يعد الذكاء الاصطناعي (AI) مجالًا مليئًا بالمصطلحات الفنية ، وقد يكون من الصعب تحديد ما يعنيه المصطلح بالضبط ، لا سيما إذا كنت مبتدئاََ في دراسة المجال ولا تعمل بشكل مباشر مع البيانات كل يوم.
هذه التدوينة تضم أشهر 50 مصطلح في مجال الذكاء الاصطناعي ، فبعد الاطلاع عليها ومعرفتها ستكون قادرًا على فهم المجال و إجراء مناقشات خاصة بك وابداء رأيك في أي مناقشة حول الذكاء الاصطناعي و التعلم الآلي وما إلى ذلك
أشهر 50 مصطلح في مجال الذكاء الاصطناعي
الترتيب الأبجدي A
Algorithm : الخوارزمية هي مجموعة من القواعد التي يمكن للآلة اتباعها لمعرفة كيفية القيام بمهمة ما.
Artificial intelligence : يشير الذكاء الاصطناعي إلى المفهوم العام للآلات التي تعمل بطريقة تحاكي أو تحاكي الذكاء البشري ، حيث يمكن أن يكون للذكاء الاصطناعي مجموعة متنوعة من الميزات ، مثل التواصل الشبيه بالبشر أو اتخاذ القرار.
Autonomous: توصف الآلة بأنها مستقلة “Autonomous” إذا كان بإمكانها أداء مهمتها أو مهامها دون الحاجة إلى تدخل بشري.
الترتيب الأبجدي B
Backward chaining: التسلسل العكسي هي الطريقة التي يبدأ فيها النموذج بالإخراج المطلوب ويعمل في الاتجاه المعاكس للعثور على البيانات التي قد تدعمه.
Bias: الانحياز هو الافتراضات التي يضعها النموذج والتي تبسط عملية التعلم للقيام بالمهمة الموكلة إليه.
تعمل معظم نماذج التعلم الآلي الخاضعة للإشراف بشكل أفضل عند انخفاض التحيز ، حيث يمكن أن تؤثر هذه الافتراضات سلبًا على النتائج.
Big data: البيانات الضخمة هي مجموعات البيانات الكبيرة جدًا و المعقدة بحيث لا يمكن استخدامها بواسطة تطبيقات معالجة البيانات التقليدية.
Bounding box: المربع المحيط مصطلح يشيع استخدامه في وضع علامات على الصور أو الفيديو ، وهو مربع تخيلي مرسوم على المعلومات المرئية
الترتيب الأبجدي C
Chatbot: برنامج chatbot هو برنامج مصمم للتواصل مع الأشخاص من خلال الأوامر النصية أو الصوتية بطريقة تحاكي المحادثة بين البشر.
Cognitive computing: الحوسبة المعرفية هي استخدام النماذج المحوسبة لمحاكاة عملية التفكير البشري في المواقف المعقدة حيث قد تكون الإجابات غامضة وغير مؤكدة أو عشوائية
Computational learning theory: نظرية التعلم الحاسوبي هي مجال في الذكاء الاصطناعي يهتم بشكل أساسي بإنشاء وتحليل خوارزميات التعلم الآلي.
Corpus: مجموعة البيانات: مجموعة بيانات كبيرة من المواد المكتوبة أو المنطوقة التي يمكن استخدامها لتدريب آلة على أداء المهام اللغوية.
الترتيب الأبجدي D
Data mining: التنقيب في البيانات هي عملية تحليل مجموعات البيانات لاكتشاف أنماط جديدة قد تحسن النموذج.
Data science: بالاعتماد على الإحصاء وعلوم الكمبيوتر وعلوم المعلومات ، يهدف مجال علم البيانات المتعدد التخصصات إلى استخدام مجموعة متنوعة من الأساليب والعمليات والأنظمة العلمية لحل المشكلات التي تنطوي على البيانات.
Dataset: مجموعة البيانات هي مجموعة من نقاط البيانات لها علاقة ببعضها ، وعادة ما تكون بترتيب وعلامات موحدة.
Deep learning: التعلم العميق هي وظيفة للذكاء الاصطناعي تحاكي الدماغ البشري من خلال التعلم من الطريقة التي يتم بها تنظيم البيانات ، وليس من خوارزمية مبرمجة للقيام بشيء واحد محدد.
الترتيب الأبجدي E – F
Entity annotation: عملية تمييز الجمل غير المنظمة بالمعلومات بحيث يمكن للآلة قراءتها.
مثال : (عملية تنظيم و تسمية جميع الأشخاص والمؤسسات والمواقع في مستند)
Entity extraction: مصطلح شامل يشير إلى عملية إضافة بنية إلى البيانات بحيث يمكن للآلة قراءتها. قد يتم استخراج الكيان بواسطة البشر أو بواسطة نموذج التعلم الآلي.
Forward chaining: التسلسل الأمامي هي طريقة يجب أن تعمل بها الآلة من بداية المشكلة لإيجاد حل محتمل عن طريق تحليل مجموعة من الفرضيات ، كما يجب على الذكاء الاصطناعي تحديد الفرضيات ذات الصلة بالمشكلة.
الترتيب الأبجدي G – H – I
General AI: الذكاء الاصطناعي العام هو الذكاء الاصطناعي الذي يمكنه القيام بأي مهمة فكرية يمكن أن يقوم بها أي إنسان بنجاح ، ويطلق عليه في بعض الأحيان ” ذكاء اصطناعي قوي”
Hyperparameter: تستخدم أحيانًا بالتبادل مع المعلمة “parameter” – المعلمات التشعبية “Hyperparameters ” هي قيم تؤثر على طريقة تعلم نموذجك ، وعادة ما يتم ضبطها يدويًا خارج النموذج.
Intent: النية مصطلح يشيع استخدامها في بيانات التدريب لروبوتات المحادثة ومهام معالجة اللغة الطبيعية الأخرى ، تشير النية إلى معرفة القصد أو الهدف من ما يقال
الترتيب الأبجدي L
Label: التسمية هي جزء من بيانات التدريب التي تحدد المخرجات المرغوبة لمجموعة معينة من البيانات.
Linguistic annotation: تعليق توضيحي لغوي هو وضع علامة على مجموعة بيانات من الجمل مع موضوع كل جملة جاهزة لشكل من أشكال التحليل أو التقييم.
تشمل الاستخدامات الشائعة للبيانات المشروحة لغويًا تحليل المشاعر ومعالجة اللغة الطبيعية.
الترتيب الأبجدي M
Machine intelligence: ذكاء الآلة مصطلح شامل لأنواع مختلفة من خوارزميات التعلم ، بما في ذلك التعلم الآلي والتعلم العميق.
Machine learning: التعلم الآلي تركز هذه المجموعة الفرعية من الذكاء الاصطناعي بشكل خاص على تطوير الخوارزميات التي ستساعد الآلات على التعلم والتغيير استجابةً للبيانات الجديدة ، دون مساعدة الإنسان.
Machine translation: الترجمة الآلية هي ترجمة النص بواسطة خوارزمية مستقلة عن أي تدخل بشري.
Model: النموذج هو مصطلح واسع يشير إلى منتج تدريب الذكاء الاصطناعي ، ويتم إنشاء النموذج عن طريق تشغيل خوارزمية التعلم الآلي على بيانات التدريب.
الترتيب الأبجدي N – O
Neural network: الشبكة العصبية هي عبارة عن نظام كمبيوتر مصمم ليعمل مثل الدماغ البشري.
على الرغم من أن الباحثين لا يزالون يعملون على إنشاء نموذج آلي للدماغ البشري ، إلا أن الشبكات العصبية الحالية يمكن أن تؤدي العديد من المهام التي تشمل الكلام والرؤية واستراتيجية الألعاب اللوحية.
Natural language generation (NLG): توليد اللغة الطبيعية هو مصطلح يشير هذا إلى العملية التي تقوم من خلالها الآلة بتحويل البيانات المهيكلة إلى نص أو كلام يمكن للبشر فهمه ، ، ويهتم NLG بشكل أساسي بما تكتبه الآلة أو تقوله باعتباره الجزء الأخير من عملية الاتصال.
Natural language processing (NLP): معالجة اللغة الطبيعية هو المصطلح الشامل لقدرة أي آلة على أداء مهام المحادثة ، مثل التعرف على ما يقال لها وفهم المعنى المقصود والاستجابة بشكل واضح.
Natural language understanding (NLU): فهم اللغة الطبيعية هو مجموعة فرعية من معالجة اللغة الطبيعية ، يتعامل فهم اللغة الطبيعية مع مساعدة الآلات على التعرف على المعنى المقصود للغة – مع مراعاة الفروق الدقيقة وأي أخطاء نحوية.
Overfitting: مصطلح مهم في الذكاء الاصطناعي ، overfitting هو أحد أعراض تدريب التعلم الآلي حيث تكون الخوارزمية قادرة فقط على العمل أو تحديد أمثلة محددة موجودة في بيانات التدريب. يجب أن يكون نموذج العمل قادرًا على استخدام الاتجاهات العامة وراء البيانات للعمل على أمثلة جديدة.
الترتيب الأبجدي P- R
Parameter: الباراميتر / المعلمة وهي متغير داخل النموذج يساعده على عمل تنبؤات، حيث يمكن تقدير قيمة المعلمة باستخدام البيانات وعادة لا يتم تعيينها بواسطة الشخص الذي يقوم بتشغيل النموذج.
Pattern recognition: غالبًا ما يكون التمييز بين التعرف على الأنماط والتعلم الآلي ضبابيًا إلى حد ما ، ولكن هذا المجال يهتم بشكل أساسي بإيجاد الاتجاهات والأنماط في البيانات.
Predictive analytics: تتم التحليلات التنبؤية من خلال الجمع بين التنقيب عن البيانات والتعلم الآلي ، تم تصميم هذا النوع من التحليلات للتنبؤ بما سيحدث خلال إطار زمني معين بناءً على البيانات والاتجاهات التاريخية.
Python: لغة برمجة شائعة تستخدم في البرمجة بشكل عام و في مجالات الذكاء الاصطناعي بشكل خاص.
Reinforcement learning: التعلم المعزز هو طريقة لتعليم الذكاء الاصطناعي تحدد هدفًا بدون مقاييس محددة ، وتشجع النموذج على اختبار سيناريوهات مختلفة بدلاً من العثور على إجابة واحدة.
بناءً على التعليقات البشرية ، يمكن للنموذج بعد ذلك معالجة السيناريو التالي للحصول على نتائج أفضل.
الترتيب الأبجدي S
Semantic annotation: التعليق التوضيحي الدلالي مصطلح يشير الى وضع علامات على استعلامات أو منتجات بحث مختلفة بهدف تحسين ملاءمة محرك البحث.
Sentiment analysis: يدرس تحليل المشاعر المعلومات الذاتية في التعبير ، أي الآراء أو التقييمات أو العواطف أو المواقف تجاه موضوع أو شخص أو شيء ما ، و يمكن تصنيف التعبيرات على أنها ايجابية أو سلبية أو محايدة.
على سبيل المثال: “أحب لون السماء” تعبير إيجابي
Strong AI: يركز مجال الذكاء الاصطناعي القوي في البحث على تطوير الذكاء الاصطناعي الذي يساوي العقل البشري عندما يتعلق الأمر بالقدرة.
الذكاء الاصطناعي العام هو مصطلح مشابه غالبًا ما يستخدم بالتبادل.
Supervised learning: التعلم الخاضع للإشراف هو نوع من التعلم الآلي يشير إلى استخدام مجموعات البيانات المهيكلة ، مع المدخلات والتسميات ، لتدريب وتطوير خوارزمية معينة .
الترتيب الأبجدي T – U
Test data: بيانات الاختبار هي البيانات غير المسماة المستخدمة للتحقق من أن نموذج التعلم الآلي قادر على أداء المهمة المخصصة له.
Training data: بيانات التدريب مصطلح يشير إلى جميع البيانات المستخدمة أثناء عملية تدريب خوارزمية التعلم الآلي ، بالإضافة إلى مجموعة البيانات المحددة المستخدمة للتدريب بدلاً من الاختبار.
Transfer learning: تتضمن طريقة التعلم هذه قضاء الوقت في تدريس آلة للقيام بمهمة ذات صلة ، ثم السماح لها بالعودة إلى عملها الأصلي بدقة محسنة.
على سبيل المثال : أخذ نموذج يحلل المشاعر في مراجعات منتج ما ويطلب منه تحليل التغريدات لمدة أسبوع.
Turing test: اختبار تورينج: تم تسميته على اسم آلان تورينج ، عالم الرياضيات وعالم الكمبيوتر والمنطق الشهير ، وهو يختبر قدرة الآلة على المرور للإنسان ، لا سيما في مجالات اللغة والسلوك ، فبعد أن يتم تجهيزها من قبل الإنسان ، تمر الآلة إذا كان ناتجها لا يمكن تمييزه عن ناتج المشارك البشري.
Unsupervised learning: التعلم غير الخاضع للإشراف شكل من أشكال التدريب حيث يُطلب من الخوارزمية عمل استنتاجات من مجموعات البيانات التي لا تحتوي على تسميات ، هذه الاستنتاجات هي التي تساعدها على التعلم.
الترتيب الأبجدي V – W
Validation data: يتم تنظيم بيانات التحقق من الصحة مثل بيانات التدريب مع المدخلات والتسميات ، لاختبار نموذج تم تدريبه مؤخرًا مقابل البيانات الجديدة ولتحليل الأداء ، مع التركيز بشكل خاص على التحقق من التجهيز الزائد “overfitting”.
Variance: التباين / التفاوت هو المقدار الذي تتغير به الوظيفة المقصودة لنموذج التعلم الآلي أثناء تدريبه.
على الرغم من كونها مرنة ، إلا أن النماذج ذات التباين العالي عرضة للإفراط في التجهيز والدقة التنبؤية المنخفضة لأنها تعتمد على بيانات التدريب الخاصة بها.
Variation: الاختلاف يُطلق عليه أيضًا الاستعلامات أو الألفاظ ، وهي تعمل جنبًا إلى جنب مع أهداف معالجة اللغة الطبيعية – الاختلاف “Variation”هو ما قد يقوله الشخص لتحقيق غرض أو هدف معين.
على سبيل المثال ، إذا كان القصد هو “الدفع بواسطة بطاقة الائتمان” ، فقد يكون الاختلاف هو “أود الدفع بالبطاقة ، من فضلك”.
Weak AI:الذكاء الاصطناعي الضعيف و يُطلق عليه أيضًا اسم الذكاء الاصطناعي الضيق ، وهو نموذج يحتوي على مجموعة من المهارات ويركز على مجموعة معينة من المهام. معظم الذكاء الاصطناعي المستخدم حاليًا هو ذكاء اصطناعي ضعيف ، وغير قادر على التعلم أو أداء المهام خارج مجموعة المهارات المتخصصة.
اقرأ أيضاََ : دليلك لتصبح مهندساََ في مجال الذكاء الاصطناعي – المهارات المطلوبة والفرص المتاحة
