مصطلحات

باختصار الـ Underfitting بيحصل لما النموذج يكون بسيط أوي أو ما اتدرّبش كفاية، فما يقدرش يفهم الأنماط حتى في بيانات التدريب نفسها. أداءه بيكون ضعيف على كل حاجة — بيانات التدريب والبيانات الجديدة. بالتفصيل تخيّل إنك بتحاول تفهم مادة الفيزياء، بس بتقرأ العناوين بس من غير ما تفتح أي فصل. لما تيجي تحل أي سؤال — سواء من الكتاب أو …

باختصار الـ Overfitting بيحصل لما النموذج يحفظ بيانات التدريب بدل ما يتعلّم الأنماط العامة منها. النتيجة إن أداءه بيكون ممتاز على البيانات اللي اتدرّب عليها، لكن لما ييجي يشتغل على بيانات جديدة ما شافهاش قبل كده، بيكون أداءه ضعيف جدًا. بالتفصيل تخيّل طالب بيذاكر لامتحان الرياضيات بإنه يحفظ إجابات الامتحانات القديمة حرف بحرف. لو جاله نفس السؤال بالظبط، هيجاوب صح. …

باختصار الـ Transfer Learning هو تقنية بتاخد المعرفة اللي نموذج اتعلّمها من مهمة وتطبّقها على مهمة تانية مشابهة. بدل ما تدرّب نموذج من الصفر على كل مهمة جديدة، بتستفيد من اللي اتعلّمه قبل كده وبتوفّر وقت وبيانات تدريب كتير. بالتفصيل تخيّل إنك لعيب كرة قدم محترف وعايز تتعلّم كرة يد. مش هتبدأ من الصفر — أنت أصلًا عندك لياقة بدنية، …

باختصار الـ Pre-trained Model هو نموذج ذكاء اصطناعي اتدرّب على كمية ضخمة من البيانات العامة وبقى جاهز للاستخدام على طول أو للضبط الدقيق على مهمة معيّنة. بدل ما تبدأ من الصفر، بتاخد نموذج خلاص اتعلّم أساسيات كتير وبتكمّل عليه. بالتفصيل تخيّل إنك عايز تتعلّم الطبخ المغربي. عندك طريقتين: إما تبدأ من الصفر ومش عارف حتى تمسك سكينة، أو إنك تكون …

باختصار الـ Artificial Neuron هي الوحدة الأساسية في أي Neural Network — بتستقبل مدخلات، بتضربها في أوزان، وبتطبّق دالة تنشيط عشان تطلع مخرج واحد بيتبعت للطبقة اللي بعدها. هي اللبنة اللي بتتبني منها كل نماذج الذكاء الاصطناعي الحديثة. بالتفصيل تخيّل إنك في مطبخ وبتعمل كشري. كل مكوّن (رز، عدس، صلصة) بييجيلك بكمية معيّنة، وإنت بتقرر تحط من كل مكوّن قد …

باختصار الـ Federated Learning طريقة لتدريب النماذج على بيانات موزّعة في أجهزة مختلفة من غير ما البيانات تغادر الجهاز — للخصوصية الكاملة. بالتفصيل عادةً التدريب بيحتاج كل البيانات في مكان واحد (السيرفر). Federated Learning بيعكس المعادلة: النموذج بيتنزّل على كل جهاز، بيتدرب على البيانات المحلية، وبعدين التحديثات (مش البيانات) بتتجمع في السيرفر. يعني تليفونك ممكن يساعد في تدريب نموذج AI …

باختصار الـ Synthetic Data بيانات تولّدها نماذج AI بدل جمعها من العالم الحقيقي — حل ذكي لشُح البيانات وحماية الخصوصية. بالتفصيل تدريب نماذج AI محتاج ملايين أو مليارات نقطة بيانات. المشكلة: البيانات الحقيقية أحياناً شحيحة أو حساسة أو مكلفة التجميع. Synthetic Data الحل: تستخدم نموذج AI (أو محاكاة) لتوليد بيانات اصطناعية تشبه البيانات الحقيقية في خصائصها. مستشفى عنده 1000 حالة …

باختصار الـ Overfitting لما النموذج يحفظ بيانات التدريب عن ظهر قلب بدل ما يتعلم القواعد العامة — فبيفشل مع بيانات جديدة. بالتفصيل تخيل طالب حفظ إجابات 10 امتحانات قديمة كلها حرفاً حرفاً. لما وقف في امتحان بأسئلة مختلفة شوية، فشل — لأنه ما فهمش المادة، بس حفظ. الـ Overfitting بالظبط كده مع النماذج. النموذج بيتعلم «ضوضاء» التدريب وتفاصيل غير مهمة …

باختصار الـ Knowledge Distillation طريقة لتحويل نموذج ضخم وغالي التشغيل لنموذج أصغر وأسرع مع الاحتفاظ بمعظم ذكائه. بالتفصيل Knowledge Distillation أو «تقطير المعرفة» هو عملية بيكون فيها «نموذج مُعلّم» كبير يدرّب «نموذج طالب» أصغر. الفكرة مش بس إن الطالب يتقلّد إجابات المعلم الصح/غلط، لكن يتعلم كيفية تفكير المعلم — احتمالات كل إجابة وليس مجرد الإجابة النهائية. ده بيعطي الطالب معرفة …

باختصار الـ RLHF طريقة تدريب بتستخدم تقييمات بشرية لتعليم النموذج يطلع إجابات أحسن وأأمن وأكثر توافقاً مع تفضيلات الإنسان. بالتفصيل RLHF اختصار لـ Reinforcement Learning from Human Feedback. الفكرة إن النموذج بيولّد ردود متعددة، وبشر حقيقيين بيختاروا الأحسن، والنموذج بيتعلم منهم. العملية لها ثلاث مراحل: أولاً السؤال والإجابة العادية، ثانياً تدريب «نموذج المكافأة» على اختيارات البشر، وأخيراً استخدام Reinforcement Learning …