معجم مصطلحات الذكاء الاصطناعي للشركات: أكثر من 40 مصطلحاً بلغة واضحة
شرح مبسّط لأكثر مصطلحات الذكاء الاصطناعي تداولاً في الشركات: النماذج اللغوية الكبيرة، والتوكن، وRAG، والتضمين، والوكلاء، وMCP، وحقن الأوامر، والعائد على الاستثمار.

لمشاريع الذكاء الاصطناعي لغتها الخاصة، وتتعثر الاجتماعات حين لا يكون نصف الحاضرين متأكدين من معنى «RAG» أو «الوكيلي» أو «نافذة السياق». يشرح هذا المعجم المصطلحات التي يصادفها القادة والمديرون وفرق المشاريع أكثر من غيرها، بلغة واضحة ومن دون مبالغة. وحين يستحق المصطلح أكثر من فقرة، نحيلك إلى دليل كامل.
الإجابة المختصرة
- ابدأ بخمسة مصطلحات: النموذج اللغوي الكبير، والتوكن، والتوليد المعزّز بالاسترجاع (RAG)، ووكيل الذكاء الاصطناعي، والهلوسة. فمعظم النقاشات حول الذكاء الاصطناعي تُبنى عليها.
- روبوت المحادثة يجيب، والوكيل يتصرف. والفرق بينهما يحدد حجم المخاطر والتكامل والإشراف الذي يحتاج إليه المشروع.
- معظم تطبيقات الذكاء الاصطناعي في الشركات لا تدرّب نماذج. فالشركات تجمع عادةً بين النماذج الجاهزة وبياناتها الخاصة عبر RAG والأدوات والتكاملات.
- مصطلحات الحوكمة لا تقل أهمية عن المصطلحات التقنية. فتوطين البيانات والإلمام بالذكاء الاصطناعي والقوانين المنظِّمة تحدد التصاميم المسموح بها.
المفاهيم الأساسية
الذكاء الاصطناعي (AI)
برمجيات تؤدي مهام تحتاج عادةً إلى تقدير بشري، مثل فهم اللغة أو التعرف على الصور أو التنبؤ. وفي عالم الأعمال اليوم يقصد بالذكاء الاصطناعي غالباً أنظمة تعلّم الآلة، وبشكل متزايد الذكاء الاصطناعي التوليدي.
تعلّم الآلة (Machine learning)
طريقة لبناء البرمجيات تتعلم فيها الأنماط من الأمثلة بدلاً من اتباع قواعد مكتوبة يدوياً. ومرشّح البريد المزعج المدرَّب على آلاف الرسائل المصنّفة مثال كلاسيكي على ذلك.
التعلّم العميق والشبكات العصبية
تعلّم آلة يعتمد على شبكات عصبية متعددة الطبقات، وهو ما يشغّل اليوم أنظمة التعرف على الكلام والصور ونماذج اللغة.
الذكاء الاصطناعي التوليدي (Generative AI)
ذكاء اصطناعي ينشئ محتوى جديداً، مثل النصوص والصور والصوت والفيديو والشيفرة البرمجية، بدلاً من الاكتفاء بالتصنيف أو التنبؤ. ومساعدات المحادثة ومولّدات الصور أمثلة عليه.
النموذج اللغوي الكبير (LLM)
شبكة عصبية دُرّبت على كميات هائلة من النصوص لتتنبأ بالتوكن التالي. وهذا الهدف البسيط ينتج، على نطاق واسع، نماذج قادرة على الكتابة والتلخيص والترجمة والاستدلال واتباع التعليمات. ومن عائلاتها المعروفة GPT وClaude وGemini وLlama وQwen.
النموذج التأسيسي (Foundation model)
نموذج كبير دُرّب على بيانات واسعة ويمكن تكييفه لمهام كثيرة. ومعظم النماذج اللغوية الكبيرة نماذج تأسيسية، تبني عليها الشركات بدلاً من تدريب نماذجها من الصفر.
النموذج متعدد الوسائط (Multimodal)
نموذج يتعامل مع أكثر من نوع من المدخلات أو المخرجات، كأن يقرأ صورة ويجيب عن سؤال حولها، أو يفرّغ مكالمة نصياً ثم يلخصها.
النموذج اللغوي الصغير (SLM)
نموذج لغوي صغير بما يكفي ليعمل على عتاد متواضع. لا يوجد حد ثابت، لكن المصطلح يُطلق عادةً على النماذج التي يصل حجمها إلى بضعة مليارات من المعاملات. وهذه النماذج أرخص وأسرع، ويمكن تشغيلها على خوادمك، ما يفيد في الخصوصية وتوطين البيانات.
النموذج مفتوح الأوزان (Open-weight)
نموذج نُشرت معاملاته المدرَّبة، أي أوزانه، فيمكنك تنزيله وتشغيله بنفسك. لكن الأوزان المفتوحة لا تعني دائماً المصدر المفتوح: فقد تقيّد الرخصة الاستخدام، وغالباً لا تُنشر بيانات التدريب.
المعاملات (Parameters)
الأرقام التي يتعلمها النموذج أثناء التدريب. وعدد المعاملات، مثل 7B أي سبعة مليارات، مؤشر تقريبي على حجم النموذج واحتياجه من العتاد، لا مقياس مباشر لجودته.
التوكن (Token)
وحدة النص التي يقرؤها النموذج اللغوي ويكتبها، وكثيراً ما تكون كلمة أو جزءاً من كلمة. وتُقاس الأسعار القائمة على الاستخدام وحدود السياق بالتوكنات. والنص العربي يحتاج غالباً إلى توكنات أكثر من الرسالة نفسها بالإنجليزية، ما يرفع التكلفة ويزيد زمن الاستجابة.
نافذة السياق (Context window)
أقصى كمية من النص، مقيسة بالتوكنات، يستطيع النموذج أخذها في الحسبان دفعة واحدة. وتشمل تعليماتك، والمستندات التي تقدّمها، والمحادثة حتى تلك اللحظة، وإجابة النموذج.
التدريب والتدريب المسبق والاستدلال (Inference)
التدريب هو الطريقة التي يتعلم بها النموذج معاملاته، والتدريب المسبق هو المرحلة الأولى والأعلى تكلفة على بيانات واسعة. أما الاستدلال فهو تشغيل النموذج المدرَّب لإنتاج إجابة، وهو ما تدفع الشركات مقابله في الغالب.
الضبط الدقيق (Fine-tuning)
تدريب إضافي لنموذج قائم على أمثلتك الخاصة لتغيير سلوكه أو أسلوبه أو شكل مخرجاته. فالضبط الدقيق يعلّم النموذج كيف يجيب، لكنه ليس عادةً أفضل طريقة لتعليمه معلومات تتغير، وهذا دور الاسترجاع.
الهلوسة (Hallucination)
أن يُنتج النموذج معلومات تبدو سليمة لكنها خاطئة أو بلا أساس، مثل سياسة أو مرجع مختلَق. ويقلّل منها إسنادُ الإجابات إلى مصادر معتمدة، وعرضُ تلك المصادر، والاختبار بمجموعات تقييم، لكن لا شيء يلغيها تماماً.
الأمر (Prompt) وأمر النظام وهندسة الأوامر
الأمر هو المدخل الذي تعطيه للنموذج: السؤال والتعليمات والأمثلة والسياق. وأمر النظام هو التعليمات الدائمة التي تحدد دور المساعد وقواعده ونبرته. أما هندسة الأوامر فهي ممارسة كتابة الأوامر واختبارها لتكون المخرجات موثوقة.
بناء أنظمة الذكاء الاصطناعي
التضمين (Embedding)
قائمة أرقام تمثّل معنى نص أو صورة، بحيث تحصل المعاني المتشابهة على أرقام متقاربة. وبفضل التضمينات يصبح البحث الدلالي ممكناً، كأن تجد فقرة عن مهلة الاسترجاع حين يسأل العميل عن إعادة طلبه.
قاعدة البيانات المتجهية (Vector database)
قاعدة بيانات مصممة لتخزين التضمينات والعثور بسرعة على أكثرها تشابهاً، وهي طبقة البحث المعتادة خلف أنظمة RAG.
التوليد المعزّز بالاسترجاع (RAG)
نهج يسترجع فيه النظام أولاً المقاطع ذات الصلة من مستنداتك، ثم يطلب من النموذج الإجابة استناداً إليها. وبذلك تبقى الإجابات محدّثة ومرتبطة بمصادر معتمدة من دون إعادة تدريب النموذج. اطّلع على ما هي تقنية RAG؟
الإسناد إلى المصادر (Grounding)
ربط إجابة النموذج بمصدر موثوق، مثل قاعدة المعرفة لديك أو قاعدة بيانات، ويفضَّل أن يُعرض هذا المصدر على المستخدم.
استخدام الأدوات (Function calling)
قدرة النموذج على طلب إجراء من برمجيات أخرى، مثل الاستعلام عن طلب أو البحث في قاعدة بيانات أو فتح تذكرة دعم. فالنموذج يختار الأداة ومدخلاتها، ونظامك هو الذي ينفّذ الاستدعاء ويعيد النتيجة.
وكيل الذكاء الاصطناعي (AI agent)
نظام يعمل فيه النموذج نحو هدف محدد، فيختار خطواته التالية، ويستدعي الأدوات، ويتحقق من النتائج، ويكرر ذلك حتى تكتمل المهمة، ضمن حدود تضعها أنت. اطّلع على روبوت محادثة أم وكيل ذكاء اصطناعي؟
سير العمل الوكيلي (Agentic workflow)
عملية أعمال ينفّذ فيها وكلاء الذكاء الاصطناعي بعض الخطوات بأنفسهم، إلى جانب الأتمتة الثابتة والموافقات البشرية. اطّلع على ما هو الذكاء الاصطناعي الوكيلي؟
أنظمة الوكلاء المتعددين والتنسيق (Orchestration)
تصميم يعمل فيه عدة وكلاء متخصصين معاً، كأن يبحث أحدهم ويكتب الثاني مسودة ويراجع الثالث. والتنسيق هو الطبقة التي توزّع العمل بينهم، وتتابع الحالة، وتطبّق القواعد. اطّلع على تنسيق الوكلاء المتعددين.
بروتوكول سياق النموذج (MCP)
بروتوكول مفتوح أطلقته Anthropic في نوفمبر 2024 لربط تطبيقات الذكاء الاصطناعي بالأدوات ومصادر البيانات بطريقة موحّدة. ويمكن لخادم MCP واحد أن يتيح نظاماً مثل CRM لعدد كبير من تطبيقات الذكاء الاصطناعي. اطّلع على ما هو بروتوكول MCP؟
بروتوكول Agent2Agent (A2A)
بروتوكول مفتوح أعلنته Google في أبريل 2025، وأصبح اليوم مشروعاً تابعاً لمؤسسة Linux Foundation، يتيح لوكلاء من مورّدين مختلفين أن يتعرف بعضهم إلى بعض وأن يتبادلوا المهام. فبروتوكول MCP يربط الوكلاء بالأدوات، أما A2A فيربط الوكلاء بوكلاء آخرين.
حواجز الحماية (Guardrails)
قواعد وضوابط حول النموذج تحدّ مما يتلقاه أو يقوله أو يفعله، مثل حجب البيانات الشخصية، أو رفض الطلبات الخارجة عن الموضوع، أو اشتراط الموافقة قبل أي إجراء.
الإنسان في الحلقة (Human in the loop)
تصميم يراجع فيه شخص مخرجات الذكاء الاصطناعي أو إجراءاته، أو يوافق عليها، في نقاط محددة، خاصة في القرارات التي تمس العملاء أو المال أو حقوق الأفراد.
التقييم (Evals)
اختبار منهجي لنظام الذكاء الاصطناعي على أمثلة واقعية معروفة الإجابات الصحيحة، بحيث تُقاس الجودة قبل الإطلاق وبعد كل تعديل.
مراقبة نماذج اللغة الكبيرة (LLM observability)
تسجيل ما يفعله نظام الذكاء الاصطناعي في بيئة التشغيل، بما في ذلك الأوامر والمصادر المسترجعة واستدعاءات الأدوات والتكلفة وزمن الاستجابة والأخطاء، حتى يمكن تتبّع المشكلات وإصلاحها. اطّلع على مراقبة نماذج اللغة الكبيرة باستخدام OpenTelemetry.
حقن الأوامر (Prompt injection)
هجوم تحاول فيه تعليمات مخفية في مدخلات المستخدم، أو في محتوى يقرؤه الذكاء الاصطناعي كصفحة ويب أو بريد إلكتروني أو مستند، تجاوز قواعد النظام. ويحتل المرتبة الأولى في قائمة OWASP Top 10 لتطبيقات النماذج اللغوية الكبيرة. اطّلع على تحصين أمن نماذج اللغة الكبيرة.
النموذج ذاتي الاستضافة (Self-hosted)
نموذج يعمل على بنية تحتية تتحكم فيها، داخل مقرّك أو في سحابة خاصة، بدلاً من واجهة برمجية لدى مزوّد خارجي. فيُبقي البيانات داخل بيئتك مقابل أن تتولى تشغيل العتاد بنفسك. اطّلع على نماذج اللغة ذاتية الاستضافة للمؤسسات.
التكميم (Quantization)
تخزين معاملات النموذج بعدد أقل من البتات، مثل 4 بتات بدلاً من 16، ليحتاج إلى ذاكرة أقل ويعمل على عتاد أصغر، مع خسارة طفيفة في الجودة عادةً.
الأعمال والحوكمة
حوكمة الذكاء الاصطناعي
السياسات والأدوار والضوابط التي تحدد أي أنظمة ذكاء اصطناعي تستخدمها المؤسسة، ولأي غرض، وبأي بيانات، ومن المسؤول عنها.
سياسة استخدام الذكاء الاصطناعي
سياسة مكتوبة تخبر الموظفين بأدوات الذكاء الاصطناعي المسموح بها، والبيانات التي يجوز إدخالها، ومن يراجع المخرجات. اطّلع على نموذج سياسة استخدام الذكاء الاصطناعي.
الإلمام بالذكاء الاصطناعي (AI literacy)
المعرفة التي يحتاج إليها الموظفون لاستخدام الذكاء الاصطناعي بفاعلية وأمان: ما يستطيعه وما لا يستطيعه، وكيف تُراجع مخرجاته، وكيف تُعامل البيانات. ويُلزم قانون الذكاء الاصطناعي الأوروبي مزوّدي أنظمة الذكاء الاصطناعي والجهات المستخدِمة لها باتخاذ تدابير تدعمه. اطّلع على تدريب الشركات على الذكاء الاصطناعي الذي يغيّر طريقة العمل.
قانون الذكاء الاصطناعي الأوروبي (EU AI Act)
قانون الاتحاد الأوروبي القائم على المخاطر لتنظيم الذكاء الاصطناعي، اللائحة (EU) 2024/1689. يُطبَّق على مراحل، ويمتد إلى الشركات خارج الاتحاد التي تُستخدم أنظمتها داخله. اطّلع على هل ينطبق قانون الذكاء الاصطناعي الأوروبي على الشركات في تركيا؟
قانون KVKK
قانون حماية البيانات الشخصية التركي رقم 6698. ينظّم معالجة البيانات الشخصية، بما فيها البيانات التي تُدخل في أدوات الذكاء الاصطناعي وتُنقل إلى مزوّدين في الخارج. اطّلع على قانون KVKK والذكاء الاصطناعي.
نظام حماية البيانات الشخصية (PDPL)
الاسم المختصر لقوانين حماية البيانات الشخصية في عدة دول، منها السعودية والإمارات. ويؤثر كلاهما في المكان الذي يجوز لمساعد الذكاء الاصطناعي إرسال بيانات المحادثات إليه وتخزينها فيه. اطّلع على حماية البيانات والذكاء الاصطناعي في السعودية والإمارات.
توطين البيانات (Data residency)
اشتراط أو تفضيل تخزين البيانات ومعالجتها في بلد أو منطقة بعينها. وهو يحدد النماذج والمناطق السحابية التي تستطيع الشركة استخدامها.
التكلفة الإجمالية للملكية (TCO)
التكلفة الكاملة لنظام الذكاء الاصطناعي طوال عمره: البناء والتكامل، واستخدام النماذج أو استضافتها، والمراقبة، والصيانة، والمراجعة البشرية التي ما زال يحتاج إليها. اطّلع على كم يكلّف مساعد الذكاء الاصطناعي فعلاً؟
العائد على الاستثمار (ROI) ومعدل التحقق
يقارن العائد على الاستثمار القيمة التي يحققها نظام الذكاء الاصطناعي بتكلفته الإجمالية. أما معدل التحقق فهو حصة الوقت المحرَّر التي تتحول فعلاً إلى وفورات أو عمل ذي قيمة، وهو الافتراض الأكثر تأثيراً في النتيجة. جرّبه بأرقامك في حاسبة العائد على الاستثمار في الذكاء الاصطناعي.
تحسين الظهور في محركات الإجابة (GEO)
تهيئة المحتوى ليسهل على أدوات البحث بالذكاء الاصطناعي، مثل بحث ChatGPT وميزات الذكاء الاصطناعي في Google، العثور عليه وفهمه والاستشهاد به. اطّلع على دليل GEO للشركات.
أسئلة شائعة
ما الفرق بين الذكاء الاصطناعي وتعلّم الآلة والذكاء الاصطناعي التوليدي؟
الذكاء الاصطناعي هو الاسم العام للبرمجيات التي تؤدي مهام تحتاج إلى تقدير بشري. وتعلّم الآلة هو الطريقة الرئيسية لبنائه اليوم: تعلّم الأنماط من الأمثلة. أما الذكاء الاصطناعي التوليدي فهو فرع من تعلّم الآلة ينشئ محتوى جديداً مثل النصوص والصور.
ما الفرق بين RAG والضبط الدقيق؟
يقدّم RAG للنموذج المعلومة الصحيحة لحظة الإجابة عبر استرجاعها من مستنداتك، بينما يغيّر الضبط الدقيق النموذج نفسه بتدريب إضافي. استخدم RAG للمعلومات المتغيرة مثل الأسعار والسياسات، وفكّر في الضبط الدقيق لأسلوب أو شكل مخرجات ثابت.
ما مصطلحات الذكاء الاصطناعي التي ينبغي أن يتعلمها المديرون أولاً؟
النموذج اللغوي الكبير، والتوكن، ونافذة السياق، وRAG، ووكيل الذكاء الاصطناعي، والهلوسة، والإنسان في الحلقة. فهي معاً تشرح ما تستطيعه أنظمة الذكاء الاصطناعي الحديثة، وكم تكلّف، وأين تحتاج إلى إشراف.
الخطوات التالية
اللغة المشتركة هي الخطوة الأولى نحو قرارات أفضل في الذكاء الاصطناعي. تقدّم Orbitra تدريب الذكاء الاصطناعي للشركات الذي يبني هذه اللغة على عملياتكم الفعلية، بالعربية أو التركية أو الإنجليزية، وتساعد الفرق على تحويلها إلى أنظمة تعمل من خلال استشارات الذكاء الاصطناعي وأتمتة سير العمل.
