الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
PagedAttention للمحترف: ازاي vLLM بيخدم 2.7× طلب أكتر بنفس H100
لو بتشغّل Llama 3.1 70B على H100 وبتخدم 23 request متزامن بس قبل ما تقع في OOM، المشكلة مش في الـ GPU. 60-80% من ذاكرة KV cache بتضيع في fragmentation. PagedAttention بيستلف فكرة Virtual Memory من نظام التشغيل ويرفع الـ throughput لـ 2.7×. مقال للمحترف بمثال رفوف المكتبة للمبتدئ، شرح علمي من ورقة Kwon 2023 (UC Berkeley)، configuration vLLM شغّال، أرقام مقاسة (memory utilization من 20.4% لـ 96.3%)، 4 trade-offs خفية، ومتى PagedAttention يبقى overhead بدون فايدة.
Hallucinations في LLM للمبتدئ: امسك ردود Claude الغلط في 22 سطر
لو chatbot شركتك بيرد على عميل بمعلومة مخترعة بثقة كاملة، انت قدام أشهر مشكلة في LLM: الهلوسة. مقال للمبتدئ يشرح ليه النموذج بيخترع حقائق بمثال موظف الفندق، تعريف علمي من ورقة Ji et al. 2023، 3 أنواع شائعة، طبقة Validator بـ Claude Haiku 4.5 في 22 سطر Python بتنزّل نسبة الهلوسة من 11.4% لـ 1.6% على 850 سؤال دعم عربي حقيقي، 4 trade-offs، ومتى الـ Validator مبالغة هندسية.
AWQ Quantization للمحترف: Llama 70B على H100 واحدة بـ 35GB
سيرفر Llama 3.3 70B على 4×A100 بيكلّفك $11,820 شهرياً. AWQ INT4 quantization بينزّل الذاكرة من 140GB لـ 35GB، يخلّيك تشغّله على H100 واحدة بتكلفة 75% أقل. مقال للمحترف بمثال ضغط JPEG للمبتدئ، شرح علمي من ورقة Lin 2023 (MIT Han Lab)، configuration vLLM 0.6.4 شغّال، مقارنة AWQ vs GPTQ بأرقام Marlin kernel (10.9× speedup)، أرقام مقاسة على H100 (741 token/ثانية، MMLU-Pro retention 98.1%)، 4 trade-offs خفية بتظهر في الإنتاج، ومتى Quantization كارثة على الموديل.
Batch API في Claude للمتوسط: وفّر 50% لو شغلك مش real-time
لو بتبعت 50 ألف طلب شهرياً لـ Claude API علشان تترجم تذاكر دعم أو تلخّص PDFs، أنت بتدفع ضعف اللي محتاجه. Batch API بيخفّض الفاتورة 50% بشرط واحد: الرد ممكن يستنى ساعة بدل ثانية. مقال للمتوسط بمثال المطبعة للمبتدئ، كود Python شغّال على anthropic SDK 0.49+ و Claude Sonnet 4.6، حساب فعلي على workload عربي بـ 42K طلب شهرياً، 4 trade-offs خفية، ومتى Batch API بيكون قرار غلط.
Tokens للمبتدئ: ازاي تحسب تكلفة Claude API قبل ما تبعت أول request
لو فاتورة Claude API بتاعتك طلعت 3 أضعاف اللي توقعته في أول شهر، السبب مش زيادة الطلبات. السبب إنك بتحسب بالكلمات والـ API بيحسب بالـ tokens، والعربي بتاخد 2.4 ضعف الإنجليزي على نفس النص. مقال للمبتدئ بمثال محل العصير، تعريف علمي من ورقة BPE (Sennrich 2016) و Petrov 2023، كود Python في 18 سطر شغّال على anthropic SDK 0.49+، حساب فعلي للتكلفة قبل أول request، 4 trade-offs خفية في الحساب، ومتى الحساب ده مضيعة وقت.
Long Context vs RAG للمحترف: متى تشيل Qdrant وتعتمد على 1M Token
لو فاتورة Qdrant + reranker + embeddings بقت $1,124 شهرياً على corpus 7.7M token، الـ 1M token context في Claude Sonnet 4.6 ممكن يوفّر 56% من التكلفة ويرفع الدقة 12 نقطة. مقال للمحترف بمثال المكتبة الشخصية للمبتدئ، تعريف علمي من ورقة Lewis 2020 (RAG)، أرقام مقاسة على workload Fintech عربي بـ 3,200 سؤال شهرياً، كود Python يقارن النسختين على anthropic SDK 0.49 مع prompt caching، 4 trade-offs خفية في latency و cost predictability و debugging و vendor lock-in، ومتى Long Context كارثة compliance.
Speculative Decoding للمحترف: تسريع vLLM 2.4× بنموذج draft صغير
لو throughput الـ Llama 3.1 70B واقف عند 38 token/ثانية على H100، المشكلة مش في الـ GPU. Speculative Decoding بيحل decoding bottleneck بنموذج draft 1B بيقترح والنموذج الكبير بيتحقق بالتوازي. مقال للمحترف بمثال المحرر والمساعد للمبتدئ، شرح علمي من ورقة Leviathan 2023، configuration vLLM شغّال، أرقام مقاسة (38 → 91 token/ثانية، acceptance rate 73.4%)، 4 trade-offs خفية، ومتى الـ technique دي بتكون قرار غلط.
Mixture of Experts للمتوسط: ليه DeepSeek V3 بـ 671B parameter بيشتغل بتكلفة 37B
لو DeepSeek V3 موديل 671 مليار parameter بيرد بنفس سرعة موديل 37 مليار، الفرق مش في الـ GPU. ده Mixture of Experts. شرح للمتوسط بمثال عيادة التخصصات للمبتدئ، تعريف علمي من ورقة Shazeer 2017، كود PyTorch في 24 سطر شغّال، أرقام مقاسة من تقرير DeepSeek V3 الرسمي مقابل Llama 3.1 70B (MMLU، HumanEval، التكلفة، الذاكرة)، 4 trade-offs خفية، ومتى MoE اختيار غلط.
AI Agents للمتوسط: ازاي تبني وكيل بيخلّص 14 خطوة بدون حلقة لا نهائية
73% من وكلاء AI في الإنتاج بيفشلوا في أول 90 يوم لأسباب معمارية مش جودة النموذج. مقال للمتوسط بمثال المهندس المبتدئ اللي بيصلّح سيارة، شرح ReAct من ورقة Yao 2022، كود Python شغّال على anthropic SDK 0.49 و Claude Sonnet 4.6 مع loop detection بـ hash، أرقام مقاسة على 1,800 تذكرة دعم عربية (التكلفة من $0.21 لـ $0.038، loop rate من 11.3% لـ 0.4%)، 4 trade-offs خفية، ومتى الوكيل مضيعة وقت أصلاً.