قاموس ثنائي اللغة شامل يغطي ٥٠ مصطلحاً أساسياً في الذكاء الاصطناعي — من المفاهيم الجوهرية كالتعلم الآلي والشبكات العصبية إلى المصطلحات المتخصصة في الذكاء الاصطناعي التوليدي والأمن السيبراني والتكنولوجيا المالية والدفاع واستراتيجية الأعمال. كل مصطلح موضح بتعريفه التركي مع سياقه الإنجليزي للممارسين العاملين عبر الحدود.
القسم ١: المفاهيم الأساسية (٥ مصطلحات)
الذكاء الاصطناعي (Yapay Zeka): المجال الواسع من علوم الحاسوب المتمحور حول إنشاء أنظمة قادرة على أداء مهام تتطلب عادةً ذكاءً بشرياً — التفكير والتعلم والإدراك واتخاذ القرار. في السياق التركي، يشمل الذكاء الاصطناعي ٤٥٧ شركة ناشئة وسوقاً بقيمة مليار دولار تقود التحول التكنولوجي للبلاد. التعلم الآلي (Makine Öğrenmesi): فرع من الذكاء الاصطناعي تتحسن فيه الخوارزميات من خلال الخبرة بدلاً من البرمجة الصريحة. تحدد نماذج التعلم الآلي الأنماط في البيانات لعمل تنبؤات أو قرارات، وهو أساس معظم تطبيقات الذكاء الاصطناعي التجارية في منظومة الشركات الناشئة التركية. التعلم العميق (Derin Öğrenme): شكل متخصص من التعلم الآلي يستخدم شبكات عصبية متعددة الطبقات لمعالجة تمثيلات البيانات المعقدة. يشغّل التعلم العميق أنظمة التعرف على الصور ومعالجة الكلام وفهم اللغة الطبيعية. الشبكة العصبية (Sinir Ağı): بنى حاسوبية مستوحاة من الشبكات العصبية البيولوجية، تتكون من عقد مترابطة منظمة في طبقات. تشكل الشبكات العصبية العمود الفقري الحسابي لأنظمة الذكاء الاصطناعي الحديثة. معالجة اللغة الطبيعية (Doğal Dil İşleme): تخصص الذكاء الاصطناعي الذي يركز على تمكين الآلات من فهم وتفسير وتوليد اللغة البشرية. تكتسب معالجة اللغة الطبيعية أهمية خاصة للذكاء الاصطناعي التركي نظراً للطبيعة الإلصاقية للغة التركية التي تطرح تحديات حسابية فريدة.
القسم ٢: النماذج والتدريب (٥ مصطلحات)
نموذج اللغة الكبير (Büyük Dil Modeli — LLM): نماذج ذكاء اصطناعي مدرَّبة على مجموعات نصية ضخمة يمكنها توليد وترجمة وتلخيص وتحليل النصوص بطلاقة شبيهة بالبشر. يُعد GPT وClaude وGemini أمثلة بارزة. تمثل نماذج اللغة التركية جبهة بحثية متنامية. التعلم بالنقل (Transfer Öğrenme): تقنية يُكيَّف فيها نموذج مدرَّب على مهمة واحدة لمهمة مختلفة ولكن ذات صلة. يقلل التعلم بالنقل بشكل كبير من البيانات والحوسبة المطلوبة لبناء تطبيقات ذكاء اصطناعي متخصصة، مما يجعله حيوياً للشركات التركية الناشئة محدودة الموارد. الضبط الدقيق (İnce Ayar — Fine-Tuning): عملية أخذ نموذج مُدرَّب مسبقاً وتدريبه بشكل إضافي على بيانات خاصة بمجال معين. يُمكّن الضبط الدقيق النماذج ذات الأغراض العامة من تحقيق أداء على مستوى المتخصصين في مجالات مثل تحليل النصوص القانونية التركية أو التشخيص الطبي. بيانات التدريب (Eğitim Verisi): مجموعة البيانات المستخدمة لتعليم نموذج التعلم الآلي التعرف على الأنماط وعمل التنبؤات. تحدد جودة بيانات التدريب مباشرةً أداء النموذج — اعتبار حاسم في الذكاء الاصطناعي التركي حيث لا تزال مجموعات البيانات التركية عالية الجودة شحيحة. فرط التخصيص (Aşırı Uyum — Overfitting): خطأ في النمذجة حيث تتعلم الخوارزمية بيانات التدريب بدقة مفرطة بما فيها الضوضاء والقيم الشاذة، مما ينتج عنه أداء ضعيف على بيانات جديدة غير مرئية. يبقى تحدياً مستمراً في تطوير الذكاء الاصطناعي يتطلب تقنيات تنظيم وبروتوكولات تحقق.
القسم ٣: الذكاء الاصطناعي التوليدي (٥ مصطلحات)
الذكاء الاصطناعي التوليدي (Üretken Yapay Zeka): أنظمة ذكاء اصطناعي تُنشئ محتوى جديداً — نصوصاً وصوراً وصوتيات وفيديو أو شفرة برمجية — بدلاً من مجرد تحليل البيانات الموجودة. يمثل الذكاء الاصطناعي التوليدي أسرع القطاعات نمواً في سوق الذكاء الاصطناعي العالمي ويدعم تقنيات عدة شركات في محفظة OSP. هندسة الأوامر (Komut Mühendisliği — Prompt Engineering): ممارسة صياغة تعليمات دقيقة لتوجيه نماذج الذكاء الاصطناعي التوليدي نحو المخرجات المرغوبة. برزت هندسة الأوامر كمهارة مهنية مستقلة تجمع بين الدقة اللغوية وفهم سلوك النموذج وحدوده. الهلوسة (Halüsinasyon — Hallucination): عندما يولد نموذج ذكاء اصطناعي معلومات غير صحيحة فعلياً أو ملفقة ويقدمها على أنها حقيقة. تظل الهلوسة أحد أهم التحديات في نشر الذكاء الاصطناعي التوليدي للتطبيقات الحرجة للأعمال، لا سيما في المجالات المنظمة كالرعاية الصحية والتمويل. التوليد المعزز بالاسترجاع (Erişim Destekli Üretim — RAG): بنية تجمع بين الذكاء الاصطناعي التوليدي وأنظمة استرجاع المعلومات، لتأسيس مخرجات النموذج على وثائق مصدرية موثقة. يقلل RAG بشكل كبير من الهلوسة وهو ضروري لعمليات نشر الذكاء الاصطناعي المؤسسي التي تتطلب دقة فعلية. التضمين المتجهي (Gömme Vektörü — Embedding): تمثيلات رياضية تحول النصوص أو الصور أو البيانات الأخرى إلى متجهات عددية تلتقط المعنى الدلالي. تمكّن التضمينات أنظمة الذكاء الاصطناعي من قياس التشابه وإجراء البحث وتجميع المحتوى المرتبط — بنية تحتية أساسية لأنظمة RAG ومحركات التوصية.
القسم ٤: الأتمتة والوكلاء (٥ مصطلحات)
وكيل الذكاء الاصطناعي (Yapay Zeka Ajanı — AI Agent): نظام ذكاء اصطناعي مستقل قادر على إدراك بيئته واتخاذ القرارات وتنفيذ إجراءات متعددة الخطوات لتحقيق أهداف محددة. يمثل وكلاء الذكاء الاصطناعي التطور التالي بعد روبوتات الدردشة — أنظمة يمكنها إكمال سير العمل المعقد بشكل مستقل. النظام المستقل (Otonom Sistem): تقنية تعمل بشكل مستقل دون تحكم بشري مستمر. في السياق التركي، تمتد الأنظمة المستقلة من المركبات ذاتية القيادة وطائرات التوصيل المسيّرة إلى الروبوتات الصناعية والمنصات الدفاعية. وقد وضع برنامج الطائرات المسيّرة التركي المستقل المحلي البلاد كرائد عالمي. أتمتة العمليات الروبوتية (Robotik Süreç Otomasyonu — RPA): برمجيات تؤتمت المهام الرقمية المتكررة القائمة على القواعد — إدخال البيانات ومعالجة النماذج وتوليد التقارير. تمثل RPA نقطة الدخول الأكثر سهولة للمؤسسات التي تبدأ رحلة تحولها بالذكاء الاصطناعي. عمليات التعلم الآلي (Makine Öğrenmesi Operasyonları — MLOps): الممارسات والأدوات لنشر ومراقبة وصيانة نماذج التعلم الآلي في بيئات الإنتاج. تسد MLOps الفجوة بين تطوير النماذج والنشر الفعلي. واجهة برمجة التطبيقات (Uygulama Programlama Arayüzü — API): واجهات موحدة تمكّن أنظمة البرمجيات المختلفة من التواصل. تُعدّ واجهات API النسيج الرابط لمنظومة الذكاء الاصطناعي، مما يسمح للشركات الناشئة بدمج قدرات ذكاء اصطناعي من أطراف ثالثة وعرض نماذجها الخاصة كخدمات.
القسم ٥: البيانات والتحليلات (٥ مصطلحات)
البيانات الضخمة (Büyük Veri — Big Data): مجموعات بيانات أكبر أو أعقد من أن تعالجها الطرق التقليدية، تتميز بالحجم والسرعة والتنوع والمصداقية والقيمة. ينتج سكان تركيا البالغ عددهم ٨٥ مليوناً واقتصادها المتحول رقمياً تدفقات بيانات هائلة تغذي تدريب نماذج الذكاء الاصطناعي. التنقيب في البيانات (Veri Madenciliği — Data Mining): عملية اكتشاف الأنماط والارتباطات والشذوذ في مجموعات البيانات الكبيرة باستخدام الأساليب الإحصائية والتعلم الآلي. يحوّل التنقيب في البيانات المعلومات الخام إلى رؤى أعمال قابلة للتنفيذ. هندسة الخصائص (Özellik Mühendisliği — Feature Engineering): عملية اختيار وتحويل وإنشاء متغيرات المدخلات التي تحسّن أداء نموذج التعلم الآلي. تبقى هندسة الخصائص من أكثر المهارات تأثيراً في الذكاء الاصطناعي التطبيقي، وغالباً ما تحدد الفرق بين دقة نموذج متوسطة واستثنائية. تسمية البيانات (Veri Etiketleme — Data Labeling): عملية وسم البيانات الخام بعلامات معلوماتية تمكّن التعلم الآلي الخاضع للإشراف. تسمية البيانات كثيفة العمالة وتمثل مركز تكلفة كبيراً في تطوير الذكاء الاصطناعي. تجعل تكاليف العمالة التنافسية في تركيا منها موقعاً جذاباً لعمليات تسمية البيانات. بحيرة البيانات (Veri Gölü — Data Lake): مستودع مركزي يخزن البيانات المهيكلة وغير المهيكلة بحجم كبير في شكلها الخام. توفر بحيرات البيانات بنية التخزين المرنة التي تحتاجها أنظمة الذكاء الاصطناعي.
القسم ٦: الرؤية الحاسوبية (٥ مصطلحات)
الرؤية الحاسوبية (Bilgisayarlı Görü — Computer Vision): مجال الذكاء الاصطناعي الذي يمكّن الآلات من تفسير وفهم المعلومات البصرية من الصور والفيديو. تمتد تطبيقات الرؤية الحاسوبية من فحص الجودة الصناعية والملاحة المستقلة إلى تشخيص التصوير الطبي والمراقبة الزراعية. كشف الأجسام (Nesne Algılama — Object Detection): مهمة الرؤية الحاسوبية لتحديد وتوطين أجسام محددة ضمن الصور أو إطارات الفيديو. يشغّل كشف الأجسام تطبيقات من القيادة الذاتية إلى تحليلات التجزئة والمراقبة الأمنية. التعرف الضوئي على الحروف (Optik Karakter Tanıma — OCR): تقنية تحول صور النصوص إلى نص رقمي قابل للقراءة آلياً. يكتسب OCR أهمية خاصة لمعالجة اللغتين التركية والعربية، حيث تطرح الخطوط المعقدة وعلامات التشكيل تحديات تعرّف تتغلب عليها أنظمة OCR المعززة بالذكاء الاصطناعي بشكل متزايد. الشبكة التوليدية التنافسية (Üretici Çekişmeli Ağ — GAN): بنية تعلم عميق تتنافس فيها شبكتان عصبيتان — واحدة تولد بيانات اصطناعية والأخرى تقيّم الأصالة. تنتج شبكات GAN صوراً وفيديو وصوتيات واقعية بشكل ملحوظ مع تطبيقات في الصناعات الإبداعية وتعزيز البيانات والمحاكاة. تقسيم الصور (Görüntü Segmentasyonu — Image Segmentation): عملية تقسيم الصورة إلى مناطق ذات معنى على مستوى البكسل. يتيح التقسيم فهماً دقيقاً للمشاهد البصرية — تمييز حدود الأورام في المسح الطبي وتحديد مناطق المحاصيل في صور الأقمار الاصطناعية وعزل الأجسام لتطبيقات الواقع المعزز.
القسم ٧: الأمن السيبراني بالذكاء الاصطناعي (٥ مصطلحات)
كشف الشذوذ (Anomali Tespiti — Anomaly Detection): تقنيات ذكاء اصطناعي تحدد أنماطاً منحرفة عن الخطوط المرجعية المُرسّخة في حركة الشبكة وسلوك المستخدم وعمليات النظام. يشكّل كشف الشذوذ خط الدفاع السيبراني الأول المدعوم بالذكاء الاصطناعي، حيث يلتقط التهديدات الجديدة التي تفوتها الأنظمة القائمة على التوقيعات. استخبارات التهديدات (Tehdit İstihbaratı — Threat Intelligence): جمع وتحليل ونشر المعلومات حول التهديدات السيبرانية الحالية والناشئة. تعالج منصات استخبارات التهديدات المدعومة بالذكاء الاصطناعي ملايين مؤشرات الاختراق في الوقت الفعلي. إدارة معلومات وأحداث الأمن (Güvenlik Bilgi ve Olay Yönetimi — SIEM): منصات تجمع وتربط وتحلل بيانات الأحداث الأمنية عبر البنية التحتية التقنية للمؤسسة. تقلل أنظمة SIEM المعززة بالذكاء الاصطناعي من إرهاق التنبيهات عبر تصفية الإيجابيات الكاذبة وترتيب أولويات التهديدات الحقيقية. انعدام الثقة (Sıfır Güven — Zero Trust): بنية أمنية تلغي الثقة الضمنية وتتطلب التحقق المستمر من كل مستخدم وجهاز وتدفق شبكي. أصبح انعدام الثقة النموذج السائد للأمن السيبراني، ذو صلة خاصة بالمؤسسات الخليجية الخاضعة للتحول الرقمي السريع. aختبار الاختراق (Penetrasyon Testi — Penetration Testing): هجمات سيبرانية محاكاة ومرخصة تُجرى لتقييم أمن النظام. يحوّل الذكاء الاصطناعي اختبار الاختراق من تقييمات يدوية دورية إلى اكتشاف آلي مستمر للثغرات — خدمة تقدمها عدة شركات أمن سيبراني تركية بما فيها شركات محفظة OSP.
القسم ٨: التكنولوجيا المالية بالذكاء الاصطناعي (٥ مصطلحات)
التداول الخوارزمي (Algoritmik Ticaret — Algorithmic Trading): أنظمة تداول آلية تنفذ المعاملات بناءً على قواعد محددة مسبقاً وتحليل السوق بالذكاء الاصطناعي. يمثل التداول الخوارزمي الآن غالبية حجم تداول الأسهم العالمي، مع شركات تكنولوجيا مالية تركية ناشئة تطور أنظمة محسّنة لبورصة إسطنبول والبورصات الإقليمية. التصنيف الائتماني (Kredi Skorlama — Credit Scoring): نماذج ذكاء اصطناعي تقيّم الجدارة الائتمانية للمقترضين من خلال تحليل البيانات المالية التقليدية إلى جانب إشارات بديلة. يوسع التصنيف الائتماني بالذكاء الاصطناعي الشمول المالي عبر تقييم أفراد ومؤسسات لا تستطيع أنظمة التصنيف التقليدية تقييمهم. المستشار الآلي (Robo-Danışman — Robo-Advisor): منصات إدارة استثمار آلية تستخدم خوارزميات لبناء وإعادة توازن وتحسين المحافظ بناءً على ملفات المخاطر الفردية. تُديمقرط المستشارات الآلية إدارة الثروات عبر خفض الحد الأدنى للاستثمار. التكنولوجيا التنظيمية (Düzenleyici Teknoloji — RegTech): حلول مدعومة بالذكاء الاصطناعي تؤتمت مراقبة الامتثال والإبلاغ التنظيمي وإدارة المخاطر. تكتسب RegTech أهمية حرجة في أسواق الخليج المالية عالية التنظيم. مكافحة غسل الأموال (Kara Para Aklama ile Mücadele — AML): أنظمة ذكاء اصطناعي تكشف المعاملات المالية المشبوهة الدالة على غسل الأموال أو تمويل الإرهاب أو التهرب من العقوبات. يُعدّ الامتثال لمكافحة غسل الأموال متطلباً عالمياً للمؤسسات المالية، ويحسّن الذكاء الاصطناعي دقة الكشف بشكل كبير مع تقليل معدلات الإيجابيات الكاذبة.
القسم ٩: الذكاء الاصطناعي الدفاعي (٥ مصطلحات)
ذكاء الأسراب (Sürü Zekası — Swarm Intelligence): خوارزميات تنسيق تمكّن وكلاء مستقلين متعددين من العمل جماعياً محاكين السلوك الناشئ للأسراب البيولوجية. أظهرت تركيا قدرات أسراب الطائرات المسيّرة التي تضعها بين الرواد العالميين في هذه التقنية ذات الأهمية العسكرية. الطائرة المسيّرة المستقلة (Otonom Drone — Autonomous Drone): مركبات جوية غير مأهولة قادرة على تنفيذ المهام دون تحكم بشري مستمر. أرست منصتا بيرقدار وأنقا التركيتان سمعة البلاد في الطيران المستقل، مولّدتين منظومة من شركات الذكاء الاصطناعي الناشئة التي تبني تقنيات داعمة في الملاحة والتعرف على الأهداف وتخطيط المهام. القيادة والسيطرة والاتصالات والحواسيب والاستخبارات والمراقبة والاستطلاع (C4ISR): بنية نظام المعلومات العسكري المتكامل الذي يحوّله الذكاء الاصطناعي جذرياً. يوفر C4ISR المدعوم بالذكاء الاصطناعي وعياً ميدانياً فورياً وتقييماً تنبؤياً للتهديدات ودعماً آلياً للقرار. الحرب الإلكترونية (Elektronik Harp — Electronic Warfare): استخدام الطيف الكهرومغناطيسي لتحقيق ميزة عسكرية — التشويش والخداع واعتراض اتصالات العدو ورادارته. يعزز الذكاء الاصطناعي الحرب الإلكترونية عبر المعالجة التكيفية للإشارات والرادار المعرفي وإدارة الطيف المستقلة. الذكاء الاصطناعي التكتيكي (Taktik Yapay Zeka — Tactical AI): أنظمة ذكاء اصطناعي مصممة لدعم القرار الفوري في البيئات العسكرية العملياتية. يعالج الذكاء الاصطناعي التكتيكي بيانات الاستشعار ومعلومات التضاريس وتقييمات التهديد لتوصية بمسارات العمل.
القسم ١٠: الأعمال والاستراتيجية (٥ مصطلحات)
نضج الذكاء الاصطناعي (Yapay Zeka Olgunluğu — AI Maturity): إطار يقيّم جاهزية المؤسسة وقدرتها على نشر تقنيات الذكاء الاصطناعي والاستفادة منها بفعالية. تقيّم نماذج نضج الذكاء الاصطناعي البنية التحتية للبيانات والكفاءات والعمليات والثقافة والحوكمة — موفرةً خريطة طريق لاعتماد الذكاء الاصطناعي التدريجي تستخدمها OSP في مشاريعها الاستشارية. التحول الرقمي (Dijital Dönüşüm — Digital Transformation): الدمج الشامل للتقنية الرقمية في جميع مجالات عمليات الأعمال، مغيّراً جذرياً كيفية تقديم المؤسسات للقيمة. يوفر التحول الرقمي البنية التحتية الأساسية — أنظمة البيانات والحوسبة السحابية وواجهات API — التي تُبنى عليها قدرات الذكاء الاصطناعي. العائد على الاستثمار (Yatırım Getirisi — ROI): المقياس المالي الذي يقيس ربحية الاستثمار نسبةً إلى تكلفته. يظل قياس العائد على الاستثمار في الذكاء الاصطناعي تحدياً بسبب الفوائد غير المباشرة — مكاسب الإنتاجية وتقليل الأخطاء وتسريع اتخاذ القرار. معدل النمو السنوي المركب (Bileşik Yıllık Büyüme Oranı — CAGR): معدل العائد السنوي الذي يُنعّم النمو عبر فترات متعددة. يُعدّ CAGR ضرورياً لتقييم توقعات سوق الذكاء الاصطناعي — ينمو سوق الذكاء الاصطناعي في تركيا بمعدل نمو سنوي مركب يبلغ نحو ٣٥ بالمائة، متفوقاً على معظم الأسواق الأوروبية. إجمالي السوق المتاح / السوق القابل للخدمة / السوق القابل للتحصيل (TAM/SAM/SOM): إطار تحديد حجم السوق ثلاثي المستويات المستخدم في تقييم الشركات الناشئة. يُعدّ فهم TAM/SAM/SOM حاسماً للمستثمرين الذين يقيّمون شركات الذكاء الاصطناعي التركية الناشئة — للتمييز بين الفرصة العالمية والحصة التي يمكن لتركيا استهدافها والحصة السوقية القابلة للتحصيل فعلياً.