تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. مجالات الأبحاث
  3. علوم الحاسوب (Computer Science)
  4. التصنيف: الذكاء الاصطناعي (Artificial Intelligence)

الأبحاث في مجال: الذكاء الاصطناعي (Artificial Intelligence)



  • كيف تشكل الذكاء الاصطناعي التوليدي مستقبل التسويق

    2024 | المؤلف: Dhruv Grewal وآخرون | المجلة: Journal of the Academy of Marketing Science | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تناقش الورقة البحثية التأثير التحويلي للذكاء الاصطناعي التوليدي (Gen AI) على التسويق، مع التأكيد على إمكانيته في إعادة تشكيل تفاعلات العملاء، وإنشاء المحتوى، وتطوير المنتجات على مدار العقد المقبل. تقدم إطار عمل رباعي الزوايا يساعد المسوقين في التنقل بين اعتماد وتنفيذ Gen AI من خلال تسليط الضوء على المقايضات المتعلقة بطبيعة مدخلات Gen AI (عامة…


  • استبيان حول LoRA لنماذج اللغة الكبيرة

    2024 | المؤلف: Yuren Mao وآخرون | المجلة: Frontiers of Computer Science | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه القسم نظرة عامة على التكيف منخفض الرتبة (LoRA)، وهي طريقة فعالة من حيث المعلمات للتعديل الدقيق تستخدم مصفوفات منخفضة الرتبة لتحديث طبقات الشبكة العصبية الكثيفة. لقد حظيت LoRA باهتمام كبير بسبب مزاياها في التعميم عبر المهام والحفاظ على الخصوصية، مما أدى إلى زيادة سريعة في الأدبيات ذات الصلة. تصنف الدراسة التقدم في LoRA…


  • استبيان حول الشبكات العصبية الديناميكية

    2024 | المؤلف: Yanping Zheng وآخرون | المجلة: Frontiers of Computer Science | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه القسم نظرة عامة على الشبكات العصبية الرسومية الديناميكية (GNNs)، مع تسليط الضوء على أهميتها في معالجة البيانات المهيكلة على شكل رسومات التي تتطور مع مرور الوقت. بينما تركز الشبكات العصبية الرسومية التقليدية بشكل أساسي على الرسومات الثابتة، تدمج الشبكات العصبية الرسومية الديناميكية نمذجة التسلسل لالتقاط الاعتماد الزمني، مما يوفر تمثيلًا أكثر دقة للشبكات…


  • تعزيز الأمن السيبراني والخصوصية باستخدام الذكاء الاصطناعي: الاتجاهات الحالية واتجاهات البحث المستقبلية

    2024 | المؤلف: Krishnashree Achuthan وآخرون | المجلة: Frontiers in Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تتناول ورقة البحث الحاجة الملحة لاستراتيجيات مبتكرة في الأمن السيبراني في ضوء تصاعد التهديدات السيبرانية، مع تسليط الضوء على إمكانيات الذكاء الاصطناعي (AI) لتعزيز تدابير الأمن السيبراني من خلال قدرات متقدمة مثل كشف التسلل وتصنيف البرمجيات الضارة. على الرغم من الأدبيات المتزايدة حول تطبيقات الذكاء الاصطناعي في هذا المجال، يحدد المؤلفون فجوة كبيرة في التحليلات…


  • تمكين التعلم في السياق لنماذج اللغة الكبيرة متعددة الوسائط لتصنيف صور علم الأمراض السرطانية

    2024 | المؤلف: Dyke Ferber وآخرون | المجلة: Nature Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تناقش هذه القسم التحديات والتقدم في تصنيف الصور الطبية، وخاصة في علم الأمراض النسيجية، حيث تعتبر مجموعات البيانات المعلّمة ضرورية لتدريب نماذج التعلم العميق. يبرز المؤلفون الكثافة الحاسوبية لتدريب هذه النماذج من الصفر أو تحسين النماذج الموجودة. يقدمون التعلم في السياق كبديل واعد، مما يسمح للنماذج بالتعلم من المحفزات دون الحاجة إلى تحديثات المعلمات. لقد…


  • تقييم الشمولية والعدالة لأدوات التوظيف بالذكاء الاصطناعي لتوظيف الأشخاص ذوي الإعاقة في الإمارات العربية المتحدة

    2024 | المؤلف: Ambreen Iftikhar وآخرون | المجلة: Data & Metadata | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقيم الورقة شمولية وعدالة أدوات التوظيف المدعومة بالذكاء الاصطناعي المستخدمة لتوظيف الأفراد ذوي الإعاقة في دولة الإمارات العربية المتحدة. بينما تقدم هذه الأدوات مزايا من حيث السرعة والكفاءة، تبرز النتائج تحديات كبيرة تتعلق بالتحيز، والوصول، والعدالة. أظهر تحليل المشاعر أن 35.4% من التعليقات أشادت بالأدوات لكفاءتها ووضوحها، بينما أعربت 18.8% عن مخاوف بشأن التحيز ونقص…


  • نماذج اللغة الكبيرة لاستخراج المعلومات التوليدية: استعراض

    2024 | المؤلف: Derong Xu وآخرون | المجلة: Frontiers of Computer Science | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه القسم نظرة عامة على دور نماذج اللغة الكبيرة التوليدية (LLMs) في استخراج المعلومات (IE)، التي تركز على اشتقاق المعرفة الهيكلية من نصوص اللغة الطبيعية غير المنظمة. يقوم المؤلفون بإجراء مراجعة منهجية للتطورات الحديثة في دمج LLMs في مهام IE المختلفة، مصنفين الأدبيات بناءً على مهام فرعية وتقنيات مختلفة. يقومون بتحليل تجريبي لأحدث الأساليب…


  • تقييم أداء حاسوب كمومي مع أيونات محصورة يحتوي على 30 كيوبت

    2024 | المؤلف: Jwo-Sy Chen وآخرون | المجلة: Quantum | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم ورقة البحث تقييمًا شاملاً لنظام IonQ Forte، وهو حاسوب كمي محاصر من نوع الأيونات يحتوي على 30 كيوبت ومُهيأ في سلسلة خطية واحدة. قام المؤلفون بإجراء تقييمات شاملة، بما في ذلك تقييم عشوائي مباشر (DRB) لجميع بوابات الكيوبت الواحد والاثنين، مما يظهر عمليات عالية الدقة تبقى غير متأثرة بفصل الأيونات. تمثل الدراسة إنجازًا كبيرًا…


  • استبيان حول تعزيز الرسوم البيانية المعرفية (KGs) باستخدام نماذج اللغة الكبيرة (LLMs): النماذج، مقاييس التقييم، المعايير، والتحديات

    2024 | المؤلف: Nourhan Ibrahim وآخرون | المجلة: Discover Artificial Intelligence | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    إن دمج نماذج اللغة الكبيرة (LLMs) مع الرسوم البيانية المعرفية (KGs) يعزز بشكل كبير من قابلية الفهم والأداء لأنظمة الذكاء الاصطناعي. تصنف هذه الدراسة أساليب الدمج إلى ثلاثة نماذج رئيسية: LLMs المعززة بالرسوم البيانية المعرفية، KGs المعززة بنماذج اللغة الكبيرة، والأطر المتكاملة. يتم تقييم كل نموذج بناءً على منهجيته، نقاط قوته، نقاط ضعفه، وتطبيقاته العملية،…


  • ترميز البيانات الكمية: تحليل مقارن لتقنيات التحويل من الكلاسيكية إلى الكمية وتأثيرها على دقة التعلم الآلي

    2024 | المؤلف: Minati Rath وآخرون | المجلة: EPJ Quantum Technology | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تستكشف هذه الدراسة دمج تقنيات تضمين البيانات الكمومية في خوارزميات التعلم الآلي التقليدية، بهدف تقييم تحسينات الأداء والآثار الحسابية عبر نماذج مختلفة. تبحث البحث في عدة طرق لتخطيط البيانات من الكلاسيكية إلى الكمومية، بما في ذلك ترميز الأساس، ترميز الزاوية، وترميز السعة، وتقوم بإجراء تحليل تجريبي يشمل خوارزميات التعلم الآلي الشهيرة مثل الانحدار اللوجستي، أقرب…


←السابق
1 … 66 67 68 69 70 … 80
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.