مسرد مصطلحات الذكاء الاصطناعي
ما هو الرمز (التوكن)، ونافذة السياق، ونموذج الاستدلال، وRAG، والضبط الدقيق؟ 36 مصطلحًا في الذكاء الاصطناعي بشرح مبسط.
- النموذج اللغوي الكبير (LLM)
- نموذج ذكاء اصطناعي دُرّب على كميات هائلة من النصوص ليتوقع الجزء التالي من النص. وبإتقانه لذلك يتعلم الإجابة عن الأسئلة والكتابة والترجمة والتلخيص والبرمجة. Claude وGPT وGemini أمثلة على هذه النماذج.
- الرمز (التوكن)
- الوحدة التي يقرأ بها النموذج ويكتب. الرمز كلمة أو جزء من كلمة: في الإنجليزية تعادل 1,000 رمز نحو 750 كلمة، أما النص العربي فيحتاج عادةً عددًا أكبر من الرموز للمعنى نفسه. تُحسب أسعار الواجهات البرمجية بالرموز.
- نافذة السياق
- أقصى كمية من النص، محسوبة بالرموز، يستطيع النموذج أخذها بعين الاعتبار دفعة واحدة: تعليماتك، والمحادثة حتى الآن، والمستندات المرفقة، وإجابته نفسها. نافذة بحجم 200 ألف رمز تتسع لكتاب من نحو 500 صفحة.
- سعر المدخلات والمخرجات
- يحتسب مزودو الواجهات البرمجية ثمن الرموز التي ترسلها (المدخلات) والرموز التي يكتبها النموذج (المخرجات) بشكل منفصل، وعادةً لكل مليون رمز. تكون المخرجات غالبًا أغلى بثلاث إلى ثماني مرات لأن توليد النص يتطلب حوسبة أكبر.
- نموذج الاستدلال
- نموذج يستطيع معالجة المسألة خطوة بخطوة قبل تقديم إجابته النهائية، وهو ما يُسمّى أحيانًا «التفكير». يكون أبطأ ويستهلك رموزًا أكثر، لكنه أفضل بوضوح في الرياضيات والمنطق والتخطيط ومهام البرمجة الصعبة.
- متعدد الوسائط
- نموذج يتعامل مع أكثر من نوع من البيانات: فيمكنه مثلًا قراءة الصور وملفات PDF والصوت أو الفيديو إلى جانب النص، أو توليد الصور إضافة إلى النص.
- الأوزان المفتوحة
- نموذج نُشرت معاملاته المدرَّبة بحيث يستطيع أي شخص تنزيله وتشغيله على حاسوبه أو خادمه. Llama وGemma وQwen وDeepSeek والعديد من نماذج Mistral مفتوحة الأوزان. وهذا لا يعني دائمًا أنها مفتوحة المصدر بالكامل، فقد تبقى بيانات التدريب وشيفرته خاصة، وتختلف التراخيص.
- المعاملات (البارامترات)
- الأرقام الداخلية التي يتعلمها النموذج أثناء التدريب. يُعبَّر عن حجم النموذج غالبًا بمليارات المعاملات (مثل «70B»). المزيد من المعاملات يعني عادةً قدرات أكبر، لكنه يعني أيضًا ذاكرة وتكلفة تشغيل أعلى.
- مزيج الخبراء (MoE)
- تصميم للنموذج لا يُستخدم فيه إلا جزء من الشبكة، أي بضعة «خبراء»، لكل رمز. قد يضم النموذج مئات المليارات من المعاملات إجمالًا لكنه يستخدم جزءًا منها فقط في كل خطوة، ما يجعله أرخص وأسرع.
- الموجّه (Prompt)
- النص الذي تقدمه للنموذج: سؤالك وتعليماتك وأي أمثلة أو مستندات. الموجّه الواضح المصحوب بسياق وأمثلة يحصل عادةً على إجابات أفضل بكثير.
- موجّه النظام
- تعليمات يضعها مطوّر التطبيق وتسري على المحادثة كلها، مثل دور المساعد ونبرته وقواعده. لا يراها المستخدم عادةً.
- الهلوسة
- عندما يقدّم النموذج معلومة خاطئة بثقة، مثل اقتباس أو مرجع أو رقم مختلَق. النماذج الأحدث تهلوس أقل، لكن يجب دائمًا التحقق من المعلومات المهمة، ويُفضَّل الرجوع إلى المصدر.
- RAG (التوليد المعزز بالاسترجاع)
- أسلوب يبحث فيه التطبيق أولًا في مستنداتك أو في الويب عن المقاطع ذات الصلة، ثم يقدمها للنموذج مع السؤال. فيجيب النموذج اعتمادًا على مصادر حقيقية، ما يقلل الهلوسة ويتيح له استخدام معلومات خاصة أو حديثة.
- التضمينات (Embeddings)
- قوائم من الأرقام تمثّل معنى النص، بحيث تحصل النصوص المتشابهة على أرقام متقاربة. تُستخدم في البحث الدلالي والتوصيات وتقنية RAG.
- الضبط الدقيق (Fine-tuning)
- مواصلة تدريب نموذج موجود على أمثلتك الخاصة ليكتسب أسلوبًا أو تنسيقًا أو خبرة محددة. أصبحت الحاجة إليه أقل اليوم، إذ تحل الموجّهات الجيدة وتقنية RAG معظم المشكلات بتكلفة أقل.
- وكيل الذكاء الاصطناعي
- نموذج يعمل نحو هدف عبر عدة خطوات بشكل مستقل: يخطط، ويستخدم الأدوات (البحث، البرمجة، المتصفح، تطبيقات أخرى)، ويتحقق من النتائج، ويواصل حتى إنجاز المهمة.
- استخدام الأدوات (استدعاء الدوال)
- قدرة النموذج على أن يطلب من التطبيق تشغيل دالة، مثل البحث في الويب أو الاستعلام من قاعدة بيانات أو إرسال بريد إلكتروني، ثم استخدام النتيجة في إجابته. وهي حجر الأساس لوكلاء الذكاء الاصطناعي.
- MCP (بروتوكول سياق النموذج)
- معيار مفتوح أطلقته Anthropic لربط مساعدات الذكاء الاصطناعي بالأدوات ومصادر البيانات بطريقة موحّدة. يمكن للتطبيق الذي يدعم MCP الاتصال بأي خادم MCP، مثل التقويم أو مستودع الشيفرة أو قاعدة البيانات.
- التخزين المؤقت للموجّه
- خصم عند إعادة إرسال البداية نفسها للموجّه، مثل مستند طويل أو موجّه نظام. يحتفظ المزود بها ويحتسب في المرات التالية سعر «المدخلات المخزنة مؤقتًا» الأقل بكثير، وغالبًا نحو عُشر السعر العادي.
- المعيار القياسي (Benchmark)
- اختبار موحّد لمقارنة النماذج، مثل مجموعة مسائل رياضية أو مهام برمجة أو أسئلة امتحانات. مفيد كمؤشر تقريبي، لكن يمكن التلاعب بنتائجه ولا تعكس دائمًا الاستخدام الفعلي، والأفضل أن تختبر النماذج على مهامك الخاصة.
- تاريخ انتهاء المعرفة
- التاريخ الذي لم يرَ النموذج بعده بيانات تدريب. لن يعرف الأحداث اللاحقة ما لم يمنحه التطبيق إمكانية البحث أو مستندات.
- درجة الحرارة (Temperature)
- إعداد يتحكم في مدى عشوائية إجابات النموذج. الحرارة المنخفضة تعطي إجابات مركّزة وقابلة للتكرار، والمرتفعة تعطي إجابات أكثر تنوعًا وإبداعًا.
- الواجهة البرمجية (API)
- طريقة تتيح للبرامج استخدام النموذج مباشرة دون واجهة محادثة. يرسل المطورون طلبًا يتضمن الموجّه ويتلقون الإجابة، ويدفعون حسب عدد الرموز المستخدمة.
- التقطير (Distillation)
- تدريب نموذج أصغر وأرخص على محاكاة نموذج أكبر. كثير من النماذج التي تحمل أسماء مثل «mini» أو «flash» أو «lite» صُنعت بهذه الطريقة، فتحتفظ بجزء كبير من الجودة مقابل جزء بسيط من السعر.
- التكميم (Quantization)
- تخزين أرقام النموذج بدقة أقل (مثل 4 بتات بدلًا من 16) كي يحتاج ذاكرة أقل ويعمل على أجهزة أصغر، مقابل انخفاض طفيف في الجودة. شائع لتشغيل النماذج المفتوحة على الحواسيب المحمولة.
- أقصى مخرجات
- أطول إجابة يستطيع النموذج كتابتها دفعة واحدة، محسوبة بالرموز. يحتاج التقرير الطويل أو الشيفرة الكبيرة إلى حد مرتفع، أما الردود القصيرة فلا.
- مخرجات منظّمة
- يستطيع النموذج الإجابة بصيغة دقيقة تحددها، مثل JSON بحقول ثابتة، ليقرأ برنامج ما الإجابة دون أخطاء.
- فئة مجانية
- نسخة مجانية من النموذج عبر الواجهة البرمجية، عادةً بحدود منخفضة لعدد الطلبات. مفيدة للتجربة، ونادرًا ما تكفي لمنتج.
- نسبة التوفر
- نسبة الطلبات التي أجاب عنها المزوّد بنجاح خلال آخر 24 ساعة. تعني 99٪ نحو طلب فاشل واحد من كل مئة.
- أداة التقطيع (Tokenizer)
- الجزء من النموذج الذي يقطّع النص إلى رموز قبل أن يقرأه. لكل عائلة من النماذج أداتها الخاصة، ولهذا قد يحتاج النص نفسه إلى عدد مختلف من الرموز من نموذج إلى آخر.
الاختبارات والدرجات
الاختبارات المستقلة التي تقوم عليها الدرجات في هذا الموقع. يقيس كل منها مهارة مختلفة، ويجمع المؤشر العام كثيرًا منها.
- المؤشر العام
- مؤشر Epoch للقدرات: درجة واحدة تجمع عشرات الاختبارات لتتيح مقارنة النماذج حتى لو اختُبرت باختبارات مختلفة. كلما ارتفعت كان أفضل، وهو مؤشر وليس نسبة مئوية.
- GPQA Diamond
- أسئلة اختيار من متعدد صعبة جدًا في الأحياء والفيزياء والكيمياء كتبها حاملو دكتوراه. الإجابة العشوائية تحقق 25%.
- SWE-bench Verified
- هل يستطيع النموذج إصلاح أخطاء حقيقية في مشاريع برمجية مفتوحة المصدر؟ نسبة المهام التي حلّها.
- رياضيات AIME
- مسائل رياضيات بمستوى المسابقات على نمط مسابقة AIME الأمريكية. نسبة المسائل المحلولة.
- FrontierMath
- مسائل رياضيات أصلية غير منشورة كتبها رياضيون محترفون، من المستوى المتقدم إلى مستوى البحث العلمي. نسبة المحلول منها.
- SimpleQA Verified
- أسئلة معلومات قصيرة. تقيس عدد المرات التي يقدّم فيها النموذج المعلومة الصحيحة بدل أن يختلق إجابة.