الذكاء الاصطناعي (AI) هو مجال دراسة واسع، مشابه للفيزياء، يشمل مجالات فرعية متنوعة مثل التعلم الآلي. التعلم الآلي هو أحد فروع الذكاء الاصطناعي، مثلما أن الديناميكا الحرارية هي أحد فروع الفيزياء.

ضمن التعلم الآلي، هناك تقسيمات أخرى مثل التعلم الموجه والتعلم غير الموجه. يستخدم التعلم الموجه بيانات مُسماة لتدريب النماذج التي يمكنها إجراء تنبؤات على بيانات جديدة، بينما يحدد التعلم غير الموجه أنماطًا في البيانات غير المُسماة.

التعلم العميق، وهو نوع من التعلم الآلي، يستخدم شبكات عصبية اصطناعية مستوحاة من الدماغ البشري. يمكن أن تكون نماذج التعلم العميق إما تمييزية، والتي تصنف البيانات على أساس التسميات، أو توليدية، والتي يمكنها إنشاء عينات بيانات جديدة على أساس الأنماط في بيانات التدريب.

نماذج اللغة الكبيرة (LLMs) هي نوع محدد من نماذج التعلم العميق التي يتم تدريبها مسبقًا على كميات هائلة من بيانات النص ثم يتم ضبطها دقيقًا لمهام محددة. يسمح هذا لها بالتفوق في التطبيقات المتعلقة باللغة مثل توليد النص والتلخيص والإجابة على الأسئلة.

باختصار، الذكاء الاصطناعي هو مجال واسع، والتعلم الآلي هو أحد فروع الذكاء الاصطناعي، والتعلم العميق هو نوع من التعلم الآلي، ونماذج اللغة الكبيرة هي نوع محدد من نماذج التعلم العميق ذات القدرات الفريدة.

التعلم الآلي هو أحد فروع الذكاء الاصطناعي الذي ينطوي على تدريب برامج الكمبيوتر على التعلم من البيانات وإجراء التنبؤات أو اتخاذ القرارات دون برمجتها بشكل صريح. الجوانب الرئيسية للتعلم الآلي هي:

• بيانات الإدخال: يتم تدريب نماذج التعلم الآلي على بيانات الإدخال، والتي يمكن أن تكون مُسماة (التعلم الموجه) أو غير مُسماة (التعلم غير الموجه).
• التدريب: يتعلم النموذج الأنماط والعلاقات في بيانات الإدخال من خلال عملية التدريب.
• التنبؤ: يمكن للنموذج المدرب إجراء تنبؤات أو اتخاذ قرارات على بيانات جديدة غير مرئية.

هناك نوعان رئيسيان من نماذج التعلم الآلي:

1. التعلم الموجه: هذه النماذج مدربة على بيانات مُسماة، حيث يتم إقران بيانات الإدخال بالإخراج المتوقع. يتعلم النموذج تخطيط الإدخال إلى الإخراج، ويمكنه بعد ذلك إجراء تنبؤات على بيانات جديدة.

2. التعلم غير الموجه: هذه النماذج مدربة على بيانات غير مُسماة، ويكتشف الخوارزمية الأنماط والتجمعات داخل البيانات بنفسه، دون أي تسميات مسبقة.

يمكن تقسيم نماذج التعلم الآلي بشكل أكثر تحديدًا إلى نماذج تمييزية وتوليدية:

• النماذج التمييزية: تتعلم هذه النماذج العلاقة بين بيانات الإدخال والتسميات، ويمكنها تصنيف نقاط البيانات الجديدة إلى الفئات المتعلمة.
• النماذج التوليدية: تتعلم هذه النماذج الأنماط والتوزيعات الأساسية في بيانات التدريب، ويمكنها إنشاء عينات جديدة مشابهة للبيانات الأصلية.

بشكل عام، يُعد التعلم الآلي أداة قوية لاستخراج الرؤى وإجراء التنبؤات من البيانات، وهو مكون أساسي لأنظمة الذكاء الاصطناعي الحديثة.

التعلم العميق هو نوع من التعلم الآلي يستخدم الشبكات العصبية الاصطناعية للتعلم من البيانات. تستوحي هذه الشبكات العصبية الاصطناعية من بنية ووظيفة الدماغ البشري، مع طبقات من العقد المترابطة التي يمكنها معالجة وتعلم الأنماط المعقدة في البيانات.

الجوانب الرئيسية للتعلم العميق هي:

1. الشبكات العصبية الاصطناعية: تُبنى نماذج التعلم العميق باستخدام الشبكات العصبية الاصطناعية، والتي تتكون من طبقات متعددة من العقد والاتصالات التي تحاكي بنية الدماغ البشري.

2. التعلم الهرمي: يمكن لنماذج التعلم العميق تعلم تمثيلات هرمية للبيانات، حيث تتعلم الطبقات السفلى ميزات بسيطة والطبقات العليا ميزات أكثر تعقيدًا وتجريدًا.

3. التعلم غير الموجه والشبه موجه: يمكن لنماذج التعلم العميق التعلم من البيانات المُسماة وغير المُسماة، مما يسمح لها باستخراج أنماط ذات معنى من مجموعات البيانات الكبيرة والغير منظمة.

4. النماذج التمييزية والتوليدية: يمكن استخدام التعلم العميق لبناء كل من النماذج التمييزية، والتي تصنف البيانات، والنماذج التوليدية، والتي يمكنها إنشاء عينات بيانات جديدة.

5. التطبيقات: تم تطبيق التعلم العميق بنجاح في مجموعة واسعة من المهام، بما في ذلك التعرف على الصور والمعالجة الطبيعية للغة والتعرف على الكلام والتحليلات التنبؤية.

تكمن قوة التعلم العميق في قدرته على تعلم الميزات تلقائيًا من البيانات، دون الحاجة إلى الهندسة اليدوية للميزات. هذا ما يجعل نماذج التعلم العميق قابلة للتكيف بشكل كبير وقادرة على حل المشكلات المعقدة في مجموعة واسعة من المجالات.

نماذج الذكاء الاصطناعي التوليدية هي مجموعة قوية من التعلم العميق التي يمكنها إنشاء محتوى جديد، مثل النص والصور والفيديو حتى، بناءً على الأنماط التي تتعلمها من بيانات التدريب. تنقسم هذه النماذج إلى نوعين رئيسيين: تمييزية وتوليدية.

تتعلم النماذج التمييزية العلاقة بين بيانات الإدخال والتسميات، ويمكنها فقط تصنيف نقاط البيانات الحالية. في المقابل، تتعلم النماذج التوليدية الأنماط الأساسية في بيانات التدريب ويمكنها بعد ذلك إنشاء عينات جديدة تمامًا مشابهة للبيانات الأصلية.

بعض أنواع نماذج الذكاء الاصطناعي التوليدية الشائعة تشمل:

1. نماذج النص إلى النص: هذه النماذج، مثل ChatGPT و Google Bard، يمكنها إنشاء نص شبيه بالبشر بناءً على مطالبات الإدخال.

2. نماذج النص إلى الصورة: أمثلة على ذلك تشمل DALL-E و Midjourney و Stable Diffusion، والتي يمكنها إنشاء صور من وصف نصي.

3. نماذج النص إلى الفيديو: نماذج مثل Cogito و Make-A-Video يمكنها إنشاء لقطات فيديو من مطالبات نصية.

4. نماذج النص إلى الأبعاد الثلاثية: هذه النماذج، مثل Shaper، يمكنها إنشاء أصول ثلاثية الأبعاد وكائنات ألعاب من إدخال نصي.

5. نماذج النص إلى المهمة: يتم تدريب هذه النماذج على أداء مهام محددة، مثل تلخيص البريد الإلكتروني أو الإجابة على الأسئلة، بناءً على الإدخال النصي.

نماذج اللغة الكبيرة (LLMs) هي إحدى فئات التعلم العميق التي يتم تدريبها مسبقًا على كميات هائلة من البيانات ثم ضبطها دقيقًا للتطبيقات المحددة. يسمح هذا للمؤسسات الصغيرة باستغلال قوة هذه النماذج دون الحاجة إلى تطوير نماذجها الخاصة من البداية.

التمييز الرئيسي بين الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة هو أن النماذج التوليدية يمكنها إنشاء محتوى جديد، بينما تُستخدم نماذج اللغة الكبيرة بشكل أساسي للمهام مثل التصنيف والإجابة على الأسئلة وتوليد النص.

نماذج اللغة الكبيرة (LLMs) هي إحدى فئات التعلم العميق، وهو نوع من التعلم الآلي. تُدرَّب نماذج اللغة الكبيرة مسبقًا على كمية هائلة من البيانات، عادةً النص، لحل المشكلات اللغوية الشائعة مثل تصنيف النص والإجابة على الأسئلة وتلخيص المستندات وتوليد النص.

بعد هذا التدريب الأولي، يمكن ضبط نماذج اللغة الكبيرة على مجموعات بيانات أصغر وخاصة بالمجال لحل مشكلات أكثر تخصصًا. على سبيل المثال، يمكن لمستشفى ضبط نموذج LLM مسبق التدريب على بياناتها الطبية الخاصة لتحسين دقة التشخيص من الأشعة السينية وغيرها من الاختبارات.

هذا النهج مفيد لأنه يسمح للمؤسسات الأصغر، مثل شركات التجزئة والبنوك والمستشفيات، باستغلال القدرات القوية لنماذج اللغة الكبيرة دون الحاجة إلى تطوير نماذجها الخاصة من البداية، والتي قد تكون مكلفة من حيث الموارد.

التمييز الرئيسي بين نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي هو أن نماذج اللغة الكبيرة مدربة بشكل عام على حل المهام اللغوية الشائعة، بينما يتم تدريب نماذج ال