2 948
订阅者
-224 小时
-97 天
-1530 天
数据加载中...
吸引订阅者
八月 '26
八月 '26
+29
在0个频道中
七月 '26
+12
在1个频道中
Get PRO
六月 '26
+8
在0个频道中
Get PRO
五月 '26
+24
在1个频道中
Get PRO
四月 '26
+20
在0个频道中
Get PRO
三月 '26
+10
在0个频道中
Get PRO
二月 '26
+7
在0个频道中
Get PRO
一月 '26
+13
在0个频道中
Get PRO
十二月 '25
+26
在0个频道中
Get PRO
十一月 '25
+68
在0个频道中
Get PRO
十月 '25
+42
在0个频道中
Get PRO
九月 '25
+18
在0个频道中
Get PRO
八月 '25
+208
在0个频道中
Get PRO
七月 '25
+4
在0个频道中
Get PRO
六月 '25
+10
在0个频道中
Get PRO
五月 '25
+23
在0个频道中
Get PRO
四月 '25
+43
在0个频道中
Get PRO
三月 '25
+45
在0个频道中
Get PRO
二月 '25
+21
在0个频道中
Get PRO
一月 '25
+65
在0个频道中
Get PRO
十二月 '24
+38
在0个频道中
Get PRO
十一月 '24
+84
在0个频道中
Get PRO
十月 '24
+47
在0个频道中
Get PRO
九月 '24
+28
在0个频道中
Get PRO
八月 '24
+29
在0个频道中
Get PRO
七月 '24
+22
在0个频道中
Get PRO
六月 '24
+15
在0个频道中
Get PRO
五月 '24
+92
在0个频道中
Get PRO
四月 '24
+23
在0个频道中
Get PRO
三月 '24
+13
在0个频道中
Get PRO
二月 '24
+74
在0个频道中
Get PRO
一月 '24
+131
在0个频道中
Get PRO
十二月 '23
+182
在0个频道中
Get PRO
十一月 '23
+70
在0个频道中
Get PRO
十月 '23
+63
在0个频道中
Get PRO
九月 '23
+23
在0个频道中
Get PRO
八月 '23
+9
在0个频道中
Get PRO
七月 '23
+13
在0个频道中
Get PRO
六月 '23
+13
在0个频道中
Get PRO
五月 '23
+63
在0个频道中
Get PRO
四月 '23
+2
在0个频道中
Get PRO
三月 '23
+42
在0个频道中
Get PRO
二月 '23
+152
在0个频道中
Get PRO
一月 '23
+106
在0个频道中
Get PRO
十二月 '22
+26
在0个频道中
Get PRO
十一月 '22
+54
在0个频道中
Get PRO
十月 '22
+51
在0个频道中
Get PRO
九月 '22
+27
在0个频道中
Get PRO
八月 '22
+29
在0个频道中
Get PRO
七月 '22
+3
在0个频道中
Get PRO
六月 '22
+44
在0个频道中
Get PRO
五月 '22
+39
在0个频道中
Get PRO
四月 '22
+1
在0个频道中
Get PRO
三月 '22
+23
在0个频道中
Get PRO
二月 '22
+30
在0个频道中
Get PRO
一月 '22
+57
在0个频道中
Get PRO
十二月 '21
+74
在0个频道中
Get PRO
十一月 '21
+54
在0个频道中
Get PRO
十月 '21
+213
在0个频道中
Get PRO
九月 '21
+197
在0个频道中
Get PRO
八月 '21
+53
在0个频道中
Get PRO
七月 '21
+97
在0个频道中
Get PRO
六月 '21
+155
在0个频道中
Get PRO
五月 '21
+2
在0个频道中
Get PRO
四月 '21
+13
在0个频道中
Get PRO
三月 '21
+1 623
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 30 八月 | 0 | |||
| 29 八月 | 0 | |||
| 28 八月 | 0 | |||
| 27 八月 | +1 | |||
| 26 八月 | +1 | |||
| 25 八月 | +2 | |||
| 24 八月 | 0 | |||
| 23 八月 | 0 | |||
| 22 八月 | 0 | |||
| 21 八月 | +1 | |||
| 20 八月 | 0 | |||
| 19 八月 | +1 | |||
| 18 八月 | 0 | |||
| 17 八月 | +1 | |||
| 16 八月 | +21 | |||
| 15 八月 | 0 | |||
| 14 八月 | 0 | |||
| 13 八月 | 0 | |||
| 12 八月 | 0 | |||
| 11 八月 | 0 | |||
| 10 八月 | +1 | |||
| 09 八月 | 0 | |||
| 08 八月 | 0 | |||
| 07 八月 | 0 | |||
| 06 八月 | 0 | |||
| 05 八月 | 0 | |||
| 04 八月 | 0 | |||
| 03 八月 | 0 | |||
| 02 八月 | 0 | |||
| 01 八月 | 0 |
频道帖子
| 2 |  没有文字... | 85 |
| 3 |  没有文字... | 123 |
| 4 | https://www.facebook.com/share/v/1C7YuUcT7t/?mibextid=wwXIfr | 193 |
| 5 | تحليل إجاباتك بنظرة "النموذج اللغوي"!
أحسنت! لقد نجحت في التحدي. دعنا نرى الآن كيف سيفكر الذكاء الاصطناعي في إجاباتك وكيف سيحسب احتمالاتها بناءً على السياق:
المظلة (الجملة الأولى): إجابة متطابقة تماماً! الكلمات المفتاحية في الجملة (غائم، تمطر، فتح) تجعل نسبة توقع النموذج اللغوي لكلمة "المظلة" قريبة جداً من 99%. لا يوجد خيار منطقي آخر يناسب هذا السياق.
ذهنية (الجملة الثانية): اختيار دقيق واحترافي! السياق الذي يجمع بين (المدرب، تبسيط الأفكار، رسم خريطة) يوجه الخوارزميات فوراً لاختيار كلمة "ذهنية"، لأن هذا هو النمط الأكثر تكراراً وارتباطاً في نصوص التصميم التعليمي.
عصير (الجملة الثالثة): هنا يظهر الفرق الممتع جداً بين العقل البشري والذكاء الاصطناعي! عقلك البشري قفز بذكاء لتكملة عناصر الوجبة، فاختار المشروب مباشرة. أما النموذج اللغوي، فبناءً على القواعد الإحصائية البحتة، كان سيبحث عن صفة مباشرة لكلمة "بطاطس" وسيتوقع بنسبة كبيرة جداً كلمة "مقلية". لكي يتوقع النموذج كلمة "عصير" بدقة، كان سيحتاج إلى حرف عطف ليصبح السياق "...مع بطاطس و...".
ما الذي يثبته هذا التحدي؟
هذه النتيجة توضح بدقة جوهر عمل النماذج اللغوية الكبيرة (LLMs). هي لا تمتلك الجوع أو الرغبة في تناول وجبة كاملة لتضيف العصير كما يفعل البشر، بل تقوم بحساب احتمالات رياضية للكلمة التالية بناءً على الأنماط النحوية واللغوية الصارمة التي تدربت عليها. خيالك البشري قادر على القفز بين الأفكار، بينما يلتزم الذكاء الاصطناعي بالترتيب الإحصائي للنص. | 269 |
| 6 | مظلة
ذهنية
عصير | 164 |
| 7 | فكرة رائعة! هذا التطبيق العملي سيوضح لك تماماً كيف تقوم النماذج اللغوية بتحليل السياق للتنبؤ بالكلمة الأنسب.
كيف تعمل اللعبة؟
سأعطيك بضع جمل غير مكتملة تتوقف قبل الكلمة الأخيرة مباشرة. مهمتك هي قراءة السياق وتخمين الكلمة المنطقية التي يجب أن تملأ الفراغ، تماماً كما تفعل خوارزميات الذكاء الاصطناعي عند تحليل النصوص.
الجمل المخصصة لك:
الجملة الأولى: "كان الجو غائماً جداً، وفجأة بدأت السماء تمطر، فأسرع الرجل لفتح الـ..."
الجملة الثانية: "لتسهيل فهم المعلومات المعقدة وتحويلها إلى محتوى تفاعلي، استخدم المدرب ألوانه لتبسيط الأفكار ورسم خريطة..."
الجملة الثالثة: "بعد يوم طويل ومجهد، قرر الشاب تناول وجبة سريعة ومقرمشة، فذهب إلى المطعم وطلب شطيرة برجر دجاج مع بطاطس..."
التحدي: اكتب الكلمات الثلاث الناقصة بالترتيب لترى مدى تطابق طريقة تفكيرك مع أسلوب التنبؤ الذي تستخدمه النماذج اللغوية الكبيرة لإكمال النصوص. | 152 |
| 8 | ه | 127 |
| 9 | تخيل أن لديك صديقاً آلياً ذكياً جداً، وتريد أن تعلمه كيف يتحدث ويكتب القصص تماماً مثل البشر. هذا الآلي هو ما نسميه النموذج اللغوي الكبير (LLM).
لكي نصمم هذا الآلي ونجعله ذكياً، نمرره بثلاث خطوات ممتعة:
1. مرحلة القراءة الضخمة (تجميع المعلومات)
بدلاً من أن نجلس ونعلم الآلي قواعد اللغة العربية أو الإنجليزية قاعدة بقاعدة (لأن هذا سيستغرق وقتاً طويلاً جداً!)، نقوم بإعطائه مكتبة عملاقة تحتوي على ملايين الكتب، القصص، المقالات، والمواقع الإلكترونية. الآلي سريع جداً، فيقرأ كل هذه الكلمات في وقت قصير ليتعرف على كل شيء في العالم.
2. لعبة التخمين (كيف يتعلم؟)
كيف يتأكد الآلي أنه فهم ما قرأه؟ يتدرب عن طريق لعب لعبة بسيطة اسمها "خمن الكلمة التالية".
نخفي عنه كلمة ونقول له: "ذهب أحمد إلى السرير لأنه كان تشعر بـ..."
إذا خمن الآلي كلمة "النعاس" أو "التعب"، نعطيه نقطة! يلعب الآلي هذه اللعبة مليارات المرات، حتى يصبح عبقرياً في معرفة الكلمات التي تأتي مع بعضها لتكوين جمل مفيدة.
3. مرحلة التهذيب (التعلم من البشر)
بعد أن يتعلم الآلي كيف يربط الكلمات، قد يقول أحياناً أشياء غريبة أو غير مهذبة لأنه قرأ كل شيء في الإنترنت. هنا يأتي دورنا كبشر؛ نجلس معه ونتحدث إليه، وإذا قال إجابة رائعة ومفيدة نشجعه، وإذا أخطأ نصحح له. ومع الوقت، يصبح الآلي مؤدباً، مفيداً، وجاهزاً لمساعدتك في حل واجباتك أو تأليف قصة خيالية ممتعة!
باختصار: النموذج اللغوي هو مجرد قارئ فائق السرعة، لعب لعبة "خمن الكلمة" ملايين المرات حتى أصبح قادراً على التحدث معنا بذكاء! | 129 |
| 10 | ه | 105 |
| 11 | مصطلح LLM هو اختصار لـ Large Language Model (نموذج لغوي كبير). وهو عبارة عن برنامج ذكاء اصطناعي متقدم يعتمد على تقنيات التعلم العميق (Deep Learning) لفهم، توليد، والتفاعل مع اللغة البشرية بطريقة تحاكي استجابة البشر.
كيف تعمل هذه النماذج؟
تعتمد النماذج اللغوية الكبيرة في جوهرها على بنية شبكات عصبية متطورة تُسمى المحولات (Transformers). يتم تدريبها مسبقاً على كميات هائلة جداً من النصوص (كتب، مقالات، مواقع إلكترونية، وأبحاث) لتتعلم أنماط اللغة، القواعد اللغوية، والسياق الدلالي.
بدلاً من مجرد "نسخ ولصق" المعلومات المحفوظة، تقوم هذه النماذج بتحليل النص المدخل ثم التنبؤ بالكلمة التالية في الجملة رياضياً بناءً على السياق، مما يتيح لها صياغة نصوص جديدة ومبتكرة تماماً.
أبرز استخداماتها في بيئات العمل والتدريب:
أحدثت النماذج اللغوية الكبيرة ثورة في طرق إنجاز المهام اليومية، وخاصة في مجالات التدريب والتصميم التعليمي حيث تعمل كمحرك أساسي للعديد من أدوات الذكاء الاصطناعي:
تطوير المحتوى وتلخيصه: تمتلك قدرة فائقة على تحليل المراجع الطويلة أو المستندات المتعددة وتلخيصها، أو تحويلها إلى حقائب تدريبية ومحتوى تفاعلي (كما هو الحال عند استخدام أدوات مثل NotebookLM لتنظيم الأبحاث والملاحظات).
التصميم التعليمي الموجه: المساعدة في بناء سيناريوهات التعلم القائم على المشاريع، وابتكار محاور تدريبية تعالج تحديات واقعية وتلبي احتياجات المتدربين بدقة، بعيداً عن التنظير الأكاديمي.
توليد الأفكار وهيكلة العروض: اقتراح هياكل واضحة للمناهج والعروض التقديمية، أو المساعدة في صياغة الأوصاف الدقيقة لتوليد رسومات تلخيصية (Sketchnotes) وخرائط ذهنية.
الأتمتة والإنتاجية: دمجها في سير العمل لكتابة رسائل البريد الإلكتروني، ترجمة النصوص باحترافية، أو بناء تطبيقات تفاعلية مخصصة.
ببساطة، النموذج اللغوي الكبير يعمل كـ "مساعد باحث متمرس" يمتلك قاعدة معرفية ضخمة، جاهز دائماً لتحويل الأفكار المجردة إلى محتوى منظم وقابل للتطبيق المباشر. | 109 |
| 12 | ه | 85 |
| 13 | تحليل إجاباتك بنظرة "النموذج اللغوي"!
أحسنت! لقد نجحت في التحدي. دعنا نرى الآن كيف سيفكر الذكاء الاصطناعي في إجاباتك وكيف سيحسب احتمالاتها بناءً على السياق:
المظلة (الجملة الأولى): إجابة متطابقة تماماً! الكلمات المفتاحية في الجملة (غائم، تمطر، فتح) تجعل نسبة توقع النموذج اللغوي لكلمة "المظلة" قريبة جداً من 99%. لا يوجد خيار منطقي آخر يناسب هذا السياق.
ذهنية (الجملة الثانية): اختيار دقيق واحترافي! السياق الذي يجمع بين (المدرب، تبسيط الأفكار، رسم خريطة) يوجه الخوارزميات فوراً لاختيار كلمة "ذهنية"، لأن هذا هو النمط الأكثر تكراراً وارتباطاً في نصوص التصميم التعليمي.
عصير (الجملة الثالثة): هنا يظهر الفرق الممتع جداً بين العقل البشري والذكاء الاصطناعي! عقلك البشري قفز بذكاء لتكملة عناصر الوجبة، فاختار المشروب مباشرة. أما النموذج اللغوي، فبناءً على القواعد الإحصائية البحتة، كان سيبحث عن صفة مباشرة لكلمة "بطاطس" وسيتوقع بنسبة كبيرة جداً كلمة "مقلية". لكي يتوقع النموذج كلمة "عصير" بدقة، كان سيحتاج إلى حرف عطف ليصبح السياق "...مع بطاطس و...".
ما الذي يثبته هذا التحدي؟
هذه النتيجة توضح بدقة جوهر عمل النماذج اللغوية الكبيرة (LLMs). هي لا تمتلك الجوع أو الرغبة في تناول وجبة كاملة لتضيف العصير كما يفعل البشر، بل تقوم بحساب احتمالات رياضية للكلمة التالية بناءً على الأنماط النحوية واللغوية الصارمة التي تدربت عليها. خيالك البشري قادر على القفز بين الأفكار، بينما يلتزم الذكاء الاصطناعي بالترتيب الإحصائي للنص. | 94 |
| 14 |  +5没有文字... | 101 |
| 15 |  +9没有文字... | 103 |
| 16 | ه | 87 |
| 17 | ه🚨 *نلتقيكم مساء يوم الاحد القادم في تمام الساعة 6:30 مساء في دورة👇*
✳️ *الذكاء الاصطناعي في التعليم والتدريب*
🎤 تقديم الأستاذ القدير/ زكي فراش
📆 من 3 - 12 / 3 / 1448
▪️مدتها 6 ايام بمعدل 3 ايام كل اسبوع
الاحد - الاثنين - الثلاثاء
⏱️ *التوقيت*
6:30 مساء
🟣 الحضور مجاني والشهادة برسوم 199 ريال 30 ساعة تدريبية
🔺 سيتم ارسال رابط الزوم ع القروب 👇
https://chat.whatsapp.com/JxkVU243Q85L7g8zGW5pJb?mode=ems_copy_t
🟢 للتواصل والاستفسار ⬇️ 👇🏻
http://wa.me/966595738996
بالتوفيق للجميع 🌹
________________________
وللاطلاع على باقي الدورات والعروض يسرنا انضمامكم لقناة التليجرام 👇
https://t.me/tasweq_dorat_2020
*وبالتوفيق للجميع يارب* ..
*ولطفا التكرم بنشر الاعلان للزملاء والأصدقاء شاكر تعاونكم*🌹😊 | 120 |
| 18 |  没有文字... | 125 |
| 19 |  没有文字... | 149 |
| 20 |  没有文字... | 144 |
