# القسم 5: أساسيات نموذج Microsoft Mu

يمثل نموذج Microsoft Mu تحولًا جذريًا في الذكاء الاصطناعي على الأجهزة، حيث يثبت أن النماذج الفعالة للغاية يمكن نشرها مباشرة على أجهزة المستخدمين مع تقديم قدرات ذكاء اصطناعي ذات مغزى. مدمج في نظام Windows 11، يتيح نموذج Mu ذكاءً محليًا قويًا دون الحاجة إلى الاتصال بالسحابة، مما يضع معيارًا جديدًا لأداء الذكاء الاصطناعي على الأجهزة.

## الموارد للمطورين

### النماذج ذات الصلة
تعتمد بنية نموذج Mu على خبرة Microsoft في النماذج الفعالة، مع توفر نماذج ذات صلة من خلال [كتالوج نماذج Azure AI Foundry](https://ai.azure.com/explore/models)، مما يوفر للمطورين نظامًا بيئيًا شاملاً للنماذج الفعالة.

### وثائق مدمجة في Windows 11
- [وثائق مطوري Windows: الذكاء الاصطناعي على الأجهزة](https://learn.microsoft.com/windows/ai/)
- [مدونة Microsoft Dev: بنية نموذج Mu](https://devblogs.microsoft.com/windowsai/)
- [تنفيذ وكيل إعدادات Windows](https://learn.microsoft.com/windows/ai/windows-settings-agent)

### الموارد ذات الصلة
- [أبحاث Microsoft: نماذج ذكاء اصطناعي فعالة](https://blogs.windows.com/windowsexperience/2025/06/23/introducing-mu-language-model-and-how-it-enabled-the-agent-in-windows-settings/#:~:text=We%20are%20excited%20to%20introduce%20our%20newest%20on-device,operate%20efficiently%2C%20delivering%20high%20performance%20while%20running%20locally.)
- [منصة Windows AI](https://learn.microsoft.com/windows/ai/) - لتطوير الذكاء الاصطناعي في Windows 11

## المقدمة

في هذا الدرس، سنستكشف نموذج Microsoft Mu ومفاهيمه الأساسية. سنغطي البنية المبتكرة التي تتيح النشر على الأجهزة، القدرات الرئيسية التي تجعل Mu فعالًا في مهام الذكاء الاصطناعي المحلية، والتطبيقات العملية عبر سيناريوهات Windows المختلفة.

## أهداف التعلم

بنهاية هذا الدرس، ستكون قادرًا على:

- فهم فلسفة التصميم وبنية نموذج Microsoft Mu المدمج في Windows 11.
- تحديد الابتكارات الرئيسية التي تمكن Mu من العمل بكفاءة على أجهزة Windows 11.
- التعرف على فوائد وقيود نماذج الذكاء الاصطناعي المدمجة على الأجهزة.
- تطبيق المعرفة بنماذج Mu في سيناريوهات نشر الذكاء الاصطناعي المحلي في Windows 11.

## فهم الحاجة إلى الذكاء الاصطناعي على الأجهزة

تقليديًا، كان الوصول إلى قدرات الذكاء الاصطناعي المتقدمة يتطلب إرسال البيانات إلى خوادم السحابة، مما يؤدي إلى تأخير ومتطلبات اتصال ومخاوف محتملة بشأن الخصوصية. بينما يوفر الذكاء الاصطناعي القائم على السحابة قوة حسابية كبيرة، فإن العديد من السيناريوهات اليومية تستفيد من معالجة الذكاء الاصطناعي الفورية وغير المتصلة والخاصة مباشرة على الجهاز.

النهج التقليدي ينطوي على مقايضة: إما استخدام الذكاء الاصطناعي السحابي مع تأخيره ومتطلبات الاتصال، أو نشر قدرات ذكاء اصطناعي محدودة بشكل كبير محليًا. يتحدى نموذج Mu هذا النموذج من خلال تقديم قدرات ذكاء اصطناعي ذات مغزى مباشرة إلى أجهزة Windows.

## تحديات نشر الذكاء الاصطناعي على الأجهزة

يقدم نشر نماذج الذكاء الاصطناعي على أجهزة المستخدمين عدة تحديات أساسية:

- **قيود الأجهزة**: تمتلك أجهزة المستخدمين موارد حسابية محدودة مقارنة بخوادم السحابة.
- **كفاءة الطاقة**: يجب أن تعمل النماذج على الأجهزة مع تأثير ضئيل على البطارية.
- **متطلبات الخصوصية**: يجب أن تحافظ المعالجة المحلية على خصوصية البيانات أثناء تقديم قدرات مفيدة.
- **⏱ توقعات الأداء**: يتوقع المستخدمون استجابات شبه فورية من التطبيقات المحلية.

## فلسفة نموذج Microsoft Mu

يمثل نموذج Mu نهج Microsoft المتخصص في الذكاء الاصطناعي على الأجهزة، حيث يعطي الأولوية للكفاءة والفائدة العملية مع الحفاظ على قدرات ذكاء اصطناعي ذات مغزى. مدمج في Windows 11، يحقق النموذج ذلك من خلال تحسينات معمارية مبتكرة، منهجيات تدريب متخصصة، وتكامل وثيق مع نظام التشغيل Windows.

### مبادئ تصميم Mu الأساسية

تم بناء نموذج Mu على عدة مبادئ أساسية:

- **بنية موجهة للجهاز**: مصمم من البداية لتحقيق أداء مثالي على أجهزة Windows 11.
- **تحسينات خاصة بالمهمة**: قدرات مركزة للتفاعل مع إعدادات Windows والنظام.
- **تشغيل غير متصل**: وظائف كاملة دون الحاجة إلى اتصال بالإنترنت.
- **تكامل النظام**: تكامل عميق مع Windows 11 لتعزيز الأداء والقدرات.

## التقنيات الرئيسية التي تمكن نموذج Mu

### تدريب متخصص للتفاعل مع Windows

يستخدم نموذج Mu منهجيات تدريب متخصصة تركز على أنماط التفاعل مع Windows، تكوين النظام، وسيناريوهات مساعدة المستخدم. يتيح هذا النهج المستهدف للنموذج التفوق في مجاله المحدد مع الحفاظ على بنية مدمجة مناسبة للنشر على الأجهزة.

### تحسينات معمارية

يتضمن نموذج Mu عدة ابتكارات معمارية:

**كفاءة قصوى في المعلمات**: بنية محسنة بعناية تزيد من القدرات لكل معلمة.

**تنفيذ محسن لـ Windows**: تحسينات خاصة لتسريع الأجهزة في Windows.

**استخدام موارد تكيفي**: تخصيص ديناميكي للموارد بناءً على توفر النظام ومتطلبات المهمة.

## التكامل مع Windows

يمثل نموذج Mu تكاملًا عميقًا بين قدرات الذكاء الاصطناعي ووظائف نظام التشغيل:

### وكيل إعدادات Windows

أبرز تطبيق لنموذج Mu هو وكيل إعدادات Windows، الذي يوفر مساعدة بديهية بلغة طبيعية للتنقل وتكوين إعدادات Windows. يتيح هذا الوكيل للمستخدمين التفاعل مع إعدادات النظام المعقدة من خلال طلبات بسيطة ومحادثات.

### تسريع DirectML

يستفيد نموذج Mu من DirectML لتسريع الأجهزة عبر أجهزة Windows المتنوعة، مما يضمن أداءً مثاليًا بغض النظر عن تكوين الأجهزة المحدد.

### تكامل على مستوى النظام

على عكس حلول الذكاء الاصطناعي التابعة لجهات خارجية، يتكامل نموذج Mu على مستوى النظام، مما يتيح الوصول الأعمق إلى وظائف النظام مع الحفاظ على ضمانات الأمان والخصوصية.

## فوائد نموذج Mu

### بدون تكاليف السحابة

من خلال العمل بالكامل على الجهاز، يلغي نموذج Mu تكاليف الحوسبة السحابية مع تقديم وظائف ذكاء اصطناعي مستمرة دون الحاجة إلى اشتراكات.

### تشغيل كامل دون اتصال

يعمل نموذج Mu بشكل كامل دون اتصال، مما يوفر مساعدة ذكاء اصطناعي حتى في البيئات ذات الاتصال المحدود أو المعدوم بالإنترنت.

### تعزيز الخصوصية

مع حدوث جميع المعالجة محليًا، لا تغادر البيانات الحساسة الجهاز أبدًا، مما يوفر حماية قوية للخصوصية من خلال التصميم.

### استجابة فورية

تزيل المعالجة المحلية تأخير الشبكة، مما يوفر استجابات شبه فورية لاستفسارات وأوامر المستخدم.

### مساعدة مخصصة

يتيح التشغيل المحلي تخصيصًا أعمق بناءً على سلوك المستخدم وتفضيلاته مع الحفاظ على الخصوصية.

## أمثلة عملية وحالات استخدام

### مثال على التنقل في إعدادات Windows

يتفوق نموذج Mu في مساعدة المستخدمين على التنقل في إعدادات Windows من خلال استفسارات بلغة طبيعية:

**استفسار المستخدم:** "كيف يمكنني الاتصال بجهاز بلوتوث؟"

**استجابة Mu:** لا يقدم النموذج التعليمات فقط، بل ينتقل مباشرة إلى صفحة الإعدادات ذات الصلة، ويبرز عناصر التحكم الضرورية ويقدم إرشادات خطوة بخطوة.

### مثال على تكوين النظام

يمكن لنموذج Mu فهم وتنفيذ طلبات تكوين النظام المعقدة:

**استفسار المستخدم:** "اجعل جهاز الكمبيوتر الخاص بي يستهلك طاقة أقل أثناء مشاهدة الفيديوهات"

**استجابة Mu:** يحدد النموذج الإعدادات ذات الصلة بالطاقة، تكوين العرض، وإعدادات التطبيقات، ثم يقدم خيارات تحسين مع تفسيرات واضحة لتأثيراتها.

### 🔧 مثال على استكشاف الأخطاء وإصلاحها

يوفر نموذج Mu مساعدة ذكية في استكشاف الأخطاء وإصلاحها:

**استفسار المستخدم:** "الميكروفون الخاص بي لا يعمل أثناء مكالمات الفيديو"

**استجابة Mu:** يقوم النموذج بتشخيص المشكلات المحتملة من خلال التحقق من إعدادات النظام، أذونات التطبيقات، وحالة الأجهزة، ثم يقدم خطوات إصلاح مستهدفة.

## البنية التقنية

### بنية النموذج

يستخدم نموذج Mu بنية تعتمد على المحولات ومخصصة لمهام Windows:

- **تصميم معلمات مدمج**: عدد معلمات أقل بكثير مقارنة بالنماذج اللغوية العامة.
- **آليات انتباه خاصة بالمهمة**: محسنة للغة إعدادات Windows وتكوينها.
- **معالجة فعالة للرموز**: مفردات وترميز متخصص لمصطلحات Windows.

### تحسينات الاستدلال

يتضمن النموذج عدة تحسينات للاستدلال:

- **التكميم**: تقنيات تكميم متقدمة بـ 4 بت و8 بت.
- **دمج العمليات**: تحسينات نواة خاصة بأجهزة Windows.
- **إدارة الذاكرة**: معالجة سياق فعالة لتفاعلات سريعة.

### دمج المعرفة

يجمع نموذج Mu بين قدرات اللغة والمعرفة المهيكلة:

- **رسم إعدادات Windows**: تمثيل مهيكل لعلاقات الإعدادات.
- **اعتماديات التكوين**: فهم الاعتماديات بين تكوينات النظام.
- **معرفة إجرائية**: إجراءات خطوة بخطوة للمهام الشائعة.

## التطبيقات خارج الإعدادات

بينما يركز التطبيق الأولي على إعدادات Windows، تتيح بنية نموذج Mu تطبيقات متنوعة:

### تعزيز الإنتاجية

يمكن للتطبيقات المستقبلية تقديم مساعدة سياقية في تطبيقات الإنتاجية، مع تقديم اقتراحات ذات صلة وأتمتة المهام الروتينية.

### مساعدة على مستوى النظام

يمكن أن تمتد البنية إلى مساعدة ذكية على مستوى النظام لإدارة الملفات، التحكم في التطبيقات، وتحسين الموارد.

### التعلم والإرشاد

يمكن للنموذج تقديم تجارب تعليمية تفاعلية لميزات وقدرات Windows الجديدة، مع التكيف مع مستويات خبرة المستخدم.

## التحديات والقيود

### خصوصية المجال

تم تحسين نموذج Mu للتفاعل مع Windows، مما يحد من قابليته للتطبيق على الأسئلة العامة أو المجالات غير المتعلقة بـ Windows.

### حدود المعرفة

كنموذج على الجهاز، يحتوي Mu على قاعدة معرفة ثابتة لا يتم تحديثها إلا من خلال تحديثات النظام، على عكس النماذج السحابية التي يمكنها الوصول إلى معلومات في الوقت الفعلي.

### قيود المهام المعقدة

بينما يكون فعالًا في مجاله المستهدف، قد يواجه النموذج قيودًا مع المهام المعقدة للغاية أو التقنية التي يمكن للنماذج الأكبر التعامل معها.

## مستقبل الذكاء الاصطناعي على الأجهزة

يمثل نموذج Mu بداية الذكاء الاصطناعي المدمج بعمق على الأجهزة في Windows. تشمل التطورات المستقبلية:

- **قدرات متعددة الوسائط محسنة**: دمج الرؤية والصوت.
- **ذكاء عبر التطبيقات**: التوسع خارج الإعدادات إلى مكونات النظام الأخرى.
- **واجهات برمجة التطبيقات للمطورين**: تمكين التطبيقات الخارجية من الاستفادة من قدرات النموذج.
- **التكامل مع الأجهزة**: تكامل أعمق مع أجهزة Windows المستقبلية.

## التطوير والتكامل

### فرص المطورين

بينما يعد نموذج Mu حاليًا مكونًا للنظام وليس واجهة برمجة تطبيقات يمكن الوصول إليها مباشرة، يمكن للمطورين:

- **دراسة أنماط التفاعل** للحصول على رؤى حول تنفيذ الذكاء الاصطناعي على الأجهزة.
- **تحضير التطبيقات** للتكامل المستقبلي مع قدرات الذكاء الاصطناعي للنظام.
- **الاستفادة من التقنيات المكملة** مثل Windows ML لحلول ذكاء اصطناعي مخصصة على الأجهزة.

### مبادئ تصميم الذكاء الاصطناعي على الأجهزة

يجسد نموذج Mu مبادئ تصميم رئيسية للذكاء الاصطناعي الناجح على الأجهزة:

- **التركيز على المجالات المحددة ذات القيمة العالية** بدلاً من القدرات العامة.
- **التحسين للبيئة المحددة للأجهزة والبرامج**.
- **إعطاء الأولوية للفائدة الفورية على المعرفة الواسعة**.
- **التكامل العميق مع قدرات النظام**.

## اعتبارات الأداء

### مقاييس الكفاءة

يحقق نموذج Mu مقاييس كفاءة مذهلة:

- **بصمة ذاكرة صغيرة** مناسبة لأجهزة المستخدمين القياسية.
- **استهلاك طاقة منخفض** لتوافر مستمر.
- **أوقات استجابة بمستوى ميلي ثانية** لتجارب تفاعلية.

### متطلبات الأجهزة

تم تصميم النموذج ليعمل بفعالية عبر طيف أجهزة Windows:

- **وحدات المعالجة المركزية القياسية**: أداء أساسي دون الحاجة إلى أجهزة متخصصة.
- **وحدات معالجة الرسومات المدمجة**: أداء محسّن على أجهزة الكمبيوتر المحمولة القياسية.
- **وحدات المعالجة العصبية**: أداء مثالي على الأجهزة الأحدث المزودة بوحدات معالجة عصبية.

## أفضل الممارسات للتفاعل

### استفسارات فعالة

للحصول على أفضل النتائج من نموذج Mu في إعدادات Windows:

- **كن محددًا بشأن الإعداد أو الوظيفة** التي تحاول الوصول إليها.
- **صف النتيجة** التي تريد تحقيقها.
- **استخدم لغة طبيعية ومحادثات** بدلاً من المصطلحات التقنية.
- **قدم سياقًا** حول جهازك أو حالتك عند الضرورة.

### التعلم من التفاعلات

يحسن النموذج استجاباته بناءً على تفاعلات المستخدم:

- **الاستفسارات المتابعة** تصقل فهم النموذج.
- **أنماط التنقل** تساعد النموذج على إعطاء الأولوية للإعدادات ذات الصلة.
- **إشارات إكمال المهام** تعزز أنماط التفاعل الناجحة.

## ما التالي
- [06: Phi Silica](06.phisilica.md)

---

**إخلاء المسؤولية**:  
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.