كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

مختبر تدقيق النماذج

AI Model Auditing Lab

لوحة تدقيق للأداء العام ولكل مجموعة ومعدلات الخطأ ومقاييس العدالة وجودة البيانات، مع تدقيق ملف تنبؤاتك داخل متصفحك وقائمة تحقق من ثمانية محاور.

English

تجارب الوحدة (3)

المفاهيم والمعادلات

تدقيق النماذج (Model Auditing)

فحص منهجي لنظام ذكاء اصطناعي: الأداء العام ولكل مجموعة، وفروق معدلات الخطأ، ومقاييس العدالة، وجودة البيانات وتمثيلها، والتوثيق، والإشراف. يقترح Raji وآخرون (2020) إطاراً داخلياً شاملاً لدورة الحياة. التدقيق يوثق الحدود ولا يمنح شهادة.

جرّبه في: استوديو تدقيق نموذج

بطاقة النموذج وورقة البيانات (Model Card, Datasheet)

بطاقة النموذج (Mitchell وآخرون 2019) وثيقة قصيرة تذكر غرض النموذج وبيانات تقييمه وأداءه لكل مجموعة وحدوده. ورقة البيانات (Gebru وآخرون) توثق مصدر البيانات وطريقة جمعها وتركيبها واستخداماتها المناسبة.

جرّبه في: قائمة التحقق للتدقيق

أسئلة وأدلة

نموذجي دقته 95%، فهل هو عادل؟

الدقة الكلية لا تخبرك بذلك. قد يخفي المتوسط أداءً ضعيفاً جداً لمجموعة صغيرة، أو قد تكون الدقة مرتفعة لأن الفئة الإيجابية نادرة. احسب المقاييس لكل مجموعة ومعدلات الخطأ ومقاييس العدالة.

جرّبه في: استوديو تدقيق نموذج

هل نتائج المختبر تدقيق معتمد لنظامي؟

لا. التجارب محاكاة تعليمية على بيانات اصطناعية أو على ملفك داخل متصفحك، ولا تُعد تدقيقاً معتمداً ولا حكماً أخلاقياً أو قانونياً نهائياً. استخدمها لفهم المنهجية وتحديد الأسئلة التي يجب أن يجيب عنها تدقيق حقيقي.

جرّبه في: قائمة التحقق للتدقيق

هل تُرسل بياناتي أو ملفاتي إلى الخادم؟

لا. كل التجارب تعمل في متصفحك، وملف CSV في تجربة التدقيق يُقرأ محلياً ولا يُرفع. إذا ضغطت «تنزيل PDF» تُرسل إلى خادم الموقع النتائج المعروضة فقط (أرقام ورسوم) لإنشاء الملف، ثم لا تُحفظ. لا تُخزن المحادثات افتراضياً.

جرّبه في: دقق تنبؤاتك من ملف CSV

مراجع الوحدة

  1. Artificial Intelligence Risk Management Framework (AI RMF 1.0)NIST (2023) — إطار عمل
  2. Fairlearn — open-source fairness toolkitFairlearn contributors (2025) — أداة
  3. Fairlearn User Guide — AssessmentFairlearn contributors (2025) — أداة
  4. Model Cards for Model Reporting (arXiv:1810.03993)M. Mitchell et al. (2019) — ورقة علمية
  5. Datasheets for Datasets (arXiv:1803.09010)T. Gebru et al. (2018) — ورقة علمية
  6. Closing the AI Accountability Gap: internal algorithmic auditing (arXiv:2001.00973)I. D. Raji et al. (2020) — ورقة علمية