المعجم
كل كلمة تستعملها هذه الدورة، معرَّفة بوضوح، مع مِرساة حتى يحيل عليها فصلٌ مباشرةً.
المفردات الشائعة في هذا المجال مُضلِّلة، ومعرفة السبب جزء من الدورة. فكلمات مستعارة من الذهن البشري، مثل «يفهم» و«يعرف» و«يتعلّم» و«يهلوس»، تصف هنا حسابًا، لا حالةً داخلية أبدًا. فالنموذج اللغوي لا يفهم شيئًا، ولا يعرف شيئًا، ولا يتعلّم شيئًا بالمعنى الذي يفعله به إنسان: إنه يعدّل معاملات رقمية على متن، ثم يحسب متابعةً محتملة انطلاقًا من نصّ يتلقّاه دخلًا. والقول إنه «يهلوس» لا يصف اضطرابًا: بل يسمّي نتيجةً معقولة وخاطئة، ينتجها الحساب نفسه الذي ينتج جوابًا صحيحًا. وهذا المعجم يحفظ هذه الكلمات لأن الدورة والبحث العلمي يستعملانها، لكن كل تعريف يعيدها إلى الحساب الذي تدلّ عليه فعلًا.
الكلمات، بالترتيب الأبجدي
كل مدخل يحمل مِرساةً: ويمكن لفصل من الدورة أن يحيل عليه مباشرةً. والكلمة الموصولة برابط، داخل تعريف، لها مدخلها الخاص، أعلى أو أدنى في هذه القائمة.
- أثر الصناعة
- أثر تتركه صناعة صورة أو صوت، غير مرئي للعين ولا مسموع للأذن لكنه قابل للقياس بحساب. فالعمليات التي تكبّر صورة أثناء توليدها تترك مثلًا بصمة منتظمة، قابلة للرصد في تفصيل ترددات الملفّ. وأثر الصناعة يساعد في رصد صورة مصنوعة، لكن النماذج الحديثة تتركه أقلّ فأقلّ.
- استخراج بيانات التدريب
- الحصول، بسؤال عادي يُطرَح على النموذج، على مقطع كان يرد حرفًا بحرف في متن تدريبه. وقد استخرج باحثون بهذه الطريقة غيغابايتات من بيانات تدريب نماذج منشورة فعلًا في الإنتاج، بطريقة بسيطة. وهذا أوضح دليل على الحفظ: فلم يبقَ إمكانًا نظريًا، بل صار نصًّا مُستعادًا.
- الاستدلال (inference)
- الحساب الذي ينتج جوابًا من نموذج مدرَّب سلفًا، في مقابل التدريب الذي ثبّت معاملاته قبل ذلك. وهذا ما يحدث في كل مرة يتلقّى فيها المُوجِّه جوابًا: فلا معامل يتغيّر، بل يعمل حسابٌ على قيم ثُبِّتت سلفًا.
- استنساخ الصوت
- تقنية تعيد إنتاج صوت شخص بعينه من مقطع صوتي، لتجعله يقول جملة لم ينطقها أبدًا. وقد وثّقت سلطة عامة أمريكية وعاقبت حملة حقيقية استخدمت صوتًا مستنسَخًا يقلّد مسؤولًا سياسيًا لدى ناخبين قبل انتخابات. وهو صورة من التزييف العميق مطبَّقة على الصوت خصوصًا.
- الإلمام بالذكاء الاصطناعي
- مجموع المعارف والمهارات والمواقف التي تتيح استخدام نظام ذكاء اصطناعي، ومساءلته، وتصميمه عند بعض الجماهير، دون التسليم له تسليمًا أعمى. وإطار مشترك نُشر في 2026 عن منظمة التعاون والتنمية الاقتصادية والمفوضية الأوروبية يصفه في أربعة مجالات كفايات، مصمَّمة للتعليم الابتدائي والثانوي. وتفصيل هذا الإطار والأطر الدولية التي تكمّله مجتمع في صفحة الأطر الرسمية.
- الإيجاب الكاذب والسلب الكاذب
- الطريقتان التي يخطئ بهما الكاشف: فالإيجاب الكاذب يتّهم محتوى بشريًا بأن نموذجًا أنتجه، والسلب الكاذب يمرّر محتوى أنتجه نموذج بقوله إنه بشري. وعدة كواشف نصّية واسعة الاستخدام تصنّف خطأً معظم نصوص غير الناطقين الأصليين بالإنجليزية على أنها مولَّدة بآلة، في حين تتعرّف بشكل صحيح على نصوص الناطقين الأصليين: فهذا الإيجاب الكاذب لا يتوزّع عشوائيًا. والأداة التي تسعى إلى تقليل أحد هذين الخطرين تزيد الآخر في الغالب دائمًا.
- البيانات الوصفية
- معلومات مُلحَقة بملفّ وتتعلّق بالملفّ نفسه، بأصله، وتاريخ إنشائه، والتعديلات التي لحقته، لا بما يعرضه. وبيانة المنشأ نوع من البيانات الوصفية. والبيانة الوصفية قد تزول بمجرّد لقطة شاشة أو بالحفظ في صيغة أخرى، وهذا يجعلها هشّة كدليل.
- التحيّز
- فارق منهجي يعيده النموذج، متعلَّمًا في انتظامات المتن الذي درّبه، لا رأيًا كوّنه هو أبدًا. فإن ربطت البيانات مهنةً بجنس أكثر من غيره، أعاد النموذج الربط نفسه، بالدرجة نفسها. وتحيّز التمثيل صورة خاصة منه: وهي الآتية من الناقص في البيانات لا من الزائد فيها.
- تحيّز التمثيل
- التحيّز الآتي من غياب مجموعة أو وضع أو لغة عن بيانات التدريب أو من قلّة تمثيلها فيها، لا من ارتباط مشوَّه. وقد أظهر نظام تصنيف بالصورة معدّل خطأ يبلغ 34.7% للنساء ذوات البشرة الداكنة مقابل 0.8% للرجال ذوي البشرة الفاتحة، وهو فارق مرتبط بتركيبة بيانات التعلّم. فما لا تحتويه البيانات لا يستطيع النموذج أن يعطيه: فهو لا يخطئ فيه، بل يجهله.
- التدريب
- الحساب المُجرى مرة واحدة قبل أي إتاحة، والذي يعدّل معاملات النموذج ليعطي على نحو أفضل فأفضل انتظامات متنه. وبعد انتهاء التدريب، تكون هذه المعاملات ثابتة: واستخدامها بعد ذلك لإنتاج جواب عملية متمايزة، وهي الاستدلال. والضبط الدقيق تدريب ثانٍ، أقصر، على متن أضيق.
- التزييف العميق (deepfake)
- صورة أو فيديو أو صوت مصنوع أو معدَّل بنموذج لإيهام بحدثٍ لم يقع أبدًا. واستنساخ الصوت صورة منه، مطبَّقة على الصوت. والمشاهدون البشر لم يعودوا يستطيعون التمييز بموثوقية بين وجه اصطناعي حديث ووجه حقيقي، وهم يحكمون عليه في المتوسط بأنه أجدر بالثقة.
- التضمين (embedding)
- تمثيل كلمة أو رمز في صورة قائمة أرقام، مبنيّة أثناء التدريب حتى تتلقّى كلمتان تُستعملان في سياقات متقاربة قائمتين متقاربتين. وتضمينات متعلّمة على متون كبيرة من النصوص العادية تعيد بهذا قوالب نمطية جنسانية قابلة للقياس، مثلًا بربط بعض المهن بجنس ربطًا أقوى من ربطها بالآخر. فالتضمين يقول إذن عن المتن الأصلي بقدر ما يقول عن الكلمات نفسها.
- التعلّم الآلي
- أسرة الطرق التي يضبط فيها برنامجٌ سلوكه من أمثلة، بدل اتّباع قواعد مكتوبة باليد واحدةً واحدة. والنموذج اللغوي ومولّد الصور تطبيقان منه. والتعلّم العميق فرعه الأكثر استخدامًا اليوم.
- التعلّم العميق
- طريقة في التعلّم الآلي بـشبكة عصبية مؤلَّفة من طبقات كثيرة مرصوفة. وكل طبقة تحوّل المعلومة الواردة من السابقة تحويلًا أكبر قليلًا، وهذا يتيح رصد انتظامات لم تكن قاعدة مكتوبة باليد لتلتقطها. وهي التقنية التي تقف خلف النماذج اللغوية ومولّدات الصور الحالية.
- التقطيع إلى رموز
- العملية التي تقطّع نصًّا إلى رموز قبل أي حساب. والطريقة الأكثر استخدامًا اليوم تعود في الأصل إلى خوارزمية لضغط البيانات من 1994، بلا علاقة باللغة عند تصميمها. والمحتوى الواحد مترجَمًا إلى لغات مختلفة قد يطلب خمسة عشر ضعف الرموز حسب اللغة، وهذا يجعل بعض اللغات أبطأ وأكثر كلفة في المعالجة من غيرها.
- توزيع الاحتمالات
- قائمة الرموز الممكنة لمتابعة نصّ، كل واحد منها مقرونٌ برقم بين صفر وواحد يقول احتماله، ومجموعها كلها يساوي واحدًا. والنموذج يحسب هذه القائمة في كل خطوة، ثم تختار المعاينة رمزًا منها. ودرجة الحرارة وtop-k وtop-p ثلاث طرق لتعديل هذه القائمة قبل السحب منها.
- الحفظ
- أن يستطيع النموذج إعادة شُذرة من بيانات تدريبه حرفًا بحرف، بدل إعادة صياغتها. وهذه الظاهرة تزيد بحجم النموذج، وبعدد مرات تكرار المحتوى نفسه في البيانات، وبطول النصّ المُعطى في السياق قبل طلب المتابعة. والنموذج ليس لديه ملفّ يجد فيه هذا النصّ: فالمحتوى عدّل معاملاته، وهذا التعديل هو ما قد يجعله، في بعض الحالات، يعيده شبه سليم.
- درجة الحرارة
- ضبطٌ يلطّف أو يشدّد توزيع الاحتمالات الذي يحسبه النموذج، قبل المعاينة. فدرجة الحرارة الأعلى تقرّب احتمالات الكلمات الممكنة بعضها من بعض، وهذا يجعل الاختيارات أقلّ قابلية للتوقّع؛ ودرجة الحرارة الأدنى تُبرِز الفارق لصالح الكلمة الأكثر احتمالًا سلفًا. وهي ليست قياسًا فيزيائيًا: فالكلمة مستعارة من صيغة في الفيزياء الإحصائية، بلا علاقة بحرارة حقيقية.
- الرمز (token)
- أصغر وحدة نصّ يتعامل معها النموذج، وهي أقصر من الكلمة الكاملة في الغالب. فالكلمة النادرة أو المجهولة تُقطَّع آنها إلى عدة رموز مصنوعة من شُذرات معروفة سلفًا، وهذا يتيح معالجتها دون أن تُرى كما هي أبدًا. ثم يُحوَّل كل رمز إلى رقم قبل أي حساب: فالنموذج لا يقرأ حروفًا أبدًا، بل يقرأ أرقامًا.
- الشبكة العصبية
- بنية حساب مصنوعة من طبقات وحدات بسيطة، كل واحدة تدمج ما تتلقّاه مع معاملات خاصة بها. والاسم يأتي من استلهام بعيد لالعصبون الحيوي، لكن وحدة الشبكة لا تفكّر، كما لا يفكّر عصبون معزول: فضبط المجموع كله، بـالتدريب، هو ما ينتج حسابًا مفيدًا. والمحوِّل هو البنية الأكثر استخدامًا من هذا النوع للنصّ اليوم.
- الصندوق الأسود
- نظام يمكن ملاحظة أجوبته لكن لا يمكن قراءة استدلاله الداخلي، حتى لمن صمّمه. والنموذج اللغوي صندوق أسود بهذا المعنى: فـمعاملاته، وهي مليارات الأرقام المعدَّلة أثناء التدريب، ليس لها معنى فردي يمكن لشخص أن يعيد قراءته واحدًا واحدًا. وهذا لا يمنع اختبار ما يفعله النظام عمليًا، بل يمنع شرح لماذا يفعله بهذه الطريقة بالضبط.
- الضبط الدقيق (fine-tuning)
- تدريب ثانٍ، أقصر ومُجرًى على متن أضيق، يعدّل نموذجًا مدرَّبًا سلفًا لمهمة أو أسلوب بعينه. وهو يبدأ من المعاملات المُستخرَجة في التدريب الأول بدل أن يبدأ من الصفر. والنموذج المضبوط ضبطًا دقيقًا يبقى نموذجًا لغويًا: فآلية حسابه لا تتغيّر، بل تتحرّك معاملاته قليلًا فقط.
- العلامة المائية
- إشارة تُودَع بقصد في محتوى مولَّد، غير مرئية في الاستخدام العادي، وتستطيع أداة مخصَّصة العثور عليها. وفي النصّ، قد تأخذ صورة ترجيح إحصائي خفيف لبعض الكلمات في كل خطوة، ترجيحٍ أخفى من أن يُرى في القراءة لكنه قابل للكشف بحساب، وهي طريقة منشورة سلفًا وخضعت لتحكيم الأنداد. والعلامة المائية تفترض أن الأداة التي وضعتها، أو غيرها ممّن يعرف طريقتها، ما زالت موجودة للبحث عنها.
- الكاشف
- أداة تدّعي أنها تقول إن نصًّا أو صورة أو صوتًا قد أنتجه نموذج. وتقييم مستقلّ لأربعة عشر كاشفًا نصّيًا، منها أدوات تجارية تُبَاع للتعليم، لم يجد فيها واحدًا موثوقًا ودقيقًا في الوقت نفسه. والكاشف لا يعطي أبدًا حكمًا: بل في أفضل الأحوال مؤشّرًا يُقاطَع بغيره.
- المتن
- مجموع النصوص أو الصور أو الأصوات التي يتعلّم عليها النموذج، ومصدره الوحيد للانتظامات. ومجموعة البيانات متنٌ منظَّم وموثَّق لاستخدام بعينه؛ أما كلمة المتن فتدلّ على المحتوى الخامّ، قبل هذا العمل. وما ليس في المتن لا وجود له عند النموذج بأي صورة: لا كشيء نادر، ولا كشيء خاطئ.
- مجموعة البيانات
- متنٌ منظَّم وموثَّق لاستخدام بعينه: فتركيبته وأصله وطريقة جمعه يُفترَض أن تكون معروفة، لا محتواه فقط. ويوجد مقترح توثيق موحَّد لذلك منذ 2018، بغية تعقّب أصل تحيّز ملحوظ بدل اكتشافه بعد نشر النموذج. ومجموعة البيانات غير الموثَّقة ليست، في الواقع، غير متن.
- المحوِّل (transformer)
- بنية الشبكة العصبية التي تقف خلف النماذج اللغوية الحالية. فهي، بدل قراءة نصّ رمزًا بعد رمز بترتيب صارم، تقارن كل رمز بكل الرموز الأخرى في نافذة السياق في مرة واحدة، وتوازن أهميتها بعضها بالنسبة إلى بعض. وآلية المقارنة المتزامنة هذه هي التي أتاحت تدريب نماذج على متون أكبر بكثير من قبل.
- المصدر المفتوح
- نموذج تُنشَر شيفرته أو معاملاته أو كلاهما، حتى يستطيع آخرون فحصها أو إعادة استخدامها أو التحقّق منها، بدل الوصول إليها عبر خدمة مغلقة فقط. والانفتاح لا يقول شيئًا بذاته عن بيانات التدريب المستخدَمة: فقد ينشر نموذج معاملاته دون أن يوثّق متنه أبدًا. و«المصدر المفتوح» و«مجموعة البيانات الموثَّقة» يبقيان إذن ضمانتين متمايزتين، نادرًا ما تجتمعان.
- المُعامل
- رقم داخلي في النموذج، معدَّل أثناء التدريب، يثقل في حسابه. ويُسمّى أيضًا وزنًا. والنموذج يعدّ منه مليارات، ولا واحد منها، مأخوذًا منفردًا، له معنى يستطيع شخص قراءته: فمجموعها هو ما ينتج حسابًا مفيدًا، لا معامل وحده أبدًا.
- المعاينة
- الخطوة التي تختار رمزًا في توزيع الاحتمالات الذي يحسبه النموذج، بدل أخذ الأكثر احتمالًا على نحو منهجي. فاختيار الأكثر احتمالًا دائمًا ينتج نصًّا مسطّحًا ومتكرّرًا؛ أما السحب بالقرعة حسب الاحتمالات، مؤطَّرًا عند اللزوم بـدرجة الحرارة أو top-k أو top-p، فينتج نصًّا أكثر طبيعية.
- المنشأ
- الأثر القابل للتحقّق لأصل ملفّ وتاريخ تعديله، مُلحَقًا بالملفّ لا مخفيًّا في محتواه. ومعيار تقني عامّ، هو C2PA، يحدّد كيف تُلحَق هذه المعلومة على نحو موقَّع وقابل للتحقّق. والمعيار يعترف هو نفسه بأن هذه المعلومة يمكن أن تنفصل عن الملفّ، فتُفقَد بمجرّد لقطة شاشة: فالمنشأ يحمي الملفّ الأصلي، لا نُسَخه.
- المُوجِّه (prompt)
- النصّ المُعطى دخلًا لنموذج للحصول على جواب. وصياغته تغيّر ما يعطيه النموذج، لأنه يحسب متابعته انطلاقًا من هذا النصّ بعينه لا من غيره. والمُوجِّه يبقى نصًّا عاديًا: فهو لا يأمر بشيء بمعنى البرنامج، بل يوجّه حسابًا محتملًا.
- مولّد الصور
- نظام ينتج صورة جديدة من وصف بالنصّ. والطريقة الأكثر استخدامًا اليوم لذلك هي نموذج الانتشار. ومثل النموذج اللغوي، لم يرَ مولّد الصور أي منظر حقيقي لينسخه: بل يجمع صورة معقولة من الانتظامات البصرية في متن تدريبه.
- نافذة السياق
- أقصى كمية نصّ، محسوبةً بـالرموز، يستطيع النموذج أخذها في الحساب في مرة واحدة لحساب جوابه. فما كُتِب قبل هذه النافذة لا يدخل الحساب الجاري بعد ذلك، تمامًا كأنه لم يوجد أبدًا. والمستند الأطول من النافذة يجب قطعه أو تلخيصه قبل تسليمه إلى النموذج كاملًا.
- نبرة الثقة
- النبرة الواثقة في جواب، صحيحًا كان أو لا. فالنموذج لا يخفض نبرته حين يختلق: ولا شيء في صياغته يفرّق بين واقعة متحقَّق منها وهلوسة. فثقة الجواب ليست إذن دليلًا أبدًا على صحّته.
- نموذج الانتشار
- تقنية تصنع صورة بالبدء من تشويش بصري عشوائي، ثم بسحبه على خطوات متتالية حتى تُظهِر صورةً معقولة، موجَّهةً بوصف نصّي. وهي الطريقة الأكثر استخدامًا اليوم خلف مولّدات الصور. ومثل أي صورة مولَّدة، قد تحمل النتيجة أثر صناعة يكشف صناعتها، حتى حين لا يُرى شيء بالعين المجرّدة.
- النموذج اللغوي
- نظام مدرَّب على نصّ يحسب، انطلاقًا من الذي يسبق، الرمز الأكثر احتمالًا للمتابعة. وهو يكرّر هذا الحساب رمزًا بعد رمز لتجميع جواب كامل. وهو لا يراجع أي قاعدة وقائع إلى جانب هذا الحساب: فكل ما يعطيه يأتي من العملية نفسها، سواء كان واقعة متحقَّقًا منها أو هلوسة.
- الهلوسة
- جواب مختلَق لكن مصوغ بـنبرة الثقة نفسها التي يُصاغ بها جواب صحيح. وهو يخرج من الحساب نفسه الذي يخرج منه أي جواب آخر: فلا شيء، في عمل النموذج، يفصل واقعةً متحقَّقًا منها من استنتاج معقول، وإجراءات التدريب والتقييم الحالية تكافئ جوابًا معقولًا بدل الإقرار بعدم اليقين. وعمل نظري يرى أن نسبةً من الهلوسة ستكون حتمية رياضيًا لهذا النوع من النماذج؛ ويبقى الاستنتاج موضع خلاف، فأعمال أخرى تعترض على انطباق فرضياته على الاستخدامات الحقيقية.
- Top-k
- طريقة تقصر السحب على الرموز k الأكثر احتمالًا في كل خطوة، وk رقمٌ محدَّد سلفًا. فالرموز الأقلّ احتمالًا تُستبعَد بهذا قبل المعاينة نفسها، وهذا يجنّب اختيارًا مفرط الاستبعاد دون أن يجعل النتيجة قابلة للتوقّع تمامًا.
- Top-p
- طريقة تقصر السحب على أصغر مجموعة رموز تبلغ احتمالاتها التراكمية p، بدل عدد ثابت من الرموز مثل top-k. فهذه المجموعة تتغيّر إذن في الحجم من خطوة إلى أخرى: واسعةً حين تبقى عدة كلمات متقاربة في الاحتمال، وضيّقةً حين تسيطر كلمة على غيرها بوضوح. وهذه الطريقة، وتُسمّى أيضًا المعاينة النووية، تحلّ محلّ الاختيار المنهجي للكلمة الأكثر احتمالًا، وهو أسطح وأكثر تكرارًا.
رؤية المفاهيم في الحركة
هذا المعجم يثبّت المفردات. ودورة الفهم تستعملها فصلًا بعد فصل، والعروض التفاعلية تضعها في حركة: فتُضبَط فيها درجة حرارة، ويُشوَّه فيها متن، وتُرى فيها علامة مائية تظهر.
المصادر
التعريفات التي تلتزم بواقعة بعينها تُرفَق هنا، مصطلحًا مصطلحًا، دون إثقال كل واحد منها.
- Detecting and Simulating Artifacts in GAN Fake Images، Xu Zhang، Svebor Karaman، Shih-Fu Chang، 2019. أثر الصناعة. مكوّن زيادة العيّنات في الصور المولَّدة يترك بصمة طيفية مميّزة وقابلة للإعادة.
- Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification، Joy Buolamwini، Timnit Gebru، 2018. تحيّز التمثيل. أنظمة تجارية لتصنيف الجنس بالصورة أظهرت معدّل خطأ يبلغ 34.7% للنساء ذوات البشرة الداكنة مقابل 0.8% للرجال ذوي البشرة الفاتحة.
- FCC Makes AI-Generated Voices in Robocalls Illegal (إعلان FCC 24-17)، لجنة الاتصالات الفيدرالية الأمريكية (FCC)، 2024. استنساخ الصوت. سلطة عامة أمريكية وثّقت وعاقبت حملة احتيال حقيقية بصوت مستنسَخ، يقلّد مسؤولًا سياسيًا قبل انتخابات.
- Testing of detection tools for AI-generated text، Debora Weber-Wulff وآخرون، 2023. الكاشف. أربعة عشر أداة كشف خضعت للتقييم: ولا واحدة منها موثوقة ودقيقة في الوقت نفسه.
- The Curious Case of Neural Text Degeneration، Ari Holtzman، Jan Buys، Li Du، Maxwell Forbes، Yejin Choi، 2020. المعاينة وtop-p. اختيار الكلمة الأكثر احتمالًا على نحو منهجي ينتج نصًّا مسطّحًا ومتكرّرًا؛ أما المعاينة النووية، التي تقطع الجزء القليل الموثوقية من التوزيع، فتنتج نصًّا أكثر طبيعية.
- Scalable Extraction of Training Data from (Production) Language Models، Milad Nasr وآخرون، 2023. استخراج بيانات التدريب. غيغابايتات من بيانات التدريب استُخرجت من نماذج منشورة فعلًا في الإنتاج، بهجوم بسيط.
- GPT detectors are biased against non-native English writers، Weixin Liang، Mert Yuksekgonul، Yining Mao، Eric Wu، James Zou، 2023. الإيجاب الكاذب والسلب الكاذب. عدة كواشف واسعة الاستخدام تصنّف خطأً معظم نصوص غير الناطقين الأصليين بالإنجليزية على أنها مولَّدة بذكاء اصطناعي، في حين تتعرّف بشكل صحيح على نصوص الناطقين الأصليين.
- A Watermark for Large Language Models، John Kirchenbauer، Jonas Geiping، Yuxin Wen، Jonathan Katz، Ian Miers، Tom Goldstein، 2023. العلامة المائية. يمكن إدراج علامة مائية إحصائية غير مرئية للعين البشرية في نصّ مولَّد، ثم كشفها بعد ذلك باختبار إحصائي.
- Scalable watermarking for identifying large language model outputs، Sumanth Dathathri، Abigail See، Sumedh Ghaisas، Po-Sen Huang، Rob McAdam، Johannes Welbl، وآخرون، 2024. العلامة المائية. علامة مائية إحصائية مدمجة في إنتاج النصّ نُشرت وخضعت لتحكيم الأنداد في دورية Nature.
- Why Language Models Hallucinate، Adam Tauman Kalai، Ofir Nachum، Santosh S. Vempala، Edwin Zhang، 2025. الهلوسة. إجراءات التدريب والتقييم الحالية تكافئ إنتاج جواب معقول بدل الإقرار بعدم اليقين.
- Hallucination is Inevitable: An Innate Limitation of Large Language Models، Ziwei Xu، Sanjay Jain، Mohan Kankanhalli، 2024. الهلوسة. موضع خلاف: فهذا العمل يرى أن نسبةً من الهلوسة حتمية رياضيًا لهذا النوع من النماذج؛ وأعمال لاحقة تعترض على انطباق فرضياته على الاستخدامات الحقيقية والمنتهية للنماذج.
- AI-synthesized faces are indistinguishable from real faces and more trustworthy، Sophie J. Nightingale، Hany Farid، 2022. التزييف العميق. المشاهدون البشر لم يعودوا يميّزون بموثوقية وجهًا اصطناعيًا من وجه حقيقي، وهم يحكمون على الوجوه المصنوعة في المتوسط بأنها أجدر بالثقة.
- Datasheets for Datasets، Timnit Gebru، Jamie Morgenstern، Briana Vecchione، Jennifer Wortman Vaughan، Hanna Wallach، Hal Daumé III، Kate Crawford، 2018. مجموعة البيانات. يوجد مقترح موحَّد لتوثيق منشأ مجموعة البيانات وتركيبتها وطريقة جمعها.
- Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education («AILit Framework»)، منظمة التعاون والتنمية الاقتصادية والمفوضية الأوروبية، 2026. الإلمام بالذكاء الاصطناعي. الإطار المشترك المنشور عن منظمة التعاون والتنمية الاقتصادية والمفوضية الأوروبية، بأربعة مجالات كفايات للتعليم الابتدائي والثانوي.
- Quantifying Memorization Across Neural Language Models، Nicholas Carlini، Daphne Ippolito، Matthew Jagielski، Katherine Lee، Florian Tramer، Chiyuan Zhang، 2023. الحفظ. يزيد بحجم النموذج، وبتكرار المثال في البيانات، وبطول النصّ المُعطى في السياق.
- Man is to Computer Programmer as Woman is to Homemaker? Debiasing Word Embeddings، Tolga Bolukbasi، Kai-Wei Chang، James Zou، Venkatesh Saligrama، Adam Tauman Kalai، 2016. التضمين. تضمينات متعلّمة على متون كبيرة من النصوص العادية تعيد قوالب نمطية جنسانية قابلة للقياس.
- Content Credentials: C2PA Technical Specification (version 2.4)، Coalition for Content Provenance and Authenticity (C2PA)، 2026. المنشأ. معيار تقني عامّ يحدّد كيف تُلحَق بملفّ معلومات قابلة للتحقّق وموقَّعة عن أصله.
- C2PA Frequently Asked Questions، Coalition for Content Provenance and Authenticity (C2PA)، 2026. المنشأ. المعيار يعترف هو نفسه بأن بيانه يمكن أن ينفصل عن الملفّ، فيُفقَد بمجرّد لقطة شاشة.
- Distilling the Knowledge in a Neural Network، Geoffrey Hinton، Oriol Vinyals، Jeff Dean، 2015. درجة الحرارة. مُعامل درجة الحرارة في صيغة softmax يلطّف أو يشدّد توزيع الاحتمالات الذي يحسبه النموذج.
- A New Algorithm for Data Compression، Philip Gage، 1994. التقطيع إلى رموز. الخوارزمية المستخدَمة اليوم في التقطيع إلى رموز صُمّمت في الأصل كطريقة عامة لضغط البيانات، بلا علاقة باللغة.
- Language Model Tokenizers Introduce Unfairness Between Languages، Aleksandar Petrov، Emanuele La Malfa، Philip H. S. Torr، Adel Bibi، 2023. التقطيع إلى رموز. المحتوى الواحد مترجَمًا إلى لغات مختلفة قد يحتاج إلى خمسة عشر ضعف الرموز حسب اللغة.
- Hierarchical Neural Story Generation، Angela Fan، Mike Lewis، Yann Dauphin، 2018. Top-k. المعاينة top-k، التي تقصر السحب على الكلمات k الأكثر احتمالًا في كل خطوة، تخدم في توليد نصّ أكثر تنوّعًا من اختيار حتميّ دائمًا.