تعد لغة الذكاء الاصطناعي عالمًا معقدًا مليئًا بالمصطلحات التقنية التي قد تكون محيرة للمبتدئين والخبراء على حد سواء. لتبسيط هذا المجال، إليك دليل مختصر لأهم المصطلحات التي تشكل نسيج صناعة الذكاء الاصطناعي الحديثة. يُستخدم مصطلح الذكاء العام الاصطناعي (AGI) للإشارة إلى أنظمة تتفوق على البشر في معظم المهام، حيث تتراوح تعريفاتها بين محاكاة موظف بشري متوسط إلى أنظمة مستقلة ذات كفاءة اقتصادية عالية. أما "وكيل الذكاء الاصطناعي" فهو أداة مستقلة قادرة على تنفيذ سلسلة من المهام المعقدة نيابة عن المستخدم، مثل حجز المواعيد أو كتابة الأكواد، مما يتجاوز قدرات روبوتات الدردشة التقليدية. تُعرف "سلسلة التفكير" (Chain of Thought) بأنها طريقة تفكيك المشكلات المعقدة إلى خطوات وسيطة لتحسين دقة الإجابات، خاصة في المجالات المنطقية والبرمجية. وتعتمد "التعلم العميق" (Deep Learning) على شبكات عصبية متعددة الطبقات تحاكي عمل الدماغ البشري، مما يمكن النماذج من استخراج السمات من البيانات ذاتها وتطوير مخرجاتها بدقة، رغم احتياجها لكميات ضخمة من البيانات وقوة حوسبة عالية. تشير "الحوسبة" (Compute) إلى الطاقة الحسابية اللازمة لتشغيل هذه النماذج، والتي توفرها غالبًا شرائح متخصصة مثل وحدات معالجة الرسومات (GPUs). وتقنيات مثل "الانتشار" (Diffusion) تستخدمها نماذج توليد الصور والموسيقى عبر عملية "عكسية" تستعيد البيانات من الضوضاء، بينما تستخدم "التقطير" (Distillation) لنقل المعرفة من نماذج عملاقة إلى نماذج أصغر وأكثر كفاءة. تُعرف "شبكة الخصومة التوليدية" (GANs) بمنافسة بين نموذجين: أحدهما ينسخ والآخر يكتشف التزييف، مما يؤدي إلى إنتاج بيانات واقعية للغاية. وفي المقابل، يصف مصطلح "هلوسة" (Hallucination) ميل النماذج لاختراع معلومات خاطئة، وهو تحدي كبير يُعالج عبر نماذج متخصصة في مجالات محددة لتقليل فجوات المعرفة. تُعد "اللغة الكبيرة" (LLM) هي القلب النابض لمساعدات الذكاء الاصطناعي مثل ChatGPT، حيث تتعلم هذه الشبكات العصبية العلاقات بين الكلمات من خلال مليارات المعلمات. وتُستخدم "التعلم الانتقالي" (Transfer Learning) لإعادة استخدام نماذج مدربة مسبقًا في مهام جديدة لتوفير الوقت والبيانات. أما "التدريب" (Training) فهو العملية التي يتعلم فيها النموذج من البيانات لتعديل أوزان (Weights) معينة تحدد أهمية كل مدخلات البيانات، بينما يمثل "الاستنتاج" (Inference) مرحلة تشغيل النموذج لتقديم التنبؤات. تتعلق مصطلحات مثل "تخزين التخزين المؤقت" (Memory Cache) بزيادة كفاءة الاستنتاج، و"الذاكرات العشوائية" (RAM) تشهد أزمة تسمى "RAMageddon" بسبب الطلب الهائل من شركات التكنولوجيا. وأخيرًا، تُقاس تكلفة استخدام النماذج بعدد "التوكنات" (Tokens)، وهي الوحدات الأساسية للبيانات المدخلة أو المنتجة، والتي تحدد تكلفة الخدمة في السوق. يتم تحديث هذه المفاهيم باستمرار مع تطور الأبحاث والمخاطر الأمنية في هذا القطاع المتسارع.