أليكسي سيليزنيف يطلق دورة فيديو مجانية بلغة R لتطوير أدوات الذكاء الاصطناعي

نشر أليكسي سيليزنيف دورة فيديو مجانية بلغة R مخصصة لبناء أدوات الذكاء الاصطناعي وواجهات الدردشة والأنظمة متعددة الوكلاء. صُممت الدورة كمسار عملي لمن يكتبون بلغة R بالفعل ويريدون دمج LLM في سير عملهم، لا الاكتفاء باستخدام الدردشات عبر الويب.

ما الذي تتضمنه الدورة

الفكرة الرئيسة للدورة هي إظهار أن منظومة R لم تعد مناسبة للتحليلات الكلاسيكية والتصور البياني فحسب، بل لتطوير تطبيقات الذكاء الاصطناعي المتكاملة أيضًا. ولا يعتمد المؤلف على مجموعة حيل متفرقة، بل على حزمة أدوات مترابطة: `ellmer` للعمل مع النماذج، و`mcptools` لـ MCP، و`ragnar` لـ RAG، و`shinychat` و`querychat` للواجهات، و`mini007` للسيناريوهات القائمة على الوكلاء. وبذلك لا تبدو الدورة استعراضًا للمستجدات، بل محاولة لتزويد مطوري R بمسار جاهز للدخول إلى الذكاء الاصطناعي التطبيقي.

«هذه الدورة ليست عن أمثلة مجردة ولا عروض تجريبية شكلية».

ومن المهم أيضًا أن المواد متاحة مجانًا في شكل كتاب إلكتروني مع محاضرات مصورة وملخصات وأمثلة برمجية. وهذا يخفض عتبة الدخول أمام من يعمل بلغة R منذ سنوات لكنه ظل ينظر إلى أطر الذكاء الاصطناعي الحديثة على أنها حكر على Python. وبهذا الشكل تحل الدورة مهمتين معًا: فهي توفر هيكلًا للتعلم، وتبيّن الحزم التي يمكن استخدامها الآن، دون الحاجة إلى تجميع المنظومة ذاتيًا من عشرات المستودعات والمقالات.

سبع وحدات عملية

يتألف البرنامج من سبع محاضرات متسلسلة. يبدأ المؤلف بالعمل الأساسي مع LLM عبر حزمة `ellmer`: إعداد مفاتيح API وإنشاء الدردشات واستخراج بيانات منظمة من النص وبناء واجهة بسيطة. بعد ذلك تنتقل الدورة إلى مسائل أكثر تطبيقية، هي نقل النموذج إلى بوت في تيليغرام، وإدارة سياق المستخدم، وحفظ سجل المحادثات بين الجلسات.

• ربط مزودي LLM المختلفين مباشرة من R
• إنشاء دردشات ذكاء اصطناعي وواجهات ويب على أساس Shiny
• تشغيل خادم MCP وعميل MCP للعمل مع الأدوات الخارجية
• بناء نظام RAG بالتضمينات (embeddings) وDuckDB والبحث الهجين
• تطوير سيناريوهات متعددة الوكلاء مع توليد شيفرة R وتنفيذها

في النصف الثاني من الدورة ينتقل التركيز إلى بُنى أكثر تعقيدًا. تُخصَّص وحدة لـ MCP بوصفه وسيلة لربط النماذج بالبيانات والدوال، بما في ذلك الاتصال بأدوات مثل Claude Desktop. وتُخصَّص أخرى لنهج RAG: التضمينات، ومخزن المتجهات على DuckDB، والإجابات المستندة إلى التوثيق الخاص بالمستخدم. وتتناول دروس منفصلة إعداد واجهة `shinychat`، وعمل `querychat` الذي يحوّل الاستعلامات بلغة طبيعية إلى SQL، والأنظمة متعددة الوكلاء التي لا يكتفي فيها الذكاء الاصطناعي بالإجابة، بل ينسّق الإجراءات ويقيّم جودة النتائج وينفّذ الشيفرة.

لمن الدورة

بحسب وصف المؤلف، الدورة موجهة في المقام الأول إلى محللي البيانات ومطوري R ومن يكتبون الشيفرة بلغة R بثقة. وهي ليست مادة تمهيدية للمبتدئين تمامًا: فمن دون إلمام بأساسيات صياغة اللغة وفهم آلية العمل مع الحزم، من المرجح أن يكون الإيقاع سريعًا جدًا. أما للممارسين الذين يريدون الانتقال بسرعة من «جربتُ روبوت دردشة» إلى نموذج أولي يعمل، فيبدو البرنامج عمليًا إلى حد بعيد.

تكمن نقطة قوة الدورة في أنها تغطي دفعة واحدة عدة سيناريوهات عملية تُدرَس عادةً على أجزاء. فهنا تجتمع في مكان واحد واجهات LLM البرمجية والبوتات وواجهات الويب والوصول إلى البيانات عبر MCP والبحث في قاعدة المعرفة الخاصة وأنماط الوكلاء. وهذا مفيد خصوصًا للفرق المؤسسية: يستطيع المحلل أو مطور BI أن يبقى على لغته ومنظومته الأساسية، وأن يضيف وظائف الذكاء الاصطناعي مباشرة إلى مشاريع R القائمة ولوحات المعلومات والخدمات الداخلية. وللصيغة المجانية دورها كذلك: يمكن استخدام هذه الدورة كنقطة انطلاق داخلية للفريق دون ميزانية مستقلة للتدريب.

ماذا يعني ذلك

لا تزال R لغة متخصصة في نطاق ضيق مقارنة بـ Python في تطوير الذكاء الاصطناعي، لكن هذه الدورات تُظهر أن الفجوة تتقلص بسرعة على مستوى الأدوات التطبيقية. وبالنسبة إلى المجتمع الناطق بالروسية، فهي طريقة جاهزة ومنظمة للدخول إلى عالم LLM وMCP وRAG والأنظمة القائمة على الوكلاء دون مغادرة المنظومة المألوفة.