بعد التجربة ارى ان Claude افضل بكثير من GPT4o من ناحية دقة الاجابات وفهم اللغات الطبيعية .
لذلك بالحدث الاخير (Event ) القائمين عليه كانوا واثقين تماما من قوته وتفوقه على GPT .
اعتقد بالمستقبل القريب ربما نرى ميزات اكثر بموديلات LLM خصوصا مع هذه المنافسة القوية .

عزيزي المبرمج
في حال لم ترى شيئآ جميلآ اليوم 😂

الله بالخير
قرأت سؤال لشخص ما في وسائل التواصل الاجتماعي يسأل لماذا روسيا تتفوق على أمريكا في الامن السيبراني ؟بمعنى ان اغلب المخترقين بالعالم من روسيا؟ رغم ان الولايات المتحدة الامريكية تملك كل شي من التكنلوجيا والتعليم والشركات الكبرى مقارنة بروسيا ؟
هذا السؤال مهم جدا والاجابة عليه تتطلب دراسة مستفيضه وسوف اختصرها في هذه المقالة .
اغلب الآراء تذهب الى القول بأن أمريكا تملك شركات كثيرة ورواتب عالية لذلك دائما متخصصي الامن السيبراني يشتغلون بهذه الشركات , بينما في روسيا لاتوجد هكذا شركات او رواتب لهذا يتوجه أصحاب الاختصاصات المرتبطة بالامن السيبراني الى الاختراقات لكسب الأموال !
هذا الرأي الى حد ما فيه جزء قليل من الصحة , لكن بالواقع الأسباب كثيرة واهمها :
أولا – تقول احدى الدراسات ان عدد طلاب الثانوية الذين اختاروا التخصص بعلم الكومبيوتر من 2004 الى 2015 مايقارب 270 الف طالب ! بينما في روسيا يتجاوز العدد 60 الف طالب في السنة الواحدة ! الإحصائية هنا بنيت على عدد الذين يتقدمون الى امتحان AP بمجال علم الكمبيوتر (حسب نظام التعليم الأمريكي ) ويسمى بروسيا UNE اختصاص علم الحاسوب !
بالتالي فأن عدد الطلاب الروس الذي يرغبون بدراسة علم الكمبيوتر يتجاوز ضعف الموجود في الولايات المتحدة الامريكية .
تقول نفس الدراسة ان عدد الذين يتقدمون الى اختبار AP لدراسة اللغة الإنجليزية والادب يتجاوز 600 الف بالسنة !!!!!
ثانيا –ان معايير نظام التعليم الفيدرالي الروسي يفرض على المدارس تدريس المعلوماتية في المدارس الابتدائية على ان تكون جزء من الرياضيات او التكنلوجيا , بينما في المدارس المتوسطة يجب ان تكون الزامية واعطت للمدارس الحرية ان تجعلها ذات مستوى متوسط او متقدم , بينما حسب دارسة علمتها مايكروسوفت تقول ان عدد المدارس في أمريكا التي تعطي دورة لاختبار AP في مجال علم الكمبيوتر لا يتجاوز 2100 مدرسة من اصل 42000 مدرسة متوسطة !!! بالتالي فأن الكثير من الطلاب لا يتقدمون لهذا الاختبار .
ثالثا – لو قارنا المناهج التي يتم تدريسها في المدارس المتوسطة بين روسيا والولايات المتحدة فسوف نرى فرق بينهم , مثلا في روسيا يفرض على المدارس تدريس هذه المناهج :
1. الأسس النظرية Theoretical foundations
2. مبادئ عمل الكمبيوترPrinciples of computer’s functioning
3. تكنولوجيا المعلوماتInformation technologies
4. تقنيات الشبكاتNetwork technologies
5. خوارزميات Algorithmization
6. لغات وأساليب البرمجةLanguages and methods of programming
7. النمذجةModeling
8. المعلوماتية والمجتمعInformatics and Society
بينما في الولايات المتحدة :
بينما قليل جدا من المدارس في أمريكا تدرس النقطة 2, 4 ,6 والتي تعتبر الأساس الذي يبدأ منه امن المعلومات السيبراني .
لو رجعنا لاختبار AP الأمريكي الخاص بعلم الكمبيوتر ونقارنه مع اختبار UNE سوف نرى الفرق كبير جدا بينهم , مثلا الاختبار الروسي يركز كثيرا على الجانب العملي ويكون عبارة عن مهام تعطى للطالب ( مهام اشبه بالحقيقية ) , فحسب دراسة جامعة بيرم ان الاختبار يتألف من ثلاث أجزاء وهي :
الجزء الأول – اختيارات ويغطي جميع مكونات المنهج .
الجزء الثاني – مجموعة من المهام ذات مستوى تعقيد أساسي , متوسط ومتقدم وتتطلب إجابات مختصرة .
الجزء الثالث – مجموعة من المهمات ذات مستوى تعقيد اعلى من المتقدم وتتطلب إجابات مفصلة .
بينما اختبار AP يركز على :
- "كيف تُطور البرامج لمساعدة الناس والمنظمات؟"
- "كيف تُستخدم البرامج للتعبير الإبداعي؟"
- "كيف تنفذ البرامج الحاسوبية الخوارزميات؟"
- "كيف يجعل التجريد تطوير البرامج الحاسوبية ممكنًا؟"
- "كيف يطور الناس ويختبرون البرامج الحاسوبية؟"
- "ما هي المفاهيم الرياضية والمنطقية الأساسية للبرمجة؟"

بالتالي فأن الطالب الروسي الذي يجتاز الاختبار مهيأ للعمل أكثرمن الأمريكي بكثير , بمعنى ان الأمريكي الذي يجتاز الاختبار ليس لديه مهارات قابلة للاستخدام في علم الحاسوب .
هذه اهم السباب التي تجعل روسيا تتصدر العالم بمتخصصي الامن السيبراني ونتيجة لغياب الشركات الكبيرة فيها فأن اغلبهم يتجه الى عالم الاختراقات .
السؤال هنا : ياترى كم جامعة عراقية تعطي لخريج البكلوريوس او الماستر او الدكتوراه مهارات في علم الحاسوب قابلة للاستخدام في سوق العمل !!!
لهذا العراق بصورة خاصة والدول العربية بصورة عامة دول فقيرة جدا في مجال الامن السيبراني وليس لديها متخصصين الا القلة القليلة .

والسلام

حل مشكلة الشاشة الزرقاء التي ظهرت في سيرفرات المطارات (ويندوز سيرفر) :
١- الاقلاع من السيف مود .
٢- نذهب الى المسار :
C:\ Windows\System32\driver\CrowedStrike
ونحذف الملفات التي تشابه هذا الاسم
C-00000291*.sys
وتنحل المشكلة .

طبعا المشكلة سببها التحديثات الاخيرة لنظام Crowed Strike Falcon الي هو عبارة عن انتي فايروس يعتمد على الذكاء الاصطناعي بتحليل الهجمات الالكترونية.

مثلا
للعلم هي ليست هجمات وانما اخطاء حصلت بتحديثات الانتي فايروس

على طاري العطل التقني الذي اصاب المطارات البارحة .
وبعد ما ثبت سببه التحديث الاخير الذي تسبب بتوقف الويندوز سيرفر .
في عالم صناعة البرمجيات اي منتج برمجي سواء جديد، او ترقية ، او تحديث يتم فحصه على منصات تحاكي الحقيقية (ويندوز سيرفر او لينكس .. الخ ) قبل اطلاقه .
عموما ما حدث البارحة له تفسيرين
اما الشركة اطلقت التحديث بدون فحص وهذا تصرف ساذج جدا خصوصا لما يصدر من شركة بهذا المستوى ( Crowed Strike ).
او ان العمل هذا مقصود لأغراض معينة من قبل بعض موظفي الشركة ، يعني جزء من الصراع بين الشركات خصوصا ان المستهدف فيه مايكروسوفت اكثر من كراود سترايك نفسها !
للعلم يعتبر كراود سترايك تقريبا افضل منتج بالايند بوينت سيكورتي!
هذا درس لكل مبرمج ان لا يستهين بالاختبارات Testing لأي مشروع ينفذه.

(( الذئاب والذكاء الاصطناعي ))
تعتبر الذئاب الرمادية واحدة من اذكى الكائنات الحية في اصطياد فرائسها ، فالطريقة التي تعتمدها متقدمة ومعقدة جدا ، وتحتاج فيها لكل فرد بالمجموعة لتنفيذ خطتها .
ان هذه الذئاب تنتمي للحيوانات الاجتماعية بمعنى انها تعيش بمجاميع ويكون لها رئيس ، ومايميزها عن بقية مجاميع الحيوانات الاخرى هي الستراتيجية الناجحة (مقدار الخطأ فيها قليل جدا) التي تعتمدها في الصيد والتي تكون على شكل مراحل يشترك فيها كل الافراد :
١ - التتبع Tracking - يقوم افراد من المجموعة بالبحث عن الفريسة باستخدام الحواس مثل الشم ، السمع او الرؤية .
٢- التطويق Encircling - ينسق افراد المجموعة بينهم من خلال التواصل الصوتي والبصري بينهم لتشكيل دائرة حول الفريسة ومحاصرتها من كل الجهات والتقرب منها بهدوء .
٣- المطاردة Chasing - يطار جزء من المجموعة الفريسة بينما يرتاح البقية ، وهكذا بالتناوب حتى انهاك الفريسة .
٤- الهجوم Attacking - بعد ان يتم انهاك الفريسة ، تهجم جميع افراد المجموعة على الفريسة بصورة منسقة .
٥- الانهاء Killing - تحاول افراد المجموعة الى انهاء حياة الفريسة بالسرعة الممكنة لتجنب اصابة اي فرد من المجموعة مثلا بعضهم يهجم على الرقبة ، والبعض على البطن وهكذا .
٦- التغذية Feeding - يبدأ رئيس المجموعة والافراد الاقوياء بالاكل ثم يتبعهم الباقين .
من هذه الستراتيجية استلهم الدكتور سيد محمد ميرجليلي( باحث ايراني) خوارزمية اسماها ب ( Grey Wolf Optimizer - GWO ) سنة ٢٠١٤ .
وهي خوارزمية تنتمي لخوارزميات التحسين Optimization )البحث عن افضل بين مجموعة حلول) وتستنسخ فكرة الصيد التي تعتمدها الذئاب الرمادية .
تخيل أن لديك مجموعة من الذئاب (الحلول) تبحث عن فريسة (الحل الأمثل) في غابة (فضاء البحث).
١- تحديد المواقع (الهرمية): تقوم الذئاب الألفا (الرئيس) والبيتا (النائب الاول) والجاما(النائب الثاني) بقيادة البقية نحو الفريسة بناءً على موقعها الحالي.
٢- التقرب: تحاول الذئاب التقرب من الفريسة بناءً على إرشادات الألفا والبيتا والجاما.
٣- الهجوم النهائي: عندما تكون الذئاب قريبة بما يكفي من الفريسة، يقوم الجميع بالهجوم لتحقيق الهدف (العثور على الحل الأمثل).بهذا الشكل، تقوم الخوارزمية بتحديث المواقع وتحسين الحلول حتى يتم العثور على أفضل حل ممكن للمشكلة المطروحة.
هذه الخوارزمية تستخدم اليوم في عدة مجالات مثلا الطب ، الصناعة ، الزراعة .. الخ .
في الذكاء الاصطناعي تستخدم هذه الخوارزمية بكثرة خصوصا في ضبط المعاملات في CNN, RNN ) Deep Learning ، وايضا في تحسين عملية تدريب النماذج واختيار الميزات الاكثر اهمية ، وايضا في تحليل الصور واستخراج الميزات منها .كذلك من الممكن استخدامها مع خوارزميات التحسين الاخرى مثل الخوارزمية الجينية .. الخ لزيادة التحسين .
وشكرا

بعد حادثة كراود سترايك ، هذا الشاب البلجيكي والمتخصص بكشف الاخبار الزائفة على وسائل التواصل الاجتماعي قام بتصميم صورة له مع خلفية شعار كراود سترايك ونشر على منصة X بأن هذا اول يوم له بالعمل وشارك بعملية التحديث !
المشكلة ملايين الاشخاص على عدة منصات راحوا يتناقلون صورته على انه المسؤول عن المشكلة التي حصلت بالتحديث ،حتى وصل عدد الذين اعادوا نشر تغريدته فقط على منصة اكس ٤٣ مليون بالاضافة للوكالات الاخبارية !!!
يمكنك ان تتخيل كم خبر ومنشور زائف صدقه الناس قد انتشر على منصات التواصل !
لهذا لا تصدق كل ما ينشر .
والسلام

في الجانب الاخر من الحرب على غزة وحسب تصريح مسؤولة مركز الحوسبة وتقنية المعلومات (مارام) التابعة لجيش الكيان فأن الكيان تعرض لأكثر من ٣ مليار هجمة الكترونية منذ (٧ اكتوبر ) اغلبها من ايران ولبنان مثل هجمات DDOS و التشويه وبرامج الفدية.. الخ ،وقامت بهذه الهجمات اكثر من ٨٠ مجموعة (ابرزها مجاميع APT الايرانية ، وخمس مجاميع من حزب الله وهذه اقوى المجاميع المستمرة بالهجمات)، في نفس الوقت كشف كوبي مناشيه ( مسؤول قسم التوجية والدفاع التابعة لمديرية الامن السيبرانية الوطنية للكيان ) ان من اصل ٢٥٩ مؤسسة حكومية في الكيان ، هناك ١٣٩ مؤسسة تعاني ازمة كبيرة في الامن السيبراني ووضعها سيء جدا .
للعلم اليوم توقفت العديد من الخدمات الالكترونية بمطار بن غوريون نتيجة هجمات ddos .

لو لاحظت بعد كل حدث مهم في المنطقة ترى منصات التواصل الاجتماعي (الفيسبوك مثلا) يقترح لك منشورات تخالفك الرأي ومتشددة بحيث تجبرك على التعليق عليها .
هذه الحالة تسمى بغرفة الصدى العكسية ( Reverse Echo Chamber ) وهي جزء مهم بخوارزميات تلك المنصات ( خصوصا بأنظمة التوصية الخاصة بتلك المنصات ) .
هذه التقنية وظيفتها نشر الفتنة خصوصا وان المرحلة حرجة جدا .
لذلك كن حذر مع هكذا منشورات او تغريدات .

الله بالخير
تخيل عزيزي خلال ٦ سنوات استطاع نادي بريتنفورد الانجليزي وبميزانية محدودة جدت تحقيق ارباح تجاوزت ١٥٠ مليون جنيه استرليني (اكثر من مانشستر يونايتد) بالاعتماد على الذكاء الاصطناعي ، كيف ؟
الخطوة الاولى - النادي يشتري بيانات من شركتي Opta و statsbomb المتخصصتين ببيانات لاعبي كرة القدم ، وبالاخص لاعبي الدوريات الوسطى في اوربا مثل الهولندي ، الانجليزي (الدرجة الاولى )، الدنماركي ، السويدي .. الخ .
الخطوة الثانية - يعملون تحليل للعديد من اللاعبين الغير معروفين من خلال نموذج ذكاء اصطناعي وهذا النموذج يتنبأ بامكانية اللاعب المستقبلية وملائمته للفريق وللدوريات الكبرى بالخصوص الانجليزي.
هنا التحليل يركز على اداءه الحالي والمستقبلي ومركز اللاعب مقارنة باقرانه وسعره الحالي وامكانية ارتفاع سعره بالمستقبل وسجله الطبي (الاصابات) بعدها يعطي هذا النموذج توصية للقائمين على النادي بخصوص اللاعب .
مثل اللاعب اوليفر واتكينز الذي انتقل الى بيرنتفورد 1.8 مليون جنيه بناءا على توصيات الذكاء الاصطناعي ثم باعه النادي الى استون فيلا ب28 مليون جنيه استرليني.

الله بالخير
بهذي الفترة هواي نسمع بمصطلح RAG فشنو هذا ؟
طبعا هو اختصار Retrieval Augmented generation وهذا نموذج لمعالجة اللغات الطبيعية (لغة الانسان) وهو مشابه بالعمل الى حد ما ل GPT .
وفكرته لما تكون عندك بيانات كبيرة مثلا نصوص فهنا سوف يبحث بداخلها عن معلومات مفيدة بعملية تسمى بالاسترجاع ،بعدين ينتقل للعملية الثانية (التوليد او التوليف) فيقوم بتوليد نصوص متناسقة ودقيقة من هذه المعلومات التي تم ارجاعها من المرحلة الاولى .
عكس GPT الي مباشرة يبحث عن المعلومات ويرجعها منسقة بالاضافة الى GPT مدرب مسبقا على بيانات، بينما RAG  غير مدرب مسبقا على هكذا بيانات و يعتبر اكثر تنسيقا للمعلومات من GPT .
طيب اشهر استخداماته ؟ بالفيسبوك بنظام البحث والتوصية ! قبل اكثر من سنة طرحت الفيسبوك مكتبة اسمها FAISS .
وهذه المكتبة وظيفتها البحث في البيانات الضخمة عن المتشابهات ، طبعا الفيسبوك حتى يسهل عملية البحث بعملية التخزين يعتمد الفهرسة والي تكون عن طريق تمثيل المعلومات (منشور ، حساب ، اعلان ،مجموعة ..الخ) على شكل تمثيل رقمي ( رياضيا بشكل متجهات Vector Embedding)  وبالتالي هذا راح يسرع بعملية البحث .
طبعا هنا نتكلم عن بيانات ضخمة بمعنى الكلمة .
كل مصطلح بالمقالة اعلاه يحتاج عدةمنشورات لشرحه .
والسلام

الله بالخير
تخيل انت وبجانبك لابتوب فيه كاميرا مفتوحة وامامكم تفاحة حمراء .كيف سوف ترمز او تخزن صورة التفاحة في الدماغ والحاسوب !
لنبدأ بالحاسوب عند اخذ صورة بالكاميرا، هنا العدسة تركز الضوء المنعكس من التفاحة الى مستعشرات ضوئية تقوم بتحويل الضوء الى اشارات كهربائية حسب شدة الضوء ، حيث يتم تقسيم الصورة الى مصفوفة (شبكة) من النقاط (نسميها بكسلات) وكل بكسل يخزن بيانات عن شدة الضوء واللون .
فمثلا لو الحاسوب يستخدم نظام الالوان RGB ، فهنا سوف يخزن قيمة لثلاث الوان (مزيج الوان) وشدتها ، مثلا اذا كانت قيمة الاحمر 255 فهذا يعني شدته عالية جدا (ضوء ساطع احمر) والاخضر صفر (يعني ما موجود) والازرق صفر ايضا ما موجود ، وهكذا .
وهذه الارقام لكل بكسل ،بالتالي ستكون لدينا مصفوفة كبيرة كل خلية فيها هي بكسل .
ثم يتم ضغط هذه المصفوفة لتقليل حجمها من خلال استخدام احدى خوارزميات ضغط الصور ( عندنا نسميها امتداد الصور مثل JPG ) .وتخزن كملف .
وبما ان الحاسوب مستلهم من فكرة عمل الدماغ فهل ترمز بيانات صورة التفاحة الحمراء فيه بنفس الطريقة ؟؟؟
لا ، العملية تختلف جذريا .
فعندما تنظر للتفاحة الحمراء تستقبل عدسة العين الضوء المنعكس من التفاحة وتوجهه نحو الشبكية التي بدورها تقوم بتحويلة الى اشارات كهربائية من خلال خلايا بداخلها، حيث هناك خلية تحول اللون واخرى شدة الضوء والحجم والعمق الى نبضات كهربائية وترسل الى العصب البصري الذي بدوره ينقلها الى جزء بالدماغ اسمه القشرة البصرية الاولية التي تعمل تحليل للبيانات (النبضات الكهربائية) وترسلها الى اجزاء اخرى بالدماغ مثلا الفص الجداري لتحليل موقعها بالفضاء ، والقشرة الزمنية للتعرف على التفاحة (الشي ) والذاكرة الطويلة الامد لمقارنة المعلومات الواردة مع المعلومات المخزنة ، ثم يتم تمثيل التفاحة بشكل نمط معين من خلال تحفيز بعض الخلايا العصبية كيميائيا بطريقة معقدة جدا ، فبعض تلك الخلايا تكون مخصصة للون الاحمر ، واخرى للحجم ، واخرى للشكل وهكذا ويصير اتصال بينها ، وهذا النمط (يسموه الرمز ) يمثل التفاحة في الدماغ .
صراحة اعلاه مختصر بسيط من عمليات جدا معقدة داخل الدماغ وتحتاج الى شرح معمق من دكتور متخصص في الدماغ والخلايا العصبية.
لكن المهم ان عملية التخزين في الدماغ تعتمد على تحفيزات كهربائية وكيميائية وتكون عملية ديناميكية ومرنة جدا مقارنة بالخزن في الحاسوب .
لهذا حاولوا استلهام بعض الافكار من عمل الخلايا العصبية في الدماغ وتطبيقها في الخلايا العصبية الصناعية في التعلم العميق التي احدثت طفرة كبيرة جدا في الذكاء الاصطناعي .
والسلام

لاحظ صديقي بالمدرسة اول شي تتعلمه الارقام ، وبعدين العمليات الرياضية الاربعة (الجمع، الطرح ،الضرب ، القسمة ) ثم تتدرج الى ان توصل للتفاضل والتكامل .
بالبرمجة الموضوع نفس الشي ، لازم بالبداية تتعلم الاساسيات وبعدين تتدرج ، فما معقولة انت الاساسيات ما فاهمها وتجيب كود من github وتشغله بتطبيق وأي مشكلة بالكود متعرف شلون تحلها وتبقى قاعد بين stack overflow و gpt .
وربما واحد يقول الذكاء الاصطناعي يغنيني عن تعلم الاساسيات ويكتبلي اي كود احتاجه !
نعم يكتب لكن الذكاء هنا مثل الحاسبة ، وهو اداة تساعد الطالب على تنفيذ العمليات الرياضية بسرعة ، لكن شنو فائدتها اذا الطالب ما يميز بين الجمع والطرح .
لذلك اذا ما تتعب بالاساسيات وتفهمها لا تتصور تتقدم خطوة وسوف تبقى تراوح بمكانك لسنوات .

اشهر المعادلات الرياضية في AI

من اعظم اللحظات بتاريخ الذكاء الاصطناعي هي مباراة الشطرنج سنة ١٩٩٧ التي غيرت نظرت العالم للذكاء الاصطناعي .
قبل هذا التاريخ كان الذكاء مقتصر على المختبرات والاوراق البحثية ، والكثير كان يظن ان الالة لا يمكنها ان تفهم وتتعلم مثل البشر .
لكن قبل ١٩٩٧ اطلقت IBM مشروع Deep Thought وهو مشروع ذكاء اصطناعي لديه القدرة على لعب الشطرنج بمهارة عالية ، لكنه عجز عن هزيمة ابطال الشطرنج، ثم فيما بعد طورت IBM المشروع واصدرت Deep Blue وهو عبارة عن حاسوب عملاق لديه القابلية على تنفيذ اكثر من ٢٠٠ مليون ايعاز بالثانية الواحدة ، وهذا الحاسوب مجهز بخوارزميات ذكاء اصطناعي لها قدرة ومهارات عالية في لعبة الشطرنج .
في سنة ١٩٩٦ تم اجراء اول مواجهة في لعبة الشطرنج بين الديب بلو واللاعب الاسطوري غاري غاسباروف (يعتبر من افضل لاعبي الشطرنج بتاريخ البشرية ) ، والتي انتهت بفوز غاسباروف بنتيجة 4-2 .
لم تيأس IBM فقامت بتطوير الخوارزميات اكثر وجعلتها تتعلم من الاخطاء ، وفي ١٩٩٧ حدثت المواجهة الثانية بين الديب بلو وغاسباروف ، في الجولة الاولى فاز الديب بلو ، والبقية تعادل وفي الجولة الاخيرة ارتكب غاسباروف خطأ ستراتيجية استغله الديب بلو وهزم غاسباروف ، في تلك اللحظة حتى غاسباروف لم يصدق واتهم القائمين على المشروع بأن هناك اشخاص يتحكمون بالحاسوب عن بعد ، ليفتح تاريخ جديد للالة .
من هنا بدأ العالم يحترم هذا المجال ويعطيه اهمية كبرى .

فكرة Reinforcement Learning الي هو واحد من انواع تعلم الالة ، يكون جزء من النموذج مهمته مراقبة اداء النموذج نسميه بالعميل Agent ، فهذا يكافئ او يعاقب النموذج اعتمادا على الخطأ .
وبما ان نماذج -LLM - Large Language Modelsالي هي GPT , Claude ... الخ تعتمد على الرينفورسمينت ، فرضا العميل يشوف اداء النموذج صحيح ، لكن نحن البشر نشوفه خطأ حسب معاييرنا ، لهذا ظهرت فكرة ان يكون Agent انسان ، وهنا جاء Reinforcement Learning with Human Feedback RLHF، يعني الانسان هو يراقب اداء النموذج ويعطيه مكافأة على الاجابة .
خلي اضربلك مثل ، ملاحظ بعض المرات لما تسأل GPT سؤال يعطيك اكثر من حل ويطلب منك تختار الحل الافضل ، هنا هو يطلب منك feedback وبالتالي لما تختار حل كأنما انت تكافأه على هذا الحل ويعتبره سياق له بالمستقبل .

فيديو دقيق يوضح Reinforcement Learning .

ملخص لأهم الاوامر ب git و github