كورس هندسة التلقين | Prompt Engineering MasterClass
Summary
TLDRهذا السكريبت يناقش重要ية هندسة التلقين وكيف يمكن للмتخصصين في هذا الميدان أن يستخدمون الذكاء الاصطناعي للتعامل مع задачات معقدة. يشجع السكريبت المستخدمين على التعلم من النماذج الأساسية والاستفادة من الموارد المتاحة مجانا، ويشجعهم على التطور الشخصي والتعليم الذاتي. كما يشير إلى التحديات المستقبلية التي قد تواجهها البشرية بسبب ال仰赖 على الذكاء الاصطناعي، ويشجع على التفكير الクリيتي والبحث عن حلول.
Takeaways
- 🌐 هندسة التلقين هي مهارة متزايدة الأهمية في عالم العمل المستقبلي، ويمكن تعلمها بسهولة من خلال المصادر المتاحة مجانا.
- 📚 يغطي الكورس المقدم في السكريبت هندسة التلقين من البداية إلى ال专精، ويشجع على التعلم من خلال الأمثلة باللغة العربية.
- 🤖 تعتبر هندسة التلقين تقنية قوية لتوجيه الذكاء الاصطناعي باستخدام اللغات الطبيعية، مما يتيح إنتاج نتائج دقيقة ومرادة للسياق.
- 📈 النماذج اللغوية الكبيرة هي خوارزميات الذكاء الاصطناعي التي تتعلم من النصوص المتاحة على الإنترنت والبيانات ال被动生成ة، وتستخدم لتحسين الأداء في مجموعة واسعة من المهام.
- 🔍 يمكن لل اللغات الكبيرة التعامل مع البيانات الغير المنظمة، والتحليل والترتيب والفلترة والاستنتاج بدقة.
- 🔧 يتضمن تصميم التلقينات الجيدة خمسة عناصر رئيسية: المهمة الواضحة، السياق، الدور، المخرجات والمدخلات.
- 📊 يمكن استخدام النماذج اللغوية لإنشاء الرسوم والرسوم البيانية والمخططات الشجرية، مما يساعد الطلبة والعلماء على فهم المفاهيم ال复杂的.
- 💡 يمكن تحسين النماذج اللغوية من خلال التدريب الゼロ، التي تعتمد على التدريب من خلال النماذج السابقة.
- 🎯 الатساق الذاتي هو تقنية تعتمد على تقديم النماذج اللغات الكبرى بوجهات نظر مختلفة لتحسين النتائج.
- 🛠️ يمكن استخدام القوالب في Excel لتسهيل 创建和执行力 التلقينات، مما يوفر وقتاً وزيادة الإنتاجية.
Q & A
ماذا تعني هندسة التلقين؟
-هندسة التلقين هي تقنية قوية وفعالة لمخاطبة نماذج الذكاء الاصطناعي باستخدام اللغات الطبيعية من خلال التصميم والاستراتيجية للتلقينات، مما يسمح بتوجيه هذه النماذج لانتاج مخرجات دقيقة وذات صلة ومرائية للسياق.
لماذا تعتبر هندسة التلقين مهمة في المستقبل؟
-هندسة التلقين تعتبر مهمة في المستقبل لأنها تتيح للذكاء الاصطناعي التعامل مع ال的任务 والمعلومات بطريقة أكثر فعالية ودقة، مما يساعد على تحسين الإنتاجية وتحسين النتائج الوظيفية والاستراتيجية لمختلف الصناعات وال目的.
هل يمكن لأي شخص تعلم هندسة التلقين؟
-نعم، يمكن لأي شخص تعلم هندسة التلقين مجانا حتى لو كان لا يمتلك حاسوبا، وهذه ال مهارة ليست محدودة لطلاب البرمجة أو المهندسين، بل يمكن للجميع الاستفادة منها لتطوير وظائفهم وبناء قرارات أفضل.
ماذا تعني ال接受了 (Prompt Engineering)؟
-ال接受了 (Prompt Engineering) يشير إلى عملية تصميم وتطوير ال领军 المناسبة التي تساعد على توجيه الذكاء الاصطناعي لإنتاج محتوى مخصص ومخصص بطريقة تتناسب مع الهدف المطلوب.
ما هي التحديات الأساسية التي يواجه مهندس التلقين؟
-التحديات الأساسية التي يواجه مهندس التلقين تشمل تحسين القدرة على التعامل مع كميات كبيرة من البيانات، وتحسين القدرة على التعلم والتنسيق من خلال التدريب على مقاطع متنية كبيرة، بالإضافة إلى تحسين القدرة على التعامل مع التحديات الوظيفية والاستراتيجية للشركات والمؤسسات.
ماذا تعني نماذج الذكاء الاصطناعي؟
-نماذج الذكاء الاصطناعي تعني مجموعة من الخوارزميات والبيانات التي تتعلم و她能 التعامل مع المهام الذكاء الاصطناعية، مثل التحليل اللغوي والتعلم العميق والتحليل ال数值.
ما هي الفرق بين التعلم العميق والتعلم ال浅显؟
-التعلم العميق يشير إلى مجموعة من التقنيات الذكاء الاصطناعي التي تعتمد على الشبكات العصبية الاصطناعية التي تتعلم من البيانات الضخمة، بينما التعلم ال浅显 يشير إلى مجموعة من التقنيات التي تعتمد على النماذج البسيطة التي تتعلم من النماذج البسيطة.
ما هي الأدوات الأساسية التي يحتاجها مهندس التلقين؟
-الأدوات الأساسية التي يحتاجها مهندس التلقين تشمل الحاسوب أو الهاتف، الإنترنت، وحسابات مجانية في منصات التعلم الإلكترونية، بالإضافة إلى التطبيقات والبرمجيات المتاحة للمساعدة في تطوير وتطوير ال接受了.
ماذا تعني ال接受了 (Prompts)؟
-ال接受了 (Prompts) هي ال领军 المكتوبة التي يتم تقديمها للذكاء الاصطناعي لتوجيهه وتوجيهه نحو ال型式的 المطلوبة، وتشمل ال领军 الأساسية والمهام والسياق وال领军 الاضافية التي تساعد على تحسين ال型式.
ما هي التحديات التي تواجه ال接受了 (Prompts) في عملية التعلم؟
-التحديات التي تواجه ال接受了 (Prompts) في عملية التعلم تشمل تحسين ال型式، وتحسين ال型式، وتحسين ال型式، وتحسين ال型式.
Outlines
🤖 مقدمة في هندسة التلقين
يتناول هذا القسم موضوع هندسة التلقين، توضيحًا حول كيفية التواصل الفعال مع الذكاء الاصطناعي والتوجيه له بطريقة مبتكرة. يشير إلى أن هذه المهارة هي المستقبل الأمان وتوفر الدعم اللازم للعالم المستقبلي. كما يتحدث عن التحديات التي يواجهها مهندس التلقين وكيف يتعامل معها.
🔍 تحديات التواصل مع الذكاء الاصطناعي
يتناول هذا القسم تحديات التواصل مع الذكاء الاصطناعي وكيف يؤثر ذلك على النمو والتطور. يتحدث عن التحديات التي تواجهها الشركات والأفراد في هذا الخصوص وكيف يمكن تخطيها. كما يشير إلى التحديات التي تواجهها الذكاء الاصطناعي في فهم اللغات البشرية وكيف يمكن تحسين ذلك.
📚 التعلم من النماذج اللغوية الكبيرة
يتناول هذا القسم كيفية التعلم من النماذج اللغوية الكبيرة وكيف يمكن استخدامها لتحسين الأداء وتحقيق النجاح. يتحدث عن التحديات التي تواجه هذه النماذج وكيف يمكن تخطيها. كما يشير إلى التحديات التي تواجه الذكاء الاصطناعي في فهم اللغات البشرية وكيف يمكن تحسين ذلك.
🔧 استخدام التفاصيل والمواصفات لتحسين النتائج
يتناول هذا القسم كيفية استخدام التفاصيل والمواصفات لتحسين النتائج التي ت得出 من الذكاء الاصطناعي. يتحدث عن العوامل الأساسية التي يجب اتباعها للحصول على أفضل النتائج. كما يشير إلى التحديات التي تواجه هذه النماذج وكيف يمكن تخطيها.
🌐 التحديات المستقبلية للذكاء الاصطناعي
يتناول هذا القسم التحديات المستقبلية للذكاء الاصطناعي وكيف يمكن تخطيها. يتحدث عن التحديات التي تواجه الذكاء الاصطناعي في المستقبل وكيف يمكن تخطيها. كما يشير إلى التحديات التي تواجه هذه النماذج وكيف يمكن تحسين ذلك.
💡 التركيز على التفاصيل والمواصفات لتحسين الذكاء الاصطناعي
يتناول هذا القسم كيفية تحسين الذكاء الاصطناعي من خلال التركيز على التفاصيل والمواصفات. يتحدث عن العوامل الأساسية التي يجب اتباعها للحصول على أفضل النتائج. كما يشير إلى التحديات التي تواجه هذه النماذج وكيف يمكن تخطيها.
Mindmap
Keywords
💡هندسة التلقين
💡ذكاء صناعي
💡تعلم العميق
💡نماذج اللغات الكبيرة
💡التعلم الذاتي
💡التحكم المنطقي
💡التحديات المستقبلية
💡التحديات الثقافية
💡التحديات الأخلاقية
Highlights
هندسة التلقين هي مهارة مهمة وآمنة في المستقبل، ويمكن تعلمها مجانا حتى لو لم يكن لديك حاسوبة.
можنا استخدام الذكاء الاصطناعي لتوجيه النماذج ومساعدتها في التفكير والتعبير.
النماذج اللغوية الكبيرة يمكنها التعامل مع الصور والصوت والنصوص والاكواد البرمجية.
النماذج اللغوية يمكنها التعلم من البيانات المتاحة على الإنترنت والاستخدام في البحث والاستنتاج.
التصميم الإبداعي والتفكير المنطقي يمكن أن تنمو بشكل أفضل بمساعدة النماذج اللغوية.
можنا استخدام النماذج اللغوية لتصنيف وفلترة البيانات بطريقة فعالة وفعالة.
النماذج اللغوية يمكنها التحليل والاستنتاج من ال大量s البيانات الغير المنظمة.
يمكننا استخدام النماذج اللغوية لإنشاء محتوى وتقديم خدمات تسويقية وتسويقية.
النماذج اللغوية يمكنها المساعدة في تحسين الإنتاجية والإنتاجية الإبداعية.
يمكن استخدام تقنية الاتساق الذاتي لتحسين النتائج في المهام الحسابية والمنطقية.
يمكن استخدام النماذج اللغوية لإنشاء توصيات واستراتيجيات لتحسين التسويق الإلكتروني.
يمكن استخدام النماذج اللغوية لإنشاء محتوى تعليمي وتدريبي.
يمكن استخدام النماذج اللغوية لتحسين المحتوى المكتوب والنشر الرقمي.
يمكن استخدام النماذج اللغوية لتحليل التوقعات والتوقعات المستقبلية.
يمكن استخدام النماذج اللغوية لتحسين التحليل المالي والتحليل المالي.
يمكن استخدام النماذج اللغوية لتحسين التحليل ال-statistical والتحليل التحليل.
يمكن استخدام النماذج اللغوية لتحسين التحليل التحليل التحليل.
Transcripts
هندسة التلقين اوالـ Prompt Engineering ليست فقط المهارة الاغلى والاكثر طلبا
اليوم. بل انها اكثر الوظائف امانا في المستقبل. ومع ذلك فهي
اسهل مهارة على الاطلاق. واي شخص يمكن ان يتعلمها مجانا حتى ولو
كان لا يملك حاسوبا. العالم سيتغير للابد وستختفي الكثير من
المهن والتخصصات. وفي ظل هذا الواقع المرير ستظهر وتزدهر
وظائف جديدة. مهندس التلقين هو الشخص الوحيد الذي يمكنه يسخر
القوة الكاملة للذكاء الاصطناعي ويطوعها لجميع الوظائف والاغراض.
سواء كنت مبرمجا او لا صغيرا او كبيرا تفهم الانجليزية او لا. كل
هذه الاشياء لا تهم. فايا كان تخصصك او مستواك سيسعدنا اليوم
ان نقدم لك اول كورس كامل باللغة العربية. في هندسة التلقين. هذا
الكورس الفريد سوف يغطي هندسة التلقين من كل الجوانب. من
البداية حتى الاحتراف. ومع الامثلة بالعربي. لا يهم اذا كنت
لا تعرف اي شيء مجال. ولا يهمك ذلك اذا كان مستواك متقدما او
لا. هذا الكورس للجميع. واعدك اننا سنجعله يستحق وقتك. احضر
قهوتك وتابع معي حتى الاخير. ولكن اولا لا تنسى الاعجاب
والاشتراك. فانا افعل كل هذا من اجلك. لا تعلم كم انا سعيد جدا
لانك وجدتني. في هذه الحلقة سنغطي كل المواضيع التالية.
وستكون رحلة شاقة لكننا سنحاول جعلها مريحة وممتعة. على بركة
الله. لماذا هندسة التلقين? هندسة التلقين هي الاصطلاح
العربي الذي اخترناه ليقابل مصطلح وان كان الشائع حاليا هو
اطلاق مصطلح هندسة الاوامر الا اننا لا نجده دقيقا ولا اقرب
حتى. لماذا هندسة التلقين? اولا لان التلقين بالاجماع هي عملية
غرس للمعارف والافكار والمواقف والاستراتيجيات. وهو ليس تعليما
لان الملقن لا ينتقد ولا يسائل المعتقد الذي تلقنه. ثانيا لان
طريقة تواصلنا مع الذكاء الاصطناعي غير قائمة بالضرورة
على الاوامر. الجانب المتعلق بالاوامر هو المتعلق بالبرمجة.
ومهندس التلقين لا يجب ان يكون مبرمجا بالضرورة. ما هي هلسة
التلقين باختصار? هندسة التلقين هي تقنية قوية وفعالة لمخاطبة
نماذج الذكاء الاصطناعي باستخدام اللغات الطبيعية من خلال التصميم
الاستراتيجي للتلقينات. مما يسمح لنا بتوجيه هذه النماذج لانتاج
مخرجات دقيقة وذات صلة ومراعية للسياق. تخيل معي ما يمكنك
تحقيقه ان استطعت توجيه هذه النماذج ومساعدتها على التفكير.
انصح التعبير. اذا باختصار شديد يمكنك القول بان هندسة التلقين
هي كيفية التواصل مع الذكاء الاصطناعي. لسلوكه بطرق فعالة
للوصول لنتائج اكثر كفاءة للجميع. اذا مدار الامر كله هو
حول استغلال القوى الكامنة لنوع من الذكاء يطلق عليه الذكاء
الاصطناعي التوليدي. وتحديدا لواحدة من اكثر نماذجه قوة الا
وهي النماذج اللغوية الكبرى. والتي اصبحنا نعرفها واشهرها
حاليا من وعدد بارامتراته تريليون وستة وسبعون اما اشهر
منتجاته فهي من جوجل وعدد ما يصل الى خمسمائة واربعين مليار واهم
المنتجات وتستخدمهما جوجل في محرك بحثها كذلك. من متر. عدد
يصل الى سبعين مليار. وهو مفتوح المصدر ومتاح للعموم. تستخدمه
فيسبوك في منتجاتها. كذلك لا يجب ان ننسى من مع مئة وست وسبعين
مليار بارامتر. والى اليوم وفي كل اسبوع نسمع عن نماذج جديدة.
منها ما يمكن استخدامه ومنها ما يمكن تثبيته على جهازك. منها ما
هو قادر على التعامل مع الصور والاصوات والنصوص منها ما يتعامل
حصرا مع الاكواد البرمجية. وكلما كان عدد اكبر كلما كانت النماذج
افضل واقوى. سنرى ذلك لاحقا. والنماذج التوليدية هي اكثر شيء
متقدم على الاطلاق. اكثر شيء متطور توصلت اليها البشرية حتى
الان. وهي خطوة عملاقة نحو الذكاء الاصطناعي الشامل الذي
اصبح تحقيقه هدف كل الحكومات وكل الشركات. ذكرنا الكثير من
الاشياء في وقت وجيز. اي هذا. لا تقلق. سنتحدث اكثر عن النماذج
اللغوية الكبيرة. لانها اساسا هي موضوع هندسة التلقين. لكننا
سنضرب صفحا عن النماذج التوليدية. فلقد كنا من اوائل من
تحدث عن الامر. الجميل في هذه القناة ان متابعيها دائما يحصلون
على نظرة للمستقبل. اذا كنت لم تسجل الاشتراك بعد فسيكون جميلا
تفعل. لانني لا اريد ان يفوتك اي شيء.
ما هي نماذج اللغات الكبيرة? عدم فهم ماهية نماذج اللغات هو خطأ
قاتل لمسيرة اي مهندس تلقين. كيف نتواصل بكفاءة مع كيان لا تفهم
ماهيته اصلا. المشكلة هنا هي اننا لم نعد نأمن غضب فئة كبيرة
من الناس لانهم لا يريدون اي شيء سوى ان نخبرهم اين ينقرون? وماذا
يكتبون? ونضع اشياء يمكنهم نسخها او خطوات يمكنهم اتباعها بدون
تذكير. لان ما نقوم به في نظرهم مجرد مضيعة لوقتهم الثمين. لا
بأس. مرور الكرام على موضوع النماذج اللغوية الكبيرة.
النموذج اللغوي الكبير هو خوارزمية حاسوب مجالها معالجة
اللغات الطبيعية. واللغات الطبيعية لمن يسمع المصطلح لاول
مرة هي اللغات البشرية مثل العربي والانجليزي وغيرها.
اتفقنا كما سنرى لاحقا تندرج ضمن نوع الشبكات العصبية الاصطناعية.
وهو مجال من مجالات الذكاء الاصطناعي. نطلق عليه التعلم
العميق. بايجاز شديد هي خوارزمية الي خاضعة للاشراف. هدفها تحليل
الانحدار او لمجموعة من البيانات باستخدام طريقة تدعى عكس ما
يعتقده البعض فهي رياضيات محضة ومفاهيم اساسية في علم الاحصاء.
النماذج اللغوية الكبيرة ليست علما غامضا تحتكره المنظمات
الخفية. هذه الاشياء مفتوحة المصدر ويمكنك دراستها والتعمق
في بنيتها وطريقة عملها. بل وتطويرها حتى ان كنت من اهل
الاجتهاد. الان تبقى لنا سؤال اذا كانت بهذه البساطة فلماذا
تعتبر فتحا مبينا وانجازا عظيما? واذا كانت مجرد نماذج احصائية
فلماذا هي قادرة على الاجابة على كل اسئلتنا والقيام بمهام كثيرة?
تساؤل معقول. الجواب يكمن في كم البيانات? او لنقل كم النصوص
الهائل الذي تم تدريب هذه النماذج بها? فقد تم تغذية هذه
النماذج بكل المقالات الموجودة على الانترنت. وبكل ما الفته
البشرية بالقرون الماضية. وبكل ما ينشر على السوشيال ميديا. الى
استخدام خوارزمية تفريغ مثل التي تسمح بتحويل الفيديوهات والملفات
الصوتية وكل شيء مسموع كذلك الى نصوص. على سبيل المثال من قد تم
تدريبه على واحد فاصل ستة من البيانات النصية. مما يجعله قادر
على فهم وتوريد النصوص بست واربعين لغة طبيعية وثلاثة عشر
لغة برمجة كذلك. يجعلنا هذا نتسائل كيف تتعلم هذه النماذج?
اليس كذلك? ببساطة الامر لا تحليل النصوص وتصنيفها حسب
الدلالات وحسب السمات وحسب ملايين بل تريليونات المعاملات
الاخرى. التي نطلق عليها وعمل النموذج بعد التدريب لا يتعدى
اكثر من انتخاب اكثر كلمة ملائمة للسياق باستخدام الانحدار
التلقائي. ثم الكلمة التي تليها. ثم الجملة التي تليها الى اخر
النص. لا تفهمني غلط. فالامر لا يتعلق بتنبؤ الكلمة التالية فقط.
بل الامر اوسع. ويصل الى تنبؤ النبرة والاسلوب وبنية الكلام.
بل ويتعدى الى استخلاص المشاعر واختيار اساليب التعبير. نحن
نتحدث عن الكثير من والقيود والقواعد. فهذه على سبيل المثال
معمارية الشبكة الاصطناعية وكما ترى فهي تتألف من وحدة مع طبقات
دمج وطبقة انتباه متعددة الرؤوس. نماذج بسيطة وكمية بيانات هائلة.
معرفة هذا يجعلك تدرك انك قبل ان تكتب او تطلب اي شيء من هذا
الاصطناعي فانك امام ملايين الاحتمالات. وهندسة التلقين هي
التقنية التي ستسمح لنا بلي عنق هذه الاحتمالات لصالحنا دائما.
الان وقد عرفت كيف تعمل هذه النماذج ستكون الخطوات القادمة
ممتعة واقل تعقيدا. وستصبح الكثير من الامور منطقية اكثر.
هندسة التلقين لمن? هندسة التلقين للجميع. الجميع يمكنهم
الاستفادة منها لتطوير عملهم. فانطلاقا من طالب الثانوية
ومصففة الشعر في صالون الحلاقة. ونهاية بالموظف التنفيذي
والبروفيسور المرموق. يمكن لهندسة التلقين ان تساعد الجميع
في اداء اي نوع من الواجبات وبناء قرارات افضل. ما هي
الادوات التي يحتاجها للبدء في تعلم هندسة التلقين? اولا جهاز
حاسوب او هاتف. انترنت. وحساب مجاني في او اي بديل اخر لمن لا
يستطيعون الولوج اليهما. سنتحدث عن البدائل لا تقلق. اما من يريد
بديلا لا يتطلب الاتصال بشبكة الانترنت فانصحهم بتثبيت جي بي
تي فور اول على جهازه. انه مجاني ولا يشترط ان يكون جهازك قويا.
ساضع لك بالوصف رابطا فيه خمسين بديلا. ورابطا اخر فيه الكثير من
تطبيقات الهاتف. كذلك لمن ليس لديهم حاسب. اهمها تطبيق. يشتغل
في مصر وباقي الدول التي تحضر شات جي بي تي. ومع كل هذا فانني
افضل استخدام شات جي بي ثي. حتى لو اضطررت الى الخاص بك
لاستخدامها في بلدك. انها اقوى نموذج لغوي المتاح الان. اول
خطوة التلقينات. التلقينات بايجاز هي تلك الاشياء العشوائية
الغبية التي نكتبها لنماذج اللغات على امل ان تقوم بعملنا
لاننا تأخرنا في تسليم بحث او تقرير ما. ولكي تتوقف التلقينات
عن كونها غبية يجب ان تتوفر فيها مجموعة من الشروط. سنتحدث عنها.
ولكن كبداية رجاء توقف عن تسميتها اوامر او مطالبات. لانها
ليست كذلك. اتفقنا? عناصر التلقينات الجيدة. تقول ان احدهم
مات بشكل طبيعي بعد عمر طويل للاسف. لان الذكاء الاصطناعي كان
يفشل كل مرة في كتابة رسالة انتحار جيدة له. المغزى هو ان
التلقينة اذا لم تكن جيدة يستبعد ان تؤدي المطلوب. لهذا السبب يجب
ان تتوفر فيها خمسة عناصر لكي تكون تلقينة جيدة. العنصر الاول
المهمة تاسك. وهو التحديد الواضح للوظيفة او الهدف الذي يجب ان
يركز عليه النموذج. وتعيين المهام في التلقينات امر اساسي
لا اعتقد ان احدا منكم يجهله. الا ان الخطأ الذي سقط فيه
الجميع وهو ضيق الافق. الناس يستخدمون نوعا محدودا جدا من
المهام مثل اكتب لي لخص لي اعد الصياغة. الخبر الجميل ان نماذج
الذكاء قادرة على تنفيذ الاف المهام الاخرى. دعنا نطرح على
السؤال التالي. ما هي مائة مهمة او فعل يمكنه ان تقوم به كنمو
اللغوي. سيخبرنا بالكثير من المهام. ربما تجد فيها ضالتك
وربما لا. انها قمة الجبل الجديدي فقط. دعنا نتعمق في
المهام والامكانيات التي لم يسمع بها احد من قبل. وهنا في نفس
الوقت ساعطيك درسا في مسألة التحديد الواضح للمهمة. دعنا
نغير التلقينة الى التالي. ما هو مائة فعل او امر مباشر يمكن ان
تقوم به كنموذج لغوي يا. الان ها هو يسرد علينا كل ما يعتقد انه
باستطاعته فعله. طبعا بعض هذه الاشياء لا يمكنه القيام بها لكن
المسكين يعتقد انه بامكانه ذلك. وهذا هو ما يهمنا. الامكانيات
غير محدودة. الان ما يهمني هو ان نختار لك منها ثلاث مهام رائعة
جدا. يمكنك الاستفادة منها بشكل يومي. المهمة الاولى الفرز.
النماذج اللغوية قوية جدا في ترتيب الاشياء. لن نستخدمها
لترتيب الاشياء ابجديا. سيكون ذلك اهانة لقوتها. دعنا نجرب
مثالا بسيطا. بما اننا جميعا نحب اكل. رتب لي هذه الاطباق من
الافضل صحيا الى الاقل. الكباب التركي همبرجر الفلافل اسلاك
النحاس الكسكس الفول المدمس كريبس نوتيلا سم الفئران. كما
وضحنا من قبل. النماذج اللغوية تقوم بالمعالجة الدلالية. لا
يضرها خلط اكثر من لغة في التلقين. واليك مثال اخر. رتب من
الاكثر لئما الى الاقل مع ذكر السبب. الجوكر. باربي سبونج بوب.
كابتن ماجد. هيفاء وهبي. المحقق كونان. الابصيري محمد رمضان.
عجيب! عجيب! الان ستكون فهمت فكرة الفرز ويمكنك مثلا
استخدامها كذلك لترتيب لغات البرمجة من الاسهل الى الاصعب او
حسب الوقت المطلوب لتعلمها. ويمكنك ترتيب الكواكب حسب وزنها
او دنوها من الارض الى غير هذا. امور الفرز التي لا يستطيع الاكس
للقيام بها. المهمة الثانية الفلترة. الفلترة او التصفية لا
تتطلب دائما معايير واضحة كفلترة مجموعة من البيانات التي تحتوي
حرفا او رقما معين. في المثال التالي لدي جدول اكسيل يحتوي
الكثير من الاسماء. بعض هذه الاسماء لاشخاص اجانب. هل علي
المرور كل الاسماء ونسخها يدويا لانه لا توجد معايير واضحة
للفلترة. طبعا لا. يمكننا ببساطة نسخ كل الاسماء. وان نطلب من
النموذج اللغوي للقيمة بالعمل. قم بفلترة الاشخاص الذين ليسوا
من اصل عربي. ونلصق الاسماء هكذا. ثم ننفذ. اليست النتيجة
رائعة وتختصر الكثير من الوقت. يمكنك يمكننا استخدامها لفلترة
اي شيء يخطر على بالك. وهذا مثال اخر للفلترة يقوم على استخراج
وتنقيب البيانات. لدينا مستند يحتوي على بعض العشوائية ونريد
ان نستخرج منه الايميلات وارقام الهاتف. ايضا نقوم بنسخ المحتوى
ونطلب من النموذج التالي. استخرج الايميلات وارقام الهاتف من هذا
النص. الامر الرائع وبالتالي يمكنك استخراج اي شيء من
المستندات. لقد اصبح تنظيف البيانات اسهل. هناك اضافات في
الاشتراك المدفوع. تسمح لنا برفع مستندات كبيرة وتنقيب البيانات
منها. المهمة الثالثة الاستنباط. هذه الوظيفة قوية جدا وتهم
الباحثين ومحللي الظواهر. مثلا لدينا هذا الملف به معلومات عن
ايام الاسبوع وعدد المثلجات التي تم بيعها في شاطئ ما وعدد حالات
الغرق. نقوم بنسخ هذه البيانات ونكتب التلقينة التالية. استنبط
سبب منطقيا لنتيجة الحدث. مكان الحدث الشاطئ. البيانات نقوم
بنسق البيانات. لا تقلق. النماذج اللغوية يمكنها ان تتخيل
التنسيق. هذا رائع. لقد استنبط النموذج ان بين ارتفاع عدد حالات
الغرق وعدد قطع الايس كريم المباعة بسبب ان استهلاك الايس
كريم اعلى في الايام الحارة. وبالتالي فان اعداد الناس
بالشاطئ تزيد بسبب الحرارة. مما يعني ان عدد الغرق يرتفع بارتفاع
عدد المصطافين. وليس له علاقة باستهلاك الايس كريم. جميل. يمكن
استخدام نفس المهمة لتحليل البيانات. لن نطيل اكثر. الى
الان ستكون قد استوعبت ان مهام النماذج اللغوية ليست محدودة كما
كنت تعتقد. وان هذه النماذج تفهم اكثر من لغة. وانها تفهم كذلك
البيانات الفوضوية التي ننسخها اليها من الاكسيل والمستندات. ما
زلنا في العنصر الاول من عناصر التلقينة الجيدة. الان سننتقل
الى العنصر التاني. العنصر التاني السياق. رأينا في الفصل
الماضي كيف يمكننا تزويد النماذج اللغوية بتلك المهام الرائعة.
لكن المهام لتنتج نتائج اكثر دقة فهي بحاجة الى سياق. لنفترض انني
شخص مبتدئ يتعلم لغة الان. سنذهب الى باردو ونكتب تمارين لغة
بايثون. النتيجة ليست جيدة. لنجرب الامر في لكن اذا كان
الشخص مبتدأ سيضيع هنا. لنعد الى الان سنضيف السياق اولا. انا
مبتدئ في لغة بايثون واجد صعوبة في فهم الحلقات التكرارية. ثم
اطلب منه المهمة واستثمر مسألة الفرز التي تعلمناها في الجزء
الماضي. اكتب لي تمارين من الاسهل الى الاصعب. مع شرح كل
جزء من الكود. اليس هذا افضل من الاول? تذكر جيدا. هذه الطريقة
انها جيدة جدا في لغات البرمجة. كما ان السياق مهم بشكل حاسم حين
يتعلق الامر بوظائف التسويق الالكتروني. اليك مثال اخر كيف
يمكنني تسويق منتجي? التوجيهات التي يقدمها لنا النموذج عامة.
ما رأيك الان ان نضيف السياق? حسنا سنعيد كتابة التلقينة
بالشكل التالي. انا املك مشروعا صغيرا. لطباعة القمصان وبيعها
للشباب. تصميمات جريئة مبتكرة. لكنني لا اعرف كيف اسوقها خاصة
على الانترنت? اريد خطوات.
هل رأيت كيف تغيرت النتيجة الى الافضل? هناك امر يجب ان تعيه.
معظم النماذج لديها ذاكرة قصيرة خلال المحادثة. هذا لا يعني انه
لا يمكنها تذكر السياق صلة المحادثة. من الافضل اذا اردت
تغيير السياق ان تنشئ محادثة جديدة. او ان تطلب من النموذج ان
ينسى كل شيء. نعم ذلك ممكن. الان سننتقل الى العنصر الثالث.
العنصر الثالث الادوار. رولز. لكي يعمل النموذج اللغوي بافضل
ما لديه يجب اولا ان يعرف اي عباءة يجب ان يرتدي. فحين تقوم
بطرح سؤال ما احيانا يختلف الرد حسب نوع وانت لا تريد ترك ذلك
للصدفة. فعلى سبيل المثال عند سؤال النموذج ما هو البحر?
سيخبرك انه كتلة من المياه الى اخره. اذا اضفنا الدور في
البداية وجعلنا الشكل التالي. انت بروفيسور في الادب العربي.
ما هو البحر. طبعا ستكون اجابة مختلفة والنموذج للتحدث عن
البحور الشعرية. اتقان الادوار اذا كان تخصصك يعتمد على الكتابة
وصناعة المحتوى امر مهم ويؤثر على جودة وقوة النتائج. لنجرب
مثلا هذا. اكتب لي فقرة عن اهمية البيانات. النتيجة كانت عبارة عن
فقرة انشائية مبتذلة.
الان سنضيف الدور. انت مدون تقني محترف مع خبرة كبيرة في علم
البيانات. وتجيد الكتابة الابداعية. اكتب لي فقرة عن
اهمية البيانات. الان هل رأيت كيف استجاب النموذج بشكل مختلف
وقدم لنا فقرة جيدة ومثيرة للاهتمام. بنفس الطريقة يمكنك
كتابة مقالات. فيديوهات او حتى كتب. اذا اضفت السياق مع الادوار
فانت سترفع اللعبة الى مستوى اخر. خاصة في المهام المتعلقة
بالتسويق والتخطيط الاستراتيجي. اذا ما فعله هو تحديد الدور في
بداية التلقينة. ولكي لا نكون غافلين او نضيق على الناس
فالادوار كثيرة وغير محدودة. هذه قائمة باشهرها. لكنني اريدك ان
تشغل دماغك وتبدع في الدور الذي تحتاجه تلقينتك. لانني سبقت
وشرحت لك ان النماذج هي نماذج دلالية وتنظر الى الكلمة عبر
معانيها. لا داعي لحفظ هذه الاشياء. فهي ليست اوامر. العنصر
الرابع. مؤشر المخرجات. تحديد المخرجات هو الامور الرائعة التي
يستمر تسع وتسعون بالمئة من المستخدمين في تجاهلها دائما.
ميزة قوية مثل هذه من العار الا تستفيد منها. ايا كان عملك او
تخصصك. لندخل في صلب الموضوع. وسنستثمر كل العناصر التي
تعلمناها سابقا في تلقينة واحدة. لنبدأ بالدور. انت بروفيسور في
علوم الحاسب. ولديك الاف الطلبة تعلمه البرمجة. الان نضيف
السياق. انا طالب مبتدئ يريد ان يتعلم البرمجة ذاتيا. ثم نضيف
بالتفصيل. من فضلك اخبرني باكثر عشر لغات البرمجة طلبا ودرجة
صعوبة كل لغة من واحد الى عشرة. والوقت المطلوب بالاسابيع لتعلم
كل لغة. كما رأيت فصلنا المهمة بكل لباقة والان سنعود الى السطر
ونحدد صيغة المخرجات هكذا. النتيجة عبارة عن جدول. كما ترى.
المخرجات جاءت عبارة عن جدول. بالمناسبة هذه الجداول يمكن
نسخها لبرنامج الاكسيل. كما يمكننا ايضا تغيير صيغة المخرجة
هكذا الى سي اس بي ثم نسخها ووضعها في ملف نصي وحفظه بصيغة
وهكذا سيتحول الى تلقائيا. من اليوم توقف عن النسخ سطرا بصدر
وخسر الوقت عبر توريد جداول كاملة. هل تعلم كذلك ان يمكنها
القيام ببعض الرسوم البيانية لكنها غبية في ذلك. نتطرق لهذا
الامر حاليا. في المقابل دعنا نتعرف على نوع مخرجات قوي جدا
للطلبة والعلماء. سنكتب التلقينة التالية. انت استاذ احصاء. سنة
الفين واثنين وعشرين كان عدد متابعين مئة وستة وسبعون الفا.
سنة الفين وواحد وعشرين كان عدد المتابعين مئة وثمانية واربعون
الفا ومائة واثنان وسبعون. سنة الفين وعشرين كان عدد المتابعين
ست وخمسون الفا ومئة وتسعة وتسعين. احسب توقعات الثلاث
سنوات القادمة باستخدام مع النتائج. في هذا المثال بغض
النظر عن دقة النتائج. ذلك لا يهمنا. ما اريدك ان تلاحظه
وتفهمه هو ان يستطيع تنفيذ تنسيق لاتكس لكتابة وكل تلك الاشياء
التي نحتاجها في الاوراق العلمية والتمارين المدرسية. والخبر
السعيد بالنسبة للدكاترة هو ان هذا النموذج يمكنه توليد كودات
كذلك. يمكننا نصفها لمحررات المارك داون. النماذج اللغوية
معظمها قادرة على توليد اي نوع من الاكواد البرمجية. لا اظن
انها بحاجة لمثال على ذلك. الميزة التي افادتني بشكل كبير
في مشاريع الويب هي ملفات. حيث اننا احيانا نحتاج لقواعد بيانات
صغيرة للاعدادات البسيطة. المثال اذا كان عندي موقع حيث يدخل
المستخدم اسم دولته ويتم اختيار رمز الهاتف ورمز اللغة تلقائيا
ساذهب هذه المرة الى بارد واطلب منه ان ينشئ لي ملف جيسون بتلك
المعلومة. هكذا اسم الدول ورمزها الهاتفي ورمز لغتها وكلمة مرحبا
بلغتها. المخرجات جيسون. هذا جيد. يجب ان تعرف كذلك ان هذه
النماذج قوية جدا في تحويل صياغ البيانات واعادة استخدامها
لتحويل جداول البيانات الى او لتحويل كود لغة برمجة معينة الى
لغة برمجة اخرى. سنكتشف ذلك في العنصر التالي من عناصر التلقينة
الجيدة. اما الان فاريد ان اهيك صيغة اخرى من صيغ المخرجات قد
تهم مصمم الجرافيكس. هل تعلم انه بامكاني استخدام للرسم? ارسم لي
وجها حزينا بالوان زاهية باستخدام. هذا كود يمكننا
استخدامه مع او يمكنني وهو حفظ الملف بصيغة. اذا فتحناه مع سنرى
التصميم. طبعا ستكون واهم اذا كنت تعتقد انه يمكنك تصميم اشياء
متقدمة بهذه الطريقة. فهذا نموذج لغوي فقط ولم يتم تدريبه على
الرسم نهائيا. فهذا الشيء تعلمه النموذج صدفة. هناك نماذج
توريدية للرسوم والصور مثل ربما سنخصص له حلقة ان اردت. لحظة
تذكرت ان هناك نوع اخر من المخرجات قد يفيد الطلبة كثيرا.
هو المخططات الشجرية. على سبيل المثال مخطط متعدد المستويات
الذكاء الاصطناعي. هذا يمكن ان يكون مفيدا.
وهذا مثال مفيد اكثر من الاول.
بالنسبة لهذا النوع من الخطاطات اسمحوا لي بفهم الاشياء بشكل
فعال. لا ادري عنكم. اصدقائي هذه لائحة بانواع المخرجات التي
تستطيع تحديدها للنماذج. مع هذا اظن انكم تنظرون الى قمة الجبل
الجليدي فقط. هناك اشياء اخرى تنتظر من يكتشفها. العنصر الخامس
المدخلات. هذا العنصر اضافيا الا في بعض الحالات. المدخلات هي
بيانات نضيفها مع التلقينة لكي نسمح للنموذج اللغوي بالتعلم
منها او اخذها كمثال. على سبيل المثال هناك حركة قوية يستخدمها
المسوقون. حين تطلب من على سبيل المثال ان يصمم لك خطة تسويقية
او ينظم لك مشروعا اجد انه من المفيد ان تطلب من الشركة ان
تقدم لك معلومة عن رؤيتها وتعريف مفصل عن خدماتها ونقاط قوتها.
ولما لا بعض ارقامها في الاشهر الاخيرة. هذه المعلومات نضيف في
اخر التلقينة. سنكتب مثالا صغيرا وسنوظف فيه كل عناصر التلقينة
الجيدة. بالاضافة الى هذا العنصر الاخير انت خبير تسويق الكتروني.
نحن متجر صغير للنظارات الطبية نحاول اكتساب زبائن جدد. صمم لنا
استراتيجية تسويقية على شكل تكتيكات ابداعية بصيغة قابلة
للتنفيذ ومقسمة على اسابيع. ثم بعد هذا نضيف كل المعلومات
الموجودة لدينا بعد كتابة معلومة اضافية عنا. عليك ان تضع كل هذه
المعلومات بين اقتباس. ومن ثم اضف كل شيء نعرفه عن الشركة
والمشروع. انا ساضيف كذلك بعض المعلومات الاخرى عن التسويق.
هذه الامور ساعدت على توليد استراتيجية جيدة واكثر تفصيلا
ومراعاة لرؤية المشروع. احيانا للمدخلات الاضافية في مهام
الكتابة ربما تكون مقالا نعطيه للنموذج. ونطلب منه ان يكتب لنا
مقالا بنفس جودته او اسلوبه. يجب الانتباه الى ان تسمح فقط بحوالي
ستة عشر الف حرف في التلقيمة. بينما بارد يسمح لنا باقل من نصف
هذا العدد. كانت هذه العناصر الخمسة حسب تقييمنا اهم عناصر
التلقينة الجيدة. هذا لا يعني انه لا توجد عناصر اخرى في
انتظارك لاكتشافها يا حبيب. ربما كان يجب ان اذكرك قبل بداية
الجزء بان كل هذه التلقينات التي استخدمناها ساشاركها معك على شكل
ملف نصي يمكنك النسخ منه وتجربتها بنفسك. ستجده في صندوق
الوصف. الان سننتقل الى التقنيات وهو موضوع مثير جدا للاهتمام.
وضروري لكل مهندس تلقين. رجاء اذا كنت تسمعني الان معي هذا
الشوط الطويل قم بتسجيل الاشتراك ان لم تفعل بعد ولا تنسى زر
الاعجاب.
مرحبا بكم في الجزء الثاني من هذا الفيديو. تقنيات التلقين.
هناك الكثير من تقنيات التلقين ويمكن للموضوع ان يتشعب. لكن
هناك اربع تقنيات يتفق علماء البيانات انها الاساس والعمود
الفقري لكل التقنيات الاخرى. اذا كنت تود ان تصبح مهندس تلقين فمن
الواجب ان تعرفها. لانك ستسمع هذه المصطلحات باستمرار. التقنية
الاولى. هي التقنية الاصلية التي نشأت نماذج معالجة اللغات
الطبيعية من اجلها اساسا. ففي ستينيات القرن الماضي قام
الدكتور بابتكار. اول في التاريخ. وقد تم استخدامه انذاك
في جلسات العلاج النفسي. كانت الامكانيات واعدة جدا. ولكن
الفكرة فشلت. انها سابقة لاوانها. ولكن من حسن حظ من
يقرأون التاريخ ويتعمقون في دقائق التقنيات انهم جيدون في
اقتناص الفرص. خلاف الاشخاص الذين يبحثون دائما عن سطحيات
التقنية. فما ان حقق الذكاء الاصطناعي صحوته حتى عاد الناس
لاستغلاله في كل شيء. في تنفيذ كل فكرة كانت صعبة التطبيق او
مستحيلة في الماضي. هذا ما فعله اصلا ورفاقه. وهكذا اصبح احفاد
واهمهم اليوم ما احاول قوله ان فكرة نماذج اللغات الكبيرة نشأت
كفكرة وهذا معنى كلمة الموجودة في اسم وبالتالي فان فكرة
التواصل مع بكفاءة قائمة على التلقين الصفري. وهذا الاخير
فضلت ان اطيل في شرح ظروفه التاريخية لان شرح مفهومه بسيط
جدا. هو كتابة تلقينة مباشرة وعامة بدون سياق ولا اي مثال.
والنموذج سيكون قادرا على تزويدك باجابات عن اسئلة لم يتم تدريبه
بالضرورة للاجابة عنها بشكل مباشر. تماما مثلما يفعله غالبية
الناس مع نماذج اللغات الان. الاسئلة المباشرة او الطلبات
القصيرة من امثلتها. ما هي عاصمة فرنسا? لخص لي النص التالي ترجم
الجملة التالية. باختصار التعامل مع النموذج اللغوي على اساس انه
طبعا هذا مؤسف. لان هذه النماذج اصبحت شيئا اكبر. عموما تقنية
رغم ان نتائجها قد لا تكون افضل في بعض السيناريوهات الا انها
سريعة واقل تعقيدا. وضرورية للاستخدامات اليومية. بالاضافة
الى انها ارخص بكثير واقل كلفة لمطور تطبيقات الويب. لان الخاص
بهذه النماذج تدفع فيها مقابل عدد الكلمات. وهذا امر مهم جدا
للمبرمجين. التقنية الثانية. من التقنيات الاصلية التي تستخدم
حتى في عملية تدريب نماذج. نعم. هندسة التلقين تستخدم حتى في
تدريب النماذج. والشركات توظف الكثير من مهندسي التلقين لهذا
الغرض. يمكن النماذج اللغوية من اداء المهام الاكثر تعقيدا بشكل
افضل. وذلك عبر تقديم مجموعة من العروض التوضيحية لهذه النماذج.
ذلك هو ما فعلناه بالضبط في امثلة التلقينة الجيدة. لتتضح
الفكرة فان تقنية زيرو شات السابقة هي اشبه ما تكون
بالاوامر. بينما تقنية هي اشبه ما تكون بالتلقين. اليك مثال
بسيط. سؤال المغرب. الجواب الرباط. سؤال السودان. الجواب
نموذج رد علينا بالخرطوم. دون ان تتضمن التلقينة اي اشارة واضحة
او مباشرة ان المطلوب هو عاصمة السودان. لكننا وضحنا للنموذج
المطلوب منه عبر المثال. البعض سينظر لهذا الامر وكانه شيء غبي
او بديهي. صدقني اذا فكر تقريرا فيما حصل الان بالضبط من جانبه
التقني المحض فنحن امام معجزة. دعنا نستكشف طريقة اخرى لاستخدام
هذه التقنية. اولا سنقوم باختراع كلمة عشوائية لا توجد في اللغة
العربية. على سبيل المثال كلمة جومودار. دع نتأكد اذا كان
النموذج اللغوي لا يعرف اي شيء عنها. واضح انه لا يعرف معناها.
الان لنكتب التلقينة التالية. كان جمال عن الرياح في سيارته.
وكان مانعا. اعطني خمس جمل تتضمن كلمة جمودار. ارأيت? انه تعلم
كلمة جديدة وفهم معناها من السياق. بل ها هو اعطانا خمس جمل
تتضمنها. باسلوب متين جدا. اتقان هذه التقنية يسمح لنا بدفع
النماذج الى حافة قوتها عبر اعادة تدريبها. انها بكفاءة
مرعبة. تخيل معي انها تتعلم شيئا جديدا بالكامل عن مثال واحد فقط.
هذه القوة يجب ان تستغلها لتقود واشباهها الى النتيجة التي تطمح
اليها. ملاحظة يجب الانتباه اليها. المثالين السابقين هناك
من يطلق عليهما. لاننا استخدمنا مثالا واحدة. وهذا يجعلك تتسائل
كيف ستصبح قوة هذه النماذج اذا استخدمت امثلة متعددة ووفرت
سياقا كاملا اثناء التلقين? سنرى مثالا اخر للتصنيف. بما هذه
التقنية جيدة في التصنيف لنفترض انني صاحب متجر ويأتي اشخاص
بعضهم نصاب والبعض الاخر صادق لكنني ذكي ما شاء الله وحفظت كل
ما قالوا لي وضعتها على الشكل التالي مع النتيجة التي حصلت
عليها. بيع لي وسادفع لك لاحقا لانني نسيت المال. هذا نصاب.
ساشتري واحدة وسادفع لك الان. ليس نصاب. هل تقبل الدفع بالبيت
كوين? نصاب. جارك لديه اثمنة افضل منك. نصاب. ساخذ عشرة لكن
اريد التخفيض. ليس نصاب. بعد ذلك سنضيف الجملة الجديدة التي لا
نعرف نتيجتها. وهي اعطني اثنان وساعود للدفع لاحقا. النموذج رد
وهو جاهز لتحليل احتمالية النصب المستقبل. انه نموذج احصائي جاهز
للتنبؤ. بل هو افضل حتى. لان النماذج الاحصائية تحتاج بيانات
ضخمة ومعادلات. السؤال هل يمكنني استخدام هذه التقنية في حياة
العملية لحساب احتمالية حدوث شيء ما. على سبيل المثال فقدان عميل
او مدى جدية صفقة ما. الجواب نعم وبقوة. ولكن يجب ان تجمع بيانات
كافية عن تجاربك السابقة لكي تستطيع تقديمها على شكل للنموذج.
التقنية الثالثة. هل سبق وطلبت من القيام بعملية حسابية منطقية
بسيطة جدا. ولكنه فشل في ذلك. هل نمت مطمئنا تلك الليلة? لان
الذكاء الاصطناعي ما زال غبيا. وانك تفوقت عليه? دعني اخيب ظنك.
ان ما حصل فقط هو انك لا تعرف كيف تتعامل مع هذه النماذج. ولم
تسمع قط بتقنية السي يو تي. التي سنطلق عليها بالعربي التلقين
باستخدام تسلسل الفكرة. هذه التقنية ظهرت لاول مرة العام
الماضي في ورقة علمية من تأليف جيسون وي ورفاقه. حيث اثبتوا بما
لا يقبل الشك ان سلسلة من خطوات التفكير الوسيطة يمكنها ان تحسن
بشكل كبير من قدرة النماذج اللغوية الكبيرة على اداء المهام
المنطقية المعقدة. دعنا نكتشف ذلك عبر المثال التالي. احمد
لديه قلمين. واشترى ثلاث علب اقلام كل واحدة سعتها عشرة
اقلام. لكن احداها فيها النصف فقط. كم قلم لدى احمد. تعال
نتفرج على الاجوبة في ايهما اعطانا الجواب الصحيح? الجواب
ولا واحد منهما. لان احمد لديه سبع وعشرون قلما. وهذه مسألة من
كتاب المدرسة الابتدائية. هنا تأتي اهمية التلقين بتسلسل
الفكرة. ما سنفعله هنا هو دمج معه. اولا لنقوم باضافة مسألة
شبيهة سهلة في بداية التلقينة. السؤال مريم اشترت قطعة
شوكولاتة. ثم اشترت علبتي شوكولاتة سعة كل واحدة منهما
اربع قطع. الا ان احدى هذه العلب تحتوي على النصف فقط. كم قطعة
شوكولاتة لدى مريم? الجواب القطعة لتي كانت لديها زائد
العلبة الاولى اربع قطع زائد العلبة الثانية قطعتين فقط لان
فيها النصف. المجموع يساوي ثمانية. ثم نضيف الان مسألتنا.
السؤال احمد لديه قلمين واشترى ثلاث علب اقلام. كل واحدة سعتها
عشرة اقلام. ولكن احداها فيها النصف فقط. كم قلم لدى احمد.
الان هل رأيت كيف اصبح الرد افضل بكثير بنفس الطريقة? يمكنك
مساعدة النماذج اللغوية على حل اعقد واصعب المسائل المنطقية.
لكن لا تخلط بين بتسلسل الافكار في المثال السابق هو طريقة
اجابتنا على المسألة الاولى. سنمسح تسلسل الحل في الجواب ونضع
النتيجة فقط. هل رأيت ماذا حصل? لقد عاد النموذج الى ضلاله
القديم. يعني القضية كلها حول تسلسل الحل. والمثير للاهتمام
كيف بامكاننا احيانا اعطاء امثلة صغيرة للنموذج? بحيث يساعدنا في
حل مسائل اكثر تعقيدا. ساضع لكم رابط الورقة العلمية لمراجعتها
والاستفادة اكثر مما تتضمن من امثلة وافكار. التقنية الرابعة
في سيناريوهات الحياة الواقعية عند مواجهة مشكلة ما. غالبا ما
نستكشف كبشر مسارات تفكير مختلفة او نستشير مصادر متعددة للوصول
الى قرار مستنير. وبالمثل يهدف الاتساق الذاتي الى محاكاة هذه
العملية من خلال تزويد النموذج اللغوي بوجهات نظر متنوعة
وتشجيعه على تقييم منطقه بشكل نقدي. من خلال القيام بذلك فانه
يزيد من احتمال توليد استجابة دقيقة وغير قبل كل شيء اريدك ان
تعرف ان الاتساق الذاتي يبنى على التقنية الثالثة كما ان التقنية
الثالثة تبنى على التقنية التي قبلها. تقنية ترتيبنا ليس
عشوائيا. نحن الان في تقنية الاتساق الذاتي ويرمز لها بالسي
اس. دعنا نختبر مثالا جديدا. عندما كنت بالسادسة من عمري كانت
اختي نصف عمري. عمري الان سبعون سنة. كم عمر اختي? كما ترى
الجواب غبي مرة اخرى. اذا كيف يمكننا تصويب الامر من خلال
الاتساق الذاتي? امر بسيط لكنه متعب لاغلبكم. يجب ان نقدم
للنموذج مجموعة من الامثلة المنطقية المتنوعة. ومن الافضل
تقديم الامثلة من داخل شركتك او مجال عملك. لكن على كل حال يمكن
تقديم مسائل مختلفة كما كما سافعل الان. ساسرع الفيديو.
ساسرعه اكثر. الان انتهيت من كتابة المسائل وساضيف سؤالنا
الاخير. الجواب سبع وستون. نعم صحيح. سترى ان معظم الامثلة
تستعرض طرق التحليل المنطقي الرياضي لا اقل ولا اكثر. عموما
لا حاجة كي اذكر اخرى انني ساشارك معك هذه التلقينات في
صندوق الوصف. ثبت ان الالتصاق الذاتي يحسن النتائج في المهام
الحسابية والمنطقية وفي التفكير الرمزي. حتى عندما تبين ان
العادي غير فعال كان الالتصاق الذاتي لا يزال قادرا على تحسين
النتائج. هذا ما ورد في ورقة علمية بعنوان.
سأتأكد من وضع رابطها في صندوق الوصف لتطلع على البحث والامثلة.
توجد تقنية اخرى لكن سنكتفي بما ذكرنا لان هذه التقنيات هي ام
التخصص. في الفصل التالي سنتحدث عن افضل المعايير التي وضعها لك
الخبراء كي تستفيد من هذه النماذج اللغوية بافضل طريقة
ممكنة. وطبعا سنتحدث عن سلوكيات غير فعالة نهائيا كي لا تضيع
وقتك معها. اسرار يخفيها عنك مهندس التلقين. كنت اريد ان اقدم
لكم افضل النصائح من خبراء وجوجل. لكنني وجدت معظم النصائح
بديهية وعامة. بدلا من ذلك ساشارك معكم ثلاثة اسرار قدمها
لمحمد وهو عالم البيانات ومهندس التلقين لدينا. السر الاول كل
تلقينة هي مشروع مفتوح. يجب ان تبدأ بتصميم تلقينات بسيطة
وقصيرة. ثم تختبر مدى تجاوب النموذج قبل ان تضيف الادوار
والسياقة والاشياء الجميلة الاخرى. لا يوجد مهندس تلقين
يكتب كل شيء في البداية. انها رحلة. فانت تبدأ وتستمر والتعديل
تجريبيا حتى تحصل على النتائج المثلى. وهذا قد يأخذ سنوات.
شخصيا اعرف اشخاصا يقومون بتحسين التلقينة الواحدة وتطويرها لمدة
اشهر. النتائج التي يحصلون عليها في مجال عملهم مبهرة جدا. وبعض
هذه التلقينات يمكن بيعها بآلاف الدولارات. بالمناسبة توجد منصة
لبيع التلقينات مثل. وهذا سر اخر اذا اردت تحقيق بعض الدخل. السر
الثاني استخدم التلقينات لتحسين التلقينات. قد يبدو هذا غريبا.
لكن نعم يمكنك ان تذهب الى وتطلب منه ان يكتب لك افضل تلقينة
ممكنة لاداء اغراض معين. اليك مثالا بسيط قم بانشاء افضل
لتفهمها لكتابة افضل مقال في موضوع معين مع ترك فراغ لكتابة
الموضوع الذي نريده. المخرجات. ها هي التلقينة. هذا امر رائع
جدا. هل رأيت جودتها? لا تنسى انه يمكننا دائما عمل لها. حتى
نرى امثلة اخرى. بعضها جيد وبعضها الاخر اقل جودة. الان ان
نطلب من النموذج اضافة التحسينات. قم بتحسين عبر اضافة
رول وتحويلها الى تعليمات مفصلة واتباع تقنية.
الان حصلنا على نتائج افضل. دعنا ننسخها في محادثة جديدة ونجربها
مع موضوع عشوائي متعلق بالقهوة. ما رأيك بهذه النتائج? اعلم انها
افضل لا شك في ذلك وبمجهود اقل. هنا اريدك ان تفهم ان افضل
استخدام لهذه التقنية يحصل عندما تقدم للنموذج التلقينة التي
كتبها باستخدام كل ما علمناك اياه. ثم تطلب من النموذج ان
يحسنها لك او يطبقها لسياق معين. اذا كنت تتذكر السر الاول فلا
تتوقف عن التحسين والتطوير حتى تصل الى نتائج لحظة فداخل كل سر
اقدمه لك سر اخر هدية. هل تعلم انه باستخدام نفس التقنية يمكنك
توليد تلقينات ايضا. وصدقني النتائج رائعة. ربما ساضع لك
ملفا اخر وفيه نماذج من تلقينات ستساعدك على توليد الصور ورسومات
عالية الجودة. السر الثالث استخدم القوالب. لا اقصد طبعا
القوالب بالمعنى الدارجة عند المغاربة لانهم يطلقونها على
الحيل. انا اتكلم عن قوالب الاكسيل حيث يمكنك استخدامها
لاختصار المزيد من الوقت وتحقيق الهدف الانتاجية. على سبيل
المثال لنأخذ احدى التلقينات السابقة. سنقوم بتحويلها الى او
فراغات للاشياء المتغيرة داخلها. نذهب الى الاكسيل ونضع عمودا لكل
فراغ بالشكل التالي. ثم نذهب الى اخر عمود ونسميه التلقين. نقوم
بعمل فورمين لجمع التلقينة مع الفراغات. ساعدوني. ماذا افعل
هنا? هيا بربكم هل سنبدأ بتقديم هذا النوع من الشروحات فعلا?
حسنا. المهم هو ان لدينا. كل ما ستقوم به الان هو ادخال
المعلومات ثم نسخ التلقينات. هذا امر يساعد كثيرا خاصة الحالات
التي يكون فيها مطلوب منك انشاء عشرات المقالات او التقارير.
للاسف الحلقة ليست لمبرمجين. والا كنت ساشرح لكم كيف تستخدمون
الاكسيل ليس لبناء التلقينات فقط. بل حتى لتنفيذها من داخله
مباشرة. مع هذا لن اترككم بدون اي شيء. السر الموجود داخل هذا
السر هو انه يمكنكم الذهاب الى جوجل شيتس وفتح جدول جديد ثم
الذهاب الى والبحث عن اضافة اسم دوكس. وتثبيتها. ستحتاج لكن هذا
سهل جدا. ستجد الشرح في التوثيق الخاص بالاضافة. ساتأكد من اضافة
الروابط كذلك في صندوق الوصف. كانت هذه ثلاث اسرار او لنقل ستة
اسرار مهمة. سنقدم المزيد في حساباتنا على وسائل التواصل اذا
اردت تتابعنا هناك. الوقت متأخر جدا. ننتقل الى الفصل التالي.
انه مهم. وسنستعرض بعض المصادر الجيدة لتعلم هندسة التلقين.
مصادر قوية لتعلم هندسة التلقين. اولا وهي صفحة تحتوي على كل شيء
من الادلة والامثلة البسيطة حتى الاوراق العلمية وهي مفارشة بشكل
جميل. ثانيا هذا الكورس ما يميزه هو انه من تقديم بالشراكة مع
كورس جميل لكنه موجه للمطورين والمبرمجين. مع هذا فهو واحد من
افضل الكورسات المجانية في هذا المجال. ثالثا عبارة عن دليل
شامل لكل تقنيات هندسة التلقين بما في ذلك الامثلة والنصائح
وافضل الممارسات. رابعا هذا الكتاب يضم اكثر من ثلاثمائة
تلقين التفكير الابداعي في الكتابة واثراء الافكار
والمنظور. مما يجعله مصدرا مفيدا للكتاب من جميع المستويات. سواء
كانوا مبتدئين او محترفين. خامسا صفحة الاوراق العلمية لهندسة
التلقين. هي صفحة تضم مجموعة ضخمة من الاوراق العلمية التي
تهم هندسة التلقين. مناسبة للباحثين والاشخاص الذين لديهم
فضول علمي عميق. بالاضافة الى هذه المصادر توجد الكثير من
الكورسات المدفوعة. لم اقم بذكرها لانه لم تتاح لي فرصة
تجربة اي منها. هناك ايضا مجموعة من التشغيل على اليوتيوب ربما
تضع كل هذا من اجلك في صندوق الوصف. لا احتاج منك سوى دعم
المحتوى العربي حتى نقدم لك كل ما نستطيع. في الجزء القادم
سنتحدث عن تهديد عظيم يتربص بك وبابنائك. ارجو الا يفوتك ذلك
حتى تحذر. لان هذه النماذج سلاح ذو حدين.
التهديد الخطير الذي سوف يدمر ثقافتنا. من بين كل التهديدات
التي تحملها النماذج اللغوية في طياتها ما يشغلني فعلا ليس تهديد
لقمة الرزق او الاستغناء عن العمالة البشرية. التهديد
الحقيقي هو الانحياز. اعلم انني ساتعرض للانتقاد بسبب هذا الجزء.
وقد يتم تقييد وصول هذا الفيديو بسببه. لكن لا يهم لن اضيع
الفرصة المهمة دون التنبيه عن هذا الخطر الذي يبدو ان الجميع
لا يريد الحديث عنه. بسبب قوة تأثير حركة الووكيز. حسنا.
المشكلة بدأت مع تدريب نماذج اللغات الكبيرة الاولى فمنذ
البداية وبسبب طبيعة البشرية كانت البيانات تحتوي على
انحيازات عظيمة جدا. ولقد كان واضحا بما لا يدع الشك ان هذه
النماذج تنحاز للبيض ضد السود وللرجال ضد النساء. فاتكلم عن
انواع الانحياز التي يتباكى بسببها بعضهم اليوم. اتكلم عن
انحياز واضح ومباشر لدرجة انك اذا سألت النموذج ايهما افضل.
الرجل الاسود او الابيض. سيقول لك الرجل الابيض افضل. وهذا ما
اقصده. ونفس الامر ينطبق حين تسأله ايهما افضل العربي او
الامريكي? طبعا انت تعرف الجواب. هذا الانحياز يأتي ببساطة من
بيانات التدريب التي ليست سوى عبارة عن مؤلفات قديمة ومقالات
ومنشورات من السوشيال ميديا. هذا الانحياز الجاهلي المقيت كلنا
ضده. اذا اين المشكلة? المشكلة هي ان هذه الشركات لمنع الانحياز
في النماذج اللغوية بدأت بروتوكولا جديدا حيث قررت
بالاجماع ان تقوم باضافة اوزار وتصويبات اثناء عملية التدريب.
وحتى بعدها. اعلم انك تتساءل. اذا اين المشكلة? المشكلة هي ان
هذه الاوزان والتصويبات هي بنفسها عبارة عن مجموعة من
التحيزات الجديدة. قد يكون بعضها جيدا لا ننكر. لكن خمنوا ما هي
الحركة العالمية التي نصبت نفسها وصيا على تفضيلاتها. هي نفس
الحركة التي تعتبرك شخصا سيئا اذا تمنيت فقط الا يكون ابنك
مثليا. وهي نفس الحركة التي تعتبرك انسانة متخلفة وحقيرة اذا
فضلت رعاية زوج وطفلك على حياة وظيفة المصنع. انا ليس لدي مشكل
مع اختياراتك في هذه الحياة. ما احاول قوله هو ان هذه الجهات
التي تسهر على نشر ثقافة المساواة ونبذ التميز لا يستبعد
ان تكون متحيزة لاجنداتها الخاصة. وقد يكون ما هو جيد
وطبيعي وجميل حسب معتقداتك وثقافتك امرا مكروها بل واجراميا
في منظومة الاعتقاد الخاصة بتيار ما بعد الحداثة. فطفلك مثلا اذا
سأل بارد هل ممارسة الجنس مع صديقه او صديقته في حالة التراضي
امر فسيخبره بان ذلك جيد. نعم. كذلك لديه لحظاته حيث يتم
استخدام النصوص الدينية كتشريع لامور محرمة في الدين اصلا. لكن
يبقى الاسوأ. هل تريد ان تسمع نكتة? انهم يقولون هو الاكثر
امانا والاكثر احتراما للاقليات. ومن بين هذا وذاك ورغم كل جهودهم
يتم كتابة الاف المقالات والاوراق العلمية تنتقد فيهم
حركة هذه النماذج اللغوية لانها حسب زعمهم لا تقوم بما يكفي لنشر
افكار امنة للمجتمع. اذا كنت شخصا ملتزما ويملك قناعات دينية
او اخلاقية يجب الانتباه الى ان الخطر يكمن في زيادة الاعتماد
على هذه النماذج. انها تجعل الاعتماد عليها امرا سهلا ونحن
مخلوقات كسولة اصلا. في يوم ما سنبدأ نحن واطفالنا بالاعتماد
عليها في كل شيء. وسنتوجه اليها بكل الاسئلة التي تجول في
خواطرنا. وحتى وبدون ان نشعر ومع قوة التكرار ستزرع فينا قناعات
غريبة عنا وسنقبلها بكل سرور. وما سيزيد الطين بلة هو الانتاج
البشري قد يختفي. فالدكتور يقول بان ما تنتجه هو تشاد جي بي تي
لوحدها من المحتوى في اسبوعين فقط يوازي كمية المحتوى المكتوب
الذي انتجته البشرية منذ نشأتها. هذه ليست تكهنات. فالدكتور
الانجي تومسون هو واحد من اهم خبراء ومستشاري الذكاء الاصطناعي
لدى مجموعة من الحكومات الغربية. وعمل مع اوبن ايه وجوجل ومجموعة
من المنظمات الاخرى مثل راند ونازا ومايكروسوفت. تخيل انه في
يوم ما قد يتراكم محتوى الذكاء اصطناعي ويدفن تحته كل ما انتجته
البشرية بجميله وقبيحه. وانذاك سنبدأ برؤية الحياة بناء على
القناعات التي تعلمها لنا هذه النماذج اللغوية. لا اعرف فعلا
اذا كان سيتحقق هذا المستقبل ام لا. ولكن لا يهم فنحن هنا نفكر
ونتسائل كيف يمكننا حماية ارثنا وثقافتنا بل وحضارتنا كبشر. وانا
وانت دوري ودوركم التفكير. في الحلول وباذن الله سنجد طرقا فقط
اذا ادركنا نوع الخطر الذي نواجهه. ختاما اعرف انني اطلت
واتمنى ان لا اكون ضيفا ثقيلا على قلوبكم. اريدكم فقط ان ظننتم
ان هذا الفيديو مفيد ان تخبروني عبر التعليقات في الاسفل. وان
تشاركوا الكورس مع من تحبون لتعم الفائدة. فهذه المادة بالمناسبة
خالية من الموسيقى والمخالفات الشرعية لعلها تكون لنا ولكم
صدقة جارية. شكرا جزيلا لكل من اراد ان يدعمنا في على للمساهمة
في اثراء المحتوى العربي. هدفنا تقديم المزيد من الكورسات
العالية الجودة بشكل مجاني وبلغة عربية للجميع. شكرا جزيلا لكل
متابعينا الرائعين ولكل من يساعد ولو بكلمة طيبة. شكرا للاخوة
القائمين على اضافة الترجمات. القاكم في حلقة قادمة. والسلام
عليكم ورحمة الله وبركاته. واستودعكم الله الذي لا تضيع
ودائعه.
5.0 / 5 (0 votes)
Merge Models Locally While Fine-Tuning on Custom Data Locally - LM Cocktail
Our First Family Baseball Game! DELLA VLOGS
37% Better Output with 15 Lines of Code - Llama 3 8B (Ollama) & 70B (Groq)
Can @RkReddy Defeat My 71 Ovr 🇮🇳 Team in Fc Mobile || 100 OVR vs 71 OVR 🤯
ChatGPT Built my FIFA MOBILE Squad!
How to Select an AI Model for Specific Domain or Task