ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارAWS Machine Learning Blog→ المصدر

AWS تضيف إلى SageMaker AI التصنيف الآلي والبيانات الاصطناعية لتدريب النماذج

يستغرق إعداد البيانات لمرحلة الضبط الدقيق أسابيع: التصنيف مكلف، وتختبئ في المجموعات نسخ مكررة وتسريبات للإجابات. أضافت Amazon إلى SageMaker AI أدوات تصنّف فيها لجنة تحكيم من عدة نماذج الصفوف، وتُحال الصفوف المشكوك فيها إلى الخبراء للمراجعة. وتتضمن الأدوات أيضًا توليد بيانات اصطناعية وفحص الجودة قبل بدء التدريب. وهذا يساعد الفرق ذات المهام المحددة على بناء مجموعة بيانات نظيفة بوتيرة أسرع.

معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
AWS تضيف إلى SageMaker AI التصنيف الآلي والبيانات الاصطناعية لتدريب النماذج
المصدر: AWS Machine Learning Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليAWS Machine Learning Blog ↗
رئيس التحرير
حقيقة رئيسية #1اتفاق النماذج في اللجنة يتحول إلى درجة ثقة لكل صف
حقيقة رئيسية #2تبقى البيانات والتصنيفات في حاوية S3 الخاصة بك، وتعمل الأدوات في منطقتي US East وUS West
حقيقة رئيسية #3يُحدَّد التنسيق المطلوب لـ SFT أو DPO أو RL بوصف مكتوب بلغة عادية

تعرف كل فريق ضبط نموذجًا لمهمته الخاصة أن أطول مراحل العمل تبدأ قبل إطلاق التدريب نفسه. فعليك أن تجد الأمثلة أو تصنّفها، وتنظّف النسخ المكررة، وتحوّل كل شيء إلى تنسيق الطريقة المعتمدة، ثم تتأكد من أن إجابات مجموعة الاختبار لم تتسرب إلى عينة التدريب. قررت Amazon معالجة هذه المشكلة، فوسّعت SageMaker AI بمجموعة إمكانات لإعداد البيانات. وهي متاحة عبر Python SDK وعبر AI-ML skill للوكلاء البرمجيين.

خمس لبنات بدلًا من خط إنتاج مصنوع يدويًا

تقوم فكرة AWS على تجنّب ربط أدوات التصنيف وسكربتات التوليد ومهام التحقق يدويًا. تعمل كل إمكانية بمفردها، ويمكن وصلها في سلسلة واحدة.

يعمل التصنيف الآلي مع مجموعة غير مصنّفة، أو مع عينة أولية صغيرة مصنّفة، أو حتى دون أي تصنيفات. تتوافر مباشرة مهام التصنيف إلى فئات، واستخراج الكيانات المسمّاة، واستخراج الإجابات من النص، والتقييمات الترتيبية، والتلخيص، كما يمكنك وصف أنواع مهام خاصة بك. تصف التصنيف في مواصفة قصيرة، فتُختبر أولًا على أمثلتك، ثم تُطبَّق على المجموعة كاملة. وفي المهام ذات المجموعة الثابتة من الإجابات، تصنّف لجنة من عدة نماذج كل صف، ويتحول مستوى اتفاقها إلى درجة ثقة.

تدخل الصفوف منخفضة الثقة في طابور المراجعة اليدوية داخل SageMaker Studio. وتُستخدم هناك أداة Label Studio Community Edition المفتوحة المصدر، ويدخل الخبراء الخارجيون عبر رابط. تعود تصحيحاتهم إلى التصنيف الآلي وتحسّن الجولة التالية.

تُولَّد البيانات الاصطناعية وفق مواصفة، ويمكن أن تستند إلى مستنداتك وأمثلتك الأولية. وتُخرج الخدمة شيفرة خط توليد يمكنك قراءتها وتعديلها وإعادة تشغيلها.

يفحص تقييم الجودة المجموعة وفق قواعد عملك، ومقاييس مدمجة، ومقاييس تعتمد على LLM بدور القاضي. ويبحث عن النسخ المكررة وشبه المكررة، وعن مشكلات لم تفكر فيها، مثل الضوضاء في التصنيفات وتسريب الإجابات. أما تحويل البيانات فينظّف المجموعة ويعيد بناءها: يمكنك وصف التغيير بكلمات عادية والحصول على شيفرة، أو استخدام عمليات جاهزة مثل إزالة التكرار والدمج والتقسيم والتصفية، أو تشغيل شيفرة Python خاصة بك.

كيف يبدو ذلك عمليًا

تسوق AWS مثال فريق يختبر مساعد دعم قائمًا على الذكاء الاصطناعي. يذكر الدليل أن إعادة الضبط إلى إعدادات المصنع تمحو الإعدادات المحفوظة، ومن المهم ألا ينسى المساعد التنبيه إلى ذلك. يحمّل الفريق الدليل بوصفه سياقًا، ويصف الأسئلة المطلوبة والإجابات المرجعية. ثم يراجع بمساعدة الوكيل المواصفة المُعدّة، ويولّد دفعة تجريبية صغيرة، ويطابق السجلات مع الدليل. بعد ذلك يشغّل تقييم الجودة، ويحيل الإجابات الخلافية إلى خبير، ويعدّل المواصفة أو ينظّف النسخ المكررة، ويولّد أمثلة إضافية، ويفحص المجموعة مرة أخرى.

وللسيناريو المتكامل تقترح AWS السلسلة التالية: توليد البيانات من المستندات، وتحويلها إلى تنسيق SFT أو DPO أو التعلم المعزز، وفحصها بحثًا عن النسخ المكررة والتسريبات ومخالفات القواعد، ثم إطلاق التدريب عبر SageMaker AI model customization. والفحص قبل التدريب مهم، لأن الموارد الحوسبية باهظة، وهذه الخطوة هي الأجدر بالحرص عليها.

وتورد AWS بصورة منفصلة شهادة من Splunk (التابعة لـ Cisco). فمنتجها Agent Observability يحتاج إلى نماذج مقيِّمة، لكن البيانات اللازمة لمثل هذه المهام الضيقة غير كافية. وتقول Splunk إنها تحصل بفضل التوليد الاصطناعي على مجموعات تمثيلية بسرعة، وتحافظ على أنماط البيانات الأصلية. هذه أقوال العميل في مادة صحفية، ولا توجد هنا أرقام مستقلة.

التحكم والقيود

تعمل الخدمة بدور IAM الذي تتحكم فيه أنت. وتُحفظ البيانات الأصلية والمجموعات المولَّدة والتصنيفات في حاويات S3 الخاصة بك في المنطقة التي تختارها. والإمكانات متاحة للجميع في US East (N. Virginia) وUS West (Oregon) فقط، لذا سيتعين على الفرق الأوروبية التي تفرض متطلبات لموقع البيانات الانتظار.

توصي AWS نفسها بعدم كتابة المواصفات يدويًا، بل إنشائها بمساعدة الوكيل ثم قراءة النتيجة. وهذه نصيحة صريحة: فجودة البيانات الاصطناعية والتصنيف الآلي تعتمد على دقة وصف المهمة. وتقلّل لجنة النماذج خطر الأخطاء، لكنها لا تحل محل الخبير، وسيتعين عليك ضبط عتبة الثقة بما يناسب مجالك. ولا يتضمن الإعلان أي قياسات علنية للدقة أو لتوفير الوقت.

والخلاصة العملية بسيطة. إن كنت تضبط نموذجًا صغيرًا لمهمة محددة، أو تجمّع مجموعة لتقييم الوكلاء، فمن الأجدى أن تبدأ بمهمة واحدة: صفها للوكيل، وراجع المواصفة والعينة التجريبية، وبعد ذلك فقط وسّع النطاق. فالقيمة الأساسية هنا ليست في التوليد بحد ذاته، بل في أن فحص الجودة ومشاركة الإنسان مدمجان في العملية نفسها.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول خمس لبنات بدلًا من خط إنتاج مصنوع يدويًا؟

تقوم فكرة AWS على تجنّب ربط أدوات التصنيف وسكربتات التوليد ومهام التحقق يدويًا. تعمل كل إمكانية بمفردها، ويمكن وصلها في سلسلة واحدة. يعمل التصنيف الآلي مع مجموعة غير مصنّفة، أو مع عينة أولية صغيرة مصنّفة، أو حتى دون أي تصنيفات. تتوافر مباشرة مهام التصنيف إلى فئات، واستخراج الكيانات المسمّاة، واستخراج الإجابات من النص، والتقييمات الترتيبية، والتلخيص، كما يمكنك وصف أنواع مهام خاصة بك. تصف التصنيف في مواصفة قصيرة، فتُختبر أولًا على أمثلتك، ثم تُطبَّق على المجموعة كاملة.

ما أبرز التفاصيل حول كيف يبدو ذلك عمليًا؟

تسوق AWS مثال فريق يختبر مساعد دعم قائمًا على الذكاء الاصطناعي. يذكر الدليل أن إعادة الضبط إلى إعدادات المصنع تمحو الإعدادات المحفوظة، ومن المهم ألا ينسى المساعد التنبيه إلى ذلك. يحمّل الفريق الدليل بوصفه سياقًا، ويصف الأسئلة المطلوبة والإجابات المرجعية. ثم يراجع بمساعدة الوكيل المواصفة المُعدّة، ويولّد دفعة تجريبية صغيرة، ويطابق السجلات مع الدليل. بعد ذلك يشغّل تقييم الجودة، ويحيل الإجابات الخلافية إلى خبير، ويعدّل المواصفة أو ينظّف النسخ المكررة، ويولّد أمثلة إضافية، ويفحص المجموعة مرة أخرى.

ما أبرز التفاصيل حول التحكم والقيود؟

تعمل الخدمة بدور IAM الذي تتحكم فيه أنت. وتُحفظ البيانات الأصلية والمجموعات المولَّدة والتصنيفات في حاويات S3 الخاصة بك في المنطقة التي تختارها. والإمكانات متاحة للجميع في US East (N. Virginia) وUS West (Oregon) فقط، لذا سيتعين على الفرق الأوروبية التي تفرض متطلبات لموقع البيانات الانتظار. توصي AWS نفسها بعدم كتابة المواصفات يدويًا، بل إنشائها بمساعدة الوكيل ثم قراءة النتيجة. وهذه نصيحة صريحة: فجودة البيانات الاصطناعية والتصنيف الآلي تعتمد على دقة وصف المهمة.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
ما رأيك؟
جارٍ تحميل التعليقات…