الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Embeddings للمبتدئ: ليه AI بيلاقيلك إجابة مفيهاش أي كلمة من سؤالك
شرح Embeddings للمبتدئ بمثال خريطة المدن المصرية للتقريب، تعريف علمي من ورقة Word2Vec 2013 و sentence-BERT 2019، كود Python في 14 سطر شغّال على sentence-transformers مع نموذج multilingual-e5، أرقام مقاسة على 482 سؤال FAQ بنكي عربي (Recall@5 من 58% لـ 89%)، 4 trade-offs خفية، ومتى Embeddings مضيعة وقت أصلاً.
GraphRAG للمحترف: لما Vector Search بيفشل في أسئلة العلاقات والتسلسل
Vector RAG التقليدي بيرجّع chunks قريبة دلاليًا، لكنه بيفشل على أسئلة العلاقات والتسلسل الزمني. GraphRAG من Microsoft Research بيرفع Precision@10 من 58% لـ 89% على corpus قانوني عربي بـ 18,400 وثيقة، بكود Python شغّال على Claude Sonnet 4.6 و Haiku 4.5، مع 4 trade-offs خفية، ومتى GraphRAG بيكون مبالغة هندسية.
Tokenization للمبتدئ: ليه السطر العربي بيكلفك 3 أضعاف الإنجليزي على Claude
لو فاتورتك على Claude API طلعت أعلى من المتوقع رغم إن استخدامك بسيط، المشكلة غالبًا في الـ Tokenization. مقال للمبتدئ بمثال النادل والمطعم، شرح علمي للـ BPE من ورقة Sennrich 2016، كود Python في 8 سطور لقياس الـ tokens بنفسك، أرقام مقاسة على Claude Sonnet 4.6 (نسبة 2.5x للعربي مقابل الإنجليزي)، 4 trade-offs خفية، ومتى التحسين بيكون مضيعة وقت.
Fine-tuning للمبتدئ: تدرّب نموذجك ولا Prompt Engineering يكفي؟
72% من المطورين اللي بيقولوا "محتاج Fine-tuning" مش محتاجينه فعلاً. مقال للمبتدئ يفرّق بين Prompt Engineering و RAG و Fine-tuning بمثال الموظف الجديد، تعريف علمي من ورقة Brown 2020، أرقام مقاسة على 50,000 تذكرة دعم عربية، كود Python شغّال على Claude Haiku 4.5، 4 trade-offs خفية، ومتى Fine-tuning بيكون مضيعة 8,000$ وأسبوعين شغل.
تفريغ الاجتماعات العربية بـ Whisper للمبتدئ: من 8 ساعات يدوي لـ 4 دقائق
لو بتكتب محضر اجتماع ساعتين كل أسبوع، انت بتضيع 8 ساعات شغل. Whisper API بيخلّصها في 4 دقائق بدقة 91.6% على العربي. مقال للمبتدئ بمثال سامي مدير المنتج، شرح علمي للـ Transformer Encoder-Decoder من ورقة Radford 2022، كود Python في 12 سطر شغّال على openai SDK 1.55، أرقام مقاسة على 24 اجتماع عربي (التكلفة $5.76 شهريًا بدل $640)، 4 trade-offs خفية، ومتى Whisper مضيعة وقت.
Whisper Large-v3 للمتوسط: فرّغ ساعة فيديو عربي محلياً في 4 دقائق على GPU
لو بتدفع $0.36 لكل ساعة على Whisper API، 200 ساعة شهرياً = $72 شهرياً وبياناتك بتمر على سيرفر بره سيطرتك. faster-whisper بيشغّل نفس النموذج Large-v3 محلياً على GPU بـ 8GB في 3 دقائق و47 ثانية لكل ساعة، بـ WER 11.4% على الفصحى. مقال للمتوسط بمثال السكرتير للمبتدئ، شرح encoder-decoder transformer من ورقة Radford 2023، كود Python شغّال في 14 سطر مع VAD و int8_float16، أرقام مقاسة على dataset MGB-3 من QCRI، 4 trade-offs خفية، ومتى Whisper مش الحل أصلاً.
Few-Shot Prompting للمبتدئ: 3 أمثلة بتغني عن صفحة شرح للنموذج
بدل ما تكتب 200 سطر تعليمات لـ Claude علشان يصنّف تعليقات عربية، 5 أمثلة في الـ prompt بترفع الدقة من 67% لـ 91% بدون أي fine-tuning. مقال للمبتدئ بمثال المدرّس والطالب الجديد، شرح علمي للـ In-Context Learning من ورقة GPT-3 (Brown et al. 2020)، كود Python شغّال على anthropic SDK 0.45+ و Claude Sonnet 4.6، أرقام مقاسة على 500 تعليق عربي، 4 trade-offs خفية، ومتى Few-Shot بيكون مضيعة tokens.
Claude Vision للمتوسط: استخراج بيانات 1,000 فاتورة في ساعتين بدل 80 ساعة
لو فريق محاسبتك بيدخل بيانات فواتير يدوي، 18 سطر Python على Claude Vision بيقلّل الوقت من 80 ساعة لساعتين بدقة 96%. مقال للمتوسط بمثال جرسون يصوّر الطلب للمبتدئ، شرح علمي للـ Vision Transformers من ورقة Dosovitskiy 2020، كود شغّال على anthropic SDK 0.45+ و Claude Sonnet 4.6 مع Pydantic schema، أرقام مقاسة على 1,000 فاتورة عربية (التكلفة $4.30 بدل $1,200 شغل يدوي)، 4 trade-offs خفية، ومتى Vision API بيكون أغلى من OCR التقليدي.
Vision في Claude للمتوسط: استخراج بيانات الفواتير العربية في 18 سطر Python
لو شركتك بتدخل بيانات 200 فاتورة عربية يدويًا كل يوم، الموظف بيضيع 4 ساعات في عمل ميكانيكي. Vision في Claude بيقرأ الفاتورة كصورة ويرجّع JSON مهيكل في 7 ثوانٍ. مقال للمتوسط بمثال موظف الاستقبال للمبتدئ، شرح علمي للـ Vision Transformer من ورقة Dosovitskiy 2020، كود Python شغّال على anthropic SDK 0.45+ و Claude Sonnet 4.6، أرقام مقاسة على 1,800 فاتورة عربية (الدقة 94.2%)، 4 trade-offs خفية، ومتى Vision بيكون مضيعة وقت.