قاموس الذكاء الاصطناعي: 55 مصطلحًا بلغة بسيطة

الأساسيات

هذه هي النسخة المرجعية: 55 مصطلحًا، التعريف أولًا ثم التفصيل. إن أردت جولة أهدأ تقتصر على الكلمات المهمة في أسبوعك الأول فقط، اقرأ شرح مصطلحات الذكاء الاصطناعي بدلًا من هذه الصفحة، وعُد إليها حين يحيلك مصطلح هنا.

الذكاء الاصطناعي

الذكاء الاصطناعي هو برمجيات تؤدي مهامًا تتطلب عادة حكمًا بشريًا، مثل الكتابة أو الاستدلال أو التعرّف على محتوى صورة.

في الاستخدام اليومي عام 2026، تعني كلمة "AI" غالبًا مساعدات الدردشة المبنية على النماذج اللغوية الكبيرة أكثر مما تعني الحقل الأكاديمي الأوسع.

التعلم الآلي

التعلم الآلي هو أسلوب تعليم البرمجيات بعرض أمثلة عليها بدل برمجتها بقواعد.

كل مساعد ذكاء اصطناعي حديث مبني بهذه الطريقة: يأتي السلوك من الأنماط الموجودة في بيانات التدريب، ولهذا يمكن للنموذج نفسه أن يكون بارعًا في المهام الشائعة ومترنحًا في المهام النادرة.

النموذج

النموذج هو نظام ذكاء اصطناعي مدرَّب واحد بعينه، وهو الشيء الذي ترسل إليه الأمر فعليًا.

GPT وClaude وGemini عائلات نماذج؛ والعائلة الواحدة تضم نماذج فردية بأحجام وسرعات وأسعار مختلفة. واختيار الأنسب منها لكل مهمة هو المهارة الجوهرية في استخدام الذكاء الاصطناعي بكفاءة.

LLM (النموذج اللغوي الكبير)

LLM، أو النموذج اللغوي الكبير، هو نموذج مدرَّب على كميات هائلة من النصوص للتنبؤ بالنص التالي المناسب.

هذه الحيلة الواحدة، حين تُنفَّذ على نطاق واسع، هي ما ينتج الإجابات والمسودات والشيفرة والملخصات. وكلمة "كبير" تشير إلى حجم بيانات التدريب وعدد المعاملات معًا.

روبوت الدردشة

روبوت الدردشة هو الواجهة الحوارية الملفوفة حول النموذج، أي الشيء الذي يحوي مربع الرسائل.

هذا الفرق يهم عند مقارنة المنتجات: روبوتا دردشة قد يغلّفان النموذج نفسه ويبدوان مختلفين، وروبوت دردشة واحد قد يوفّر نماذج عدة، وهكذا يعمل Whizi.

الأمر

الأمر هو كل ما ترسله إلى النموذج: السؤال، والتعليمات، وأي نص أو ملفات ترفقها.

جودة الإجابة تتبع جودة الأمر عن قرب. والسياق والقيود وصيغة الناتج التي تريدها هي الأشياء الثلاثة التي يغفل عنها المبتدئون غالبًا.

الرمز (Token)

الرمز هو القطعة الصغيرة من النص التي يقرأها النموذج ويكتبها فعليًا، وتعادل تقريبًا ثلاثة أرباع الكلمة الإنجليزية المتوسطة.

يُقاس التسعير والسرعة ونوافذ السياق كلها بالرموز، ولهذا تظهر هذه الكلمة في كل صفحة أسعار للذكاء الاصطناعي. ومستند من 1,000 كلمة يعادل تقريبًا 1,300 رمز.

نافذة السياق

نافذة السياق هي أقصى كمية نص، مقاسة بالرموز، يستطيع النموذج مراعاتها دفعة واحدة.

يتقاسمها الأمر الذي ترسله والمحادثة حتى الآن والمستندات المرفقة والإجابة نفسها. وجدول مقارنة نوافذ السياق يسرد الرقم الحالي لكل نموذج رئيسي، بينما يشرح الدليل التفصيلي لماذا يفسّر هذا معظم شكاوى "الذكاء الاصطناعي نسي".

المعاملات

المعاملات هي الأرقام الداخلية التي تعلّمها النموذج أثناء التدريب، وهي المقياس المعتاد لحجمه.

تُحسب بالمليارات، وزيادتها تعني عمومًا قدرة أكبر وتكلفة أعلى. لكنها مقياس تسوّق ضعيف بمفرده؛ فالاختبارات المعيارية واختباراتك الخاصة تتفوق على عدد المعاملات.

الاستجابة

الاستجابة هي ناتج النموذج لأمر واحد، وتُسمى أيضًا الإكمال (completion).

تُولَّد الاستجابات من جديد في كل مرة، ولهذا تعطي إعادة توليد الأمر نفسه صياغة مختلفة وأحيانًا إجابة مختلفة.

التحدث إلى نموذج

أمر النظام

أمر النظام هو التعليمة الثابتة التي يتلقاها النموذج قبل رسالتك، فيحدد دوره ونبرته وقواعده.

كل منتج يملك واحدًا حتى حين لا تراه. وحين "يملك" روبوت الدردشة شخصية، فأمر النظام هو غالبًا مكانها.

هندسة الأوامر

هندسة الأوامر هي ممارسة كتابة الأوامر بتعمّد للحصول على نتائج أفضل بثبات.

رغم الاسم الفخم، معظمها وضوح عادي: حدد الهدف، وأعطِ سياقًا، وأرِ مثالًا، وسمِّ الصيغة. ويغطي دليل المبتدئين التقنيات التي تحرّك النتائج فعليًا.

بدون أمثلة (Zero-shot)

يعني "بدون أمثلة" أن تطلب من النموذج أداء مهمة دون إعطائه أي أمثلة عليها.

تتعامل النماذج الحديثة مع معظم المهام اليومية دون أمثلة بنجاح. والمصطلح يبقى مستخدمًا أساسًا كمقابل لأسلوب "بأمثلة قليلة".

بأمثلة قليلة (Few-shot)

يعني "بأمثلة قليلة" تضمين حفنة من الأمثلة المحلولة في الأمر ليقلّد النموذج النمط.

هو أرخص ترقية موثوقية للعمل الحساس للتنسيق: مثالان أو ثلاثة من المدخل والناتج المطلوب يتفوقون على فقرة كاملة من الوصف.

سلسلة التفكير (Chain of thought)

سلسلة التفكير هي أن يمر النموذج بخطوات وسيطة قبل إعطاء إجابته النهائية.

طلب التفكير خطوة بخطوة من النموذج يحسّن قياسيًا أداءه في المسائل الصعبة، والنماذج الاستدلالية اليوم تقوم بنسخة داخلية منه تلقائيًا.

درجة الحرارة

درجة الحرارة هي الإعداد الذي يتحكم في مقدار العشوائية التي يضيفها النموذج عند اختيار كل رمز تالٍ.

الدرجة المنخفضة تعطي ناتجًا ثابتًا ومحافظًا، والدرجة المرتفعة تعطي تنوّعًا وأحيانًا هراءً. ومنتجات الدردشة تختار عادة قيمة وسطى نيابة عنك.

البث (Streaming)

البث هو إرسال النموذج إجابته رمزًا بعد رمز أثناء توليدها، بدل إرسالها دفعة واحدة عند الانتهاء.

هذا ما يجعل الإجابات تبدو وكأنها تُكتب بنفسها، وما يتيح إيقاف إجابة سيئة مبكرًا بدل انتظارها كاملة.

إعادة التوليد (Regenerate)

إعادة التوليد تعني طلب استجابة جديدة للأمر نفسه.

ولأن التوليد احتمالي، فإعادة التوليد سحبة جديدة فعلًا لا إعادة للعملية الحسابية نفسها. ومقارنة سحبتين، أو الأمر نفسه على نموذجين، فحص جودة سريع.

كيف تُصنع النماذج

التدريب

التدريب هو عملية تعديل معاملات النموذج مقابل البيانات حتى تصبح تنبؤاته جيدة.

يحدث هذا قبل أن تقابل النموذج بوقت طويل ويكلّف مزوّد الخدمة حوسبة هائلة. لا شيء تكتبه في محادثة يعيد تدريب النموذج في اللحظة نفسها، وإن كانت الشركات قد تستخدم المحادثات لتدريب إصدارات مستقبلية حسب سياستها.

بيانات التدريب

بيانات التدريب هي النصوص والمواد الأخرى التي تعلّم منها النموذج.

اتساعها يفسّر ما يعرفه النموذج، وثغراتها تفسّر نقاط عماه المنهجية، ونطاقها الزمني يحدد تاريخ توقف المعرفة.

التدريب المسبق (Pretraining)

التدريب المسبق هو المرحلة الأولى والأكبر من التدريب، حيث يتعلم النموذج اللغة ومعرفة العالم من نصوص ضخمة.

النتيجة قادرة لكنها خام. وكل ما يجعل النموذج يتصرف كمساعد مفيد يأتي بعد ذلك.

الضبط الدقيق

الضبط الدقيق هو تدريب إضافي على مجموعة بيانات أضيق لتخصيص نموذج مدرَّب مسبقًا أو تشكيله.

تضبط الشركات المزوِّدة نماذجها دقيقًا لأجل الفائدة والأمان؛ وتضبطها الشركات الأخرى لمهام مجال معين. ولمعظم المستخدمين، الصياغة الجيدة مع نموذج عام قادر تتفوق على دفع تكلفة الضبط الدقيق.

RLHF

RLHF، أي التعلم المعزّز من ملاحظات البشر، هو تدريب النموذج مقابل تقييمات بشرية لإجاباته.

هو جزء كبير من سبب كون المساعدات الحديثة مهذبة ومنظمة وحذرة. وإن بولغ فيه، ينتج أيضًا التهرّب الذي يجعل بعض النماذج ترفض أو تتردد.

المواءمة (Alignment)

المواءمة هي العمل على جعل سلوك النموذج متسقًا مع نية الإنسان وقيمه.

عمليًا تغطي كل شيء من رفض الطلبات الضارة إلى مجرد اتباع التعليمات بدقة. وحين يفعل النموذج شيئًا مبهرًا تقنيًا لكن غير مرغوب فيه، فتلك فجوة مواءمة.

الاستنتاج (Inference)

الاستنتاج هو تشغيل نموذج مدرَّب لإنتاج إجابة، بخلاف تدريبه.

كل رسالة ترسلها تُشغّل عملية استنتاج، وتكلفة الاستنتاج هي ما يقيسه تسعير الرموز. والنماذج الرخيصة التشغيل يمكن أن تكون قادرة بشكل لافت؛ ويُظهر مؤشر تكلفة نماذج الذكاء الاصطناعي فارق سعر يصل إلى 2,000 ضعف.

المحوّل (Transformer)

المحوّل هو معمارية الشبكة العصبية الكامنة خلف كل نموذج لغوي حديث تقريبًا.

آليته الأساسية، الانتباه (attention)، تتيح للنموذج وزن كل جزء من المدخل مقابل كل جزء آخر فيه. لست بحاجة إلى التفاصيل أبدًا، لكن الكلمة موجودة في كل مكان في كتابات الذكاء الاصطناعي.

حين تسوء الأمور

الهلوسة

الهلوسة هي أن يذكر النموذج شيئًا خاطئًا بثقة تامة.

ليست عطلًا سيُرقَّع في الإصدار القادم؛ بل تنبع من طريقة عمل التوليد نفسها. وتتفاوت وتيرتها كثيرًا بحسب النموذج والمهمة. عامل أي حقيقة أو رقم أو اقتباس محدد على أنه غير مُتحقَّق منه حتى تتحقق. ويغطي لماذا يخطئ الذكاء الاصطناعي الآلية الكامنة وراء ذلك.

التأصيل (Grounding)

التأصيل هو تزويد النموذج بمواد موثوقة يجيب منها، بدل تركه يعتمد على الذاكرة.

لصق العقد، أو إرفاق التقرير، أو تفعيل البحث على الويب، كلها تأصيل. وهو أنجع دفاع يومي ضد الهلوسة.

التحيز (Bias)

التحيز هو انحراف منهجي في مخرجات النموذج بطرق موروثة من بيانات التدريب.

يظهر كافتراضات حول الأشخاص والأماكن والقيم الافتراضية. وللقرارات المهمة، راجع ناتج الذكاء الاصطناعي كما تراجع عمل متدرب ذكي لكن غير مُدقَّق.

حواجز الحماية (Guardrails)

حواجز الحماية هي القيود التي يبنيها مزوّد الخدمة حول النموذج لمنع ناتج ضار أو مخالف للسياسة.

يرسم كل مزوّد الحدود بطريقة مختلفة، وهذا فرق منتج حقيقي: الطلب نفسه قد يجيب عنه نموذج ويرفضه آخر.

كسر القيود (Jailbreak)

كسر القيود هو أمر مصمَّم لخداع النموذج ليتجاهل حواجز حمايته.

تُرقّع الشركات المزوِّدة هذه الثغرات باستمرار. وبالنسبة للمستخدم العادي يهم المصطلح أساسًا كمفهوم أمني: أي شيء يمكن إقناع النموذج به، سيحاول أحدهم إقناعه به.

اختبار الاختراق (Red teaming)

اختبار الاختراق هو مهاجمة النموذج عمدًا قبل إطلاقه للعثور على أنماط فشل ضارة.

تدير الشركات المزوِّدة فرقًا داخلية وخارجية لهذا الغرض، وغالبًا ما تلخّص بطاقات النماذج المنشورة ما وجدته. وهو المكافئ في الذكاء الاصطناعي لاختبار الاختراق الأمني.

تاريخ توقف التدريب

تاريخ توقف التدريب هو التاريخ الذي تنتهي عنده بيانات تدريب النموذج.

اسأل عن أي شيء بعده وسيعترف النموذج بجهله، أو يتصفح الويب إن استطاع، أو يهلوس. ومعرفة تاريخ توقف النموذج الذي تستخدمه يمنع فئة كاملة من الأخطاء.

الاسترجاع وبياناتك

RAG (التوليد المعزّز بالاسترجاع)

RAG، أي التوليد المعزّز بالاسترجاع، هو جلب مستندات ذات صلة أولًا ثم جعل النموذج يجيب منها.

هكذا تعمل منتجات "الدردشة مع قاعدة معرفتك" من الداخل، ولهذا تستطيع الاستشهاد بمصادر. ويقلّل RAG الهلوسة لكنه يرث جودة ما يسترجعه.

التضمين (Embedding)

التضمين هو قائمة أرقام تمثّل معنى قطعة من النص.

النصوص المتقاربة في المعنى تحصل على أرقام متقاربة، وهذا يتيح للبرمجيات إيجاد المقاطع ذات الصلة رياضيًا. والتضمينات هي الآلية الكامنة خلف البحث الدلالي وRAG.

قاعدة البيانات المتجهية (Vector database)

قاعدة البيانات المتجهية هي قاعدة بيانات مبنية لتخزين التضمينات وإيجاد أقربها بسرعة.

إذا قال منتج ما إنه "فهرس" مستنداتك لبحث الذكاء الاصطناعي، فهناك تضمين لكل قطعة يجلس داخل واحدة من هذه القواعد.

البحث الدلالي (Semantic search)

البحث الدلالي هو إيجاد النص بالمعنى لا بمطابقة الكلمات المفتاحية.

البحث عن "مشاكل مالية" قد يُظهر مقطعًا عن ضغط التدفق النقدي رغم عدم تطابق أي كلمة. وهذا هو عمل التضمينات.

التقطيع (Chunking)

التقطيع هو تقسيم المستندات الطويلة إلى قطع صغيرة كفاية لتضمينها واسترجاعها جيدًا.

يبدو كعمل سباكة تقني، وهو كذلك فعلًا، لكن التقطيع السيئ سبب شائع لإجابة أدوات الدردشة مع المستندات من الجزء الخطأ من الملف.

البحث على الويب (في الذكاء الاصطناعي)

البحث على الويب في الذكاء الاصطناعي يعني أن يجلب النموذج صفحات حالية قبل الإجابة، بدل الاعتماد على ذاكرة التدريب.

يقايض السرعة بالحداثة، ويتيح للإجابات أن تحمل استشهادات يمكنك فتحها. ولأي شيء بعد تاريخ توقف معرفة النموذج، هو الفرق بين إجابة وتخمين.

قاعدة المعرفة (Knowledge base)

قاعدة المعرفة هي المجموعة المنقّحة من المستندات التي تعطيها شركة لذكائها الاصطناعي ليجيب منها.

الجودة تدخل فتخرج: مساعد مؤصَّل على ويكي قديم يقدّم بثقة إجابات قديمة، مصحوبة باستشهادات.

ثلاثة مصطلحات في هذا القاموس تسمّي إجابات متنافسة على السؤال نفسه: كيف تجعل النموذج أفضل في مهمتك، والخلط بينها هو خطأ المصطلحات الأكثر شيوعًا في اجتماعات المنتج. جنبًا إلى جنب:

الأسلوب	ما الذي يتغيّر	التكلفة والسرعة	متى يفوز
صياغة أفضل (بدون أمثلة، بأمثلة قليلة)	النص الذي ترسله فقط	مجاني، يستغرق دقائق	تقريبًا الخطوة الأولى دائمًا؛ مثالان أو ثلاثة محلولة يصلحان معظم مشاكل التنسيق
RAG	ما يقرأه النموذج قبل الإجابة	متوسط في البناء، بلا إعادة تدريب	إجابات يجب أن تبقى محدّثة أو تستشهد بمستنداتك الخاصة
الضبط الدقيق	معاملات النموذج نفسها	بطيء ومكلف، ثم ثابت	متطلبات أسلوب وصيغة مستقرة على نطاق واسع، ونادرًا ما تناسب فردًا

ما وراء النص

متعدد الوسائط

متعدد الوسائط يعني نموذجًا يعمل عبر أكثر من وسيط واحد، مثل النص مع الصور أو الصوت أو الفيديو.

هذا ما يتيح لك التقاط صورة لخطأ والسؤال عن المشكلة. ويغطي دليل الذكاء الاصطناعي متعدد الوسائط ما يعمل فعليًا اليوم.

نموذج الرؤية (Vision model)

نموذج الرؤية هو نموذج يستطيع تفسير الصور: الصور الفوتوغرافية ولقطات الشاشة والرسوم البيانية والمستندات.

القراءة ليست كالتوليد؛ فقد يصف النموذج رسمك التخطيطي بدقة تامة وهو غير قادر على رسم واحد بنفسه.

توليد الصور (Image generation)

توليد الصور هو إنتاج صور جديدة من وصف نصي.

تتفاوت الجودة ومدى الأساليب وعرض النص داخل الصور بشدة بين مولدات الصور، ولهذا يقارن المستخدمون الجادون عدة أدوات. ويبقى استعراض مولدات الصور محدّثًا في هذا المجال.

نموذج الانتشار (Diffusion model)

نموذج الانتشار يولّد الصور بالبدء من الضوضاء وتنقيتها خطوة بخطوة نحو الوصف.

هذه هي التقنية السائدة خلف مولدات الصور الحديثة. والكلمة تهم أساسًا لأن ظهور "Diffusion" في اسم منتج يخبرك بما يفعله.

تحويل الكلام إلى نص (Speech to text)

تحويل الكلام إلى نص هو تفريغ الصوت المنطوق إلى كلمات مكتوبة.

التفريغ الحديث دقيق بما يكفي لجعل الاجتماعات والملاحظات الصوتية والمقابلات قابلة للبحث، وهو ما يجعل الإدخال الصوتي في تطبيقات الدردشة يعمل.

تحويل النص إلى كلام (Text to speech)

تحويل النص إلى كلام هو توليد صوت منطوق من كلمات مكتوبة.

تنتج الأنظمة الحالية أصواتًا طبيعية ومعبّرة، وهذا ما يشغّل ميزات القراءة الصوتية ومحادثات الذكاء الاصطناعي الصوتية.

المنظومة

API

API هو الباب البرمجي الذي يستخدمه المطورون لإرسال أوامر إلى نموذج من برمجياتهم الخاصة.

يُحتسب تسعير API بالرمز، وهو ما تنبع منه في النهاية اقتصاديات كل إجابة في أي منتج ذكاء اصطناعي.

الأوزان المفتوحة (Open weights)

الأوزان المفتوحة تعني نشر المعاملات المدرَّبة لنموذج لكي يحمّلها أي أحد ويشغّلها.

هذا يتيح الاستضافة الذاتية ويسمح لمزوّدين آخرين بتقديم النموذج على بنيتهم التحتية الخاصة. وDeepSeek وLlama أشهر الأمثلة.

النموذج مفتوح المصدر

النموذج مفتوح المصدر هو، تقريبًا، نموذج يُطرح للاستخدام والتعديل العام، وإن تفاوتت التراخيص كثيرًا.

الأسئلة العملية دائمًا الاثنان نفسهما: هل يمكنك استخدامه تجاريًا، ومن يستضيفه لك. وتهم منظومة الأوزان المفتوحة أكثر حين تستبعد الخصوصية أو التكلفة النماذج الرائدة المستضافة.

الاختبار المعياري (Benchmark)

الاختبار المعياري هو اختبار موحّد يُستخدم لتقييم النماذج ومقارنتها.

مفيد للمحاولة الأولى، ومُبالَغ في تحسينه لأجله في التسويق باستمرار. فالنموذج المتصدّر لاختبار معياري قد يخسر أمام عملك الفعلي، ولهذا فتشغيل مقارنة من ثلاث مهام خاصة بك يتفوق على قراءة الرسوم البيانية.

الوكيل

الوكيل هو نظام ذكاء اصطناعي يتخذ إجراءات على خطوات نحو هدف، بدل الإجابة مرة واحدة فقط.

الحجز والبحث والبرمجة وتقديم التذاكر كلها أراضي الوكلاء. والقدرة حقيقية وتتحسن بسرعة؛ وكذلك تزداد الحاجة إلى مراجعة ما فعله الوكيل قبل أن يترتب عليه أثر.

استخدام الأدوات (Tool use)

استخدام الأدوات، أو استدعاء الوظائف، هو استدعاء النموذج لقدرات خارجية مثل البحث أو الآلة الحاسبة أو الشيفرة أو تقويمك.

هذا ما يتيح لمساعدات الدردشة التصرف في العالم بدل وصفه فقط، وهو الآلية الكامنة تحت الوكلاء.

نموذج الاستدلال

نموذج الاستدلال هو نموذج ينفق حوسبة إضافية للتفكير في مسألة داخليًا قبل الإجابة.

المقايضة هي وقت وتكلفة مقابل دقة في المسائل الصعبة. وفي الأسئلة البسيطة لا يشتري التفكير الإضافي شيئًا، وهذه حجة أخرى لتبديل النماذج بحسب المهمة.

زمن الاستجابة (Latency)

زمن الاستجابة هو المدة التي تنتظرها بين إرسال أمر ووصول الإجابة أو بدء بثها.

يتفاوت بحسب حجم النموذج والحمل وما إذا كان النموذج نموذج استدلال. وللعمل التفاعلي، غالبًا ما يتفوق نموذج سريع وكافٍ على نموذج بطيء وبارع.

حد المعدل (Rate limit)

حد المعدل هو السقف الذي يضعه مزوّد الخدمة على عدد الطلبات أو الرموز التي يمكنك استخدامها في نافذة زمنية.

بلوغه هو السبب المعتاد الذي يجعل منتج دردشة يطلب منك الانتظار أو الترقية. وأسقف الرسائل في خطط الاشتراك هي حدود معدل بعلامة تجارية أكثر ودًّا.

الحفاظ على فائدة القاموس

تشيخ المصطلحات بسرعة في هذا المجال. تُصان هذه الصفحة كمرجع: تُعاد كتابة المدخلات حين يتحول الاستخدام، والأدلة المتعمقة المرتبطة بها تحمل التفاصيل التي لا تتسع لها التعريفات.

إن كان مصطلح صادفته في الواقع مفقودًا هنا، فأسرع طريق هو لصق الجملة التي وجدته فيها في نموذج قادر وطلب تعريفه في سياقه. وفي Whizi يمكنك سؤال نموذجين في آنٍ واحد ولاحظة اختلافهما، وهو أمر يحدث كثيرًا بشكل مفاجئ مع المصطلحات الجديدة.