الرئيسية ← المصطلحات ← النماذج
مصطلحات النماذج
أنواع النماذج وبنيتها الداخلية وكيف تختلف عن بعضها.
| المصطلح | فيمَ يُستخدم عملياً |
|---|---|
| النموذج اللغوي الكبير Large Language Model — LLM | نموذج ضخم مُدرَّب على كميات هائلة من النصوص للتنبؤ بالكلمة التالية. هو أساس ChatGPT وClaude وGemini وغيرها. |
| بنية المحوّلات Transformer | البنية التقنية التي أطلقت الثورة الحالية منذ ٢٠١٧، وتقوم على آلية الانتباه. كل النماذج الكبرى اليوم مبنية عليها. |
| آلية الانتباه Attention Mechanism | تقنية تُقيّم أهمية كل كلمة بالنسبة لبقية الكلمات دفعةً واحدة بدل المعالجة المتسلسلة — وهي سبب قفزة الفهم السياقي. |
| نموذج الانتشار Diffusion Model | يبدأ من ضوضاء عشوائية ويزيلها تدريجياً حتى تظهر صورة. هو التقنية وراء معظم أدوات توليد الصور والفيديو. |
| نموذج الاستدلال Reasoning Model | فئة أحدث تُطيل «التفكير» قبل الإجابة لحل مسائل منطقية ورياضية وبرمجية معقدة. أبطأ وأغلى لكنها أدق في المهام الصعبة. |
| النموذج متعدد الوسائط Multimodal Model | يفهم أكثر من نوع بيانات في آنٍ واحد: نص وصورة وصوت وفيديو، ويربط بينها دلالياً. |
| المعاملات Parameters | القيم الداخلية التي يضبطها النموذج أثناء التدريب. عددها (بالمليارات) مؤشر تقريبي — لا نهائي — على قدرة النموذج. |
| مفتوح المصدر Open Source / Open Weights | نموذج يمكن تحميله وتشغيله وتعديله محلياً (مثل Llama وQwen وFalcon). يمنح خصوصية كاملة وتحكماً، مقابل عبء تشغيل تقني. |
| مغلق المصدر Closed Source / Proprietary | نموذج يُستخدم فقط عبر واجهة الشركة المالكة (مثل GPT وClaude وGemini). أسهل استخداماً، لكن بياناتك تمرّ بخوادم خارجية. |
| النموذج المقطّر Distilled Model | نسخة أصغر وأسرع من نموذج كبير، تحتفظ بمعظم قدرته. تُستخدم لخفض التكلفة أو للتشغيل على أجهزة محدودة. |
| النموذج الأساس Foundation Model | نموذج ضخم عام الغرض يُدرَّب مرة واحدة ثم يُبنى فوقه عشرات التطبيقات بالضبط الدقيق أو بالأوامر — بدل تدريب نموذج لكل مهمة. |
| خليط الخبراء Mixture of Experts — MoE | بنية تُفعِّل جزءاً من معاملات النموذج فقط في كل طلب. تعطي قدرة نموذج ضخم بتكلفة تشغيل أقل بكثير. |
| النموذج اللغوي الصغير Small Language Model — SLM | نموذج بحجم يسمح بتشغيله على جهاز عادي أو خادم متواضع. أقل قدرة، لكنه أسرع وأرخص وأكثر خصوصية. |
| شجرة القرار والغابة العشوائية Decision Tree & Random Forest | خوارزميات كلاسيكية تُصنِّف بسلسلة أسئلة متفرّعة. ما تزال الخيار الأفضل للبيانات الجدولية، وتتفوّق فيها كثيراً على الشبكات العصبية. |
أين تلتقي هذه المصطلحات عملياً؟
هذه الفئة ليست تعريفات معزولة — كل مصطلح فيها يظهر في سياق تطبيقي داخل المنصة:
- الشرح الموسّع لكل مفهوم في صفحة المفاهيم الأساسية.
- التطبيق القطاعي الفعلي في استخدامات الذكاء الاصطناعي.
- الأدوات التي تجسّد هذه المفاهيم في دليل الأدوات.
- البعد التنظيمي والحكومي في الحكومات وتجربة الإمارات.
⚡جرّبها الآنخطوة واحدة · خمس دقائق
1
افتح إعدادات أي نموذج تستخدمه، وجرّب المهمة نفسها مرتين بإعداد مختلف — ولاحظ الفرق بنفسك.
مصطلحات النماذج تبقى مجرّدة حتى تراها تغيّر مخرَجاً أمامك. التجربة المزدوجة أسرع طريق لفهمها.
أمر جاهز — عدّل ما بين الأقواس
اعمل كمدرّب تقني يشرح بالتجربة لا بالتعريف. السياق: أستخدم نموذجاً لغوياً لمهمة [صف المهمة]، ولاحظت اختلاف المخرَج بين محاولة وأخرى. المهمة: اشرح لي أي خصائص النموذج تفسّر هذا الاختلاف، وصمّم تجربة صغيرة أميّز بها أثر كل خاصية على حدة. الصيغة: الخاصية، ما تفعله بلغة بسيطة، والتجربة التي تُظهر أثرها في أقل من خمس دقائق. القيود: لا تستخدم معادلة رياضية واحدة، واربط كل خاصية بأثر أراه في المخرَج.
عد إلى المسرد الكامل ←
الصقه في أي نموذج لغوي