مراجعة الوحدة الأولى — استعداداً للاختبار
هذا الدرس يلخّص كل ما تعلمته في الوحدة الأولى من دورة أساسيات AI. راجعه جيداً قبل أداء الاختبار.
ملخص الدروس السبعة السابقة
الدرس 1: ما هو الذكاء الاصطناعي؟
- AI = محاكاة الذكاء البشري بالآلات
- أنواع ثلاثة: Narrow AI (موجود)، AGI (نظري)، ASI (مستقبلي)
- 3 عوامل فجّرت AI: البيانات + الحوسبة + خوارزمية Transformer
- الفرق الجوهري: تعلّم من البيانات ≠ كتابة قواعد يدوياً
الدرس 2: تاريخ AI
- 1950: تورنج يطرح "هل تفكر الآلات؟" + 1956: مؤتمر دارتموث (ميلاد المصطلح)
- شتاءان للـ AI: 1974-1980 و1987-1993 (فشل بسبب محدودية الموارد)
- 2012: AlexNet — ثورة التعلم العميق (ImageNet competition)
- 2017: ورقة Transformer — الأب المعماري لكل LLM حديث
- 2022: ChatGPT — 100 مليون مستخدم في أسبوعين
الدرس 3: AI vs ML vs Deep Learning
- حلقات متداخلة: AI ⊃ ML ⊃ Deep Learning
- كل Deep Learning هو ML وكل ML هو AI، لكن العكس غير صحيح
- ChatGPT وClaude: Deep Learning → ML → AI
الدرس 4: كيف يعمل LLM؟
- الفكرة الأساسية: يتنبأ بأفضل كلمة تالية باستمرار
- 3 مراحل البناء: Tokenization → Pre-training → Fine-tuning/RLHF
- Transformer + آلية Attention = يربط الكلمات البعيدة
- Context Window = الذاكرة قصيرة المدى لكل جلسة
الدرس 5: مقدمة في النماذج الكبيرة
- المعاملات (Parameters): الأوزان العددية = مقياس الحجم (لكن ليست كل شيء)
- القيود الثلاث الكبرى: هلوسة + knowledge cutoff + context window
- نماذج 2025: GPT-4o، Claude 4، Gemini 2.5، Llama 3.1
الدرس 6: جولة أدوات AI
- الكتابة والمحادثة: ChatGPT / Claude / Gemini / Perplexity
- الصور: Midjourney / DALL-E 3 / Adobe Firefly
- الكود: GitHub Copilot / Cursor / Claude
- الصوت: ElevenLabs / Whisper + الفيديو: RunwayML / Sora
الدرس 7: مشروع الـ Chatbot
- بناء Chatbot = System Prompt جيد + اختبار + تحسين
- مراحل المشروع: تحديد الهدف → System Prompt → اختبار → تحسين
المصطلحات الأساسية للاختبار
| المصطلح | التعريف المختصر |
|---------|----------------|
| AI | محاكاة الذكاء البشري بالآلات |
| ML (Machine Learning) | أسلوب ضمن AI يعتمد على التعلم من البيانات |
| Deep Learning | ML باستخدام شبكات عصبية متعددة الطبقات |
| LLM | نموذج لغوي كبير مدرّب على تريليونات الكلمات |
| Token | وحدة النص الأساسية في نماذج LLM |
| Context Window | الحد الأقصى للنص في جلسة واحدة |
| Hallucination | اختراع النموذج لمعلومات تبدو صحيحة لكنها خاطئة |
| Transformer | البنية المعمارية خلف كل LLM حديث (2017) |
| Fine-tuning | ضبط النموذج بعد التدريب المبدئي لسلوك معين |
| System Prompt | تعليمات سرية تُحدد هوية وسلوك الـ AI |
| Parameters | الأوزان العددية داخل الشبكة العصبية |
| Knowledge Cutoff | التاريخ الذي يجهل النموذج الأحداث بعده |
أخطاء شائعة تجنّبها
❌ "AI يعرف كل شيء" — لا، لديه Knowledge Cutoff ويهلوس أحياناً
❌ "كل ML هو Deep Learning" — Deep Learning جزء من ML، والعكس غير صحيح
❌ "المعاملات الأكثر = النموذج الأفضل دائماً" — الكفاءة في التدريب وجودة البيانات مهمتان أيضاً
❌ "LLM يفكر مثل الإنسان" — يحسب احتمالات الكلمة التالية، لا يفكر
❌ "الشتاء الأول للـ AI كان في 2000s" — كان في 1974-1980 (قبل ظهور الإنترنت)
نصيحة قبل الاختبار
الاختبار يقيس الفهم، لا الحفظ. إذا قدرت تشرح كل مصطلح من الجدول لشخص لا يعرف AI، ستُجيب على كل الأسئلة بثقة.
التسلسل المهم الذي يجب حفظه:
Transformer (2017) → Pre-training → Fine-tuning + RLHF → LLM جاهز للاستخدام
بالتوفيق! 🎯