نموذج أساسي (Foundation Model)
نموذج أساسي هو نظام ذكاء اصطناعي واسع النطاق تم تدريبه مسبقاً على بيانات واسعة ومتنوعة—نصوص وصور وكود—ليكون بمثابة قاعدة عامة الأغراض قابلة للتكيف مع العديد من المهام اللاحقة. تم تقديم المصطلح من قبل معهد ستانفورد للذكاء الاصطناعي (HAI) في 2021؛ من الأمثلة عليه GPT-4 و Claude و Gemini و LLaMA.
النماذج الأساسية هي أنظمة ذكاء اصطناعي يتم تدريبها على مجموعات بيانات ضخمة وغير متجانسة باستخدام أهداف التعلم الذاتي المراقب مثل التنبؤ بالرمز التالي أو التنبؤ بالرمز المقنّع. تم صياغة المصطلح في ورقة عام 2021 من قبل مركز ستانفورد لأبحاث النماذج الأساسية (CRFM) لتمييز هذه القواعد العامة الأغراض عن النماذج الخاصة بالمهام السابقة. بخلاف النموذج المدرّب فقط للكشف عن الرسائل غير المرغوبة أو تصنيف الصور الطبية، فإن النموذج الأساسي يكتسب تمثيلات واسعة للغة والمعرفة والمنطق التي يمكن تكييفها بعد ذلك. تشمل الأمثلة اللغة (GPT-4o و Claude 3.5 و LLaMA 3) والرؤية (CLIP و DINOv2) والأنظمة المتعددة الأوضاع (Gemini و GPT-4V).
عادة ما يتضمن تدريب النموذج الأساسي مرحلتين. يبني التدريب المسبق على مجموعات النصوص الكبيرة—غالباً مئات المليارات إلى تريليونات الرموز من النصوص والكود وأزواج الصور والتعليقات—تمثيلات عامة. يشكل التكيف اللاحق بعد ذلك النموذج للتطبيقات المحددة من خلال ضبط دقيق (fine-tuning) أو التعلم المعزز من ردود الفعل البشرية (RLHF) أو هندسة الطلبات (prompt engineering)، وكل ذلك أرخص بأوامر من حيث الحجم من التدريب من الصفر. هذا النموذج "تدرب مرة واحدة، كيّف عدة مرات" هو محرك الاقتصاد الذي يقف خلف موجة المنتجات الذكية الحالية.
حوّلت النماذج الأساسية اقتصاديات تطوير الذكاء الاصطناعي بإنشاء ركيزة مشتركة. قبلها، كان كل تطبيق جديد يتطلب خط أنابيب بيانات مخصص وتشغيل تدريب. مع النموذج الأساسي، يمكن لفريق صغير بناء منتج تنافسي بضبط دقيق أو استخدام قاعدة موجودة مسبقاً. يركز هذا التركيز على القدرات في عدد صغير من الأنظمة الأساسية أيضاً المخاطر، الأمر الذي دفع الاهتمام التنظيمي عالمياً.
اعتباراً من 2026، تتراوح النماذج الأساسية من الأنظمة المملوكة المغلقة مثل GPT-4o و Claude 4 إلى الإصدارات المرخصة بشكل علني مثل LLaMA 3 من Meta (حتى 405 مليارات معامل) وعائلة نماذج Mistral. أصبحت النماذج الأساسية المتعددة الأوضاع التي تعالج النصوص والصور والصوت والفيديو في وقت واحد معياراً بدلاً من كونها استثنائية. قانون الاتحاد الأوروبي بشأن الذكاء الاصطناعي يصنف على وجه التحديد "النماذج الذكية العامة الأغراض" المدربة فوق عتبة الحساب 10²⁵ FLOP كمشمولة بمتطلبات الشفافية والتقييم، مما يجعل مفهوم النموذج الأساسي ساري التطبيق قانونياً عبر الاتحاد الأوروبي.