوزان والانحيازات، وتُختار قيمها أثناء التدريب ثم يُعاد استخدامها عندما يُجري النموذج التنبؤات.

ن

نافذة السياق: نافذة السياق هي الحد الأقصى من المادة المُحوَّلة إلى رموز (tokens) التي يمكن لنموذج ذكاء اصطناعي استخدامها أثناء إنتاج استجابة واحدة. في كثير من واجهات برمجة تطبيقات نماذج اللغة، تشمل هذه السعة المُدخَلات والمخرجات المُولَّدة، مع أن مزوّدي الخدمة قد يفرضون أيضًا حدودًا منفصلة للمُدخَلات أو المخرجات.
نموذج ذكاء اصطناعي: نموذج الذكاء الاصطناعي هو الجزء من نظام الذكاء الاصطناعي الذي يحوّل مُدخلاً إلى مُخرَج، مثل توقّع أو تصنيف أو توصية أو إجراء أو نتيجة مولَّدة. وفي معظم الاستخدامات الحالية، يُقصد به نموذج تعلُّم آلي تشكّل سلوكه بفعل بيانات التدريب.

و

وكيل ذكاء اصطناعي: وكيل الذكاء الاصطناعي هو نظام برمجي يسعى إلى تحقيق هدف باستخدام نموذج ذكاء اصطناعي لاختيار إجراءاته التالية، ومراقبة النتائج، والاستمرار حتى يُكمل المهمة أو يحتاج إلى مساعدة أو يبلغ حدًا معينًا. وعلى خلاف النموذج الذي ينتج إجابة فقط، يستطيع الوكيل التحكم في عملية متعددة الخطوات وتنفيذ إجراءات عبر أدوات ضمن أذونات محددة.