المفاهيم الأساسية للذكاء الاصطناعي التوليدي

يفتح هذا الموضوع النموذج الأساسي ويريك ما بداخله. تبدأ من بنية transformer وكيف تقرأ التسلسل كاملاً دفعة واحدة، ثم تتبع مستنداً حقيقياً وهو يتحول إلى tokens ثم قطع ثم embeddings قابلة للبحث. بعدها تخرج من النص إلى الصور، وتصل إلى القرارات التي تصنع الفارق في الإنتاج: أي نموذج تختار، وكم سيكلّفك، وما الذي يستحق مكاناً في المطالبة، ومتى يتوقف النموذج عن الإجابة ويبدأ بالتصرف.

هذه ثمانية دروس تغطي بيان المهمة 2.1 من دليل الاختبار كاملاً، وهو البيان الذي تستند إليه بقية مجالات الامتحان.

ما الذي يغطيه هذا الموضوع

• النماذج الأساسية ونماذج اللغة الكبيرة: self-attention وpositional encoding والمعاملات والتدريب المسبق ذاتي الإشراف
• الـ tokens والتقطيع والـ embeddings: استراتيجيات التقطيع في Amazon Bedrock، والبحث بالتشابه، وتقسيم العمل بين نموذج الـ embedding ومخزن المتجهات
• النماذج متعددة الوسائط ونماذج الانتشار: الانتشار الأمامي والعكسي، والفضاء الكامن، والفرق عن GANs
• حالات الاستخدام التوليدية الثماني التي يسمّيها دليل الاختبار، ومتى يكون تعلم الآلة التقليدي هو الجواب الأصح
• دورة حياة النموذج الأساسي بمراحلها السبع، والفرق بين التدريب المسبق والضبط الدقيق
• التسعير المبني على الـ tokens: On-Demand والدفعات وProvisioned Throughput والتخزين المؤقت للمطالبات
• هندسة السياق: نافذة السياق كموازنة، ومشكلة الضياع في المنتصف، والفرق عن هندسة المطالبات
• الوكلاء الأذكياء: حلقة الاستدلال، وأنماط تعدد الوكلاء، وبروتوكول MCP ودعم AWS له

لماذا هذا مهم

كل سؤال لاحق في الاختبار عن RAG أو هندسة المطالبات أو الضبط الدقيق أو الحوكمة يفترض أنك تملك هذه المفردات. من لا يعرف ما الـ token لن يفهم لماذا للسياق حد، ولا لماذا تختلف فاتورتان لنفس التطبيق بثمانين ضعفاً.

المكسب العملي أبعد من الاختبار. حين تستطيع تتبّع الطلب من المطالبة إلى الـ tokens إلى الاستدلال ثم إلى الفاتورة، تصير قادراً على الرد على الأسئلة التي تُطرح في اجتماعات حقيقية: هل تناسب هذه المهمة نموذجاً أساسياً أصلاً، وبأي نموذج نبدأ، وكم سيكلفنا هذا عند التوسع، ومتى يستحق الأمر وكيلاً بدل مطالبة واحدة.