معجم الذكاء الاصطناعي

شبكات الانتباه البيانية

Graph Attention Networks

شبكات عصبية تعمل على الرسوم بطبقات الانتباه، حيث يتأرجح كل عقدة انتباهه لجيرانه حسب الأهمية، ويلتقط النمط البنيوي المعقد للرسم.

تضمين العقد

Node Embeddings

تمثيل كل عقدة في متجه تعلمتها الشبكة البيانية يجسد بنيتها المحلية ومضمونها الدلالي، ويُستخدم في التنبؤات على مستوى العقد.

تضمين الحواف

Edge Embeddings

تمثيل كل حافة في متجه تعلمتها الشبكة يجسد العلاقة بين العقدتين المتصلتين وخصائصها، ويُستخدم في تنبؤ علاقات الروابط.

تصنيف العقد

Node Classification

تصنيف تُسند فيه فئة لكل عقدة انطلاقًا من ميزاتها وسياقها البنيوي في الرسم، كتصنيف الأدوار أو الأصناف في الشبكات الاجتماعية والكيميائية.

تصنيف الرسوم

Graph Classification

تصنيف رسم كامل في فئة معينة عبر تجميع تمثيلات عقدها، كتصنيف الجزيء كيميائيًا أو نقل الرسوم الاجتماعي، بأخذ البنية كلها في الحسبان.

تجميع الرسوم

Graph Pooling

تجميع تمثيلات العقد على مستوى الرسم في تمثيل موحد يجسد البنية الكلية، فيُبنى عليه التصنيف وتنبؤات خصائص الرسوم جميعها.

التنبؤ متعدد الأفق

Multi-Horizon Forecasting

التنبؤ بقيم السلسلة الزمنية على عدة آفاق زمنية قادمة في وقت واحد، فيعطي نظرة لاحقة أوسع عن المسار المستقبلي، مقابل تنبؤ الخطوة الواحدة.

كشف الشذوذ الزمني

Temporal Anomaly Detection

كشف الشذوذ في الحَزم الزمنية بمراعاة البنية الزمنية والتغيرات السياقية، فيميز أي حدث خروج مؤقت عن النمط الزمني الطبيعي.

الميزات الزمنية

Temporal Features

الميزات المستوحاة من الزمن كالاتجاه المؤجل أو متوسطات الحركة أو تموجات الساعة، وتميّز التوزيع الزمني وتُغني نماذج السلاسل الزمنية.

الموسمية

Seasonality

تأرجح دوري محسوس في البيانات بفترات متساوية كمواسم السنة أو أسابيع أو أيام، ويُقدر ويُفصَل عن الاتجاه التذبذبي في التحليل.

تغير المفهوم

Concept Drift

تغير تدريجي جوهر ما يمثله النظام هدف التوقع أو توزيع المدخلات، فينخفض أداء النموذج ويحتاج تحديثًا أو نعايرة مستمرة.

التنبؤ الاحتمالي

Probabilistic Forecasting

التنبؤ الذي يخرج توزيع الاحتمالات للقيم القادمة لا نقطة واحدة فقط، فينقل قدرًا من القيمة المتوقع والشك فيها بفائدة أكبر للقرار.

الاستيفاء الزمني

Temporal Imputation

إكمال القيم المفقودة أو الفجوات في سلسلة زمنية بتقديرات تعتمد على البنية الزمنية المتوفرة، ليتسنى إجراء تحليل متسق غير منقوص.

تجزئة السلسلة

Time-Series Segmentation

تقسيم سلسلة زمنية إلى مقاطع متجانسة داخلية بحدود تغيير السلوك، فيكشف النمط الأطوار ويسهل النمذجة لكل طور معالجة مستقلة.

التشفير الزمني

Temporal Encoding

تشويح المعلومات الزمنية في النموذج، فتُدخل المواضع الزمنية أو الفواصل كإشارات تمكّن النموذج من إدراك الترتيب والمسافات بين الملاحظات.

الاعتماد بعيد المدى

Long-Range Dependency

القدرة على التقاط علاقات ربط بين عناصر متباعدة طويلًا في التسلسل، وعلاج يتطلبان آليات خاصة كالانتباه والبوابات، لتعلم تبعيات زمنية بعيدة.

التدخل

Intervention

التدخل الفاعل في المتغير للوصول إلى قيمته وتغيير التوزيع لمتغيرات تابعة، وهو ذروة السؤال السببي في مقابل الملاحظة السلبية.

النتيجة المضادة

Counterfactual Outcome

النتيجة التي كانت ستحدث لو لم يقع الفعل أو لو وقع بدلًا آخر، وهو الجملة المضادة المقدرة بوسائل سببية كنماذج التدخل والبنى السببية.

المتغير المربك

Confounder

متغير يؤثر في كل من السبب والنتيجة فيخلق زميلًا غير حقيقي، ما لم يُعزل، يفسَّر العلاقة الظاهرة تفسيرًا ملتبسًا.

المتغير الوسيط

Mediator

المتغير الوسيط الذي ينقل التأثير السببي من السبب إلى النتيجة عبر مسار كامل، ودراسته تفصّل كيف يتحقق الأثر المباشر وغير المباشر.

المتغير المعدل

Moderator

المتغير الذي يعدل قوة أو اتجاه العلاقة السببية بين سبب ونتيجة، فتتغير حساسية الأثر حسب قيمته السياقية.

تحديد السببية

Causal Identification

إثبات أن العلاقة الملاحظة سببية فعلًا لا مجرد ارتباط، بطرق كالتجارب القياسية أو الروابط أو مناط التدخل والبنى السببية.

اكتشاف السببية

Causal Discovery

اكتشاف البنية السببية الكامنة بين المتغيرات من بيانات ملاحظة، بالخوارزميات التي تستنتج الاتجاهات والتخطيط السببي من الارتباطات والقيود.

الاستدلال المضاد

Counterfactual Inference

الاستدلال بالإجابة عن أسئلة مضادة على مستوى المثيل، إذ تعدل الحالة والسبب المقدر ما كانت ستكون النتيجة، وهو أدق أشكال التفسير السببي.

النموذج التلقائي الانحدار

Autoregressive Model

نموذج توقع القيمة التالية تلقائيًا من القيم السابقة في تسلسل، كأساس لتوليد اللغة والسلاسل الزمنية.

النموذج الكامن

Latent Model

نموذج يحفظ المتغيرات الكامنة الخفية كضغط، إذ يبني تصورًا داخليًا للبيانات ويعيد بناءها أو يولدها من هذا التمثيل المختصر.

التوليد المشروط

Conditional Generation

توليد مخول بشروط إدخال إضافية كالفئة أو مواصفات أو تحكم سياق، فتُوجّه المخرجات لصياغة مقصودة بدل العشوائية الخالصة.

التوليد المتحكم به

Controllable Generation

توليد قابل للتحكم الدقيق في الخصائص المتفرقة كالنمط، أو المحتوى، أو درجة التنوع، بمقابض إرشادية صريحة من المستخدم.

التحرير التوليدي

Generative Editing

تعديل المحتوى الحالي بواسطة التوليد لا بالتحرير اليدوي، كإضافة عناصر أو تغيير أسلوب أو إعادة صياغة ما مع تفرخات منطقية.

الاستكمال التوليدي

Generative Inpainting

إعادة بناء المناطق المفقودة أو المحذوفة من صورة أو نص بطريقة تنسجم مع السياق المحيط، كإكمال المشهد المتقطع أو النص المعلّق.

التوليد من مرجع

Reference-Guided Generation

توليد يسترشد بمرجع محدد كصورة-مصدر أو ملف تعريف، فيُنتج مخرجات مطابقة لمضمونه وأسلوبه بدل الاعتماد على إشارة عامة فقط.

مراقبة النماذج

Model Monitoring

المراقبة المستمرة لأداء النموذج في الإنتاج: مدخلاته، مخرجاته، انحرافاته، وتنبيهات الأداء، لضمان بقائه صالحًا وتصحيحه عند الحاجة.

التكامل المستمر للنماذج

Continuous Integration for ML

ممارسة التكامل المستمر الخاصة بالنماذج: اختبار مدخلاتها، التحكم الإصدارات، وضمان جودة تجاربها أثناء بناء المهام ضمن سير عمل آلي.

النشر المستمر للنماذج

Continuous Deployment for ML

أتمتة نشر نسخ النموذج الجديدة بشكل مستمر وسلس إلى الإنتاج، مع التأكد من الاستقرار والتراجع الآمن عند الفشل.

اختبار الظل

Shadow Testing

اختبار نسخة نموذجية جديدة عن واقع تشغيل مرتفع دون أن تظهر، فتسجل المخرجات وتُقارن مسبقًا مع الأنموذج الحالي لقياس جودتها.

الإطلاق التدريجي

Canary Release

إطلاق تدريجي آمن للإصدار الجديد على جزء صغير من الحركة أولًا مع مراقبة الأثر، ثم توسيع التغطية تدريجيًا حتى اعتماد كامل.

اختبار أ/ب للنموذج

Model A/B Testing

تجربة مقارنة منهجية بين نسختين من النموذج بتقسيم الحركة عشوائيًا، فتُقارن نتائج أ/ب بمقاييس متماثلة ويفوز الأفضل.

تتبع التجارب

Experiment Tracking

تسجيل كل تجربة بشروطها ومقاييسها ومعلماتها في مخزن منظم، فيُقارن تاريخيًا ويعاد إنتاج النتائج ويتأصّل سبب الفرق.

إدارة الميزات

Feature Management

إدارة سمات أو ميزات المخرجات من تمكين وتعطيل وتنويع عبر أعلام تكوين، فيتلاءم سلوك النموذج للمجموعات والظروف دون إعادة نشر.

سجل المخاطر

AI Risk Register

سجل موثق بالمخاطر المحتملة في تطوير النموذج بنظام: درجة كل خطر، احتمالها، أثرها، وإجراءات التخفيف، ودور المراجعة المنتظمة لها.