مصطلحات الذكاء الاصطناعي: قاموس البحث بالذكاء الاصطناعي وتعريفات GEO

AEO (Answer Engine Optimization)

تحسين محركات الإجابة (Answer Engine Optimization) هو ممارسة تحسين المحتوى بحيث تختاره محركات إجابة الذكاء الاصطناعي كمصدر لاستجابة مباشرة. وهو وثيق الصلة بـ GEO، مع التركيز على أن تكون الإجابة بدلاً من أن تكون واحداً من عشرة روابط زرقاء.

Agent (AI agent)

وكيل الذكاء الاصطناعي هو نظام يستخدم نموذجاً لغوياً لاتخاذ إجراءات — استدعاء الأدوات، أو التصفح، أو إنجاز مهام متعددة الخطوات — بدلاً من مجرد إرجاع نص. الوكلاء هم السبب في أهمية بروتوكولات مثل MCP: فهم بحاجة إلى طريقة آمنة وموحّدة للوصول إلى البيانات والخدمات الخارجية.

AI Mode

وضع الذكاء الاصطناعي (AI Mode) هو تجربة بحث محادثية مولّدة بالذكاء الاصطناعي من Google، حيث تجيب واجهة على غرار الدردشة عن أسئلة المتابعة مباشرةً. لا يمكن قياس الظهور داخل AI Mode بالطريقة التي تُقاس بها الترتيبات الكلاسيكية، رغم أن النقرات التي يرسلها يمكن تتبّعها في أدوات التحليلات.

AI Overview

نظرة عامة بالذكاء الاصطناعي (AI Overview) هي الملخّص المولّد بالذكاء الاصطناعي الذي تضعه Google أعلى الكثير من نتائج البحث، مستمدّاً من مصادر متعددة ومستشهداً بها. والحصول على مكان بين تلك المصادر المُستشهد بها هو هدف محوري في GEO.

Answer engine

محرك الإجابة (answer engine) هو أي نظام يستجيب لاستعلام بإجابة مركّبة بدلاً من قائمة روابط — وينطبق ذلك على ChatGPT وPerplexity وGemini ونظرات Google العامة بالذكاء الاصطناعي جميعها. يلخّص هذا المصطلح التحول الاستراتيجي وراء AEO.

B

Brand mention monitoring

مراقبة ذكر العلامة التجارية (Brand mention monitoring) في البحث بالذكاء الاصطناعي تعني تتبّع متى وأين وكيف تسمّي محركات الذكاء الاصطناعي علامتك التجارية في إجاباتها. وهي أساس أي استراتيجية ظهور في الذكاء الاصطناعي، لأنك لا تستطيع تحسين ما لا تستطيع رؤيته.

C

Chunking

التقسيم إلى مقاطع (Chunking) هو عملية تقسيم المحتوى إلى مقاطع أصغر حتى يتمكن نظام الاسترجاع من فهرسة أكثر الأجزاء صلةً وجلبها. تجعل البنية الواضحة — الأقسام القصيرة، والعناوين الوصفية، والفقرات القائمة بذاتها — المحتوى أسهل في التقسيم والاسترجاع.

Citation

الاستشهاد بالذكاء الاصطناعي (AI citation) هو إشارة إلى موقعك أو علامتك التجارية داخل إجابة مولّدة بالذكاء الاصطناعي، تظهر كمصدر مرتبط أو حاشية أو إشارة ضمن النص. الاستشهادات في البحث بالذكاء الاصطناعي هي ما تمثّله الترتيبات في SEO الكلاسيكي: وحدة الظهور التي تتنافس عليها.

المصدر: Seer Interactive.

Crawler (AI crawler)

زاحف الذكاء الاصطناعي (AI crawler) هو روبوت تشغّله شركة ذكاء اصطناعي لجمع محتوى الويب من أجل التدريب أو الاسترجاع الحيّ — مثل GPTBot وClaudeBot وGoogle-Extended وPerplexityBot. ويتحكّم ملف robots.txt الخاص بك في أيٍّ منها يُسمح له بالوصول إلى موقعك.

E

Embedding

التضمين (Embedding) هو تمثيل عددي للنص (أو الصور) يلتقط المعنى في صورة قائمة من الأرقام، حتى يتمكن النموذج من قياس مدى تشابه جزأين من المحتوى. تشغّل التضمينات البحث الدلالي والاسترجاع داخل أنظمة الذكاء الاصطناعي.

Entity

الكيان (Entity) هو شيء متميّز وقابل للتحديد — شخص أو علامة تجارية أو منتج أو مكان — تتتبّعه المحركات وتربطه ضمن رسم بياني معرفي. ويساعد التعرّف عليك ككيان واضح محركات الذكاء الاصطناعي على ربط علامتك التجارية بالمواضيع الصحيحة وذكرها بثقة.

F

Fine-tuning

الضبط الدقيق (Fine-tuning) هو عملية مواصلة تدريب نموذج أساسي على مجموعة بيانات مركّزة لتخصيص سلوكه أو معرفته. وهو مختلف عن الاسترجاع: فالضبط الدقيق يدمج المعلومات داخل النموذج، بينما يجلبها الاسترجاع في وقت الإجابة.

G

GEO (Generative Engine Optimization)

تحسين محركات الذكاء التوليدي (Generative Engine Optimization) هو علم تحسين محتواك وحضور علامتك التجارية بحيث تذكرك محركات الذكاء الاصطناعي التوليدي وتستشهد بك. وهو يوسّع نطاق SEO ليشمل ChatGPT وGemini وPerplexity ونظرات الذكاء الاصطناعي العامة.

Grounding

التأريض (Grounding) هو عندما يبني محرك ذكاء اصطناعي إجابته على مصادر مُسترجَعة وقابلة للتحقق بدلاً من معاملاته المدرّبة فقط. الإجابات المؤرّضة هي الأكثر احتمالاً لأن تتضمن استشهادات — وهذا بالضبط سبب أهمية أن تكون مصدراً قابلاً للاسترجاع وجديراً بالثقة.

H

Hallucination

الهلوسة (Hallucination) هي عبارة واثقة لكنها خاطئة أو ملفّقة ينتجها نموذج ذكاء اصطناعي. يقلّل المحتوى القوي والمنظّم جيداً والقابل للاستشهاد به من احتمال أن يخترع المحرك تفاصيل عن علامتك التجارية بدلاً من استخلاص الحقائق الصحيحة.

K

Knowledge graph

الرسم البياني المعرفي (Knowledge graph) هو خريطة منظّمة للكيانات والعلاقات بينها. تعتمد محركات الذكاء الاصطناعي على الرسوم البيانية المعرفية لإزالة الالتباس بين العلامات التجارية وتقرير الحقائق التي ستثق بها عنك.

L

LLM (Large Language Model)

النموذج اللغوي الكبير (Large Language Model) هو نموذج ذكاء اصطناعي مدرَّب على كميات هائلة من النصوص للتنبؤ باللغة وتوليدها — وهو المحرك وراء ChatGPT وClaude وGemini وغيرها. كل شيء في البحث بالذكاء الاصطناعي يعمل في نهاية المطاف على واحد منها.

llms.txt

llms.txt هو ملف نصي عادي مقترَح يوجّه نماذج الذكاء الاصطناعي إلى أهم محتواك في صيغة نظيفة ومنظّمة. لا يزال اعتماده في مراحله الأولى، وهو ليس بديلاً عن محتوى متين وقابل للزحف.

M

MCP (Model Context Protocol)

بروتوكول سياق النموذج (Model Context Protocol) هو معيار مفتوح يتيح لمساعدي الذكاء الاصطناعي الاتصال بالأدوات ومصادر البيانات الخارجية بشكل متّسق. وهو الكيفية التي يستطيع بها النموذج استدعاء خدمة مثل SEOcrawl بأمان لجلب بيانات SEO حيّة بدلاً من التخمين من التدريب.

Multimodal

متعدد الوسائط (Multimodal) يصف نموذجاً يمكنه معالجة أكثر من نوع واحد من المدخلات — نص أو صور أو صوت أو فيديو — داخل النظام نفسه. وهو السبب في أن محركات الذكاء الاصطناعي تستطيع الآن قراءة لقطة شاشة أو مخطط، لا الكلمات فقط.

P

Prompt

الأمر (Prompt) هو التعليمات أو السؤال الذي تعطيه لنموذج ذكاء اصطناعي لإنتاج استجابة. في البحث بالذكاء الاصطناعي، الأوامر التي يكتبها المستخدمون الحقيقيون هي الاستعلامات التي تحاول الظهور فيها.

Prompt tracking

تتبّع الأوامر (Prompt tracking) هو مراقبة كيف تجيب محركات الذكاء الاصطناعي عن مجموعة محدّدة من الأوامر مع مرور الوقت — أي العلامات التجارية التي تذكرها، وأي المصادر التي تستشهد بها، وكيف يتغيّر ذلك. وهو المكافئ في البحث بالذكاء الاصطناعي لتتبّع الترتيب.

Q

Query fan-out

تفرّع الاستعلام (Query fan-out) هو الأسلوب الذي يقسّم فيه محرك ذكاء اصطناعي سؤال المستخدم الواحد إلى عدة استعلامات فرعية، ويشغّلها بالتوازي، ثم يركّب النتائج في إجابة واحدة. وفهمه يفسّر لماذا تتفوّق التغطية الشاملة لموضوع ما على استهداف عبارة واحدة محدّدة.

R

RAG (Retrieval-Augmented Generation)

RAG هو بنية يسترجع فيها النموذج المستندات ذات الصلة في وقت الإجابة ويستخدمها لتوليد استجابة مؤرّضة ومدعومة بمصادر. معظم تجارب البحث بالذكاء الاصطناعي هي شكل من أشكال RAG — ولهذا فإن أن تكون قابلاً للاسترجاع هو جوهر المسألة برمّتها.

Reranking

إعادة الترتيب (Reranking) هي خطوة ثانية تعيد ترتيب المقاطع المُسترجَعة حسب مدى صلتها قبل أن يكتب النموذج إجابته. وهي أحد أسباب تفوّق المقطع الأكثر فائدةً وتطابقاً في الغالب على المقطع الشائع فحسب.

S

Share of AI voice

حصة الصوت في الذكاء الاصطناعي (Share of AI voice) هي النسبة المئوية من إجابات الذكاء الاصطناعي، لموضوع أو مجموعة أوامر، التي تظهر فيها علامتك التجارية مقارنةً بالمنافسين. وهي المقياس الرئيسي لقياس الظهور في الذكاء الاصطناعي والمقارنة المعيارية مع المنافسين.

T

Token

الرمز (Token) هو وحدة النص التي يقرؤها النموذج ويولّدها — وهي تقريباً كلمة أو جزء من كلمة. وتُعدّ الرموز مهمة لأنها تحدّد حدود سياق النموذج وتكلفة تشغيله.

Training data

بيانات التدريب (Training data) هي مجموعة النصوص والمحتوى الآخر الذي تعلّم منه النموذج قبل نشره. إذا كانت علامتك التجارية وحقائقك ممثَّلة جيداً عبر الويب، فمن الأرجح أن تنعكس في ما "يعرفه" النموذج بالفعل.

V

Vector database

قاعدة البيانات المتجهة (Vector database) تخزّن التضمينات وتجد أقرب التطابقات لاستعلام بالمعنى لا بالكلمات المفتاحية الدقيقة. وهي محرك الاسترجاع وراء البحث الدلالي ومعظم أنظمة RAG.

Z

Zero-click

نتيجة عدم النقر (Zero-click) هي نتيجة يحصل فيها المستخدم على إجابته مباشرةً داخل الواجهة ولا يزور موقعاً إلكترونياً أبداً. دفعت إجابات الذكاء الاصطناعي معدّل عدم النقر إلى أعلى، ولهذا أصبح الظهور داخل الإجابة — الاستشهادات والإشارات — لا يقلّ أهميةً عن النقرة نفسها.