الذكاء الاصطناعي من الصفر
دورة كاملة في الذكاء الاصطناعي، من الرياضيات وصولًا إلى LLMs والوكلاء وMCP. ثلاثون فصلًا، وكل فصل يستحق القراءة بمفرده.
الـ Perceptron من الصفر: ما الذي يحسبه العصبون؟
العصبون مجموع موزون وعتبة. هذه هي الفكرة كلها — وحدودها هي ما فرض كل ما جاء بعدها.
من أين تأتي دالة الخسارة: من الأرجحية، لا من العرف
الخطأ التربيعي ليس عرفًا. إنه ادعاء عن الضجيج، ويمكنك أن تراه يخطئ.
إلى أسفل الوادي: Gradient Descent والخطوتان اللتان يتخطاهما الجميع
الجميع يكتب علامة الطرح. لكن قلّة يشرحون لماذا هي هناك، أو ما حجم الخطوة التي تتحمّلها.
التصنيف، الإنتروبيا المتقاطعة، وكيف لا تخدع نفسك
الدقة أسهل رقم يمكن الإبلاغ عنه، وأسهل رقم يمكن أن يخدعك.
Backpropagation من الصفر: المحرك أولًا، ثم الشبكة
Backpropagation ليس خوارزمية للشبكات العصبية. إنه قاعدة السلسلة، مطبّقة على رسم بياني، وفي الاتجاه الكفؤ.
جعله يتدرّب، وجعله يعمّم
الـ gradient صحيح، ومع ذلك لا تتعلم الشبكة. هذا الفصل عن الفرق بين الأمرين.
ابنِ BPE Tokenizer: لماذا لا يستطيع نموذجك عدّ حروف R؟
النموذج لا يرى الحروف أبدًا. كل غرابة في التهجئة والعدّ والمسافات البادئة تبدأ من هنا.
التنبؤ بالـ token التالي: Embeddings، وما تعنيه Perplexity
هدف واحد، بلا labels، وجدول متجهات لم يصممه أحد.
Attention وكتلة Transformer، مشتقان من المتوسط
attention ليست صيغة تقبلها كما هي. إنها ما تحصل عليه حين تتوقف عن متوسط موحّد للماضي وتدع النموذج يختار الأوزان.
التدريب المسبق لـ LLM: البيانات والحوسبة وقوانين التوسع والتكلفة
القرارات المتبقية ليست قرارات برمجية. إنها مشتريات.
من Base Model إلى Assistant: SFT وRLHF وDPO وGRPO
النموذج المدرّب مسبقًا لا يجيب عن الأسئلة؛ إنه يواصل النص. الفارق الحقيقي هو مرحلة تدريب ثانية لا يراها أحد.
Chain of Thought وRLVR وTest-Time Compute، بالأرقام
النموذج لا يفكر. إنه ينفق مزيدًا من token قبل الإجابة، وهذا قابل للقياس والفوترة.
جعل inference رخيصًا: KV cache وbatching والتكميم
التوليد ليس مشكلة واحدة: أول token مقيّد بالحوسبة، ثم آلاف tokens مقيّدة بالذاكرة، ومن هذا الانقسام تأتي معظم حيل التشغيل.
أول استدعاء LLM في الإنتاج: البث، إعادة المحاولة، المهل الزمنية
صار النموذج خلف منفذ. من هنا، معظم ما يتعطّل لا علاقة له بالرياضيات.
Prompt Engineering بالأرقام: ما الذي يغيّر المخرجات
الـ prompt يُقاس ولا يُجادَل. أربعة تنويعات على عشرين حالة لا تثبت شيئًا.
Context Window وtokens والفاتورة، بالأرقام
النافذة ليست ذاكرة. تُملأ من الصفر في كل استدعاء، وأنت تدفع تكلفة هذا الملء.
Temperature وTop-p والحتمية التي لا تملكها
Temperature لا تجعل النموذج أكثر إبداعًا. إنها ترفع احتمال tokens قيّمها النموذج نفسه في القاع، ويمكنك مشاهدة ذلك يحدث.
Tool Calling والمخرجات المنظَّمة: العقد الذي يصمد
النموذج لا ينفّذ شيئًا أبدًا. إنه يطلب، بالشكل الذي حدّدته، وهذا الشكل هو الجزء الوحيد الذي تتحكم به.
RAG في الإنتاج: Chunking والاسترجاع والاستشهادات الصادقة
chunking السيئ يدمّر الإجابة قبل أن يبدأ البحث، ولا ينقذها أي reranker.
Fine-Tune أم استرجاع أم Prompt؟ القرار اقتصادي
لا يسأل أحد هذا السؤال عن النموذج. بل يسألونه عن الميزانية.
تسعير Multimodal: ما الذي تُحاسَب عليه الصور والصوت والفيديو فعلاً
الصورة لا تكلّف «صورة واحدة». إنها تكلّف token، وفق معادلة لم تخترها.
ما هو AI Agent: خمسة أنواع كلاسيكية وتعريفان متنافسان
أداة واحدة في الفهرس حوّلت نداءً واحداً إلى اثنين و39 token إدخال إلى 420. هل جعله ذلك agent؟ يعتمد على التعريف الذي تفتحه.
ابنِ Agent Harness: الحلقة وخمس طرق للخروج منها
الحلقة خمسة عشر سطرًا. وكل ما يجعلها قابلة للشحن هو طريقة للخروج منها.
Context Engineering: لماذا يصبح agent لديك أغبى عند الدور 40
لم تمتلئ النافذة. الحقيقة تحركت فقط، فتوقف agent عن العثور عليها.
تنسيق multi-agent: خمسة أنماط، ومتى يفوز أحدها
أربعة ترتيبات، مهمة واحدة، فاتورة واحدة. الأرخص كان مخطئًا، والأغلى لم يستطع فحص عمّاله.
شرح MCP وفق المواصفة: ما هو الخادم حقًا
ليست سحرًا. إنها transport وصيغة رسائل وثلاث بدائيات، ويمكنك كتابتها يدويًا.
إطلاق خادم MCP: TypeScript وPython بالأرقام
SDKان وسلك واحد. الفروق المثيرة هي تلك التي لا يستطيع البروتوكول رؤيتها.
Agent Skills و SKILL.md: الإفصاح التدريجي، بالأرقام
الـ skill مجلد يحتوي ملف Markdown. كل ما يهم يبدأ من أي جزء من ذلك الملف يُقرأ، ومتى.
تقييم LLM: من benchmarks العامة إلى مجموعتك الذهبية
الرقم بلا مجال ثقة ليس إلا حكاية بأرقام عشرية.
حقن prompt والثلاثية القاتلة: تأمين agent حقيقي
لا يستطيع النموذج تمييز تعليماتك من تعليمات غريب. كل ما ينجح مبني على قبول هذه الحقيقة.