معجم الذكاء الاصطناعي

مراقبة البيانات

data control

إشراف إداري على سياسات معلومات المؤسسة؛ مراقبة كيفية عمل العمليات والإبلاغ عنها وإدارة المشكلات.

نسيج البيانات

data fabric

طبقة برمجية توحد الوصول إلى البيانات عبر مصادرها المتنوعة.

فحص جودة البيانات

data quality checking

عمليات تقييم اكتمال البيانات ودقتها وانتظامها قبل الاستخدام.

تزويد البيانات

data seeding

حقن بيانات اختبارية أولية لدعم تطوير المواد الوهمية للأنظمة.

مرحلة النشر

deployment stage

المرحلة التي يُدمج فيها النموذج في تطبيق على بيانات حقيقية من العالم.

الخوارزمية الحتمية

deterministic algorithm

خوارزمية تنتج نفس النتيجة لكل تشغيل بنفس المدخلات.

تمييزي

discriminative

نوع من طرق التعلم الآلي يتعلم التمييز بين الفئات.

المستخدم النهائي

end-user

الشخص الذي يتفاعل مباشرة مع النظام أو يتأثر به.

التعلم الجماعي

ensemble learning

تقنيات تجمع عدة نماذج ضعيفة لنموذج أقوى وأدق.

المراوغة

evasion

من أكثر الهجمات شيوعاً على نماذج التعلم الآلي أثناء الإنتاج؛ ويقصد به تصميم مدخل يبدو طبيعياً للإنسان لكن النماذج تصنّفه تصنيفاً خاطئاً فيؤثر في سلوكها، ومثاله تعديل بعض بكسلات صورة قبل رفعها بحيث يفشل نظام التعرف على الصور في تصنيف النتيجة، وقد يتجاوز أثر ذلك.

التهرب من النموذج

evasion (model evasion)

هجوم يخلق مدخلات لا يتعرفها النموذج بصورة صحيحة.

أخبار القابلية للتفسير

explainability

قدرة الشرح للمستخدم لفهم قرارات النظام بطريقة واضحة.

تفجُّر التدرج

exploding gradient

ظاهرة في تدريب الانتشار الخلفي في الشبكات العصبية تتراكم فيها أخطاء التدرج الكبيرة فتؤدي إلى تحديثات كبيرة جداً للأوزان، مما يجعل النموذج غير مستقر.

السلبية الكاذبة

false negative

مثال يصنفه النموذج التنبؤي خطأً ضمن الفئة السلبية.

الإيجابي الكاذب

false positive

مثال يصنّف فيه النموذج عنصرًا عن طريق الخطأ على أنه في الفئة الإيجابية.

الشبكة العصبية التغذية الأمامية (FFNN)

feed forward neural network (ffnn)

شبكة عصبية تُغذى فيها المعلومات من طبقة الإدخال إلى طبقة المخرجات في اتجاه واحد فقط.

الشبكات العصبية ذات التغذية الأمامية

feedforward neural networks

شبكات عصبية اصطناعية تكون الوصلات بين العقد فيها من طبقة إلى الطبقة التالية دون أن تشكل دورة.

الذكاء الاصطناعي العام (AGI)

general ai (agi)

يشار إليه أيضاً بالذكاء الاصطناعي القوي، وهو القدرة الافتراضية لنظام ذكي على فهم وتعلم وأداء أي مهمة فكرية يستطيع الإنسان القيام بها.

الشبكات التوليدية التنافسية (GAN)

generative adversarial networks

إطار تعلّم آلي تتنافس فيه شبكتان عصبيتان فيما بينهما في شكل لعبة محصلتها صفر، يكون فيها كسب أحد الوكيلين خسارةً للآخر. يتعلم نموذج GAN توليد بيانات جديدة بنفس الإحصاءات التي تمتلكها مجموعة التدريب.

الخوارزمية الجينية

genetic algorithm

خوارزمية تحاكي الاصطفاء الطبيعي بإنشاء مجموعة من الأفراد (الحلول) وتطويرها لتأدية مشكلات التحسين.

الشرح الشامل

global

التفسير الشامل ينتج نموذجًا يقارب النموذج غير القابل للتفسير.

وحدة معالجة الرسوميات (GPU)

graphical processing unit (gpu)

رقاقة متخصصة قادرة على معالجة متوازية بدرجة عالية، ومناسبة تماماً لتشغيل خوارزميات التعلم الآلي والتعلم العميق؛ وقد صُممت أصلاً للمعالجة المتوازية الكفؤة لمصفوفات القيم في الرسوميات الحاسوبية.

قابلية الإحلال العالية

high displacement potential

قابلية إحلال تُنسب إلى أنظمة الذكاء الاصطناعي التي تؤدي مهام تستخدم عمليات ومخرجات محددة بوضوح (مثل مهام فنيي المختبرات الطبية وأخصائيي البصريات والمهندسين الكيميائيين والمحاسبين ومدققي الجودة)؛ ولا يعني ذلك احتمالاً كبيراً للإحلال الفعلي.

محوره الإنسان

human-centric

تصميم أو تطوير يجعل احتياجات الإنسان وحقوقه مدخلات مركزية في التصميم والتطوير واعتبارات مركزية في تقييم أنظمة الذكاء الاصطناعي.

التعلم الآلي بتمكين بشري

human-enabled machine learning

كشف وربط وتعرف على الأنماط يولّدها التنبؤ بناءً على ملاحظة آلية لتشغيل البشر لأنظمة البرمجيات، بالتقاط العمليات الناجحة وغير الناجحة لتمكين قدرة تحليلات تنبؤية مفيدة.

المعاملات الفائقة

hyperparameters

المعاملات المستخدمة إما لتكوين نموذج تعلم آلي (مثل معامل العقوبة C في آلة المتجهات الداعمة ومعدل التعلم لتدريب شبكة عصبية) أو لتحديد الخوارزمية المستخدمة في تقليل دالة الخسارة (مثل نوع دالة التنشيط والمحسِّن في شبكة عصبية ونوع النواة في آلة متجهات داعمة).

أصحاب المصلحة المتأثرون

impacted stakeholders

أصحاب مصلحة قد يتأثرون مباشرة أو بوساطة بنشر نظام أو تطبيق ذكاء اصطناعي دون أن يفاعلوا مع النظام بالضرورة؛ فقد يؤثر النظام في عدة فئات مختلفة من أصحاب المصلحة.

المعالجة أثناء التدريب

in-processing

تقنيات تعدّل الخوارزميات للتخفيف من الانحياز أثناء تدريب النموذج؛ وقد تتضمن عمليات التدريب تغييرات في دالة الهدف (التكلفة) أو فرض قيد تحسين جديد.

خوارزمية المعالجة أثناء التدريب

in-processing algorithm

خوارزمية تخفيف انحياز تُطبَّق على نموذج أثناء تدريبه.

الحادثة

incident

حالة تكون فيها أنظمة الذكاء الاصطناعي قد سببت ضررًا واقعيًا، أو كادت تسببه.

مكوّن إدخال المعلومات

information input component

أحد المكونات الثلاثة للنموذج؛ يسلم هذا المكوّن الافتراضات والبيانات إلى النموذج.

بيانات الإدخال

input data

البيانات المقدمة إلى نظام الذكاء الاصطناعي أو المكتسبة مباشرةً به، والتي ينتج النظام بناءً عليها مخرجًا.

وزن المثال

instance weight

قيمة عددية تضرب مساهمة نقطة بيانات في النموذج.

انتهاك النزاهة

integrity violation

في سياق التعلم الآلي الخبيث، إجبار نظام ذكاء اصطناعي على الأداء السيئ خلافاً لأهدافه المقصودة، منتجاً مخرجات أو تنبؤات تتفق مع هدف المهاجم.

النموذج القابل للتفسير

interpretable model

نموذج تعلم آلي قادر على الانصياع لمجموعة قيود خاصة بالمجال تيسّر فهمه (أو فهم تنبؤاته أو بياناته) من قبل البشر؛ وقد تختلف هذه القيود اختلافاً كبيراً بحسب المجال.

تمثيل المعرفة

knowledge representation

فن صياغة المعرفة بشكل تصريحي، يُستخدم عادة في نظام ذكاء اصطناعي رمزي مثل النظام الخبير.

التعلم

learning

إجراء في الذكاء الاصطناعي يحسّن برنامج الذكاء الاصطناعي من خلاله أداءه باكتساب المعرفة.

دورة الحياة

lifecycle

دورة حياة نظام الذكاء الاصطناعي تشمل عدة مراحل مترابطة تمتد من التصميم والتطوير (بما فيها تحليل المتطلبات وجمع البيانات والتدريب والاختبار والدمج) إلى التركيب والنشر والتشغيل والصيانة وإنهاء الخدمة.

النموذج اللوجستي

logistic model

نموذج يمثل النمو المقيد بسعة استيعاب قصوى؛ ووصفه بأنه نموذج لوجستي مستمر بنمذجة تغير السكان بمعادلة تفاضلية تعتمد على معامل النمو الأقصى والقدرة الاستيعابية القصوى للسكان المستدامين.

إمكانية الإزاحة المنخفضة

low displacement potential

إمكانية إزاحة تُعزى إلى أنظمة الذكاء الاصطناعي التي تؤدي مهام تتطلب التفكير في مواقف جديدة (مثل البحث)، ومهارات التعامل مع الآخرين (مثل المعلمين والمديرين وبعض بائعي القهوة)، ومهن جسدية تتطلب الإدراك والتعامل مع عدد كبير من الأشياء غير المنتظمة في بيئات غير مضبوطة مع مجال محدود للحركة (مثل عاملات المنازل وعمال النظافة والقائمين على الكافتيريات...).