الامتحان النهائي: مقدمة في نماذج LLM
تقييم شامل يغطي الوحدات الأربع كلها.
25 سؤالاً — اختبر فهمك الإجمالي لنماذج اللغة الكبيرة.
السؤال 1
ما الآلية الأساسية وراء توليد نماذج LLM للنصوص؟
A) البحث عن إجابات في قاعدة بيانات
B) التنبؤ بالـ token التالي استناداً إلى أنماط تعلّمها أثناء التدريب
C) النسخ من الإنترنت في الوقت الفعلي
D) اتباع نصوص مكتوبة مسبقاً
عرض الإجابة
الإجابة الصحيحة: B
تولّد نماذج LLM النص بالتنبؤ بالـ token التالي (جزء الكلمة) استناداً إلى أنماط تعلّمتها من بيانات التدريب. هذه الآلية البسيطة أساس كل قدراتها.
السؤال 2
لماذا صار ChatGPT أسرع تطبيق استهلاكي نمواً في التاريخ؟
A) كان أول ذكاء اصطناعي يُبتكر على الإطلاق
B) جمع بين ذكاء اصطناعي قادر وواجهة حوارية سهلة الوصول
C) كان إلزامياً لجميع مستخدمي الإنترنت
D) كان مجانياً تماماً بلا حدود
عرض الإجابة
الإجابة الصحيحة: B
جمع ChatGPT قدرات GPT-3.5 مع تدريب RLHF للمحادثة الطبيعية، فجعل الذكاء الاصطناعي المتقدم في متناول الجميع عبر واجهة دردشة بسيطة.
السؤال 3
ما العلاقة بين الـ tokens والكلمات؟
A) 1 token = كلمة واحدة تماماً
B) 1 token ≈ ¾ كلمة في المتوسط
C) 1 token = 10 كلمات
D) لا علاقة بينهما على الإطلاق
عرض الإجابة
الإجابة الصحيحة: B
الـ tokens أجزاء كلمات — في المتوسط يعادل token واحد نحو ¾ كلمة. الكلمات الطويلة أو غير الشائعة تُقسَّم إلى عدة tokens.
السؤال 4
ماذا تعني «الهلوسة» في سياق نماذج LLM؟
A) أن يعيش الذكاء الاصطناعي أحلاماً
B) توليد معلومات تبدو معقولة لكنها غير صحيحة
C) عرض تأثيرات بصرية
D) العمل ببطء
عرض الإجابة
الإجابة الصحيحة: B
الهلوسة هي عندما يولّد نموذج LLM معلومات تبدو مقنعة لكنها خاطئة واقعياً أو مختلقة تماماً.
السؤال 5
ما هي نافذة السياق؟
A) شاشة مساعدة منبثقة
B) أقصى نص يستطيع النموذج معالجته دفعة واحدة
C) أداة تصحيح أخطاء
D) نافذة لعرض قوائم السياق
عرض الإجابة
الإجابة الصحيحة: B
نافذة السياق هي أقصى كمية نص (مقاسة بالـ tokens) يستطيع نموذج LLM «رؤيتها» عند توليد الرد — مثل حد ذاكرته قصيرة المدى.
السؤال 6
أي شركة أنشأت Claude وتركّز على سلامة الذكاء الاصطناعي؟
A) OpenAI
B) Google
C) Anthropic
D) Meta
عرض الإجابة
الإجابة الصحيحة: C
أنشأت Anthropic، التي أسسها باحثون سابقون في OpenAI، نموذج Claude مع تركيز على سلامة الذكاء الاصطناعي والمواءمة.
السؤال 7
ما الذي يجعل نماذج Llama من Meta مهمة؟
A) أنها الأغلى
B) أنها مفتوحة المصدر، فيستطيع أي شخص تشغيلها محلياً
C) أنها تعمل على Facebook فقط
D) أنها أقدم نماذج LLM
عرض الإجابة
الإجابة الصحيحة: B
نماذج Llama مفتوحة المصدر، ما يعني أن أي شخص يستطيع تنزيل الأوزان وتشغيلها محلياً، وهذا يتيح الخصوصية والتخصيص.
السؤال 8
ما هو RLHF؟
A) Really Large Human Files
B) Reinforcement Learning from Human Feedback
C) Rapid Language Human Formatting
D) Regular Learning High Frequency
عرض الإجابة
الإجابة الصحيحة: B
RLHF (Reinforcement Learning from Human Feedback) تقنية تدريب يقيّم فيها البشر مخرجات الذكاء الاصطناعي، فيتعلم النموذج إنتاج ردود أعلى تقييماً.
السؤال 9
لماذا قد تكلف tokens المخرج أكثر من tokens المدخل؟
A) لأنها أعلى جودة
B) توليد المخرج يتطلب حساباً أكثر
C) أسباب تسويقية
D) تأخذ مساحة تخزين أكبر
عرض الإجابة
الإجابة الصحيحة: B
توليد كل token مخرج يتطلب تشغيل عملية التنبؤ في النموذج، وهي أثقل حسابياً من معالجة المدخل.
السؤال 10
ما الميزة الرئيسية لتشغيل نماذج LLM محلياً؟
A) أسرع دائماً
B) الخصوصية — البيانات لا تغادر جهازك
C) أرخص دائماً
D) جودة أفضل
عرض الإجابة
الإجابة الصحيحة: B
تبقي نماذج LLM المحلية كل البيانات على جهازك، ما يضمن الخصوصية للتطبيقات الحساسة مثل الرعاية الصحية أو القانون أو المالية.
السؤال 11
ما هو "temperature" في إعدادات نماذج LLM؟
A) مستوى تبريد الخادم
B) عنصر تحكم في عشوائية المخرج وإبداعيته
C) سرعة المعالجة
D) حجم النموذج
عرض الإجابة
الإجابة الصحيحة: B
يتحكم temperature في مدى عشوائية المخرجات أو حتميتها. قيمة منخفضة = متوقع؛ قيمة مرتفعة = أكثر إبداعاً لكن أكثر مخاطرة.
السؤال 12
ماذا يعني "knowledge cutoff"؟
A) عندما يتوقف النموذج عن العمل
B) التاريخ الذي لا توجد بعده بيانات تدريب
C) حد للموضوعات التي يمكن مناقشتها
D) السعة القصوى للمعرفة
عرض الإجابة
الإجابة الصحيحة: B
Knowledge cutoff هو التاريخ الذي لا يملك النموذج بعده أي بيانات تدريب. الأحداث بعد هذا التاريخ مجهولة للنموذج.
السؤال 13
ما هو الذكاء الاصطناعي متعدد الوسائط؟
A) ذكاء اصطناعي بشخصيات متعددة
B) ذكاء اصطناعي يعالج أنواعاً متعددة من البيانات (نص، صور، صوت)
C) ذكاء اصطناعي يعمل على عدة حواسيب
D) ذكاء اصطناعي يتحدث عدة لغات
عرض الإجابة
الإجابة الصحيحة: B
يستطيع الذكاء الاصطناعي متعدد الوسائط فهم أنواع متعددة من المحتوى وتوليدها — نص وصور وصوت وفيديو — غالباً مجتمعة.
السؤال 14
ما وكلاء الذكاء الاصطناعي (AI agents)؟
A) باحثون بشريون في الذكاء الاصطناعي
B) أنظمة ذكاء اصطناعي تستطيع اتخاذ إجراءات وإكمال مهام بشكل مستقل
C) ممثلو مبيعات للذكاء الاصطناعي
D) روبوتات دردشة بسيطة
عرض الإجابة
الإجابة الصحيحة: B
يستطيع وكلاء الذكاء الاصطناعي اتخاذ إجراءات واستخدام أدوات وتخطيط مهام متعددة الخطوات والعمل بشكل مستقل لإكمال أهداف معقّدة.
السؤال 15
ما هو quantization في سياق نماذج LLM المحلية؟
A) عدّ الـ parameters
B) تقليل دقة النموذج لجعله أصغر وأسرع
C) قياس الجودة
D) التقسيم إلى أجزاء
عرض الإجابة
الإجابة الصحيحة: B
يقلّل quantization دقة أوزان النموذج (مثلاً من 16 بت إلى 4 بت)، فيجعل النماذج أصغر وأسرع مقابل بعض التنازل عن الجودة.
السؤال 16
ما هي API في سياق نماذج LLM؟
A) نوع من نماذج الذكاء الاصطناعي
B) واجهة تتواصل بها التطبيقات مع خدمات LLM
C) لغة برمجة
D) شخصية ذكاء اصطناعي
عرض الإجابة
الإجابة الصحيحة: B
تسمح API (Application Programming Interface) للتطبيقات بإرسال prompts إلى خدمات LLM واستقبال الردود المولَّدة برمجياً.
السؤال 17
لماذا يُدعى GPT "Generative Pre-trained Transformer"؟
A) اسم تسويقي عشوائي
B) Generative (ينشئ)، Pre-trained (تعلّم قبل الاستخدام)، Transformer (الهندسة)
C) سُمّي نسبة إلى المخترعين
D) استناداً إلى الموقع
عرض الإجابة
الإجابة الصحيحة: B
يصف GPT النموذج: Generative (ينشئ نصاً جديداً)، Pre-trained (دُرِّب على بيانات قبل النشر)، Transformer (هندسة الشبكة العصبية المستخدمة).
السؤال 18
ما هو RAG (Retrieval-Augmented Generation)؟
A) مولّد وسوم عشوائي
B) الجمع بين نماذج LLM واسترجاع قاعدة معرفة لتقليل الهلوسة
C) نموذج تسعير
D) إطار اختبار
عرض الإجابة
الإجابة الصحيحة: B
يسترجع RAG مستندات ذات صلة من قاعدة معرفة ويدرجها في الـ prompt، فيؤسس ردود نموذج LLM على معلومات موثّقة.
السؤال 19
ما الذي يجعل Claude ممتازاً خصوصاً لتحليل المستندات؟
A) أسرع معالجة
B) نافذة سياق كبيرة جداً (حتى 200K tokens)
C) أرخص سعر
D) أفضل الصور
عرض الإجابة
الإجابة الصحيحة: B
تسمح نافذة سياق Claude حتى 200K tokens بمعالجة مستندات طويلة جداً — حتى كتب كاملة — في prompt واحد.
السؤال 20
ما معنى "emergent abilities" في نماذج LLM؟
A) ميزات طوارئ
B) قدرات تظهر عند المقياس الكبير دون برمجة صريحة
C) مشتريات إضافية
D) قدرات البداية
عرض الإجابة
الإجابة الصحيحة: B
القدرات الناشئة قدرات (مثل الاستدلال أو الترجمة) تظهر عندما تبلغ النماذج مقياساً كافياً، حتى وإن لم تُبرمج صراحة.
السؤال 21
كيف «تتذكر» نماذج LLM المحادثة السابقة؟
A) تخزين دائم في قاعدة بيانات
B) تُعاد إرسال المحادثة كاملة مع كل رسالة
C) سحر
D) نسخ احتياطي سحابي
عرض الإجابة
الإجابة الصحيحة: B
ليس لدى نماذج LLM ذاكرة دائمة. يُدرج تاريخ المحادثة كاملاً في كل رسالة، حتى حد السياق.
السؤال 22
ما جدل السلامة حول نماذج LLM مفتوحة المصدر؟
A) أنها آمنة تماماً
B) الوصول المفتوح يتيح الاستخدام النافع وإساءة الاستخدام المحتملة معاً
C) النماذج المغلقة وحدها خطرة
D) السلامة ليست مصدر قلق
عرض الإجابة
الإجابة الصحيحة: B
يتمحور الجدل حول ما إذا كان الوصول المفتوح يتيح الابتكار والشفافية، أم يتيح الاستخدام الخبيث وإزالة تدابير السلامة.
السؤال 23
متى ينبغي ألا تعتمد على مخرج نموذج LLM وحده؟
A) الكتابة الإبداعية
B) القرارات الطبية أو القانونية أو المالية
C) مسودات البريد الإلكتروني
D) العصف الذهني
عرض الإجابة
الإجابة الصحيحة: B
القرارات عالية المخاطر (طبية، قانونية، مالية) يجب ألا تعتمد على مخرج نموذج LLM وحده بسبب خطر الهلوسة وغياب المساءلة.
السؤال 24
أي أداة تجعل تشغيل نماذج LLM محلياً بسيطاً للمبتدئين؟
A) Microsoft Word
B) Ollama أو LM Studio
C) Photoshop
D) Excel
عرض الإجابة
الإجابة الصحيحة: B
يجعل Ollama, LM Studio تنزيل نماذج LLM المحلية وتشغيلها أمراً بسيطاً دون الحاجة إلى خبرة تقنية.
السؤال 25
ما الفكرة الأساسية عما تفعله نماذج LLM فعلاً؟
A) تفهم كما يفهم البشر
B) تتنبأ بنص محتمل إحصائياً استناداً إلى أنماط
C) تنسخ من الإنترنت
D) تفكّر بوعي
عرض الإجابة
الإجابة الصحيحة: B
تتنبأ نماذج LLM بنص محتمل إحصائياً استناداً إلى أنماط تعلّمتها أثناء التدريب. هذه الآلية البسيطة أساس كل قدراتها، بما فيها قيودها.
دليل التصحيح
| الدرجة | التقدير | التفسير |
|---|---|---|
| 23-25 | A | فهم ممتاز لنماذج LLM |
| 20-22 | B | فهم جيد، فجوات بسيطة |
| 17-19 | C | فهم كافٍ، يُوصى بالمراجعة |
| 14-16 | D | فهم أساسي، مراجعة جوهرية مطلوبة |
| أقل من 14 | F | أعد دراسة مواد الدورة |
ماذا بعد؟
نجحت؟ فكّر في:
- تعلّم هندسة الـ prompts
- استكشاف تطوير واجهات API
- التعمّق في التعلم الآلي
تحتاج إلى مراجعة؟
- أعد زيارة فصول الوحدات
- أعد اختبارات الوحدات
- استخدم المسرد لتوضيح المصطلحات
تهانينا!
لقد أكملت مقدمة في نماذج LLM! أصبح لديك الآن فهم مفاهيمي متين لـ:
✅ ماهية نماذج LLM وكيف تعمل
✅ أبرز المزوّدين والفروقات بينهم
✅ الاعتبارات العملية (واجهات API، الـ tokens، التكاليف)
✅ القيود وكيف تتعامل معها
✅ المنظومة الأوسع والاتجاهات المستقبلية
مرحباً بك في عالم الذكاء الاصطناعي!