إنتقل إلى المحتوى الرئيسي

الوحدة 8: الذكاء الاصطناعي متعدد الوسائط

الذكاء الاصطناعي الذي يرى ويسمع ويفهم​

يمكن للأنظمة الذكاء الاصطناعي متعددة الوسائط معالجة وتوليد أنواع متعددة من المحتوى - النصوص والصور والصوت والفيديو - بشكل متكامل. وهذا يمثل خطوة كبيرة نحو قدرات ذكاء اصطناعي أكثر شبهاً بالبشر.

ما ستتعلمه​

  1. مفاهيم متعددة الوسائط - دمج أنواع مختلفة من المحتوى
  2. قدرات الرؤية - GPT-4V، Claude 3، Gemini
  3. الاتجاهات المستقبلية - إلى أين يتجه الذكاء الاصطناعي متعدد الوسائط

هيكل الوحدة​

الفصلالموضوعالمدة
الفصل 1دمج النصوص والصور والصوت25 دقيقة
الفصل 2رؤية GPT-4 وما بعدها25 دقيقة
الفصل 3مستقبل الأنظمة متعددة الوسائط25 دقيقة
اختباراختبار الوحدة 830 دقيقة

المفاهيم الرئيسية​

متعدد الوسائط​

الذكاء الاصطناعي الذي يعمل مع أنواع متعددة من المدخلات/المخرجات (نص + صور + صوت).

نماذج لغة الرؤية​

الذكاء الاصطناعي الذي يفهم ويستنتج حول الصور.

الفهم عبر الوسائط​

ربط المعنى عبر أنواع مختلفة من المحتوى.

النماذج الموحدة​

نماذج فردية تتعامل مع وسائط متعددة.

لماذا يهم الذكاء الاصطناعي متعدد الوسائط​

  • تفاعل أكثر طبيعية: التواصل كما يفعل البشر
  • فهم أعمق: السياق من مصادر متعددة
  • تطبيقات جديدة: تحليل الوثائق، الوصول، الأدوات الإبداعية
  • تبسيط سير العمل: نموذج واحد للعديد من المهام

لنبدأ!​

ابدأ مع الفصل 1: دمج النصوص والصور والصوت.

الوقت المقدر: 1.5 ساعة