معجم الذكاء الاصطناعي

انحياز المعاينة

sampling bias

انظر: الانحياز الانتقائي (selection bias).

الخاصية الحساسة

sensitive attribute

خاصية إنسانية قد تُمنح اعتبارًا خاصًا لأسباب قانونية أو أخلاقية أو اجتماعية أو شخصية.

أخذ العينات مع الإعادة

sampling with replacement

طريقة لاختيار عناصر من مجموعة مرشحة يمكن فيها اختيار العنصر نفسه أكثر من مرة؛ وتعني عبارة مع الإعادة أنه بعد كل اختيار يُعاد العنصر المختار إلى مجموعة المرشحين.

صيغة SavedModel

savedmodel

الصيغة الموصى بها لحفظ نماذج TensorFlow واستعادتها؛ وهي صيغة تسلسل محايدة لغوياً وقابلة للاستعادة تتيح للأنظمة والأدوات عالية المستوى إنتاج نماذج TensorFlow واستهلاكها وتحويلها.

أداة الحفظ

saver

كائن في TensorFlow مسؤول عن حفظ نقاط التحقق (الفحوص) للنموذج.

العددية (Scalar)

scalar

رقم واحد أو سلسلة واحدة يمكن تمثيلها كموتر من الرتبة 0. كل سطر من أسطر الكود التالية ينشئ قيمة عددية واحدة في TensorFlow:

الشكل

shape (tensor)

عدد العناصر في كل بُعد من أبعاد الموتر، ويُمثل بقائمة أعداد صحيحة؛ فالموتر ثنائي الأبعاد التالي شكله [3,4].

الدالة السينية

sigmoid function

دالة رياضية «تسحق» قيمة الإدخال في نطاق مقيد، عادةً من 0 إلى 1 أو من -1 إلى +1؛ أي يمكنك تمرير أي عدد (اثنان، مليون، أو مليار سالب...) إلى الدالة السينية وسيظل الناتج ضمن النطاق المقيد.

برنامج واحد / بيانات متعددة (SPMD)

single program / multiple data (spmd)

تقنية توازٍ تُنفَّذ فيها العملية الحسابية نفسها على بيانات إدخال مختلفة بالتوازي على أجهزة مختلفة، بهدف الحصول على النتائج بسرعة أكبر.

التحجيم

scaling

أي تحويل أو تقنية رياضية تغيّر نطاق وسم أو قيمة ميزة أو كليهما؛ بعض أشكال التحجيم مفيدة للغاية لتحولات مثل التطبيع.

التعلم الذاتي الإشراف

self-supervised learning

نوع من التعلم الآلي يعتمد على توليد ملصقات ضمنية من بيانات غير منظمة بدلًا من الاعتماد على ملصقات صريحة صانعها الإنسان؛ وتُصمم مهامه بحيث يُستنتج الملصق الحقيقي تلقائيًا من بيانات التدريب، وبحيث يتطلب التقاط الميزات أو العلاقات الأساسية في البيانات.

الميزة المتناثرة

sparse feature

ميزة قيمها في الغالب صفر أو فارغة؛ فالميزة ذات القيمة الواحدة 1 ومليون قيمة 0 متناثرة. في المقابل، تكون الميزة الكثيفة قيمها في الغالب غير صفر أو غير فارغة.

التمثيل المتناثر

sparse representation

تخزين موضع (مواضع) العناصر غير الصفرية فقط في خاصية متناثرة.

المتجه المتناثر

sparse vector

متجه تكون معظم قيمه أصفاراً.

التناثر

sparsity

عدد العناصر المعيّنة إلى صفر في متجه أو مصفوفة مقسوماً على العدد الإجمالي لمدخلات ذلك المتجه أو المصفوفة.

مكتبة scikit-learn

scikit-learn

منصة تعلم آلي مفتوحة المصدر واسعة الانتشار.

النموذج التسلسلي

sequence model

نموذج تُظهر مدخلاته اعتمادًا تسلسليًا. من الأمثلة على ذلك التنبؤ بالفيديو التالي الذي سيُشاهَد من سلسلة مقاطع فيديو شُوهدت سابقًا.

الشظية (Shard)

shard

تقسيم منطقي لمجموعة التدريب أو للنموذج. عادةً، تنشئ بعض العمليات شظايا بتقسيم الأمثلة أو المعلّمات إلى قطع (متساوية الحجم عادةً).

التقييم جنباً إلى جنب

side-by-side evaluation

مقارنة جودة نموذجين بالحكم على استجابتيهما لنفس المطال.

مقياس التشابه

similarity measure

في خوارزميات التجميع (clustering)، المقياس المستخدم لتحديد مدى تماثل (تشابه) أي مثالين.

الثبات تجاه الحجم

size invariance

في مسائل تصنيف الصور، قدرة الخوارزمية على تصنيف الصور بنجاح حتى عندما يتغير حجم الصورة.

التخطيط المتقشف

sketching

في التعلم الآلي غير الخاضع للإشراف، فئة من الخوارزميات تجري تحليلًا أوليًا للتشابه على الأمثلة؛ إذ تستخدم دالة تجزئة حساسة للموضع لتحديد النقاط المحتمل تشابهها ثم تجمعها في دلاء.

سوفتماكس (softmax)

softmax

دالة تحدد احتمالات لكل فئة محتملة في نموذج تصنيف متعدد الفئات، بحيث يكون مجموع الاحتمالات مساوياً تماماً 1.0.

البرمجة التوصيفية

specificational coding

عملية كتابة ملف بلغة بشرية (مثل الإنجليزية) يصف البرمجيات وصيانته. يمكنك بعد ذلك أن تطلب من نموذج ذكاء اصطناعي توليدي أو مهندس برمجيات آخر إنشاء البرمجيات التي تحقق هذا الوصف.

التسجيل

scoring

الجزء من نظام التوصية الذي يوفر قيمة أو ترتيبًا لكل عنصر أنتجته مرحلة توليد المرشحين.

الذاكرة الدلالية

semantic memory

المعلومات التي يحملها نموذج لغوي كبير عند انتهاء تدريبه؛ وتشمل الذاكرة الدلالية إتقاناً ممتازاً للقواعد والمفردات والحقائق التي دُرّب عليها صراحةً.

مهمة التسلسل إلى تسلسل

sequence-to-sequence task

مهمة تحوّل سلسلة رموز إدخال إلى سلسلة رموز إخراج؛ ومن أشهر نوعيها الترجمة الآلية والتلخيص.

تخطّي الكلمات (Skip-gram)

skip-gram

إنغرام قد يحذف (أو «يتخطى») كلمات من السياق الأصلي، ما يعني أن الكلمات N قد لا تكون متجاورة في الأصل. وبشكل أكثر دقة، «k-skip-n-gram» هو إنغرام قد تُتخطى فيه حتى k من الكلمات.

الانحياز الانتقائي

selection bias

أخطاء في الاستنتاجات المستخلصة من البيانات المُعاينة ناتجة عن عملية انتقاء تولّد اختلافات منهجية بين العينات المُلاحَظة في البيانات وتلك غير المُلاحَظة. توجد الأشكال التالية من الانحياز الانتقائي:

الانتباه الذاتي

self-attention (also called self-attention layer)

طبقة شبكة عصبية تحوّل سلسلة تضمينات (مثل تضمينات الرموز) إلى سلسلة تضمينات أخرى؛ يُبنى كل تضمين في سلسلة المخرجات بدمج معلومات من عناصر سلسلة الإدخال عبر آلية انتباه.

التجميع المكاني

spatial pooling

انظر التجميع (pooling).

التصحيح الذاتي

self-correction

قدرة الوكيل على اكتشاف خطأ في مخرجات نفسه ثم تجربة نهج مختلف.

التعلّم الذاتي

self-training

نوع من التعلّم الذاتي الإشراف مفيد بشكل خاص عندما تتحقق جميع الشروط التالية:

التعلم شبه الخاضع للإشراف

semi-supervised learning

تدريب نموذج على بيانات بعض أمثلتها موسومة وبعضها الآخر غير موسوم؛ ومن تقنياته استنتاج وسوم للأمثلة غير الموسومة ثم التدريب على الوسوم المستنتجة لإنشاء نموذج جديد.

الانكماش

shrinkage

معامل فائق في التعزيز التدرجي يتحكم في الإفراط في التعلم؛ يشابه معدل التعلم في الانحدار التدرجي.

مقسِّم شجرة القرار

splitter

أثناء تدريب شجرة قرار، الروتين (والخوارزمية) المسؤول عن إيجاد أفضل شرط في كل عقدة.

برنامج واحد / بيانات متعددة

spmd

اختصار لعبارة برنامج واحد / بيانات متعددة (Single Program / Multiple Data).

تقديم النموذج

serving

عملية جعل النموذج المُدرَّب متاحاً لتقديم التنبؤات عبر الاستدلال الفوري أو الاستدلال دون اتصال.

الضبط بالمطالبات الناعمة

soft prompt tuning

أسلوب لضبط نموذج لغوي كبير لمهمة معيّنة دون ضبط دقيق مكلف للموارد؛ فبدلاً من إعادة تدريب جميع أوزان النموذج، يضبط هذا الأسلوب المطالَ تلقائياً لتحقيق الهدف نفسه.

التقسيم

split

في شجرة القرار، اسم آخر للشرط.