معجم الذكاء الاصطناعي

التعلم التقليدي المتفائل

Optimistic Imitation Learning

تعلم تقليدي بمنطق متفائل لتحسين الأداء.

نماذج تمثيل البيئة

World Models

نماذج تمثيل للبيئة في التعلم المعزز.

إعادة تشغيل التجربة بالتوقعات

HER

إعادة تشغيل التجربة باستخدام التوقعات المرجعية.

التعلم المعزز الموزع

Distributed RL

تعلم معزز موزع على عدة أجهزة لتسريع التعلم.

التعلم المعزز متعدد الأهداف

Multi-Objective RL

تعلم معزز بأهداف متعددة متعارضة.

التعلم المعزز غير المتصل

Offline RL

تعلم معزز من بيانات مسجلة مسبقاً بدون تفاعل.

التعلم المعزز الآمن

Safe RL

تعلم معزز مع ضمان سلامة البيئة.

التعلم المعزز الميتا

Meta RL

تعلم تعلم في بيئة معززة لتحسين التكيف.

التعلم المعزز المدفوع بالفضول

Curiosity-driven RL

تعلم معزز مدفوع بالفضول لاستكشاف البيئة.

تشكيل المكافآت

Reward Shaping

تشكيل إشارة المكافأة لتسريع عملية التعلم.

طرق الممثل والنقد

Actor-Critic

طرق الممثل والنقد في التعلم المعزز.

تحسين السياسة القائم على النموذج

MBPO

تحسين السياسة بناءً على نموذج تمثيل البيئة.

نموذج DreamerV3

DreamerV3

نموذج تعلم معزز متقدم بالحالم.

ربط اللغة بالبيئة في التعلم المعزز

Language Grounding in RL

ربط اللغة بالبيئة الفعلية في التعلم المعزز.

المتغير الكامن

Latent Variable

متغير غير ملاحظ مباشرة لكنه يؤثر في عدة متغيرات ملاحظة، ويفترض لتفسير الارتباطات الخفية في البيانات، ويُقدَّر بنماذج كامنة.

إعادة الإعمار

Reconstruction

إعادة بناء البيانات الأصلية من تمثيل مضغوط أو منقوص، وهو الغرض المركزي للنماذج التوليدية كالتشفير الذاتي وقياس جودته.

التنوع التوليدي

Generative Diversity

درجة تنوع العينات التي ينتجها النموذج التوليدي، فيُثري الحقل بإنتاج سلوكيات وأمثلة مختلفة لا تكرارات متماثلة.

الإخلاص التوليدي

Generative Fidelity

دقة مطابقة العينات المولدة للتوزيع الحقيقي للبيانات، إذ أنتجت عينات صادقة قريبة من واقعها الطبيعي.

الاستيفاء الكامن

Latent Interpolation

الانتقال السلس بين النقاط في الفضاء الكامن لإنتاج عينات وسيطة ثم مقبولة، وهو أساس تعديل السمات وتحقيق الاستمرارية التوليدية.

فضاء الضجيج

Noise Space

الفضاء العشوائي أو الضجيج الذي تُسحب منه العشوائية في النماذج التوليدية كأساس لتغذية المولد، ولا تحمل قيمها معنى ملاحظًا مباشرًا.

تحديث المولد

Generator Update

قاعدة تحديث المولد في التدريب التوليدي العدائي، إذ يُضبط لرفع جودة إنتاج العينات المزيفة حتى يخدع المميز.

المميز

Discriminator

المكوّن في الشبكات التوليدية العدائية الذي يقرر إن كان الإدخال حقيقيًا أم مزيفًا، وينافس المولد ويرفع جودته تدريجيًا.

معيار التوليد

Generation Standard

معيار أو مقياس مقارنة تُقاس به جودة العينات المولدة، كالواقعية والتنوع والتشابه مع التوزيع الحقيقي.

التحويل الشرطي

Conditional Transfer

التحويل التوليدي المشروط بعامل إرشادي كالنوع أو الخصائص أو الهدف، فيتحكم المنتِج في مواصفات مخرجه بإعطاء شرط إضافي.

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.

شبكة Q العميقة

dqn

خوارزمية تعلم معزز تجمع الشبكات العصبية العميقة مع تعلم Q لاتخاذ القرارات (DQN).