الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
التضمين Embeddings: إزاي يتحوّل الكلام لأرقام تحمل معناه؟
لو عايز الكمبيوتر يعرف إن "قط" أقرب لـ"قطة" منها لـ"سيارة"، محتاج تحوّل الكلمات لأرقام تحمل المعنى. ده اسمه Embedding. شرح للمبتدئ بمثال خريطة المعاني، ثم علميًا، مع كود Python شغّال، قياس التشابه بالكوني، أرقام واقعية، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.
RAG: خلّي النموذج يجاوب من مصادرك مش من خياله
لو النموذج بيرد بثقة بمعلومة مخترعة عن منتجك أو سياستك، المشكلة إنه مشافش بياناتك أصلاً. RAG بيحقن مصادرك في البرومبت قبل التوليد. شرح للمتوسط بمثال الامتحان مفتوح الكتاب، ثم علميًا، مع كود Python شغّال، أرقام حقيقية، الـ trade-offs، ومتى لا تستخدمه، مع مصادر رسمية.
نماذج الانتشار Diffusion: إزاي الذكاء الاصطناعي بيرسم صورة من ضوضاء عشوائية
أي صورة يولّدها Midjourney أو Stable Diffusion بتبدأ من "ثلج" عشوائي على الشاشة. المقال يشرح نماذج الانتشار للمستوى المتوسط بمثال بسيط ثم علميًا، مع كود Python شغّال للانتشار الأمامي والعكسي، أرقام حقيقية (1000 خطوة مقابل 50 مع DDIM، وفضاء أصغر 48 مرة في Stable Diffusion)، trade-offs، ومتى لا تستخدمها، مع مصادر رسمية.
RLHF للمبتدئين: إزاي اتعلّم ChatGPT يبقى مؤدب ومفيد بدل ما يقول أي كلام
النموذج الخام بيكمّل كلام النت من غير ما يفرّق بين المفيد والمؤذي. RLHF هو اللي حوّل ChatGPT وClaude لمساعد بيرد بأدب ويرفض الأذى. شرح للمبتدئ بمثال الطباخ، ثم المراحل الثلاث علميًا، مع كود Python شغّال لخسارة نموذج المكافأة، رقم InstructGPT الحقيقي، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.
فك التشفير التخميني: إزاي تسرّع استدلال الـ LLM 2 إلى 3 أضعاف بدون تغيير الموديل
تقدر تخفّض زمن توليد كل توكن في نموذج اللغة الكبير 2 إلى 3 أضعاف بموديل صغير بيخمّن قدّام والنموذج الكبير بيتحقق دفعة واحدة، بنفس المخرجات بالظبط. شرح للمحترف بمثال واضح ثم علميًا، مع كود vLLM وTransformers شغّال، أرقام مقاسة، الـ trade-offs، ومتى لا تستخدمه، بمصادر رسمية.
خليط الخبراء MoE: ليه نموذج بـ671 مليار باراميتر أسرع من نموذج بـ70 مليار
خليط الخبراء (MoE) يمنحك سعة نموذج عملاق بتكلفة حساب نموذج صغير، لأنه يشغّل جزءًا بسيطًا من الشبكة لكل توكن. شرح مبسّط بمثال ثم علميًا، مع كود شغّال وأرقام Mixtral وDeepSeek-V3 والـ trade-offs، ومتى لا تستخدمه، بمصادر.
الوكلاء الأذكياء وحلقة ReAct: خلّي النموذج ينفّذ مش يوصف بس
الفرق بين شات بوت بيتكلم ووكيل بينفّذ هو حلقة واحدة: تفكير ثم فعل ثم ملاحظة. شرح ReAct بمثال واضح ثم علميًا، مع كود Python شغّال، أرقام من الورقة الأصلية، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.
الـ KV Cache وPagedAttention: ليه سيرفر الـ LLM بيخنق عند 10 مستخدمين
سيرفر نموذج اللغة بتاعك بيوقف عند 10 مستخدمين رغم إن كرت الشاشة نصه فاضي؟ المشكلة مش في القوة، المشكلة إن الـ KV Cache بيهدر 60–80% من الذاكرة على تجزئة وحجز مبكر. المقال للمحترف يشرح السبب بمثال بسيط ثم علميًا، مع إعداد vLLM قابل للنسخ، أرقام مقاسة (إنتاجية 2–24 ضعفًا)، الـ trade-offs، ومتى لا تستخدمه، بمصادر رسمية.
التعلّم من الأمثلة (Few-Shot): علّم الذكاء الاصطناعي مهمة جديدة بلا تدريب
تقدر تخلّي النموذج يتقن مهمة جديدة بإعطائه 3 أمثلة داخل رسالتك فقط، بلا تدريب ولا تكلفته. شرح للمبتدئ بمثال البطاقات، ثم علميًا بالتعلّم داخل السياق، مع كود بايثون شغّال، أرقام GPT-3 الحقيقية، الـ trade-offs، ومتى لا تستخدمه، مع مصادر.