معجم الذكاء الاصطناعي

معدل السلبيات الكاذبة

false negative rate

نسبة الأمثلة الإيجابية الفعلية التي توقع النموذج خطأً انتماءها إلى الفئة السلبية.

الموجب الكاذب

false positive (fp)

قضية حقيقية سالبة تنبأت بها كموجبة.

معدل الكاذب الموجب

false positive rate (fpr)

عدد الموجب الكاذب على مجموع السلبيات الفعلية.

الميزة

feature

مدخل قابل للقياس في النموذج كدرجة الحرارة أو طول الجملة.

هندسة الميزات

feature engineering

عملية تحويل البيانات الخام لميزات أدق للنموذج.

مجموعة الميزات

feature set

المجموعة الكاملة من المدخلات النماذجية في مجموعة بيانات.

حلقة التغذية الراجعة

feedback loop

منظومة تغذي نتائج النموذج إلى تعلمه مرة أخرى تعديلاً.

الشبكة العصبية التغذية الأمامية (FFN)

feedforward neural network (ffn)

شبكة عصبية لا تحتوي على اتصالات دائرية أو متكررة؛ فالشبكات العصبية العميقة التقليدية هي شبكات تغذية أمامية، وتُقابلها الشبكات العصبية المتكررة ذات الطبيعة الدائرية.

التعلم بالقليل من الأمثلة

few-shot learning

مقدرة النموذج على أداء مهمة به أمثلة قليلة جداً.

نموذج فلاتش (Flash)

flash model

عائلة نماذج جيميناي صغيرة نسبيًا محسّنة للسرعة وقلة زمن الاستجابة. صُممت نماذج Flash لمجموعة واسعة من التطبيقات التي تكون فيها الاستجابات السريعة والإنتاجية العالية حاسمة.

فلاكس (Flax)

flax

مكتبة مفتوحة المصدر عالية الأداء للتعلم العميق مبنية على JAX؛ توفر دوالاً لتدريب الشبكات العصبية وطرقاً لتقييم أدائها.

النموذج الأساسي (Foundation Model)

foundation model

في الذكاء الاصطناعي التوليدي، نماذج تُدرَّب على بيانات واسعة النطاق باستخدام التعلّم الذاتي الإشراف، ويمكن تكييفها، مثلًا عبر الضبط الدقيق، لمجموعة متنوعة من المهام اللاحقة.

نماذج جيميني

gemini models

نماذج Transformer متعددة الوسائط من جوجل من الطراز الأحدث، وهي مصممة خصيصاً للتكامل مع الوكلاء (agents).

الشبكة التوليدية التنافسية (GAN)

generative adversarial network (gan)

نهج للنمذجة التوليدية يستخدم أساليب التعلم العميق، مثل الشبكات العصبية الالتفافية؛ فالنمذجة التوليدية مهمة ذاتية الإشراف تكشف الانتظامات أو الأنماط في بيانات الإدخال بما يتيح للنموذج توليد أمثلة جديدة.

النموذج التوليدي

generative model

من الناحية العملية، نموذج يقوم بأحد الأمرين التاليين:

استوديو Google AI

google ai studio

أداة من جوجل توفر واجهة سهلة الاستخدام للتجربة وبناء التطبيقات باستخدام نماذج اللغات الكبيرة من جوجل.

التدرج

gradient

متجه المشتقات الجزئية بالنسبة إلى جميع المتغيرات المستقلة؛ وفي التعلم الآلي هو متجه المشتقات الجزئية لدالة النموذج.

التجذير بالمصدر

groundedness

خاصية في نموذج يكون مخرجه مبنيًا على (أي «مُجذَّرًا في») مادة مصدرية محددة. لنفترض أنك زوّدت نموذج لغة كبيرًا بكتاب فيزياء كامل «كسياق»، ثم سألت نموذج اللغة الكبير سؤالًا في الفيزياء.

تسلق التل

hill climbing

خوارزمية لتحسين نموذج تعلم آلي بطريقة تكرارية حتى يتوقف النموذج عن التحسن.

المستوي الفائق

hyperplane

حد يفصل فضاءً إلى فضاءين فرعيين. الخط هو مستوٍ فائق في بُعدين، والمستوى هو مستوٍ فائق في ثلاثة أبعاد. في تعلّم الآلة عادةً يكون المستوي الفائق هو الحد الذي يفصل فضاءً عالي الأبعاد.

الانحياز الضمني

implicit bias

إجراء ارتباط أو افتراض تلقائيًا استنادًا إلى النماذج الذهنية والذكريات لدى الفرد. يمكن أن يؤثر الانحياز الضمني في ما يلي:

المستقلة والمتطابقة التوزيع (I.I.D)

independently and identically distributed (i.i.d)

بيانات مأخوذة من توزيع لا يتغير، وتكون كل قيمة مأخوذة غير معتمدة على القيم المأخوذة سابقًا. تُعد خاصية الاستقلال والتطابق في التوزيع «الغاز المثالي» لتعلّم الآلة، أي إنها بناء رياضي مفيد لكنه تقريبًا لا يوجد حرفيًا في العالم الحقيقي. قد يكون توزيع زوار صفحة ويب مستقلاً ومتطابقًا في التوزيع خلال نافذة زمنية قصيرة؛ أي إن التوزيع لا يتغير خلال تلك الفترة.

الانحياز داخل المجموعة

in-group bias

إظهار التحيز لجماعة الفرد الخاصة أو لخصائصه. إذا كان المختبرون أو المقيمون من أصدقاء مطوّر تعلّم الآلة أو من عائلته أو زملائه، فقد يُبطل الانحياز داخل المجموعة اختبار المنتج أو مجموعة البيانات.

مولِّد الإدخال

input generator

آلية تُحمَّل البيانات من خلالها إلى الشبكة العصبية.

التحقق المتقاطع المطوي K

k-fold cross validation

خوارزمية للتنبؤ بقدرة النموذج على التعميم إلى بيانات جديدة. يشير حرف K في التحقق المطوي إلى عدد المجموعات المتساوية التي تُقسَّم إليها أمثلة مجموعة البيانات؛ أي إنك تدرّب النموذج وتختبره K من المرات.

ك-وسيط (K-median)

k-median

خوارزمية تجميع وثيقة الصلة بخوارزمية ك-وسائل (k-means)؛ ويتمثل الفرق العملي بينهما في أن ك-وسيط تستخدم الوسيط لتمثيل مركز العنقود بدلاً من المتوسط، ما يجعلها أقل حساسية للقيم المتطرفة.

تسوية L0

l0 regularization

نوع من التسوية يفرض عقوبة على العدد الإجمالي للأوزان غير الصفرية في النموذج.

خسارة L1

l1 loss

دالة خسارة تحسب القيمة المطلقة للفرق بين قيم الملصقات الفعلية والقيم التي يتنبأ بها النموذج.

خسارة L2

l2 loss

دالة خسارة تحسب مربع الفرق بين قيم التسميات الفعلية والقيم التي يتنبأ بها النموذج. إليك حساب خسارة L2 لمجموعة من خمسة أمثلة:

انحدار المربعات الصغرى

least squares regression

نموذج انحدار خطي يُدرَّب بتقليل خسارة L2.

النموذج الخطي

linear model

نموذج يعيّن وزناً واحداً لكل ميزة لصنع التنبؤات، ويتضمن أيضاً انحيازاً؛ وعلى النقيض، تكون علاقة الميزات بالتنبؤات في النماذج العميقة غير خطية عموماً.

اللوغيتات

logits

متجه التنبؤات الأولية (غير المعيَّرة) الذي يولّده نموذج تصنيف، ويُمرَّر عادة بعد ذلك إلى دالة معايرة؛ فإذا كان النموذج يحل مسألة تصنيف متعددة الصفوف تصبح اللوغيتات عادة مدخلاً لدالة صوفماكس.

مجمع الخسائر

loss aggregator

نوع من خوارزميات التعلم الآلي يحسّن أداء النموذج بدمج تنبؤات نماذج متعددة واستخدامها في صنع تنبؤ واحد، مما يقلل تباين التنبؤات ويرفع دقتها.

التكيف منخفض الرتبة

low-rank adaptability (lora)

تقنية فعّالة في استهلاك البارامترات للضبط الدقيق تجمّد الأوزان المُدرّبة مسبقًا للنموذج (فلا يمكن تعديلها بعد ذلك) ثم تُدخل مجموعة صغيرة من الأوزان القابلة للتدريب فيه؛ وهذه المجموعة (التي تُعرف أيضًا بمصفوفات التحديث) أصغر بكثير من النموذج الأساسي وأسرع تدريبًا.

مكتبة Matplotlib

matplotlib

مكتبة رسم مفتوحة المصدر ثنائية الأبعاد للغة بايثون تساعد على تصور جوانب مختلفة من التعلم الآلي.

تعلم الآلة

ml

اختصار لمصطلح machine learning (تعلم الآلة).

النموذج

model

مكوّن أساسي في نظام ذكاء اصطناعي يُستخدم لاستخلاص استنتاجات من المدخلات وإنتاج المخرجات؛ ويصف تحويلاً من المدخلات إلى المخرجات بهدف أداء مهمة حسابية أساسية للنظام، مثل تصنيف صورة أو التنبؤ بالكلمة التالية.

سعة النموذج

model capacity

درجة تعقيد المشكلات التي يمكن لنموذج أن يتعلمها؛ فكلما ازداد تعقيد المشكلات التي يمكن للنموذج تعلمها ازدادت سعته.

التتالي النموذجي

model cascading

نظام يختار النموذج الأمثل لاستعلام استدلال (inference) معين.

موجِّه النماذج

model router

الخوارزمية التي تحدد النموذج الأمثل للاستدلال في التسلسل النموذجي (model cascading)؛ وغالباً ما يكون موجّه النماذج نموذج تعلم آلي يتعلم تدريجياً اختيار أفضل نموذج لمدخل معيّن.