تصفح جميع المحتويات في فئة Glossary
الذكاء الاصطناعي العميلي هو فرع متقدم من الذكاء الاصطناعي يمكّن الأنظمة من العمل بشكل مستقل، واتخاذ القرارات، وإنجاز المهام المعقدة بأقل قدر من الإشراف البشري. على عكس الذكاء الاصطناعي التقليدي، تقوم الأنظمة العميلية بتحليل البيانات، والتكيف مع البيئات الديناميكية، وتنفيذ العمليات متعددة الخطوات باستقلالية وكفاءة.
الذكاء الاصطناعي الفائق (ASI) هو نوع نظري من الذكاء الاصطناعي يتجاوز الذكاء البشري في جميع المجالات، مع قدرات متعددة الوسائط وقابلية للتحسين الذاتي. اكتشف خصائصه، ومكوناته الأساسية، وتطبيقاته، وفوائده، ومخاطره الأخلاقية.
الذكاء الاصناعي القابل للتفسير (XAI) هو مجموعة من الأساليب والعمليات المصممة لجعل مخرجات نماذج الذكاء الاصطناعي مفهومة للبشر، مما يعزز الشفافية وقابلية التفسير والمساءلة في أنظمة تعلم الآلة المعقدة.
الذكاء الاصطناعي (AI) في التصنيع يُحوّل عمليات الإنتاج من خلال دمج التقنيات المتقدمة لزيادة الإنتاجية والكفاءة ودعم اتخاذ القرار. يعمل الذكاء الاصطناعي على أتمتة المهام المعقدة، وتحسين الدقة، وتحسين سير العمل، مما يدفع الابتكار والتميز التشغيلي.
استكشف كيف يؤثر الذكاء الاصطناعي على حقوق الإنسان، من خلال تحقيق التوازن بين الفوائد مثل تحسين الوصول إلى الخدمات والمخاطر مثل انتهاكات الخصوصية والتحيز. تعرف على الأطر الدولية، وتحديات التنظيم، وأهمية تطبيق الذكاء الاصطناعي المسؤول لحماية الحقوق الأساسية.
الرؤية الحاسوبية هي مجال ضمن الذكاء الاصطناعي (AI) يركز على تمكين الحواسيب من تفسير وفهم العالم المرئي. من خلال الاستفادة من الصور الرقمية من الكاميرات والفيديوهات ونماذج التعلم العميق، يمكن للآلات تحديد وتصنيف الأشياء بدقة، ثم التفاعل مع ما "تراه".
الرمز في سياق النماذج اللغوية الكبيرة (LLMs) هو تسلسل من الأحرف يحوله النموذج إلى تمثيلات رقمية لمعالجة فعالة. الرموز هي الوحدات الأساسية للنص التي تستخدمها النماذج مثل GPT-3 وChatGPT لفهم اللغة وتوليدها.
اكتشف الروبوتات التعاونية (الكوبوتات): أصولها، ميزات الأمان، تكامل الذكاء الاصطناعي، تطبيقاتها في مختلف الصناعات، فوائدها وقيودها. تعرّف على كيفية تمكين الكوبوتات لتفاعل آمن بين الإنسان والروبوت ودفع الابتكار.
الشبكة البايزية (BN) هي نموذج رسومي احتمالي يمثل المتغيرات واعتمادياتها الشرطية عبر رسم بياني موجه غير دوري (DAG). تقوم الشبكات البايزية بنمذجة عدم اليقين، ودعم الاستدلال والتعلم، وتستخدم على نطاق واسع في الرعاية الصحية، والذكاء الاصطناعي، والمالية، وغيرها.
الشبكات العصبية الاصطناعية (ANNs) هي مجموعة فرعية من خوارزميات تعلم الآلة مستوحاة من الدماغ البشري. تتكون هذه النماذج الحاسوبية من عقد مترابطة أو "عصبونات" تعمل معًا لحل المشكلات المعقدة. تُستخدم الشبكات العصبية الاصطناعية على نطاق واسع في مجالات مثل التعرف على الصور والكلام، ومعالجة اللغة الطبيعية، والتحليلات التنبؤية.
الشبكة العصبية الالتفافية (CNN) هي نوع متخصص من الشبكات العصبية الاصطناعية مصممة لمعالجة البيانات الشبكية المنظمة مثل الصور. تعتبر CNN فعالة بشكل خاص في المهام التي تتعلق بالبيانات البصرية، بما في ذلك تصنيف الصور، واكتشاف الأجسام، وتقسيم الصور. إنها تحاكي آلية معالجة الرؤية في دماغ الإنسان، مما يجعلها حجر الأساس في مجال الرؤية الحاسوبية.
الشبكات العصبية المتكررة (RNNs) هي فئة متقدمة من الشبكات العصبية الاصطناعية صُممت لمعالجة البيانات التسلسلية من خلال استخدام الذاكرة للمدخلات السابقة. تتفوق RNNs في المهام التي يكون فيها ترتيب البيانات أمراً بالغ الأهمية، بما في ذلك معالجة اللغة الطبيعية، والتعرف على الكلام، والتنبؤ بالسلاسل الزمنية.
تشير الشفافية الخوارزمية إلى الوضوح والانفتاح فيما يتعلق بكيفية عمل الخوارزميات وعمليات اتخاذ القرار الخاصة بها. إنها ضرورية في الذكاء الاصطناعي وتعلم الآلة لضمان المساءلة والثقة والامتثال للمعايير القانونية والأخلاقية.
تشير الشفافية في الذكاء الاصطناعي إلى الانفتاح والوضوح في طريقة عمل أنظمة الذكاء الاصطناعي، بما في ذلك عمليات اتخاذ القرار والخوارزميات والبيانات المستخدمة. تعتبر الشفافية ضرورية لأخلاقيات وحوكمة الذكاء الاصطناعي، حيث تضمن المساءلة والثقة والامتثال التنظيمي.
يشير الظهور المفاجئ في الذكاء الاصطناعي إلى الأنماط والسلوكيات المعقدة على مستوى النظام التي لم تتم برمجتها بشكل صريح، والتي تنشأ من التفاعلات بين مكونات النظام. تشكل هذه السلوكيات غير المتوقعة تحديات في التنبؤ والأخلاقيات، وتتطلب اتخاذ تدابير وإرشادات لإدارة تأثيرها.
يقيس العائد على الذكاء الاصطناعي (ROAI) تأثير استثمارات الذكاء الاصطناعي على عمليات الشركة وإنتاجيتها وربحيتها. تعرف على كيفية تقييم وقياس وتعظيم العوائد من مبادرات الذكاء الاصطناعي الخاصة بك من خلال استراتيجيات وأمثلة واقعية ورؤى بحثية.
الكشف عن الشذوذ هو عملية تحديد النقاط أو الأحداث أو الأنماط في البيانات التي تنحرف عن المعيار المتوقع داخل مجموعة بيانات، وغالبًا ما يتم الاستفادة من الذكاء الاصطناعي وتعلم الآلة للكشف التلقائي والفوري في قطاعات مثل الأمن السيبراني، والمالية، والرعاية الصحية.
ما هي الكلمات المتجانسة الرسم؟ الكلمة المتجانسة الرسم هي ظاهرة لغوية فريدة حيث تتشارك كلمتان أو أكثر نفس الكتابة ولكن تختلف في النطق والمعنى. هذه الكلمات هي كلمات متجانسة الرسم وليست متجانسة الصوت. ببساطة، تبدو الكلمات المتجانسة الرسم متطابقة في الشكل المكتوب، لكنها تختلف في النطق عند التحدث، وتنقل معاني مميزة بناءً على السياق.
يعد المتوسط المرجح للدقة (mAP) مقياسًا رئيسيًا في رؤية الحاسوب لتقييم نماذج اكتشاف الأجسام، حيث يجمع بين دقة الاكتشاف وتحديد الموقع بقيمة عددية واحدة. يُستخدم على نطاق واسع في اختبار وتحسين نماذج الذكاء الاصطناعي لمهام مثل القيادة الذاتية، والمراقبة، واسترجاع المعلومات.
المجموعة اللغوية (الجمع: المجموعات اللغوية) في الذكاء الاصطناعي تشير إلى مجموعة كبيرة ومنظمة من النصوص أو البيانات الصوتية تُستخدم لتدريب وتقييم نماذج الذكاء الاصطناعي. تُعد المجموعات اللغوية ضرورية لتعليم أنظمة الذكاء الاصطناعي كيفية فهم وتفسير وإنتاج اللغة البشرية.
في مجال النماذج اللغوية الكبيرة (LLMs)، يُعد المحفز هو النص المدخل الذي يوجه مخرجات النموذج. تعرّف على كيفية تحسين جودة استجابات نماذج الذكاء الاصطناعي من خلال محفزات فعّالة مثل تقنيات الزيرو-شوت، والوان-شوت، والفيو-شوت، وسلسلة التفكير.
نموذج المحوّل هو نوع من الشبكات العصبية صُمم خصيصًا للتعامل مع البيانات التسلسلية، مثل النصوص أو الكلام أو بيانات السلاسل الزمنية. بخلاف النماذج التقليدية مثل الشبكات العصبية المتكررة (RNNs) والشبكات العصبية الالتفافية (CNNs)، يستخدم المحوّل آلية الانتباه لوزن أهمية العناصر في تسلسل الإدخال، مما يمكّنه من تحقيق أداء قوي في تطبيقات مثل معالجة اللغة الطبيعية، والتعرف على الكلام، وعلم الجينوم، وغيرها.
المحوّل التوليدي المدرب مسبقاً (GPT) هو نموذج ذكاء اصطناعي يستفيد من تقنيات التعلم العميق لإنتاج نصوص تحاكي الكتابة البشرية بشكل وثيق. يعتمد على بنية المحوّل، حيث يستخدم آليات الانتباه الذاتي لمعالجة وتوليد النصوص بكفاءة، مما أحدث ثورة في تطبيقات معالجة اللغة الطبيعية مثل إنشاء المحتوى والدردشة الآلية.
المحوّلات هي بنية ثورية للشبكات العصبية غيّرت الذكاء الاصطناعي، خاصة في معالجة اللغة الطبيعية. تم تقديمها في ورقة 'الانتباه هو كل ما تحتاجه' عام 2017، وتتيح معالجة متوازية فعّالة وأصبحت حجر الأساس لنماذج مثل BERT وGPT، مما أثّر في معالجة اللغة، والرؤية الحاسوبية، وأكثر من ذلك.
توضح قاعدة المدخلات الرديئة تؤدي إلى مخرجات رديئة (GIGO) كيف أن جودة مخرجات الذكاء الاصطناعي والأنظمة الأخرى تعتمد مباشرة على جودة المدخلات. تعرّف على تأثير هذا المفهوم في الذكاء الاصطناعي، وأهمية جودة البيانات، واستراتيجيات الحد من GIGO لتحقيق نتائج أكثر دقة وعدالة وموثوقية.
استكشف المركبات الذاتية القيادة—السيارات التي تقود نفسها باستخدام الذكاء الاصطناعي وأجهزة الاستشعار والاتصال لتعمل دون تدخل بشري. تعرف على التقنيات الأساسية، ودور الذكاء الاصطناعي، ودمج النماذج اللغوية الكبيرة، والتحديات، ومستقبل النقل الذكي.
المساحة تحت المنحنى (AUC) هي مقياس أساسي في تعلم الآلة يُستخدم لتقييم أداء نماذج التصنيف الثنائي. يُحدد القدرة الكلية للنموذج على التمييز بين الفئات الإيجابية والسلبية من خلال حساب المساحة تحت منحنى خاصية التشغيل المستقبلية (ROC).
المُصنّف في الذكاء الاصطناعي هو خوارزمية تعلم آلي تقوم بإسناد تسميات الفئات إلى البيانات المدخلة، حيث تصنّف المعلومات في فئات محددة مسبقًا بناءً على أنماط مكتسبة من بيانات تاريخية. تُعتبر المصنّفات أدوات أساسية في الذكاء الاصطناعي وعلوم البيانات، وتدعم اتخاذ القرار عبر مختلف الصناعات.
المطابقة التقريبية هي تقنية بحث تُستخدم للعثور على التطابقات التقريبية مع الاستعلام، مما يسمح بالاختلافات أو الأخطاء أو عدم الاتساق في البيانات. تُستخدم هذه التقنية عادةً في تنظيف البيانات، وربط السجلات، واسترجاع النصوص، وتعتمد على خوارزميات مثل مسافة ليفنشتاين وسونديكس لتحديد الإدخالات المتشابهة ولكن غير المتطابقة تمامًا.
الموجه السلبي في الذكاء الاصطناعي هو توجيه يطلب من النماذج عدم تضمين عناصر معينة في المخرجات التي يتم إنشاؤها. وعلى عكس الموجهات التقليدية التي توجه عملية إنشاء المحتوى، تحدد الموجهات السلبية العناصر أو الأساليب أو الميزات التي يجب تجنبها، مما يحسن النتائج ويضمن توافقها مع تفضيلات المستخدم، خاصة في النماذج التوليدية مثل Stable Diffusion وMidjourney.
الميتابرومبت في الذكاء الاصطناعي هو تعليمات عالية المستوى مصممة لإنشاء أو تحسين برومبتات أخرى لنماذج اللغة الضخمة (LLMs)، مما يعزز مخرجات الذكاء الاصطناعي، وأتمتة المهام، وتحسين التفكير متعدد الخطوات في روبوتات الدردشة وتدفقات الأتمتة.
النظام الخبير في الذكاء الاصطناعي هو برنامج حاسوبي متقدم مصمم لحل المشكلات المعقدة واتخاذ القرارات بطريقة مشابهة للخبير البشري. تستخدم هذه الأنظمة قاعدة معرفة واسعة وقواعد استدلال لمعالجة البيانات وتقديم الحلول أو التوصيات.
النموذج الحتمي هو نموذج رياضي أو حاسوبي ينتج مخرجًا واحدًا محددًا لمجموعة معينة من شروط الإدخال، مما يوفر إمكانية التنبؤ والموثوقية دون عشوائية. يُستخدم على نطاق واسع في الذكاء الاصطناعي والمالية والهندسة ونظم المعلومات الجغرافية، حيث توفر النماذج الحتمية تحليلاً دقيقًا لكنها قد تفتقر إلى المرونة لمراعاة التغيرات الواقعية.
تحدث الهلوسة في نماذج اللغة عندما ينتج الذكاء الاصطناعي نصًا يبدو معقولًا لكنه في الواقع غير صحيح أو ملفق. تعرف على الأسباب وطرق الكشف والاستراتيجيات لتقليل الهلوسة في مخرجات الذكاء الاصطناعي.
الوكيل الذكي هو كيان مستقل مصمم لإدراك بيئته من خلال المستشعرات والعمل على تلك البيئة باستخدام المشغلات، ومزود بقدرات الذكاء الاصطناعي لاتخاذ القرار وحل المشكلات.
الوكلاء الذكاء الاصطناعي الرأسي هم حلول ذكاء اصطناعي مخصصة لقطاعات صناعية معينة، مصممة لمعالجة التحديات الفريدة وتحسين العمليات داخل قطاعات محددة. اكتشف كيف يغيّر الوكلاء الذكيون الرأسيون برامج المؤسسات من خلال تطبيقات متخصصة وعالية التأثير.
انحراف النموذج، أو تدهور النموذج، يشير إلى انخفاض أداء التنبؤ لنموذج التعلم الآلي مع مرور الوقت بسبب التغيرات في البيئة الواقعية. تعرف على أنواع وأسباب وطرق كشف وحلول انحراف النموذج في الذكاء الاصطناعي والتعلم الآلي.
انهيار النموذج هو ظاهرة في الذكاء الاصطناعي حيث يتدهور أداء النموذج المدرب مع مرور الوقت، خاصةً عند الاعتماد على البيانات الاصطناعية أو المولدة بواسطة الذكاء الاصطناعي. يؤدي ذلك إلى تقليل تنوع المخرجات، وظهور ردود آمنة، وانخفاض القدرة على إنتاج محتوى إبداعي أو أصلي.
بانداز هي مكتبة مفتوحة المصدر لمعالجة البيانات وتحليلها في بايثون، مشهورة بتنوعها، وهياكل البيانات القوية، وسهولة استخدامها في التعامل مع مجموعات البيانات المعقدة. إنها حجر الأساس لمحللي البيانات وعلماء البيانات، وتدعم تنظيف البيانات بكفاءة، وتحويلها، وتحليلها.
باي تورش هو إطار تعلم آلي مفتوح المصدر تم تطويره بواسطة Meta AI، ويشتهر بمرونته، ورسومه البيانية الديناميكية للحساب، وتسريع وحدة معالجة الرسومات، ودمجه السلس مع بايثون. يُستخدم على نطاق واسع في التعلم العميق، ورؤية الحاسوب، ومعالجة اللغة الطبيعية، وتطبيقات البحث العلمي.
بلوتلي هو مكتبة رسم بياني متقدمة ومفتوحة المصدر لإنشاء الرسوم البيانية التفاعلية عالية الجودة عبر الإنترنت. متوافقة مع بايثون وR وجافاسكريبت، وتمكّن المستخدمين من تقديم تصورات بيانات معقدة وتدعم مجموعة واسعة من أنواع الرسوم البيانية والتفاعلية ودمج تطبيقات الويب.
تعرّف على بوتبرس، منصة الذكاء الاصطناعي لبناء الشات بوتات. اكتشف ميزاتها الرئيسية، إيجابياتها وسلبياتها، خيارات التسعير، وأفضل البدائل لمساعدتك في اختيار الحل المناسب للذكاء الاصطناعي الحواري.
بي إم إكس نت عبارة عن تنفيذ مفتوح المصدر للشبكات العصبية الثنائية (BNNs) مبني على Apache MXNet، مما يمكّن من نشر الذكاء الاصطناعي بكفاءة باستخدام أوزان وتنشيطات ثنائية للأجهزة منخفضة الطاقة.
تشير بيانات التدريب إلى مجموعة البيانات المستخدمة لتعليم خوارزميات الذكاء الاصطناعي، مما يمكّنها من التعرف على الأنماط، واتخاذ القرارات، والتنبؤ بالنتائج. يمكن أن تشمل هذه البيانات نصوصاً، وأرقاماً، وصوراً، وفيديوهات، ويجب أن تكون عالية الجودة، ومتنوعة، وموضحة بعناية لتحقيق أداء فعال لنماذج الذكاء الاصطناعي.
بيربلكسيتي AI هو محرك بحث متقدم مدعوم بالذكاء الاصطناعي وأداة حوارية تستفيد من معالجة اللغة الطبيعية وتعلم الآلة لتقديم إجابات دقيقة وسياقية مع الاستشهادات. مثالي للبحث والتعلم والاستخدام المهني، ويجمع بين نماذج لغوية ضخمة متعددة ومصادر متنوعة لاسترجاع معلومات دقيقة في الوقت الفعلي.
اكتشف بيرت (تمثيلات التشفير ثنائية الاتجاه من المحولات)، وهو إطار تعلم آلي مفتوح المصدر طورته جوجل لمعالجة اللغة الطبيعية. تعرف على كيف أحدثت بنية المحول ثنائية الاتجاه في بيرت ثورة في فهم الذكاء الاصطناعي للغة، وتطبيقاته في معالجة اللغة الطبيعية، والشات بوت، والأتمتة، وأهم التطورات البحثية.
تاريخ نهاية المعرفة هو النقطة الزمنية المحددة التي يتوقف عندها تحديث معلومات نموذج الذكاء الاصطناعي. تعرف على أهمية هذه التواريخ، وكيف تؤثر على النماذج، واطلع على تواريخ نهاية المعرفة لـGPT-3.5، Bard، Claude والمزيد.
تبادل الشبكات العصبية المفتوح (ONNX) هو تنسيق مفتوح المصدر لتبادل نماذج التعلم الآلي بسلاسة عبر أطر عمل مختلفة، مما يعزز مرونة النشر والتوحيد القياسي وتحسين الأجهزة.
تجزئة الكائنات الفردية هي مهمة في رؤية الحاسوب تهدف إلى اكتشاف وتحديد كل كائن مميز في الصورة بدقة على مستوى البكسل. تعزز هذه التقنية التطبيقات من خلال توفير فهم أكثر تفصيلاً مقارنة باكتشاف الكائنات أو التجزئة الدلالية، مما يجعلها ضرورية في مجالات مثل التصوير الطبي، القيادة الذاتية، والروبوتات.
تجميع K-Means هو خوارزمية تعلم آلي غير خاضعة للإشراف شائعة لتقسيم مجموعات البيانات إلى عدد محدد مسبقًا من المجموعات المتميزة وغير المتداخلة عن طريق تقليل مجموع المربعات للمسافات بين نقاط البيانات ومراكز مجموعاتها.
تحرير النسخ هو عملية مراجعة وتصحيح المواد المكتوبة لتحسين دقتها وسهولة قراءتها وتماسكها. يتضمن ذلك التحقق من الأخطاء النحوية، والأخطاء الإملائية، ومشاكل علامات الترقيم، وضمان الاتساق في الأسلوب والنبرة عبر المستند. تساعد أدوات الذكاء الاصطناعي مثل Grammarly في الفحوصات الروتينية، لكن يبقى الحكم البشري أمراً حاسماً.
تحسين محرك التوليد (GEO) هو استراتيجية تحسين المحتوى للمنصات الذكية مثل ChatGPT وBard، لضمان الظهور والتمثيل الدقيق في الردود المُولدة من الذكاء الاصطناعي.
اكتشف نطاق واستراتيجيات تحسين محركات الإجابة (AEO)، مع التركيز على تقديم إجابات مباشرة لاستفسارات المستخدمين من خلال البحث الصوتي، تكامل الذكاء الاصطناعي، والبيانات المنظمة. تعرّف على كيفية اختلاف AEO عن تحسين محركات البحث التقليدي ودوره في تعزيز تفاعل المستخدمين وزيادة الظهور.
تحليل البيانات الاستكشافي (EDA) هو عملية تلخص خصائص مجموعة البيانات باستخدام طرق بصرية للكشف عن الأنماط واكتشاف الشذوذ وتوجيه تنظيف البيانات واختيار النماذج والتحليل باستخدام أدوات مثل بايثون وR وتابلوه.
تحليل التبعيات النحوية هو طريقة تحليل نحوي في معالجة اللغة الطبيعية (NLP) تحدد العلاقات النحوية بين الكلمات، لتشكيل هياكل شجرية ضرورية لتطبيقات مثل الترجمة الآلية، وتحليل المشاعر، واستخراج المعلومات.
تحليل المشاعر، المعروف أيضًا باسم استخراج الرأي، هو مهمة أساسية في الذكاء الاصطناعي ومعالجة اللغة الطبيعية لتصنيف وتفسير النغمة العاطفية للنص على أنها إيجابية أو سلبية أو محايدة. اكتشف أهميته وأنواعه ومناهجه وتطبيقاته العملية للأعمال.
تكنولوجيا تحويل النص إلى كلام (TTS) هي آلية برمجية متطورة تقوم بتحويل النص المكتوب إلى كلام مسموع، مما يعزز إمكانية الوصول وتجربة المستخدم في خدمة العملاء، التعليم، التقنيات المساعدة، والمزيد من خلال الاستفادة من الذكاء الاصطناعي لإنتاج أصوات طبيعية تشبه أصوات البشر.
تسوية الدُفعات هي تقنية ثورية في التعلم العميق تعزز بشكل كبير عملية تدريب الشبكات العصبية من خلال معالجة مشكلة التحول التغايري الداخلي، وتثبيت التنشيطات، وتمكين التدريب ليكون أسرع وأكثر استقراراً.
تشاينر هو إطار مفتوح المصدر للتعلم العميق يوفر منصة مرنة وبديهية وعالية الأداء للشبكات العصبية، ويتميز برسوم بيانية ديناميكية تُحدد أثناء التشغيل، وتسريع عبر وحدة معالجة الرسومات، ودعم واسع للمعماريات. تم تطويره بواسطة Preferred Networks بمساهمات تقنية كبرى، ويعد مثاليًا للبحث والنمذجة والتدريب الموزع، لكنه الآن في وضع الصيانة.
تصنيف النصوص، المعروف أيضًا بتصنيف أو وسم النصوص، هو مهمة أساسية في معالجة اللغة الطبيعية (NLP) تهدف إلى إسناد فئات محددة مسبقًا إلى مستندات نصية. يساعد في تنظيم وهيكلة البيانات غير المهيكلة لتحليلها، ويستخدم نماذج التعلم الآلي لأتمتة عمليات مثل تحليل المشاعر، واكتشاف الرسائل المزعجة، وتصنيف المواضيع.
