AI: الذكاء الاصطناعي التوليدي والنماذج الكبيرة

from openai import OpenAI
client = OpenAI(api_key="your-api-key")
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "How to return a product?"}]
)
print(response.choices[0].message.content)

# Minimal OpenAI API call
from openai import OpenAI
client = OpenAI()  # Uses OPENAI_API_KEY env variable
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Say hello in 3 languages."}]
)
print(response.choices[0].message.content)

Hello! / ¡Hola! / Hello!

Input:  "The cat sat on the"
Step 1: "The cat sat on the" → predict "mat"  (most likely next token)
Step 2: "The cat sat on the mat" → predict "."
Step 3: "The cat sat on the mat." → predict "<END>"
Output: "The cat sat on the mat."

النص:    "Hello, world!"
الرموز: ["Hello", ",", " world", "!"]     → 4 رموز

النص:    "artificial intelligence"
الرموز: ["art", "ific", "ial"]               → 3 رموز (تجزئة أجزاء الكلمات)

# Calculate token count using tiktoken
import tiktoken

encoding = tiktoken.encoding_for_model("gpt-4o-mini")

texts = [
    "Hello, world!",
    "The quick brown fox jumps over the lazy dog.",
    "Artificial intelligence is changing the world.",
    "Generative AI is transforming the world."
]

for text in texts:
    tokens = encoding.encode(text)
    print(f"Text: {text}")
    print(f"  Tokens: {len(tokens)} | Decoded: {encoding.decode(tokens[:3])}...")
    print()

Text: Hello, world!
  Tokens: 3 | Decoded: Hello...

Text: The quick brown fox jumps over the lazy dog.
  Tokens: 10 | Decoded: The quick brown...

Text: Artificial intelligence is changing the world.
  Tokens: 8 | Decoded: Artifici...

Text: Generative AI is transforming the world.
  Tokens: 8 | Decoded: Generative AI is...

Temperature = 0    → دائمًا يختار الرمز الأكثر احتمالاً (حتمي)
Temperature = 0.7  → في الغالب الأكثر احتمالاً ولكن مع بعض التغير (الافتراضي للمحادثة)
Temperature = 1.0  → تغير طبيعي، يتبع التوزيع المُتعلم
Temperature = 2.0  → عشوائي جداً، غالباً ما يكون غير منطقي

Top-P = 0.1  → يأخذ بعين الاعتبار فقط أعلى 10% من الرموز الأكثر احتمالاً (محافظ)
Top-P = 0.9  → يأخذ بعين الاعتبار الرموز التي تغطي 90% من الاحتمال (معتدل)
Top-P = 1.0  → يأخذ بعين الاعتبار جميع الرموز (بدون تصفية)

# Compare outputs at different temperatures
from openai import OpenAI
client = OpenAI()

prompt = "Write a one-sentence description of a sunset."
temperatures = [0, 0.5, 1.0, 1.5]

for temp in temperatures:
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        temperature=temp,
        max_tokens=50
    )
    text = response.choices[0].message.content
    print(f"Temperature={temp}: {text}")
    print()

Temperature=0: غاصت الشمس تحت الأفق، ملوّنة السمى بظلال البرتقالي والوردي.

Temperature=0.5: انسكب الضوء الذهبي عبر الأفق إذ ذابت الشمس في بحر من السحب الكهرمانية.

Temperature=1.0: آخر أنفاس اليوم أشعلت السحب، ولفّت العالم بحضن دافئ يذوي من القرمزي والذهبي.

Temperature=1.5: ألوان - نحاسي، بنفسجي، وردي مستحيل - أزهرت كأزهار تحتضر عبر السمى المتصدعة إذ استسلمت الشمس.

# Basic OpenAI API call with system prompt
from openai import OpenAI
client = OpenAI()

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "You are a concise technical assistant."},
        {"role": "user", "content": "What is a Transformer in 2 sentences?"}
    ],
    temperature=0.3
)

print(response.choices[0].message.content)
print(f"\nTokens used: {response.usage.total_tokens}")

A Transformer is a neural network architecture based on self-attention, allowing it to process all input tokens in parallel rather than sequentially. Introduced in 2017, it became the foundation for modern LLMs like GPT and BERT.

Tokens used: 58

# Multi-turn conversation with OpenAI API
from openai import OpenAI
client = OpenAI()

conversation = [
    {"role": "system", "content": "You are a helpful Python tutor."}
]

questions = [
    "What is a list comprehension?",
    "Can you show me an example?",
    "What if I want to filter even numbers?"
]

for q in questions:
    conversation.append({"role": "user", "content": q})
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=conversation,
        temperature=0.3
    )
    reply = response.choices[0].message.content
    conversation.append({"role": "assistant", "content": reply})
    print(f"User: {q}")
    print(f"Bot:  {reply[:120]}...")
    print()

User: What is a list comprehension?
Bot:  A list comprehension is a concise way to create lists in Python using a single line of syntax, combining a for loop and optional conditions...

User: Can you show me an example?
Bot:  Sure! Here's a basic example: squares = [x**2 for x in range(10)] This creates a list [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]....

User: What if I want to filter even numbers?
Bot:  Add a condition: evens = [x for x in range(20) if x % 2 == 0] This produces [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]....

# Streaming output with OpenAI API
from openai import OpenAI
client = OpenAI()

stream = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Explain quantum computing in 3 sentences."}],
    temperature=0.5,
    stream=True
)

print("Streaming response: ", end="")
for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)
print("\n\n[Stream complete]")

Streaming response: Quantum computing uses quantum bits (qubits) that can exist in superposition, representing 0 and 1 simultaneously. This allows quantum computers to process many calculations in parallel, exponentially speeding up certain problems. Key applications include cryptography, drug discovery, and optimization.

[Stream complete]

# ============================================
# مساعد النسخ الدعائي بالذكاء الاصطناعي
# المدخلات: وصف المنتج
# المخرجات: 3 أنماط للنص الدعائي
# ============================================
from openai import OpenAI
client = OpenAI()

product = "سماعات لاسلكية بتقنية إلغاء الضوضاء، بطارية تدوم 40 ساعة، بسعر 199$"

styles = [
    ("احترافي", "اكتب نصًا دعائيًا احترافيًا يركز على الميزات."),
    ("عاطفي", "اكتب نصًا دعائيًا عاطفيًا يركز على نمط الحياة."),
    ("فكاهي", "اكتب نصًا دعائيًا فكاهيًا وبليغًا.")
]

print("=" * 60)
print(f"المنتج: {product}")
print("=" * 60)

for style_name, style_prompt in styles:
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": f"أنت كاتب إعلانات خبير. {style_prompt}"},
            {"role": "user", "content": f"اكتب نصًا إعلانيًا لـ: {product}. اجعله أقل من 80 كلمة."}
        ],
        temperature=0.8,
        max_tokens=150
    )
    copy = response.choices[0].message.content
    tokens = response.usage.total_tokens
    cost = (response.usage.prompt_tokens * 0.15 + response.usage.completion_tokens * 0.60) / 1_000_000
    print(f"\n[{style_name}]")
    print(f"{copy}")
    print(f"\n(الرموز: {tokens}، التكلفة: ${cost:.6f})")

print("\n" + "=" * 60)

============================================================
المنتج: سماعات لاسلكية بتقنية إلغاء الضوضاء، بطارية تدوم 40 ساعة، بسعر 199$
============================================================

[احترافي]
استمتع بتقنية إلغاء الضوضاء المتميزة مع 40 ساعة من عمر البطارية دون انقطاع. تقدم سماعاتنا اللاسلكية صوتًا نقيًا كالمستصمص وتصميمًا مريحًا مقابل 199$. مثالي للمحترفين الذين يطلبون التركيز والجودة.

(الرموز: 72، التكلفة: $0.000032)

[عاطفي]
اهرب من الضوضاء. انزلق بهذه السماعات ودع العالم يتلاشى—40 ساعة من النقاء غير المنقطع. سواء كان ذلك في رحلتك الصباحية أو أمسية هادئة، موسيقاك في انتظارك. فقط 199$ للسلام الذي يمكنك سماعه.

(الرمоз: 68، التكلفة: $0.000030)

[فكاهي]
هل سئمت من سماع كاريوه جارك؟ هذه السماعات بتقنية إلغاء الضوضاء تمنع الفوضى وتقدم 40 ساعة من الصمت الحلو. مقابل 199$، هذا أرخص من الانتقال. أذنك ستكون ممتنة لك.

(الرموز: 58، التكلفة: $0.000025)

============================================================