جدول المحتويات
يعرّف هذا المعجم 40 مصطلحًا تتكرر في مشاريع الذكاء الاصطناعي الصناعي، من النماذج اللغوية الكبيرة وRAG إلى المستشعرات البرمجية والتوائم الرقمية. ويقدّم كل مدخل المصطلح بالعربية والفرنسية والإنجليزية مع تعريف موجز، حتى يقصد المهندسون والمديرون والمورّدون الشيء نفسه وإن كتبوا بلغات مختلفة.
أهم النقاط
- جُمعت المصطلحات في ستة محاور: المفاهيم الأساسية، والنماذج اللغوية، والبحث في الوثائق، والمساعدات والوكلاء، والنشر والأمن، وبيانات المصنع ونماذج العمليات.
- حين تعرّف مصطلحًا ما جهةٌ معيارية أو رسمية (OECD وNIST وCISA وOWASP وOpen Source Initiative)، يتبع المدخل ذلك التعريف ويحيل إليه.
- تبقى الاختصارات مثل LLM وRAG وOCR وGPU وDoE بالحروف اللاتينية في اللغات الثلاث، كما تحتفظ الممارسة الفرنسية بكثير من المصطلحات الإنجليزية مثل token وfine-tuning.
- يميّز جدول في آخر المقال بين مصطلحات يكثر الخلط بينها، مثل مفتوح الأوزان ومفتوح المصدر.
المفاهيم الأساسية
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| نظام ذكاء اصطناعي | système d'IA | AI system |
| التعلم الآلي | apprentissage automatique | machine learning (ML) |
| الذكاء الاصطناعي التوليدي | IA générative | generative AI |
| نموذج لغوي كبير | grand modèle de langage (LLM) | large language model (LLM) |
| نموذج لغوي صغير | petit modèle de langage (SLM) | small language model (SLM) |
- نظام الذكاء الاصطناعي. تعرّفه منظمة التعاون الاقتصادي والتنمية (OECD) بأنه نظام آلي يستنتج، من المدخلات التي يتلقاها، كيف يولّد مخرجات مثل التنبؤات أو المحتوى أو التوصيات أو القرارات التي يمكن أن تؤثر في بيئات مادية أو افتراضية (OECD). وتختلف الأنظمة في درجة استقلاليتها وقدرتها على التكيّف بعد النشر.
- التعلم الآلي (ML). خوارزميات تتعلم من البيانات لتقديم تنبؤات أو اتخاذ قرارات دون أن تُبرمج صراحةً لكل حالة (CISA وشركاؤها). ومعظم النماذج الصناعية، من المستشعرات البرمجية إلى كاشفات الشذوذ، نماذج تعلم آلي.
- الذكاء الاصطناعي التوليدي. نماذج تنتج محتوى جديدًا مثل النصوص أو الصور أو الشيفرة البرمجية. ويعتمد ملف الذكاء الاصطناعي التوليدي الصادر عن NIST التعريف التالي: «فئة نماذج الذكاء الاصطناعي التي تحاكي بنية بيانات الإدخال وخصائصها لتوليد محتوى اصطناعي مشتق» (NIST AI 600-1).
- النموذج اللغوي الكبير (LLM). نموذج تعلم آلي مصمَّم لفهم طلب مكتوب بلغة طبيعية وتوليد إجابة يفهمها البشر (CISA وشركاؤها). وDALILE مساعد من هذا النوع يعمل على خوادمكم الخاصة.
- النموذج اللغوي الصغير (SLM). نموذج لغوي صغير بما يكفي ليعمل على عتاد متواضع، مثل وحدة GPU واحدة. ولا يوجد حدّ رسمي للحجم؛ راجعوا النماذج اللغوية الصغيرة في الصناعة.
العمل مع النماذج اللغوية
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| رمز (token) | token (jeton) | token |
| نافذة السياق | fenêtre de contexte | context window |
| الاستدلال (inference) | inférence | inference |
| الهلوسة | hallucination | hallucination |
| الضبط الدقيق | fine-tuning (affinage) | fine-tuning |
| التكميم | quantification | quantization |
- الرمز (token). وحدة النص التي يقرؤها النموذج ويكتبها، وكثيرًا ما تكون كلمة أو جزءًا من كلمة. وقد يعطي النص نفسه أعدادًا مختلفة جدًا من الرموز بالعربية والفرنسية والإنجليزية بحسب أداة التقطيع إلى رموز (tokenizer) (اختيار LLM مفتوح الأوزان).
- نافذة السياق. أقصى عدد من الرموز يستطيع النموذج أخذه في الحسبان دفعة واحدة، بما في ذلك التعليمات والمقاطع المسترجعة وإجابته.
- الاستدلال (inference). تشغيل نموذج مدرَّب لإنتاج مخرجات، في مقابل تدريبه. وفي النشر داخل المنشأة، هو عبء العمل اليومي الذي تُحدَّد على أساسه سعة خوادم GPU (دليل تحديد حجم وحدات GPU).
- الهلوسة. محتوى خاطئ يُقدَّم بثقة ينتجه نموذج توليدي. ويسميها NIST «التلفيق» (confabulation) ويصفها بأنها نتيجة طبيعية لطريقة توليد هذه النماذج للنص، كالتنبؤ بالرمز التالي مثلًا (NIST AI 600-1).
- الضبط الدقيق (fine-tuning). مواصلة تدريب نموذج موجود على أمثلتكم الخاصة، فتتغير أوزانه. ومن الأساليب الشائعة منخفضة الكلفة أسلوب LoRA، الذي يجمّد الأوزان الأصلية ويدرّب مصفوفات صغيرة مضافة (Hu et al., 2021). والضبط الدقيق يغيّر السلوك أكثر مما يضيف المعرفة؛ راجعوا الضبط الدقيق أم RAG.
- التكميم (quantization). تخزين أوزان النموذج بعدد أقل من البتات، مثل 8 أو 4 بدل 16، لتقليل ذاكرة GPU اللازمة. وقد يخفض الدقة، لذلك اختبروا النموذج المكمَّم على مهامكم الخاصة.
البحث في الوثائق والبيانات
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| التوليد المعزز بالاسترجاع (RAG) | génération augmentée par récupération (RAG) | retrieval-augmented generation (RAG) |
| التضمين (embedding) | embedding (plongement vectoriel) | embedding |
| التقطيع (chunking) | découpage (chunking) | chunking |
| البحث الهجين | recherche hybride | hybrid search |
| نموذج إعادة الترتيب (reranker) | modèle de reclassement (reranker) | reranker |
| التعرف الضوئي على الحروف (OCR) | reconnaissance optique de caractères (OCR) | optical character recognition (OCR) |
| تحويل النص إلى استعلام SQL | text-to-SQL | text-to-SQL |
- التوليد المعزز بالاسترجاع (RAG). يسترجع النظام أولًا المقاطع ذات الصلة من وثائقكم، ثم يجعل النموذج اللغوي يجيب انطلاقًا منها مع ذكر المراجع. ويعود المصطلح إلى ورقة نشرها Lewis et al. عام 2020؛ راجعوا دليلنا لـ RAG على أدلة الصيانة.
- التضمين (embedding). متجه من الأرقام يمثّل معنى مقطع نصي، بحيث تتقارب المقاطع المتشابهة في المعنى. وتُخزَّن التضمينات في قاعدة بيانات متجهية ويُبحث فيها بالتشابه.
- التقطيع (chunking). تقسيم الوثائق إلى مقاطع قبل فهرستها، ويُفضَّل أن يتبع بنيتها حتى لا يُفصل جدول أو تحذير عن سياقه.
- البحث الهجين. الجمع بين البحث المتجهي والبحث بالكلمات المفتاحية، مثل BM25، الذي يجد أرقام القطع ورموز الإنذار الدقيقة التي يميل البحث المتجهي إلى إغفالها.
- نموذج إعادة الترتيب (reranker). نموذج ثانٍ يعيد ترتيب المقاطع المسترجعة حسب صلتها بالسؤال، فلا يصل إلى النموذج اللغوي إلا أفضلها.
- التعرف الضوئي على الحروف (OCR). تحويل الصفحات الممسوحة ضوئيًا أو الصور إلى نص. ولا تزال الكتابة العربية والأرقام والجداول صعبة، لذلك افحصوا عينات يدويًا (OCR للوثائق التقنية الممسوحة).
- تحويل النص إلى استعلام SQL (text-to-SQL). تحويل سؤال بلغة عادية إلى استعلام في قاعدة بيانات. ويتولى DALILE كتابة SQL ليستعلم المستخدمون قواعد البيانات بلغة عادية؛ راجعوا text-to-SQL على قواعد بيانات الإنتاج.
المساعدات والوكلاء
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| روبوت المحادثة (chatbot) | chatbot (agent conversationnel) | chatbot |
| مساعد مدمج (copilot) | copilote | copilot |
| وكيل ذكاء اصطناعي | agent IA | AI agent |
| الإنسان في الحلقة | humain dans la boucle | human in the loop |
| مجموعة التقييم | jeu d'évaluation | evaluation set |
- روبوت المحادثة (chatbot). برنامج يجيب داخل محادثة ولا يغيّر شيئًا خارجها.
- المساعد المدمج (copilot). مساعد مدمج في الأداة التي يُنجز فيها العمل. يصوغ المسودات ويقترح، والشخص هو من يقرر وينفّذ كل إجراء.
- وكيل الذكاء الاصطناعي. برنامج يستطيع معالجة البيانات واتخاذ القرارات وإطلاق إجراءات مستقلة باستخدام نماذج الذكاء الاصطناعي والتعلم الآلي (CISA وشركاؤها). وما يميّزه عن روبوت المحادثة هو الإذن بالتصرف في أنظمة أخرى؛ راجعوا Chatbot أم Copilot أم وكيل ذكاء اصطناعي.
- الإنسان في الحلقة. شخص يراجع مخرجات الذكاء الاصطناعي أو يوافق عليها قبل أن تُنفَّذ. وتوصي الإرشادات المشتركة الصادرة عن CISA والوكالات الشريكة بالحدّ من التحكم الفعلي للذكاء الاصطناعي في أنظمة OT دون وجود إنسان في الحلقة (CISA وشركاؤها). للمزيد: الإنسان في الحلقة مع وكلاء الذكاء الاصطناعي.
- مجموعة التقييم. مجموعة ثابتة من الأسئلة أو الحالات الحقيقية المعروفة إجاباتها الصحيحة، تُستخدم لقياس النظام قبل التشغيل وبعد كل تعديل (تقييم LLM على وثائقكم).
النشر والأمن والسيادة
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| داخل المنشأة (on-premise) | on-premise (sur site) | on-premise |
| العزل عن الشبكة (air gap) | air gap (isolement physique) | air gap |
| الذكاء الاصطناعي السيادي | IA souveraine | sovereign AI |
| نموذج مفتوح الأوزان | modèle open-weight | open-weight model |
| حقن التعليمات (prompt injection) | injection de prompt | prompt injection |
| السلطة الوطنية لحماية المعطيات ذات الطابع الشخصي | Autorité nationale de protection des données à caractère personnel (ANPDP) | ANPDP |
- داخل المنشأة (on-premise). تعمل البرمجيات والنماذج على خوادم تتحكم فيها الشركة داخل مرافقها، لا على سحابة مزوّد خدمة. وهكذا يعمل DALILE: تُعالَج بياناتكم على خوادمكم الخاصة.
- العزل عن الشبكة (air gap). يعرّفه معجم NIST بأنه واجهة بين نظامين غير متصلين ماديًا، لا يكون فيها أي اتصال منطقي آليًا، ولا تنتقل البيانات عبرها إلا يدويًا وتحت رقابة بشرية (NIST CSRC). راجعوا الذكاء الاصطناعي المعزول عن الشبكة.
- الذكاء الاصطناعي السيادي. لا يوجد تعريف معياري له. وفي الصناعة يعني عادةً أن تحتفظ الشركة بالتحكم في بياناتها ونماذجها وبنيتها التحتية وتشغيلها (دليل الذكاء الاصطناعي السيادي؛ السحابة السيادية أم السحابة الخاصة أم داخل المنشأة).
- النموذج مفتوح الأوزان (open-weight). نموذج يمكنكم تنزيل أوزانه المدرَّبة وتشغيلها على عتادكم الخاص، وفق ترخيص الناشر. وهذا لا يعني أنه مفتوح المصدر: إذ يشترط تعريف الذكاء الاصطناعي مفتوح المصدر أيضًا شيفرة التدريب والتشغيل ومعلومات كافية عن بيانات التدريب لبناء نظام مكافئ في جوهره.
- حقن التعليمات (prompt injection). هجوم تغيّر فيه تعليماتٌ مخفية في مدخلات المستخدم، أو في ملف أو صفحة ويب يقرؤها النموذج، سلوكَ النموذج على نحو غير مقصود. ويُسمّى أيضًا «حقن الأوامر». وتضعه OWASP في المرتبة الأولى (LLM01) في قائمتها لعام 2025 لأهم عشرة مخاطر في تطبيقات LLM (OWASP)؛ راجعوا تأمين LLM داخل المنشأة.
- السلطة الوطنية لحماية المعطيات ذات الطابع الشخصي (ANPDP). السلطة الجزائرية المكلّفة بحماية المعطيات الشخصية، وتسهر على تطبيق القانون 18-07 المؤرخ في 10 يونيو 2018، المعدَّل بالقانون 25-11 المؤرخ في 24 يوليو 2025. وبحسب دليل CMS، يتطلب نقل المعطيات الشخصية إلى الخارج ترخيصًا منها. تحققوا مع مستشار قانوني من كيفية تطبيق ذلك على مشروعكم.
بيانات المصنع ونماذج العمليات
| العربية | الفرنسية | الإنجليزية |
|---|---|---|
| التكنولوجيا التشغيلية (OT) | technologies opérationnelles (OT) | operational technology (OT) |
| قاعدة البيانات التاريخية (historian) | historian (base de données historique) | data historian |
| المستشعر البرمجي | capteur logiciel | soft sensor |
| النموذج البديل | modèle de substitution | surrogate model |
| التوأم الرقمي | jumeau numérique | digital twin |
| الدفعة الذهبية | golden batch (lot de référence) | golden batch |
| تصميم التجارب (DoE) | plan d'expériences | design of experiments (DoE) |
| التحسين البايزي | optimisation bayésienne | Bayesian optimisation |
| كشف الشذوذ | détection d'anomalies | anomaly detection |
| الصيانة التنبؤية | maintenance prédictive | predictive maintenance |
| انجراف النموذج | dérive du modèle | model drift |
- التكنولوجيا التشغيلية (OT). يصفها NIST بأنها العتاد والبرمجيات والبرامج الثابتة المستخدمة لرصد التغيرات في العمليات الفيزيائية أو إحداثها، عبر المراقبة أو التحكم المباشر في الأجهزة (NIST CSRC). وتندرج وحدات التحكم المنطقية المبرمجة (PLC) وأنظمة DCS وSCADA ضمن OT؛ راجعوا دمج الذكاء الاصطناعي مع أنظمة SCADA وOT.
- قاعدة البيانات التاريخية (historian). «قاعدة بيانات مركزية تدعم تحليل البيانات باستخدام تقنيات الضبط الإحصائي للعمليات» (NIST CSRC). وتخزّن قيم العملية مع طوابعها الزمنية، وهي المصدر الرئيسي للبيانات في معظم نماذج المصنع.
- المستشعر البرمجي. نموذج يقدّر متغيرًا لا يمكن قياسه مباشرة على الخط، مثل نقاوة المنتج، انطلاقًا من متغيرات تُقاس أصلًا (دليل المستشعرات البرمجية).
- النموذج البديل. تقريب سريع لمحاكاة بطيئة، يُبنى بالملاءمة على البيانات، ويُستخدم في التحسين داخل النطاق الذي دُرِّب عليه (دليل النماذج البديلة).
- التوأم الرقمي. يصف NIST تقنية التوأم الرقمي بأنها تتيح إنشاء تمثيلات إلكترونية لكيانات من العالم الحقيقي، ورؤية حالاتها والانتقالات بين هذه الحالات (NIST IR 8356). راجعوا التوأم الرقمي في الصناعة التحويلية.
- الدفعة الذهبية. دفعة إنتاج سابقة، هي الأفضل عادةً، تُتخذ مرجعًا للدفعات الجديدة. والملف المرجعي المبني من دفعات جيدة كثيرة مرجع أقوى لأنه يبيّن التباين الطبيعي (تحليل الدفعة الذهبية).
- تصميم التجارب (DoE). «إجراء فعّال لتخطيط التجارب»، تُوضع خطته قبل إجراء أي اختبار، بحسب دليل NIST/SEMATECH.
- التحسين البايزي. أسلوب تتابعي يلائم نموذجًا على النتائج المحصَّلة حتى الآن ويستخدمه لاختيار التجربة التالية، ويناسب الاختبارات المكلفة (تصميم التجارب أم التحسين البايزي).
- كشف الشذوذ. رصد البيانات التي تحيد عن السلوك الطبيعي، مثل نمط اهتزاز غير معتاد أو تركيبة من قيم العملية لم تُشاهَد قط في التشغيل العادي (أساليب كشف الشذوذ).
- الصيانة التنبؤية. تخطيط الصيانة انطلاقًا من الحالة المقيسة للمعدات وتوقّع تدهورها، بدل الصيانة على فترات ثابتة أو بعد العطل (الصيانة التنبؤية في النفط والغاز).
- انجراف النموذج. تراجع دقة نموذج قيد الخدمة لأن العملية أو المواد الخام أو أجهزة القياس تغيّرت منذ جمع بيانات تدريبه. ولرصده، قارنوا التنبؤات بنتائج المختبر أو بالنتائج الفعلية عبر الزمن.
ما المصطلحات التي يكثر الخلط بينها؟
| يكثر الخلط بين | الفرق |
|---|---|
| مفتوح الأوزان ومفتوح المصدر | مفتوح الأوزان: أوزان قابلة للتنزيل وفق ترخيص. مفتوح المصدر (وفق OSI): يشمل أيضًا الشيفرة ومعلومات بيانات التدريب، مع حرية الاستخدام والدراسة والتعديل والمشاركة. |
| داخل المنشأة والمعزول عن الشبكة | داخل المنشأة يتعلق بمكان الخوادم؛ والعزل يتعلق بغياب أي اتصال بالشبكة. والنظام داخل المنشأة ليس بالضرورة معزولًا. |
| RAG والضبط الدقيق | RAG يغيّر ما يقرؤه النموذج؛ والضبط الدقيق يغيّر أوزانه. |
| روبوت المحادثة والمساعد المدمج والوكيل | روبوت المحادثة يجيب، والمساعد المدمج يصوغ لشخص، والوكيل يتصرف في أنظمة أخرى. |
| المستشعر البرمجي والنموذج البديل والتوأم الرقمي | المستشعر البرمجي يتعلم من بيانات المصنع والمختبر، والنموذج البديل من عمليات المحاكاة؛ أما التوأم الرقمي فيمثّل أصلًا ويتابع حالته. |
| الهلوسة وخطأ الاسترجاع | خطأ الاسترجاع: لم يُعثر على المقطع الصحيح أصلًا. الهلوسة: يقرر النموذج ما لا تدعمه المقاطع. |
ما رأيناه في KABAS AI
يستخدم مشروعانا المنشوران، لدى ADFC (مجموعة سوناطراك) وENAD Shymeca، منصة Virtual Lab لاختبار التركيبات افتراضيًا قبل التجارب الفيزيائية، بالجمع بين المحاكاة وسيناريوهات «ماذا لو» والتحسين متعدد المعايير؛ ويؤكد المختبر ما يقترحه النموذج. وفي ENAD Shymeca، حقق المشروع خفضًا بنسبة 40% في دورات الاختبارات الفيزيائية.
المفردات المشتركة قليلة الكلفة وتجنّب النزاعات لاحقًا. قبل انطلاق المشروع:
- ضمّنوا دفتر الشروط معجمًا قصيرًا. عرّفوا المصطلحات التي تتوقف عليها متطلباتكم، مثل داخل المنشأة والوكيل والدقة، بكل لغة تستعملها الوثائق (إعداد دفتر شروط مشروع ذكاء اصطناعي).
- اطلبوا من المورّدين الإجابة بمصطلحاتكم: هل النموذج مفتوح الأوزان؟ هل يحتاج النظام إلى اتصال بالإنترنت؟ هل يستطيع التصرف في أنظمة أخرى؟
- صيغوا معايير الاستلام على أساس مجموعة تقييم، لا بصفات مثل «دقيق».
- استعملوا المصطلحات نفسها في مواد التدريب الموجّهة للمشغلين والمهندسين.
يقدّم فريق الاستشارات لدينا تقييمات الجاهزية وتحديد حالات الاستخدام، ويمكنه مساعدتكم على تثبيت هذه المصطلحات لمشروعكم.
المصادر
- OECD.AI, Updates to the OECD's definition of an AI system explained (November 2023)
- CISA, ASD's ACSC and partners, Principles for the Secure Integration of Artificial Intelligence in Operational Technology
- NIST AI 600-1, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (July 2024)
- Hu et al., LoRA: Low-Rank Adaptation of Large Language Models (arXiv, 2021)
- Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv, 2020)
- NIST CSRC Glossary, Air gap
- Open Source Initiative, The Open Source AI Definition 1.0
- OWASP, LLM01:2025 Prompt Injection
- CMS Expert Guide to data protection and cyber security laws: Algeria
- NIST CSRC Glossary, Operational technology
- NIST CSRC Glossary, Data historian
- NIST IR 8356, Security and Trust Considerations for Digital Twin Technology (February 2025)
- NIST/SEMATECH e-Handbook of Statistical Methods, What is experimental design?
الأسئلة الشائعة
لماذا نستخدم معجمًا بثلاث لغات في مشروع ذكاء اصطناعي؟
في الجزائر والمغرب العربي عمومًا، يجمع المشروع الواحد غالبًا بين دفتر شروط بالفرنسية ووثائق مورّدين بالإنجليزية ونقاشات بالعربية مع المشغلين. وإذا استعملت كل لغة كلمة مختلفة، أو الكلمة نفسها لمعانٍ مختلفة، تتباعد المتطلبات ومعايير الاستلام. والاتفاق على المصطلحات باللغات الثلاث منذ البداية يجنّب ذلك.
هل النموذج مفتوح الأوزان هو نفسه النموذج مفتوح المصدر؟
لا. النموذج مفتوح الأوزان يتيح تنزيل أوزانه المدرَّبة وتشغيلها وفق ترخيص الناشر. أما تعريف الذكاء الاصطناعي مفتوح المصدر الصادر عن Open Source Initiative فيشترط أيضًا الشيفرة المستخدمة لتدريب النموذج وتشغيله، ومعلومات كافية عن بيانات التدريب لبناء نظام مكافئ في جوهره، إضافة إلى حرية استخدامه ودراسته وتعديله ومشاركته.
ما الفرق بين الذكاء الاصطناعي داخل المنشأة والذكاء الاصطناعي المعزول عن الشبكة؟
داخل المنشأة (on-premise) يعني أن الذكاء الاصطناعي يعمل على خوادم تتحكمون فيها داخل مرافقكم، وقد تبقى هذه الخوادم متصلة بشبكات أخرى، مثلًا لتلقي التحديثات. أما المعزول عن الشبكة (air-gapped) فلا يملك أي اتصال مادي بشبكات أخرى، ولا تدخل البيانات أو تخرج إلا يدويًا وتحت رقابة بشرية.
هل الهلوسة هي نفسها خطأ الاسترجاع؟
لا. في نظام RAG، يعني خطأ الاسترجاع أن المقطع الصحيح لم يُعثر عليه أصلًا. أما الهلوسة فتعني أن النموذج يقرر شيئًا لا تدعمه المقاطع المسترجعة، أو شيئًا خاطئًا. ولكلٍّ منهما علاج مختلف، لذلك يجب قياسهما كلًّا على حدة.
هل ينبغي ترجمة الاختصارات مثل RAG وLLM وGPU إلى العربية أو الفرنسية؟
في الممارسة، يُبقي المختصون في القطاع هذه الاختصارات بالحروف اللاتينية في اللغات الثلاث. اذكروا المصطلح الكامل مرة واحدة بلغة القارئ عند أول ظهور للاختصار، ثم استعملوا الاختصار.



