ما هي النماذج مفتوحة الأوزان في الذكاء الاصطناعي ولماذا أصبحت الخيار المفضل للمطورين والشركات؟

النماذج مفتوحة الأوزان في الذكاء الاصطناعي، مفهومها والفروق بينها وبين النماذج المغلقة ومفتوحة المصدر

مع التطور المتسارع لتقنيات الذكاء الاصطناعي، واحتدام المنافسة بين الولايات المتحدة والصين وفرنسا في تطوير النماذج اللغوية، برزت مصطلحات جديدة أصبحت محوراً للنقاش داخل القطاع، من بينها "النموذج مفتوح الأوزان"، و"النموذج مفتوح المصدر"، و"النموذج المغلق". ويأتي تزايد الاهتمام بالنماذج مفتوحة الأوزان بالتزامن مع تبني عدد من الشركات العالمية، لا سيما الصينية، هذا النهج، لما يوفره من مرونة للمطورين وإمكانية تشغيل النماذج محلياً مع الحفاظ على خصوصية البيانات، دون الكشف الكامل عن جميع مكونات عملية تطوير النموذج.

ما هو النموذج مفتوح الأوزان؟

يشير مفهوم النموذج مفتوح الأوزان- Open-Weights Model- إلى أسلوب في مشاركة نماذج الذكاء الاصطناعي يقع في منطقة وسطى بين النماذج مفتوحة المصدر بالكامل والنماذج المغلقة.

فخلال عملية تدريب نماذج الذكاء الاصطناعي، مثل GPT أو"كلود" أو"جيميناي" أو DeepSeek يتعلم النموذج من ملايين البيانات، لتكون النتيجة النهائية شبكة ضخمة من الأرقام والمعاملات الرياضية تعرف باسم الأوزان -Weights- أوالمعلمات  Parameters، وهي التي تمثل "العقل" الفعلي للنموذج، إذ تحدد طريقة استجابته للأسئلة وآلية توقعه للكلمات.

وعندما تطلق شركة نموذجاً مفتوح الأوزان، فإنها تتيح للمطورين تحميل هذه الأوزان وتشغيل النموذج على أجهزتهم الخاصة، دون الكشف عن جميع تفاصيل تطويره.

ومن أبرز الأمثلة على ذلك نماذج Llama من "ميتا"، وGLM-5.2 من شركة Z.ai الصينية، Mistral small 4  الفرنسي، إضافة إلى Gemma من غوغل.

- لمن يرغبون بمعرفة النماذج زيارة موقع Ollama library أو موقع Huggingface

مزايا النماذج مفتوحة الأوزان

توفر النماذج مفتوحة الأوزان عدداً من المزايا للمطورين والشركات، أبرزها:

• التشغيل المحلي: إمكانية تشغيل النموذج على الكمبيوتر الشخصي أو الخوادم الخاصة دون الحاجة إلى الاتصال بالإنترنت أو الاعتماد على خوادم الشركة المطورة.
• التخصيص والتطوير Fine-Tuning :إمكانية إعادة تدريب النموذج وتعديله ليتخصص في مجالات محددة مثل الطب أو القانون أو خدمة العملاء.
• حماية الخصوصية: تبقى بيانات المستخدم داخل بيئته الخاصة، دون انتقالها إلى أي خوادم خارجية.

الفرق بين النماذج مفتوحة الأوزان ومفتوحة المصدر

ورغم التشابه بين المصطلحين، فإن هناك اختلافاً أساسيا بينهما.

ففي النموذج مفتوح الأوزان، تتيح الشركة الأوزان النهائية الجاهزة للاستخدام والتعديل، لكنها لا تكشف عن بيانات التدريب الأصلية، أو كود التدريب، أو تفاصيل بناء النموذج وتكلفته.

أما النموذج مفتوح المصدر بالكامل Open-Source، فيوفر جميع مكونات النموذج، بما يشمل كود التدريب، وبنية النموذج، وبيانات التدريب، والأوزان، بما يسمح بإعادة بناء النموذج وتدريبه من البداية، إذا توفرت الموارد اللازمة.

مقارنة بين النماذج المغلقة ومفتوحة الأوزان ومفتوحة المصدر

• النماذج المغلقة -Closed-source models : تعتمد النماذج المغلقة، مثل GPT-4 وClaude، على تقديم خدماتها عبر مواقع الشركات المطورة أو واجهات برمجة التطبيقات (API)، ولا تسمح بتحميل النموذج أو تشغيله محلياً.وتظل الأوزان مخفية بالكامل، كما تبقى بيانات التدريب غير معلنة باعتبارها أسراراً تجارية، في حين تتراوح مستويات الخصوصية بين المنخفضة والمتوسطة، لأن جميع الطلبات تمر عبر خوادم الشركة المطورة.
• النماذج مفتوحة الأوزان :تمنح هذه النماذج المستخدم حرية تحميل النموذج وتشغيله على أجهزته أو خوادمه الخاصة، مع إمكانية الاطلاع على الأوزان وتعديلها وإعادة تخصيصها. لا تكشف الشركات  عن بيانات التدريب الدقيقة أو كود التدريب الأصلي،  غير ان هذه النماذج  تتميز بمستوى مرتفع من الخصوصية، إذ تبقى جميع البيانات داخل بيئة المستخدم.
• النماذج مفتوحة المصدر بالكامل:تتيح النماذج مفتوحة المصدر تحميل النموذج وتعديله وإعادة بنائه بالكامل، كما توفر الأوزان، وكود التدريب، وبنية النموذج، ومصادر البيانات المستخدمة في التدريب بصورة شفافة.تمنح هذه النماذج المستخدم أعلى درجات التحكم والخصوصية، إذ يمكنه إدارة جميع البيانات الداخلة والخارجة من النموذج بشكل كامل.

أصبحت النماذج مفتوحة الأوزان تمثل خياراً وسطاً بين النماذج المغلقة والنماذج مفتوحة المصدر بالكامل، إذ تمنح المطورين والشركات إمكانية تشغيل نماذج الذكاء الاصطناعي محلياً، وتخصيصها بما يتناسب مع احتياجاتهم، مع الحفاظ على خصوصية البيانات، دون تحمل التكاليف الضخمة اللازمة لتطوير وتدريب نموذج جديد من الصفر، وهو ما أسهم في توسيع نطاق الاستفادة من تقنيات الذكاء الاصطناعي وتسريع تبنيها عبر مختلف القطاعات.

يمكن الاستماع لـ "بودكاست النشرة الرقمية" على مختلف منصات البودكاست. الرابط للبودكاست على منصة أبل

للتواصل مع نايلة الصليبي عبر صفحة برنامَج"النشرة الرقمية"من مونت كارلو الدولية على لينكد إن وعلى تويتر salibi@  وعلى ماستودون  وبلوسكاي عبر موقع مونت كارلو الدولية مع تحيات نايلة الصليبي