الذكاء الاصطناعي
مقالات عملية مرتبة حسب المجال والمستوى، اختر المجال المناسب واقرأ من مستوى مبتدئ إلى محترف.
Mixture of Experts للمحترف: سعة 671 مليار باراميتر بحساب 37 مليار فقط
MoE بيخلّيك تبني نموذج بسعة 671 مليار باراميتر وتدفع تكلفة حساب 37 مليار فقط لكل توكن. شرح للمحترف بمثال العيادة، كود PyTorch لطبقة top-2 gating، أرقام DeepSeek-V3 وMixtral، وموازنة المكاسب مقابل تكلفة الذاكرة، ومتى لا تستخدم MoE، مع مصادر.
الكاش الدلالي للمتوسط: امنع 60% من نداءات LLM API لأسئلة مكررة بمعنى مختلف
لو شات بوتك بيستقبل نفس السؤال بصيغ مختلفة آلاف المرات, انت بتدفع نداء LLM كامل في كل مرة. الكاش الدلالي بيرجّع الإجابة المخزّنة للأسئلة المتشابهة في المعنى مش الحروف, فينزّل التكلفة وزمن الاستجابة. مقال للمتوسط بمثال موظف خدمة العملاء, شرح علمي للتشابه الكوني وكود Python شغّال, أرقام مقاسة, فخ الـ false hit, trade-offs, ومتى متستخدموش, مع مصادر.
وكلاء الذكاء الاصطناعي: إزاي حلقة ReAct بتمنع الـ LLM من الهلوسة
الـ LLM لوحده بيخمّن لما تسأله عن بيانات حيّة. وكيل الذكاء الاصطناعي بيحوّله من مُخمِّن لمنفّذ بيفكر، ينده أداة، يقرا النتيجة، ويكرّر لحد ما يخلّص. شرح للمتوسط لحلقة ReAct بمثال موظف الشحن، كود Python شغّال على Claude tool use، أرقام مقاسة (الدقة من 41% لـ 96%)، trade-offs، ومتى الوكيل overhead.
Context Window للمبتدئ: ليه الذكاء الاصطناعي بينسى أول كلامك في المحادثة الطويلة
لو بعد محادثة طويلة مع ChatGPT أو Claude لقيت النموذج نسي اسمك اللي قلته في الأول، ده مش عطل. ده حد اسمه Context Window. مقال للمبتدئ بمثال السبورة، شرح علمي لنافذة السياق وظاهرة "الضياع في المنتصف"، كود Python شغّال يعدّ التوكنز بـ tiktoken، أرقام حقيقية لأحجام النوافذ (128K مقابل 200K مقابل مليون)، 3 طرق عملية للتعامل، trade-offs، ومتى متشغلش بالك، مع مصادر رسمية.
Function Calling للمتوسط: ليه شات بوتك بيخترع رقم الطلب بدل ما يجيبه من الـ API
لو شات بوتك بيرد على العميل برقم طلب أو سعر مخترع، المشكلة مش في النموذج — هو ببساطة بيخمّن لأنه معندوش طريقة يجيب البيانات الحقيقية. Function Calling (Tool Use) بيخلّي الـ LLM يطلب تنفيذ دالة عندك بدل ما يهلوس. مقال للمتوسط بمثال الموظف الجديد، تعريف علمي، كود Python شغّال على Claude API، أرقام التزام الـ schema (99.8% مقابل فشل 8–15% بدون enforcement)، 4 trade-offs، ومتى متستخدمهوش، مع مصادر من Anthropic و OpenAI.
Temperature و Top-p للمبتدئ: ليه نفس السؤال بيرد عليه الـ AI كل مرة بإجابة مختلفة
لو سألت ChatGPT أو Claude نفس السؤال وطلعت إجابات مختلفة، السبب إعداد اسمه Temperature. شرح للمبتدئ بمثال زرّ صوت الراديو، تعريف علمي لـ softmax و Nucleus Sampling من ورقة Holtzman 2020، كود Python شغّال يقيس الفرق (87% ← 31%)، Top-p بمثال، سيناريو شات بوت بأرقام، trade-offs، ومتى متلعبش في الإعدادات.
Tokenization للمبتدئ: ليه الذكاء الاصطناعي بيحسبلك العربي ضعف الإنجليزي
نفس المقال بالعربي بياخد ضعف إلى تلات أضعاف التوكنز اللي بياخدها بالإنجليزي، يعني بتدفع أكتر على نفس المعنى. شرح للمبتدئ بمثال تقطيع البيتزا، ثم تشريح علمي للـ Byte Pair Encoding، كود Python في 12 سطر يقيس الفرق بنفسك على tiktoken، أرقام حقيقية من ورقة Petrov 2023، trade-offs، ومتى الموضوع مايستاهلش تتعب فيه.
Prompt Injection: ليه شات بوت شركتك بينفّذ أوامر العميل الخبيث
لو ربطت LLM بشات بوت أو إيميل أو RAG، أي نص داخل من برّه ممكن يخطف النموذج وينفّذ أوامر المهاجم. مقال للمتوسط يشرح Prompt Injection (أول خطر في OWASP LLM Top 10 لسنة 2025) بمثال الموظف الجديد، الفرق بين الحقن المباشر وغير المباشر، حادثتي Bing Chat و EchoLeak (CVE-2025-32711)، كود Python يقارن الطريقة الهشّة بالمحصّنة، الدفاعات اللي بتشتغل فعلاً، trade-offs، ومتى متشغّلش بالك.
Quantization للمبتدئ: شغّل Llama 3 على لابتوب عادي بدون كرت شاشة
نموذج Llama 3 8B بدقته الكاملة محتاج 16GB رام و GPU غالية. الـ Quantization بينزّل الحجم لـ 4.5GB فيشتغل على لابتوب 8GB بمعالج عادي. شرح للمبتدئ بمثال صورة الكاميرا، إزاي تحوّل دقة الأوزان من 16-bit لـ 4-bit، أمر تشغيل واحد على Ollama، أرقام حقيقية للرام والجودة، 4 trade-offs خفية، ومتى الـ Quantization مش الحل.