مهندسو Hugging Face يضعون دليلًا عمليًا للذكاء الاصطناعي التوليدي: من المحوّلات إلى الضبط الدقيق

قطع الذكاء الاصطناعي التوليدي خلال السنوات الثلاث الماضية مسافة طويلة، من غرابة مخبرية إلى أداة عمل يومية لملايين الأشخاص. لكن بين «استخدام ChatGPT لكتابة الرسائل» و«فهم الكيفية التي تعمل بها النماذج اللغوية الكبيرة فعليًا» هوّة لم يكن اجتيازها سهلًا حتى الآن. وقد عالج فريق مهندسي Hugging Face هذه المشكلة على طريقته، فأصدر دليلًا عمليًا متكاملًا يأخذ القارئ من المبادئ الأساسية لبنية المحوّلات إلى الضبط الدقيق للنماذج اللغوية الكبيرة (LLM) على بياناته الخاصة.

ولتقدير أهمية هذا الحدث، يجدر استحضار السياق. فـ Hugging Face ليست مجرد شركة ذكاء اصطناعي أخرى، بل منصة أصبحت عمليًا بمثابة GitHub لعالم التعلم الآلي. ويمرّ عبر منظومتها عشرات الآلاف من النماذج ومجموعات البيانات والأدوات. وعندما ينشر باحثو Meta* نموذج Llama، وعندما تطرح Stability AI إصدارًا جديدًا من Stable Diffusion، وعندما تشارك الشركات الناشئة أعمالها، فإن ذلك كله ينتهي في الغالب على Hugging Face. لذلك فإن كتابًا من مهندسيها ليس إعادة سرد لأفكار الآخرين، بل رؤية من الداخل يقدّمها أشخاص يبنون البنية التحتية التي يقوم عليها الذكاء الاصطناعي المفتوح الحديث.

يغطي الكتاب اتجاهين رئيسيين في الذكاء الاصطناعي التوليدي يحدّدان اليوم ملامح الصناعة. الأول هو بنى المحوّلات والنماذج اللغوية الكبيرة، وهي الأنظمة نفسها التي تقف خلف ChatGPT وClaude وGemini وعشرات المنتجات الأخرى. والثاني هو نماذج الانتشار التي تقوم عليها عملية توليد الصور والفيديو: Stable Diffusion وDALL-E وMidjourney وما تفرّع عنها. أما الفارق الجوهري عن عشرات الدورات والدروس المتاحة عبر الإنترنت فهو أن المادة مبنية على هيئة دليل عملي متكامل بشيفرة تعمل فعلًا، لا على هيئة مجموعة أمثلة متفرقة.

ويبدو القسم المخصص للضبط الدقيق (fine-tuning) للنماذج اللغوية الكبيرة ذا قيمة خاصة. فهذا المجال يشهد الآن نموًا متسارعًا. فقد أدركت الشركات حول العالم أن النماذج العامة الشاملة تصلح للعروض التوضيحية، لكن مهام الأعمال الفعلية تتطلب حلولًا متخصصة. فشركة المحاماة تريد نموذجًا يفهم السوابق القضائية. والشركة الطبية الناشئة تريد نظامًا يستوعب المصطلحات السريرية. وشركة التقنية المالية تريد مساعدًا يتنقل بين الوثائق التنظيمية. وكل ذلك يتطلب ضبطًا دقيقًا، والطلب على المتخصصين الذين يتقنون هذه المهارة يفوق العرض بكثير.

ونقص المواد التعليمية الجيدة في مجال الذكاء الاصطناعي التوليدي مشكلة يجري الحديث عنها منذ زمن. فالتقنيات تتطور بسرعة كبيرة إلى حد أن البرامج الجامعية التقليدية لا تلحق بها. والدورات عبر الإنترنت كثيرًا ما تتقادم قبل أن ينتهي تسجيلها. أما وثائق المكتبات البرمجية فتفترض مستوى معرفة لا يملكه ببساطة معظم المطوّرين. ونتيجة لذلك يتعلم كثير من المهندسين والباحثين الذكاء الاصطناعي التوليدي بصورة عشوائية، عبر المدونات وسلاسل تغريدات Twitter ومقاطع YouTube، فيجمعون الصورة العامة من شذرات متفرقة. ويسدّ الدليل العملي المنظَّم، الذي يضعه أشخاص يطوّرون بأنفسهم الأدوات الرئيسية في القطاع، هذه الفجوة.

ومن المهم الإشارة كذلك إلى اتجاه أوسع يندرج هذا الكتاب ضمنه. فـ Hugging Face تبني باطّراد استراتيجية لإتاحة الذكاء الاصطناعي للجميع، لا عبر التبسيط، بل عبر التعليم. وقد أتمّ مئات الآلاف من الأشخاص دوراتها المجانية في معالجة اللغات الطبيعية (NLP) والمحوّلات. وتُنزَّل النماذج المفتوحة على المنصة ملايين المرات شهريًا. والآن يُضاف إلى ذلك دليل عملي مطبوع متكامل قد يصبح مرجعًا مكتبيًا لجيل جديد من مهندسي الذكاء الاصطناعي. وفي عالم تغلق فيه أكبر المختبرات أبحاثها بوتيرة متزايدة، تكتسب مبادرات كهذه أهمية استراتيجية للمنظومة المفتوحة للذكاء الاصطناعي بأكملها.

لقد توقف الذكاء الاصطناعي التوليدي فعلًا عن كونه سحرًا. لكنه لم يصبح بعدُ أداة مفهومة حقًا لدى معظم المطوّرين. والكتب من هذا النوع هي الجسر الذي تحتاجه الصناعة للانتقال من عصر الانبهار إلى عصر الاستخدام الواعي. وإذا جاء هذا الدليل العملي بنصف جودة الأدوات التي تصنعها Hugging Face، فأمامه فرص كبيرة ليصبح معيارًا لتأهيل مهندسي الذكاء الاصطناعي في السنوات المقبلة.

*Meta مصنَّفة منظمة متطرفة ومحظورة في روسيا.