Video
Machine Learning in Real World - الذكاء الصناعي في العالم الحقيقي مع محمد الجيش
About this episode
في هذه الحلقة يستضيف محمد الشريف محمد الجيش لمناقشة ما يحدث عندما تنتقل نماذج التعلم الآلي والذكاء الاصطناعي من التجارب إلى منتجات وأنظمة تعمل في العالم الحقيقي. يشرح الحوار بصورة عملية كيف تتعلم النماذج اللغوية من السياق، ولماذا أحدث اتباع التعليمات نقلة مهمة، وما حدود المعرفة الثابتة للنموذج والحاجة إلى الاسترجاع المعزز لاستدعاء معلومات حديثة أو داخلية. كما يناقش الضيف بناء وكلاء يستخدمون أدوات ومصادر بيانات متعددة، والتحكم في الصلاحيات والحواجز الوقائية، وتحديات اللغة العربية والسياق الثقافي. وتتناول الحلقة أيضاً اختيار المقاييس الصحيحة لتقييم النماذج، وأخطاء الاستنتاج من النتائج المجمعة، ونصائح للبدء بمشروعات عملية ونماذج صغيرة أو واجهات API.
Episode notes
• الفرق بين النموذج اللغوي الأساسي والنموذج المهيأ لاتباع التعليمات، ولماذا برز ChatGPT كنقلة تطبيقية
• كيف تتعلم النماذج اللغوية من السياق عبر توقع الكلمات، وحدود تشبيه ذلك بفهم البشر
• فجوات دعم العربية: البيانات، اليونيكود، فهم الثقافة والسياق، والحاجة إلى نماذج مصممة لهذه البيئة
• الاسترجاع المعزز (RAG) لربط النموذج بالمعلومات الحديثة أو وثائق المؤسسة بدلاً من إعادة التدريب
• البحث الدلالي والتمثيلات العددية للنصوص، ومتى يفيد الجمع بينه وبين البحث بالكلمات المفتاحية
• تصميم الوكلاء وسير العمل الذي ينسق بين أدوات ومصادر بيانات منظمة وغير منظمة
• الصلاحيات، عزل البيانات، والحواجز الوقائية عند منح الأنظمة الذكية قدرة على تنفيذ مهام داخل الشركات
• لماذا لا تكفي الدقة وحدها لتقييم النماذج، وأهمية اختيار مقياس يعكس هدف الاستخدام الحقيقي
• أمثلة على اختلاف الأداء بين شرائح البيانات وخطر اتخاذ قرارات مضللة من النتائج المجمعة
• التعلم بالمشروعات: البدء بنماذج صغيرة أو واجهات API وتجربة حلول عملية للمشكلات المحلية
• الموقع الشخصي لمحمد الجيش: https://elgeish.com
• مورد كتاب Computing with Data: https://computingwithdata.com