انتقل إلى المحتوى الرئيسي

المعالجة

نماذج اللغة​

نماذج اللغة هي أنظمة ذكاء اصطناعي متقدمة يمكنها فهم اللغة البشرية وتفسيرها وتوليدها. يتم تدريب هذه النماذج على مجموعات بيانات هائلة من النصوص وتتعلم الأنماط وتراكيب الكلمات وبنى الجمل، وحتى الفروق الدقيقة في لغات مختلفة وأساليب استخدام اللغة. جوهر العديد من نماذج اللغة الحديثة هو بنية المحول، التي تستخدم آليات الانتباه الذاتي لتحديد الأجزاء المهمة من النص في سياق معين.

عند معالجة اللغة، تستخدم هذه النماذج أساليب إحصائية للتنبؤ بالكلمة التالية الأكثر احتمالاً أو الجملة التالية الأكثر احتمالاً في نص ما. يمكنها فهم السياق عبر مقاطع نصية طويلة وبالتالي توليد نصوص ليس فقط صحيحة نحوياً، بل ومتسقة ومحتواها ذو صلة من حيث المعنى.

عند استخدام نموذج لغة لروبوت المحادثة أو مولد نص، يتم تزويد النموذج ببعض المحفزات أو البيانات الأولية وبناءً على تلك المدخلات يولد النموذج نصاً يتبع منطقياً السياق المعطى. الهدف من هذه النماذج هو إنتاج نص يبدو أقرب ما يكون إلى النص البشري، سواء من حيث المحتوى أو الأسلوب.

نماذج النص إلى الصورة​

نماذج النص إلى الصورة هي أنظمة ذكاء اصطناعي قادرة على توليد تمثيلات بصرية من وصف نصي مكتوب، مثل الصور أو الرسوم التوضيحية أو أنواع أخرى من الوسائط البصرية. تستخدم هذه النماذج شبكات عصبية متقدمة، وبشكل أكثر تحديداً شبكات توليدية تنافسية (GANs) أو نسخاً منها مثل نماذج diffusion.

تبدأ العملية بوصف نصي يدخلها المستخدم. يقيم النموذج هذا الوصف ويحاول فهم المعنى والسياق. ثم يولد النموذج صوراً تتوافق مع الوصف النصي، مستفيداً مما تعلمه أثناء التدريب من مليارات أزواج نص-صورة.

خلال التدريب، يتعلم النموذج ارتباطات بين الأوصاف النصية وسمات بصرية. على سبيل المثال، إذا رأى النموذج تكراراً تركيب الكلمة "قرص أصفر فوق بحر أزرق" مع صور توضح هذا السيناريو، سيتعلم النموذج التعرف على هذه العناصر وإعادة إنتاجها في الإبداعات البصرية المستقبلية.

الناتج غالباً ما يكون صوراً دقيقة ومفصلة تتماشى مع الوصف المدخل. هذه النماذج أصبحت أكثر دقة وتخصصاً وتستطيع تمثيل سيناريوهات معقدة تحتوي على كائنات متعددة ومفاهيم مجردة. تُستخدم في مجموعة واسعة من التطبيقات، بما في ذلك الإبداعات الفنية، تصميم الألعاب، الواقع الافتراضي وغيرها.

AI-School تكشف النماذج​

من المهم إدراك أن AI-School تتيح نماذج مختلفة مدرجة في الكتالوج المركزي للنماذج. هذه النماذج مقدمة من مزودين خارجيين عبر واجهة برمجة التطبيقات (API). واجهة برمجة التطبيقات API هي مجموعة من القواعد والتعاريف التي تمكّن برامج البرمجيات من التواصل مع بعضها البعض. تعمل كنوع من "لغة" تفهمها البرامج لتبادل المعلومات واستدعاء وظائف بعضها البعض. ليس لدى AI-School نماذج لغوية، ولا نماذج نص-لصورة، ولا نماذج نص-إلى-صوت بشكل ذاتي.

نحن غير مسؤولين عن نتائج النماذج المختلفة. ومع ذلك، فقد أخذنا بعين الاعتبار اختيار أفضل وأكثر النماذج إثارة للاهتمام للمؤسسات التعليمية.

إجراء المعالجة وفق DPIA​

تصف DPIA الإجراء الأساسي لإنتاج الإجابة على النحو التالي:

  • يدخل المستخدم في المحفز عبر بوابة AI-School.
  • يتم حفظ المحفز في قاعدة بيانات AI-School.
  • تقدم AI-School المحفز عبر ارتباط API وبموجب حساب عام بشكل مجهول إلى نموذج الذكاء الاصطناعي المختار.
  • لا يتلقى نموذج الذكاء الاصطناعي أي بيانات شخصية للمستخدم الفردي.
  • يتم إرسال الإجابة من نموذج الذكاء الاصطناعي إلى AI-School.
  • يتم حفظ الإجابة في قاعدة بيانات AI-School.
  • يتم عرض الإجابة للمستخدم.

لا ترسل AI-School بيانات شخصية للمستخدم إلى النموذج. يتلقى النموذج محتوى المحفز دون ربطه بمستخدم محدد يمكن التعرف عليه. قد يكون لدى المستخدم بيانات شخصية ضمن المحفز نفسه؛ في هذه الحالة يمكن للنموذج المعتمد أن يعالج هذه البيانات.

سياق إضافي​

في وظائف مثل الدردشة مع المستندات، المدخلات متعددة الوسائط، أو بعض الأدوات، يمكن إكمال المحفز بإضافة سياق يختاره المستخدم، مثل مقاطع من المستندات، صور، أو نتائج البحث. كما يتم تقديم هذا السياق أيضاً إلى النموذج دون ربطه بمستخدم مُعرّف، لكن المحتوى قد يحتوي على بيانات شخصية إذا قام المستخدم بإضافتها بنفسه.