الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
إعادة الترتيب (Reranking): ليه أفضل 5 نتائج بحثك مش الأفضل فعلاً
أفضل 5 نتائج من بحثك الدلالي مش أحسن 5 فعلاً. المقال يشرح إعادة الترتيب (Reranking) بالـ Cross-Encoder بمثال لجنة التوظيف ثم علمياً، مع كود Python شغّال، أرقام موثّقة، الـ trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.
التخزين المؤقت الدلالي: خفّض تكلفة نموذج اللغة على الأسئلة المتكررة
لو تطبيقك بيبعت كل سؤال للـ LLM حتى لو اتسأل قبل كده بصياغة تانية، إنت بتدفع مرتين على نفس الإجابة. التخزين المؤقت الدلالي بيطابق الأسئلة بالمعنى مش بالنص، فيقلّل الاستدعاءات ويخفض التكلفة والبطء. شرح بمثال بسيط ثم علميًا، كود بايثون شغّال، أرقام قبل وبعد، trade-offs، ومتى لا تستخدمه، مع مصادر.
حقن الأوامر (Prompt Injection): إزاي جملة واحدة تكسر تعليمات نموذجك
جملة واحدة من مستخدم تقدر تلغي تعليمات نظام كاملة في تطبيقك المبني على LLM. المقال يشرح حقن الأوامر بمثال مقرِّب ثم علميًا، مع كود Python للثغرة والدفاع، حادثة Bing/Sydney الحقيقية، الـ trade-offs، ومتى لا تقلق، مع مصادر رسمية (OWASP وNIST).
نافذة السياق: ليه الذكاء الاصطناعي بينسى أول المحادثة الطويلة؟
لو الشات بوت نسي أول كلامك في محادثة طويلة، ده مش عطل. المقال يشرح نافذة السياق (Context Window) للمبتدئ بمثال الطاولة الصغيرة، ثم علميًا بالتوكنز، مع كود Python شغّال يعُدّ التوكنز، أرقام حقيقية لأحجام النماذج، المقايضة (التكلفة وضياع المنتصف)، ومتى متشغلش بالك، مع مصادر رسمية.
درجة الحرارة (Temperature): ليه نفس السؤال بيديك إجابة مختلفة كل مرة
لو نفس البرومبت بيرجّعلك إجابة مختلفة كل مرة، ده مش عطل — دي درجة الحرارة (Temperature). المقال يشرحها للمبتدئ بمثال النردة المغشوشة ثم علميًا بالـ softmax، مع كود Python شغّال وأرقام حقيقية، الفرق عن top-p، الـ trade-off، ومتى تخليها صفر ومتى ترفعها، مع مصادر رسمية.
التقطير المعرفي: إزاي يتعلّم نموذج صغير من نموذج عملاق
التقطير المعرفي يخلّي نموذجًا صغيرًا يقلّد مخرجات نموذج كبير، فتحصل على نموذج أصغر 40% وأسرع 60% بدقة قريبة. شرح بمثال بسيط ثم علميًا، مع كود PyTorch شغّال، أرقام DistilBERT الحقيقية، trade-offs، ومتى لا تستخدمه، مع مصادر.
LoRA وQLoRA: درّب نموذج 7B على كارت شاشة واحد بأقل من 1% من الأوزان
الضبط الدقيق الكامل لنموذج 7B يطلب ذاكرة تتجاوز 100 جيجابايت. LoRA يجمّد النموذج ويدرّب محوّلًا صغيرًا فتنزل لأقل من 1% من الأوزان، وQLoRA يوصلها لكارت واحد 48 جيجا. شرح بمثال بسيط ثم علميًا بتفكيك الرتبة، كود PEFT شغّال، أرقام من الورقتين الأصليتين، trade-offs، ومتى لا تستخدمه، مع مصادر.
التكميم (Quantization): شغّل نموذج 70B على كارت شاشة واحد
تكميم النموذج بينزّل ذاكرة الأوزان من 16 بت لـ 4 بت، فيوفّر ~4 أضعاف VRAM مقابل فرق دقة صغير. شرح للمحترف بمثال مبسّط ثم علميًا، مع كود bitsandbytes وllama.cpp شغّال، أرقام مقاسة، trade-offs، ومتى لا تستخدمه، مع مصادر رسمية.
ليه الذكاء الاصطناعي بيغلط في عدّ حروف كلمة strawberry؟
نماذج اللغة بتشوف توكنات مش حروف، وده سبب غلطها في عدّ حروف strawberry. المقال يشرح الـ Tokenization و BPE بمثال بسيط وكود tiktoken تجرّبه، وليه العربي بيكلّف توكنات أكتر، مع مصادر.