الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
البحث الهجين (Hybrid Search): ليه البحث الدلالي لوحده بيفوّت النتيجة الحرفية
لو بحثك الدلالي بيفوّت المقالة اللي فيها كود الخطأ أو رقم الموديل بالظبط، المشكلة في طبيعة الـ embeddings مش في السيرفر. المقال للمتوسط يشرح البحث الهجين بمثال بسيط ثم علميًا، مع دمج BM25 والمتجهات بـ RRF في أقل من 30 سطر Python، أرقام من BEIR، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.
تقطيع المستندات في RAG: ليه إجابات نموذجك بتطلع ناقصة والسبب في الـ Chunking
لو نظام RAG بيرجّع إجابات ناقصة رغم إن المعلومة موجودة، المشكلة غالبًا في تقطيع النص مش في الـ embedding. المقال يشرح التقطيع للمتوسط بمثال بسيط ثم علميًا، مع كود LangChain شغّال، أرقام recall قبل وبعد، الـ trade-offs، ومتى لا تستخدمه، مع مصادر رسمية.
الـ Embeddings: إزاي الذكاء الاصطناعي بيحوّل الكلام لأرقام؟
إزاي ChatGPT ومحركات البحث الدلالي بتعرف إن "قطة" أقرب لـ"كلب" من "سيارة"؟ السر في الـ Embeddings. شرح للمبتدئ بمثال خريطة الكلمات ثم علميًا، مع قياس التشابه بجيب التمام، كود Python شغّال، سيناريو بحث على 50 ألف منتج، الـ trade-offs، ومتى لا تستخدمها، مع مصادر.
المخرجات المنظّمة: خلّي نموذجك يرجّع JSON صالح كل مرة
لو رد النموذج بيتكسر في json.loads من وقت للتاني، المشكلة إنك بتطلب JSON بدل ما تجبره عليه. المقال للمستوى المتوسط يشرح المخرجات المنظّمة بمثال بسيط ثم علميًا بفك التشفير المقيّد، مع كود Pydantic شغّال، رقم 100% مقابل 35.9%، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.
الـ KV Cache: ليه أول توكن بطيء وباقي التوكنات بتطير
لو أول توكن من نموذجك تقيل وباقي التوكنات بتطلع بسرعة، ده الـ KV Cache. المقال للمحترف يشرح ليه، بمثال بسيط ثم علميًا بمرحلتي Prefill وDecode، مع كود PyTorch يقيس الفرق، أرقام O(n²) مقابل O(n)، معادلة تكلفة الذاكرة، ومتى لا تشغل بالك، مع مصادر رسمية.
الهلوسة في الذكاء الاصطناعي: ليه بيخترع مصادر وأسماء مش موجودة؟
لو النموذج رد عليك باسم كتاب أو مرجع مش موجود وهو واثق، ده مش عطل. المقال يشرح الهلوسة للمبتدئ بمثال بسيط ثم علميًا، مع كود بايثون يقلّلها، أرقام حقيقية، ومتى متشغلش بالك، مع مصادر.
بحث المتجهات في الملايين: كيف يجعل HNSW أقرب جار أسرع 100 ضعفًا
لو بحثك الدلالي على مليون متجه بياخد مئات المللي ثانية، المشكلة مش في السيرفر بل في البحث الشامل O(n). المقال للمحترف يشرح HNSW بمثال ثم علميًا، مع كود Python يقيس الفرق بالأرقام، معاملات الضبط M وef، الـ trade-offs، ومتى لا تستخدمه، مع مصادر رسمية.
آلية الانتباه الذاتي: إزاي النموذج بيعرف إن كلمة (هي) بتقصد مين؟
كل كلمة في نموذج اللغة بتبص على كل الكلمات وتقرّر مين المهم ليها. المقال يشرح آلية الانتباه الذاتي (Self-Attention) للمتوسط بمثال الحفلة المزدحمة ثم علميًا بثلاثية Q K V ومعادلة softmax، مع كود بايثون شغّال يطبع مصفوفة الأوزان، رقم تكلفة O(n²)، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.
استدعاء الدوال (Function Calling): خلّي النموذج يطلب تشغيل كودك
لو الشات بوت بيخترع أرقام مش موجودة، المشكلة إنه ملوش وصول لبياناتك. استدعاء الدوال بيخلّي النموذج يطلب تشغيل دالة حقيقية عندك بـ JSON منظّم، وانت تنفّذها وترجّع النتيجة. شرح بمثال بسيط ثم علميًا، كود بايثون شغّال، الوضع الصارم بأرقام، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.