البرمجة اللغوية NLP

Prompt Engineering
NLP, البرمجة اللغوية NLP, الذكاء الاصطناعي, نماذج اللغات الكبيرة LLM

هندسة الأوامر Prompt Engineering

هندسة الأوامر من أهم التقنيات في الذكاء الاصطناعي والتي تلعب دورا كبيرا في كيفية التواصل مع النماذج اللغوية الكبيرة وتحقيق الاستفادة المرجوة.  وهي تتم من خلال إعطاء أوامر أو صياغة تعليمات مخصصة للنموذج و توجيهه لاعتماد طريقة معينة للإجابة وعرض مخرجات دقيقة وذات صلة. أهمية هندسة الأوامر: عندما نوجه النموذج بطريقة واضحة ومدروسة فهذا يزيد من احتمالية الحصول على أفضل النتائج و بدقة عالية.  تحسين دقة الإجابات: عند توجيه الأوامر للنموذج فهذا يساعد على الحصول على اجابات دقيقة ذات علاقة بالموضوع مما يقلل من الأخطاء  توفير الوقت: توفير الجهد و الوقت من خلال الحصول على الإجابة في أقل عدد من المحاولات  التوجيه لمجالات معينة: باستخدام هندسة الأوامر يمكن توجيه النموذج في مجالات عديدة تخدم قطاعات مختلفة، مثل في قطاع الاعمال خدمة العملاء, في التعليم حل المسائل التعليمية بخطوات  التحكم في إجابة النموذج: عند صياغة الأوامر و اعطاء تعليمات محددة تمكننا من التحكم في طريقة عرض الاجابات مثل طول الاجابة او مختصره, اعطاء تحليل مفصل و توضيح الخطوات, أو شرح مادة علمية لفئة معينة مثل الأطفال.   معلمات في هندسة الأوامر:  Temperature: اذا كانت درجة عالية: تجعل النموذج غير قابل للتنبؤ، وذلك يؤدي إلى تنوع أكبر في الإجابات درجة منخفضة: تجعل النموذج لديه قابلية للتنبؤ، وبالتالي تكون الإجابات دقيقة  Top-K: يحدد النموذج مجموعة محدودة من الكلمات التي من الممكن أن تظهر في الجملة التالية، مما يزيد من دقة الإجابة. Top-p:يحدد النموذج مجموعة من الكلمات تكون احتمالاتها عالية للوصول إلى الإجابة الأكثر دقة و ذات علاقة بالموضوع   تقنيات هندسة الأوامر Zero-shot:  يطلب من النموذج  مهمة لم يتدرب عليها مسبقا، ويعتمد على معرفته العامة للإجابة. مثل شرح درس عن النباتات الاطفال.  Few-shot: و هو شرح و تعليم النموذج كيفية طريقة استجابته وهيكل الإجابة. مثل عند طلب المستخدم تلخيص كتاب يكون التلخيص في خمسة جمل مختصرة عن محتوى الكتاب, و يتم تقديم عدة أمثلة مشابهة لهذا الأمر حتى يتعلم منها في طريقة إجابته تقنيات متقدمة في هندسة الأوامر System Prompt: وهي تحديد السياق العام للنموذج مما يجعل مخرجات النموذج بصيغة تم تحديدها مسبقا و ذلك لرفع دقة الإجابات و تقليل تكرارهاRole Prompt: إعطاء النموذج دورًا محاكاته مثل مرشد سياحي وتحديد الأسلوب الذي يتبعه، مثل إعطاءه سيناريوهات تحتاج إلى تفاصيلContextual Prompts: تقديم معلومات و خلفية عن موضوع معين للنموذج حول محادثة أو مهمة ما.  و الهدف منها الحصول على إجابات دقيقةStep Back Prompting: تشجيع النموذج على التفكير في الأسئلة بشكل أكبر قبل بدء الإجابة. مثل أخذ خطوة للخلف لرؤية الصورة الكبيرة للموضوع قبل تقديم الإجابةChain of Thoughts Prompting: توجيه النموذج لشرح الأسباب و التفكير المنطقي خطوة بخطوة كما يفعل الأشخاص عند حل المهام. مثل إظهار تفاصيل وخطوات الحل بدلاً من تقديم الإجابة النهائية مباشرة، مثل حل مسائل الرياضيات. و الهدف منها تحقيق دقة عالية للنموذجSelf-consistency: مبني على Chain of Thoughts، حيث يتم توليد عدة إجابات ثم اختيار الإجابة المناسبة وأكثر دقة. إذا كانت الإجابات تتكرر باستمرار، فهذا يعني أنه لا يوجد تحيز في النموذج  دورات في هندسة الأوامر   what is prompt engineering ChatGPT Prompt Engineering for Developers Prompt Engineering for ChatGPT    

البرمجة اللغوية NLP

أساسيات معالجة اللغة الطبيعية (NLP)

معالجة اللغة الطبيعية NLP هي مجال من مجالات الذكاء الاصطناعي يهدف إلى تمكين الآلات من فهم اللغة البشرية والتفاعل معها. نستعرض في هذا المقال بعض المفاهيم الأساسية  في تعلم NLP.  أساسيات التعرف على الكلام Speech Recognition Basics التعرف على الكلام هو تقنية تهدف إلى تحويل الصوت إلى نص مكتوب. يعتمد هذا على نماذج الذكاء الاصطناعي التي تتعلم التعرف على أنماط الصوت وربطها بالكلمات والجمل. مثال تقنية التعرف على الصوت في الهواتف الذكية مثل Siri و Google Assistant  تُستخدم لتحويل أوامر المستخدم الصوتية إلى نصوص وتنفيذ المهام المطلوبة. نماذج اللغة Language Models نماذج اللغة هي خوارزميات تتعلم توقع الكلمات والجمل بناءً على النصوص المدخلة. تستخدم هذه النماذج في مجموعة واسعة من التطبيقات مثل الترجمة التلقائية والتكملة التلقائية للنصوص. مثال عند كتابة رسالة على الجوال،  النظام يقترح كلمات لإكمال الجملة. هذا يعتمد على نماذج اللغة المدربة على تحليل النصوص السابقة. تحديد أجزاء الكلام Part of Speech Tagging تحديد أجزاء الكلام هو عملية تحديد نوع الكلمة في الجملة، سواء كانت فعلا، اسما، صفة، أو غيرها. هذه خطوة أساسية في فهم تركيب الجملة وتحليلها. مثال في جملة مثل “الطالب يكتب الواجب”، يتم تحديد “الطالب” كاسم و”يكتب” كفعل. التعرف على الكيانات المسماة Named Entity Recognition التعرف على الكيانات المسماة هو تقنية تستخدم لتحديد واستخراج الأسماء الخاصة مثل الأشخاص، الأماكن، الشركات، والتواريخ من النص.  تحليل المشاعر Sentiment Analysis تحليل المشاعر هو عملية تحديد ما إذا كانت النصوص تعبر عن مشاعر إيجابية، سلبية، أو محايدة. يستخدم  في تحليل التعليقات على وسائل التواصل الاجتماعي. مثال يمكن لنظام تحليل المشاعر تقييم ما إذا كانت مراجعة تقيمات المنتج إيجابية أم سلبية بناء على الكلمات المستخدمة في النص. تحليل شجرة الجملة Syntax Tree Parsing تهدف إلى تحليل البنية النحوية للجمل وتحديد العلاقات بين الكلمات والمكونات النحوية المختلفة. مثال في جملة مثل “الولد يلعب في الحديقة”، يقوم النظام ببناء شجرة توضح أن “الولد” هو الفاعل و”يلعب” هو الفعل الرئيسي. تضمين الكلمات Word Embeddings تمثيل الكلمات هو طريقة لتحويل الكلمات إلى أرقام يمكن معالجتها بواسطة الآلة، حيث تكون الكلمات ذات المعاني المتشابهة قريبة من بعضها في الفضاء العددي. مثال في نموذج مثل Word2Vec، يمكن تمثيل كلمات مثل “طالب” و”طالبة” بمتجهات قريبة  مما يُظهر التشابه بينها. توليد النصوص Text Generation توليد النصوص هو عملية استخدام نماذج اللغة لإنشاء نصوص جديدة بناء على مدخلات معينة. يستخدم هذا في كتابة القصص أو إنشاء نصوص مخصصة. مثال نموذج GPT يمكنه كتابة مقالات، قصص إعطائه بداية النص. مكتبات معالجة اللغة الطبيعية NLP Libraries هناك العديد من المكتبات البرمجية التي تسهل عملية تطوير وتطبيق نماذج NLP، مثل:– NLTK: مكتبة شاملة تحتوي على أدوات لتحليل النصوص باللغة الطبيعية.– spaCy: مكتبة تستخدم في التطبيقات التجارية بفضل سرعتها وكفاءتها. مثال: باستخدام مكتبة spaCy، يمكن بناء نموذج للتعرف على الكيانات أو تصنيف النصوص بسرعة وسهولة.