مصطلحات

باختصار الـ RAG تقنية بتديك قدرة ربط النموذج اللغوي ببيانات خارجية حديثة — فيقدر يجاوب بدقة على أسئلة ما اتعلمهاش في تدريبه. بالتفصيل RAG اختصار لـ Retrieval-Augmented Generation. فكرته بسيطة: قبل ما النموذج يجاوب، بيدور في مصادر خارجية (وثائق، قاعدة بيانات، الإنترنت) وبيجيب المعلومة المناسبة، وبعدين بيولّد الإجابة بناءً عليها. النماذج اللغوية عندها تاريخ انتهاء (Knowledge Cutoff) — مش بتعرف …

باختصار الـ Quantization تقنية بتقلل حجم النموذج وتسرّع تشغيله عن طريق تبسيط الأرقام التي يخزّنها — مع خسارة بسيطة في الدقة. بالتفصيل النماذج الضخمة بتخزّن معاملاتها بدقة عالية (32-bit أو 16-bit). Quantization بتقلل الدقة دي (لـ 8-bit أو 4-bit) — زي ما لو حوّلت صورة من TIFF لـ JPEG. الصورة أصغر وتقدر تفتحها أسرع، مع فقدان طفيف في الجودة. عند …

باختصار الـ LoRA طريقة ذكية للـ Fine-tuning بتعدّل جزء صغير من النموذج بدل كله — أسرع وأرخص وبنفس الجودة. بالتفصيل LoRA اختصار لـ Low-Rank Adaptation. بدل ما تعدّل كل المليارات من المعاملات في النموذج الضخم، LoRA بتضيف «طبقات صغيرة» جانبية بتعلّم الفرق المطلوب. تخيل إنك بدل ما تعيد رسم لوحة كاملة، بتضيف طبقة شفافة فوقها بتحتوي التعديلات الجديدة. النموذج الأصلي …

باختصار الـ Transfer Learning هو استخدام معرفة نموذج تعلّمها من مشكلة ما وتطبيقها على مشكلة مختلفة. بالتفصيل لو بتتعلم العزف على البيانو من قبل، وقررت تتعلم الأورج — مش هتبدأ من الصفر. مهاراتك في قراءة النوتة والإيقاع هتنتقل. ده بالظبط الـ Transfer Learning. في AI، النماذج بتتدرب على مهام ضخمة عامة (زي قراءة مليارات الجمل) وبعدين بيتم نقل المعرفة دي …

باختصار الـ Fine-tuning هو عملية تدريب نموذج AI موجود على بيانات متخصصة عشان يبقى أحسن في مجال معين. بالتفصيل تخيل إنك اشتريت طباخ محترف تعلّم كل المطابخ العالمية — ده النموذج الأساسي. الـ Fine-tuning زي ما لو درّبته إضافياً على المطبخ المصري تحديداً لمدة شهر. النتيجة: طباخ يفهم كسبانة ومحشي أحسن من أي حد تاني. تقنياً، بتاخد نموذج ضخم زي …

باختصار الـ Decision Tree هو نموذج تعلم آلي بياخد قرارات عن طريق سلسلة أسئلة متفرعة زي الشجرة. كل سؤال بيوديك لفرع معين، ولحد ما توصل للنتيجة النهائية — زي لعبة “٢٠ سؤال” بالظبط. بالتفصيل تخيل إنك بتلعب لعبة مع صاحبك وهو مخبي حاجة وإنت بتسأله أسئلة عشان تعرفها. “هي حاجة حية؟” لو أه، “هي حيوان؟” لو أه، “بتمشي على أربعة؟” …

باختصار الـ GRPO هو تقنية تدريب طوّرها فريق DeepSeek، بتقيّم مجموعة إجابات مع بعض وتختار الأفضل نسبيًا من غير ما تحتاج نموذج مكافأة منفصل. الطريقة دي أكفأ وأوفر من الـ RLHF التقليدي. بالتفصيل تخيّل إنك مدرّس وعندك فصل طلاب وكل واحد حل نفس السؤال بطريقة مختلفة. بدل ما تجيب مصحح خارجي (نموذج المكافأة) يقيّم كل إجابة لوحدها، أنت بتقارن إجابات …

باختصار الـ Clustering هو أسلوب في التعلم الآلي بيقسم البيانات لمجموعات متشابهة من غير ما يكون عارف التصنيفات مسبقاً. تخيل إنك عندك كومة ملابس كبيرة ومحتاج تفرزها حسب اللون من غير ما حد يقولك إيه الألوان اللي موجودة — ده بالظبط اللي بيعمله الـ Clustering. بالتفصيل تخيل إنك دخلت أوضة فيها ١٠٠ كتاب متبعترين على الأرض، ومحدش قالك تفرزهم إزاي. …

باختصار الـ DPO أو تحسين التفضيلات المباشر هو طريقة أبسط من الـ RLHF عشان تعلّم نموذج الذكاء الاصطناعي يرد بشكل أحسن. الفكرة إنك بتديله أزواج من الإجابات — واحدة كويسة وواحدة مش كويسة — وهو بيتعلم مباشرة يفضّل الكويسة، من غير ما تحتاج تبني نموذج مكافأة منفصل. بالتفصيل تخيّل إنك بتعلّم حد يطبخ. الطريقة القديمة (RLHF) كانت إنك تجيب شيف …

⭐ مصطلح اليوم Physical AI الذكاء الاصطناعي الجسدي النطق: فِيزيكَل إيه-آي باختصار الذكاء الاصطناعي الجسدي (Physical AI) هو ذكاء اصطناعي يعمل في العالم الحقيقي — يتحكم في أجسام مادية مثل الروبوتات والمركبات والطائرات المسيّرة، ويتفاعل مع بيئة فيزيائية لا رقمية. بالتفصيل عندما تتحدث مع ChatGPT أو تطلب من Gemini كتابة بريد، هذا ذكاء اصطناعي «رقمي» — يعيش في الكمبيوتر ويتعامل …