Skip to main content
AI EducademyAIEducademy
🌳

أسس الذكاء الاصطناعي

🌱
AI Seeds

إلمام بالذكاء الاصطناعي في الواقع العملي

🌿
AI Sprouts

الأسس التي تقوم عليها الأنظمة الذكية

🌳
AI Branches

ابنِ بقدرات الذكاء الاصطناعي المتاحة اليوم

🏕️
AI Canopy

هندسة أنظمة ذكاء اصطناعي توليدي موثوقة

🌲
AI Forest

أطلق منتجات ذكاء اصطناعي بمسؤولية

🔨

إتقان الذكاء الاصطناعي

✏️
AI Sketch

أسس هندسية لبُناة الذكاء الاصطناعي

🪨
AI Chisel

أنماط لحل المسائل الأصعب

⚒️
AI Craft

صمّم أنظمة تُوسّع الذكاء الاصطناعي

💎
AI Polish

تواصل وقُد في عصر الذكاء الاصطناعي

🏆
AI Masterpiece

مشروع تخرّجك الإنتاجي في الذكاء الاصطناعي

🚀

جاهز للمسيرة المهنية

🚀
منصة انطلاق المقابلات

تنقّل في سوق وظائف هندسة الذكاء الاصطناعي

🌟
إتقان المقابلات السلوكية

احكِ قصة كيف تصنع الأثر

💻
المقابلات التقنية

حُلّ وصمّم وتواصل تحت الضغط

🤖
مقابلات الذكاء الاصطناعي وتعلم الآلة

استعد لمقابلات تعلّم الآلة والذكاء الاصطناعي التوليدي الحديثة

🏆
العرض وما بعده

اتخذ خطوتك التالية بثقة واطّلاع

عرض كل البرامج→

المختبر

تم تحميل 7 تجارب
🧠ملعب الشبكة العصبية🤖ذكاء اصطناعي أم إنسان؟💬مختبر التوجيهات🎨مولّد الصور😊محلل المشاعر💡باني روبوت الدردشة⚖️محاكي الأخلاقيات
🎯مقابلة تجريبيةدخول المختبر→
الرحلةالمدونة
🎯
عن المنصة

جعل تعليم الذكاء الاصطناعي متاحاً للجميع في كل مكان

❓
الأسئلة الشائعة

إجابات على الأسئلة الشائعة

🧰
أدوات الذكاء الاصطناعي

أدوات مختارة نستخدمها ونوصي بها

✉️
تواصل

تواصل معنا

⭐
مفتوح المصدر

مبني علناً على GitHub

الأسعار
ابدأ الآن
AI EducademyAIEducademy

© 2026 AI Educademy. جميع الحقوق محفوظة.

تعلّم

  • البرامج الأكاديمية
  • الدروس
  • المختبر
  • مجموعة أدوات الذكاء الاصطناعي للمبتدئين
  • الأسعار

المجتمع

  • GitHub
  • المساهمة
  • قواعد السلوك
  • عن المنصة
  • الأسئلة الشائعة

الدعم

  • اشترِ لي قهوة ☕
  • شروط الخدمة
  • سياسة الخصوصية
  • اتصل بنا
  • Sitemap
البرامج الأكاديمية للذكاء الاصطناعي والهندسة›🌿 AI Sprouts›الدروس›كيف تدعم البيانات الذكاء الاصطناعي - الوقود وراء كل نظام ذكي
📊
AI Sprouts • مبتدئ⏱️ 12 دقيقة للقراءة

كيف تدعم البيانات الذكاء الاصطناعي - الوقود وراء كل نظام ذكي

🤖

تُرجِمت هذه الدروس تلقائيًا إلى العربية ولم تخضع بعد لمراجعة بشرية. إذا بدت أي صياغة غريبة، فالنسخة الإنجليزية هي المرجع.

كيف تدعم البيانات الذكاء الاصطناعي

أنت تعلم بالفعل أن الذكاء الاصطناعي يمكنه التعرف على الوجوه وترجمة اللغات والتوصية بالأغاني. ولكن ما الذي يقوي كل ذلك في الواقع؟ البيانات. بدون البيانات، يكون الذكاء الاصطناعي بمثابة سيارة بدون وقود - فهي ببساطة لا تستطيع الذهاب إلى أي مكان.

في هذا الدرس، سوف نستكشف كيف تبدو مجموعات البيانات، والأنواع المختلفة من البيانات التي يستخدمها الذكاء الاصطناعي، وسبب أهمية جودة تلك البيانات بشكل كبير.

ما هي مجموعة البيانات؟

مجموعة البيانات عبارة عن مجموعة منظمة من المعلومات التي يتعلم منها نظام الذكاء الاصطناعي. فكر في الأمر كجدول بيانات عملاق.

  • الصفوف تمثل أمثلة فردية (على سبيل المثال، صورة واحدة لقطة، سجل مريض واحد).
  • الأعمدة تمثل الميزات - الخصائص التي يتم قياسها (مثل العمر واللون والحجم).
  • التسميات هي الإجابات التي نريد أن يتنبأ بها الذكاء الاصطناعي (على سبيل المثال، "قطة" أو "كلب").
جدول مجموعة بيانات بسيط يعرض صفوفًا من صور الحيوانات مع أعمدة لميزات مثل اللون والحجم، وعمود تسمية يعرض قطة أو كلبًا
تشبه مجموعة البيانات جدول بيانات منظم جيدًا، حيث يكون كل صف مثالًا وكل عمود ميزة.
🤯

تحتوي مجموعة بيانات ImageNet على أكثر من 14 مليون صورة تم تصنيفها يدويًا عبر أكثر من 20000 فئة. لقد استغرق الأمر سنوات من الباحثين والآلاف من المفسرين البشريين لبنائه.

أنواع البيانات

يعمل الذكاء الاصطناعي مع فئتين عريضتين من البيانات:

البيانات المنظمة

هذه هي البيانات التي يتم وضعها بدقة في الجداول التي تحتوي على صفوف وأعمدة - مثل سجل المعاملات المصرفية أو سجل مريض المستشفى. كل حقل له نوع واضح (الرقم، التاريخ، الفئة).

أمثلة: أرقام المبيعات، وقراءات أجهزة الاستشعار، واستجابات الاستطلاع.

البيانات غير المنظمة

هذه هي البيانات التي لا تتبع تنسيقًا ثابتًا. يتضمن الصور ومقاطع الفيديو والتسجيلات الصوتية ورسائل البريد الإلكتروني ومنشورات الوسائط الاجتماعية. أكثر من 80% من بيانات العالم غير منظمة.

أمثلة: الصور الموجودة على هاتفك، والرسائل الصوتية، والمقالات الإخبارية.

🧠فحص سريع

أي مما يلي يعد مثالاً للبيانات غير المنظمة؟

لماذا يحتاج الذكاء الاصطناعي إلى الكثير من البيانات؟

يمكن للبشر أن يتعلموا التعرف على الكلب بعد رؤية بعض الصور فقط. يحتاج الذكاء الاصطناعي عادةً إلى آلاف - وأحيانًا ملايين - من الأمثلة قبل أن يتمكن من فعل الشيء نفسه. وذلك لأن الذكاء الاصطناعي ليس لديه فهم مدمج للعالم. كل قطعة من المعرفة يجب أن تأتي من البيانات.

الدرس 1 من 160٪ مكتمل
←العودة للبرنامج
متابعة: شرح الخوارزميات - الوصفات وراء كل نظام ذكاء اصطناعي→

النقاش

سجّل الدخول للانضمام إلى النقاش

اقترح تعديلاً على هذا الدرس

كلما كانت البيانات أكثر تنوعًا وتمثيلًا، كان تعميم الذكاء الاصطناعي على المواقف الجديدة أفضل. النموذج الذي تم تدريبه فقط على صور المستردون الذهبيين قد يفشل في التعرف على كلب البودل. يؤدي التنوع في البيانات إلى قوة الذكاء الاصطناعي.

ولهذا السبب تستثمر الشركات بكثافة في جمع مجموعات البيانات الكبيرة وتنظيفها وتنظيمها - وغالبًا ما يكون ذلك الجزء الأكثر استهلاكًا للوقت والأكثر تكلفة في بناء نظام الذكاء الاصطناعي.

والخبر السار هو أنه بمجرد وجود مجموعة بيانات عالية الجودة، يمكن إعادة استخدامها ومشاركتها، مما يؤدي إلى تسريع وتيرة الأبحاث في جميع أنحاء العالم.

جودة البيانات: القمامة الواردة، القمامة الخارجة

الذكاء الاصطناعي يكون جيدًا بقدر جودة البيانات التي يتعلم منها. إذا كانت البيانات فوضوية أو غير كاملة أو غير صحيحة، فسوف ينتج الذكاء الاصطناعي نتائج غير موثوقة. يُعرف هذا المبدأ باسم ** دخول القمامة، إخراج القمامة (GIGO) **.

تتضمن مشكلات جودة البيانات الشائعة ما يلي:

  • القيم المفقودة - حقول فارغة تترك فجوات فيما يمكن أن يتعلمه الذكاء الاصطناعي.
  • التكرارات - يظهر نفس المثال عدة مرات، مما يؤدي إلى انحراف النموذج.
  • تصنيفات غير صحيحة - صورة كلب مصنف على أنه قطة تؤدي إلى إرباك عملية التعلم.
  • معلومات قديمة - التدريب على البيانات من عام 2005 لن يعكس اتجاهات عام 2025.
🤔
Think about it:

تخيل أنك تدرس للامتحان، ولكن نصف صفحات كتابك المدرسي مفقودة وبعض الإجابات في الخلف خاطئة. ما مدى جودة أدائك؟ وهذا هو بالضبط ما يحدث عندما يتدرب الذكاء الاصطناعي على بيانات رديئة الجودة.

مجموعات بيانات العالم الحقيقي

أصبحت بعض مجموعات البيانات مشهورة في مجتمع الذكاء الاصطناعي:

| مجموعة البيانات | ما يحتويه | الحجم | |---------|-----------------|------| | إيماج نت | الصور الفوتوغرافية الموسومة | 14 مليون+ صورة | | الزحف المشترك | صفحات ويب من جميع أنحاء شبكة الإنترنت | بيتابايت من النص | | ويكيبيديا | مقالات الموسوعة | 60 مليون+ مقالة | | منيست | أرقام مكتوبة بخط اليد (0-9) | 70.000 صورة |

مجموعات البيانات هذه متاحة مجانًا وتم استخدامها لتدريب بعض نماذج الذكاء الاصطناعي الأكثر تأثيرًا في التاريخ.

🧠فحص سريع

ماذا تحتوي مجموعة بيانات MNIST؟

تصنيف البيانات والتعليقات التوضيحية

قبل أن يتمكن الذكاء الاصطناعي من التعلم من البيانات، عادةً ما يحتاج شخص ما إلى تصنيفها. وهذا يعني إخبار النظام بما يمثله كل مثال.

  • يتم وضع علامة على الصورة على أنها "قطة" أو "كلب".
  • يتم وضع علامة على الجملة بأنها "مشاعر إيجابية" أو "مشاعر سلبية".
  • يتم وصف الفحص الطبي من قبل الطبيب على أنه "صحي" أو "غير طبيعي".

تُسمى هذه العملية التعليق التوضيحي، وغالبًا ما يقوم بها البشر، وأحيانًا يعمل الآلاف منهم معًا.

🤯

تستخدم العديد من شركات الذكاء الاصطناعي منصات التعهيد الجماعي، حيث يقوم العمال في جميع أنحاء العالم بتصنيف البيانات مقابل بضعة بنسات فقط لكل عنصر. إنه جهد عالمي هائل لا يراه معظم الناس أبدًا.

انحياز البيانات: عندما تكون البيانات خاطئة

تعكس البيانات العالم الذي تأتي منه - بما في ذلك التحيزات في العالم. عندما تمثل مجموعة بيانات تمثيلا زائدا لمجموعة واحدة أو تمثل تمثيلا ناقصا لمجموعة أخرى، فإن الذكاء الاصطناعي المدرب عليها سوف يرث تلك الاختلالات.

أمثلة حقيقية لتحيز البيانات:

  • تم تدريب خوارزمية التوظيف في الغالب على السير الذاتية للذكور لمعاقبة المتقدمات.
  • أنظمة التعرف على الوجه التي تم تدريبها في الغالب على ألوان البشرة الفاتحة كان أداؤها سيئًا على ألوان البشرة الداكنة.
  • لم يتمكن الذكاء الاصطناعي الطبي، الذي تم تدريبه على بيانات من دولة واحدة، من تجاهل الأعراض الشائعة لدى السكان الآخرين.
💡

إن التحيز ليس مجرد مشكلة فنية، بل هو مشكلة اجتماعية. تحمل كل مجموعة بيانات الافتراضات والنقاط العمياء للأشخاص الذين قاموا بإنشائها.

🤔
Think about it:

إذا قمت بتدريب الذكاء الاصطناعي على التوصية بالمطاعم ولكنك قدمت له بيانات من لندن فقط، فهل سيقدم توصيات جيدة لشخص ما في مانشستر؟ ما الذي قد يخطئ؟

🧠فحص سريع

ما هي النتيجة الأكثر احتمالا لتدريب الذكاء الاصطناعي على البيانات المتحيزة؟

الوجبات السريعة الرئيسية

  • مجموعة البيانات هي مجموعة منظمة من الأمثلة التي يتعلم منها الذكاء الاصطناعي.
  • يمكن أن تكون البيانات منظمة (الجداول) أو غير منظمة (الصور والنصوص والصوت).
  • جودة البيانات تحدد بشكل مباشر جودة الذكاء الاصطناعي - القمامة الواردة والنفايات الخارجة.
  • التصنيف هو الجهد البشري الذي يعلم الذكاء الاصطناعي معنى كل مثال.
  • التحيز في البيانات يؤدي إلى التحيز في الذكاء الاصطناعي - وله عواقب على أرض الواقع.

بعد ذلك، سنلقي نظرة على الخوارزميات التي تعالج فعليًا كل هذه البيانات وتحولها إلى ذكاء.