كيف درّبت Sber مكبّرات الصوت على توليد سيناريوهات المنزل الذكي بالصوت
باتت مكبّرات Sber تنشئ سيناريوهات المنزل الذكي بالأوامر الصوتية. يكفي أن تقول «أطفئ الضوء عند الخروج» ليولّد الذكاء الاصطناعي الأتمتة المطلوبة. كان التحدي الرئيسي هو التخصيص، فلكل منزل أجهزته وأسماؤه المختلفة. وجاء الحل عبر التعلّم السياقي في GigaChat، دون إعادة تدريب النموذج.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
درّبت Sber نموذج GigaChat في مكبّراتها الذكية على إنشاء سيناريوهات الأتمتة مباشرة من الأوامر الصوتية. يستطيع المستخدم الآن أن يقول: «أنشئ سيناريو يطفئ الضوء والتدفئة عند الخروج من المنزل»، فتولّد المكبّرة الأتمتة بنفسها دون لمس الشاشة ولو مرة واحدة.
الصوت بدل التنقّل بين القوائم
كان إنشاء سيناريو حتى وقت قريب يتطلب فتح التطبيق، والبحث عن الأجهزة المطلوبة في القائمة، وربطها بشروط، ثم حفظ القواعد يدويًا. كانت العملية مرهقة: تنقّل بالأصابع، ولمسات متكررة على الشاشة، وبحث عن المرشّحات. وقد نفّر ذلك المستخدمين العاديين.
أما الآن فتكفي عبارة واحدة. يحلّل GigaChat نية المستخدم، ويحدد الأجهزة المعنية، ويولّد السيناريو في ثوانٍ. وهذا يشبه في جوهره أوامر من نوع «OK Google، أنشئ روتينًا». لكن Sber اعتمدت نهجها الخاص، ولم تسلك الطريق التقليدي المتمثل في الضبط الدقيق (fine-tuning) على آلاف الأمثلة.
اختار المهندسون بدلًا من ذلك التعلّم السياقي: تُمرَّر معلومات أجهزة المستخدم المحددة مباشرة إلى سياق GigaChat قبل التوليد. يرى النموذج البنية الفعلية للمنزل ويعمل بها دون إعادة تدريب مسبقة. ويوفّر هذا جهد وسم البيانات، ويسرّع التكيّف مع الأجهزة الجديدة. فإذا اشترى المستخدم مصباحًا جديدًا، فلا حاجة لانتظار تحديث النموذج.
التخصيص هو المشكلة الأكبر
يتمثل التحدي الرئيسي في إدارة المنزل الذكي في التخصيص المطلق. لدى مستخدم 30 جهازًا، ولدى آخر ثلاثة فقط. أحدهم يسمّي المصباح «لمبة»، وآخر «ضوء غرفة النوم»، وثالث «الشمس فوق السرير». وقد تُسمّى المستشعرات والمفاتيح والسكربتات المخصصة بأسماء مختلفة تمامًا.
غالبًا ما تتعثر نماذج LLM العادية أمام هذا التنوع: تخمّن الأجهزة عشوائيًا، وتخلط بين الغرف، وتسيء فهم النية. لكن الخطأ هنا غير مقبول، فالأمر ليس توصية بموسيقى. إذا عمل السيناريو بشكل خاطئ، فقد يتجمّد المستخدم ليلًا لأن التدفئة لم تعمل. أو قد يعمل المكيّف نهارًا في شقة فارغة ويستهلك الكهرباء بلا داعٍ.
وحلّ مهندسو Sber المشكلة بألا يعيدوا تدريب النموذج لكل مستخدم، فهذا غير ممكن عمليًا، بل أن يزوّدوه بـ«دليل» كامل داخل سياق الطلب. فقبل استدعاء GigaChat، يجمع الخادم الخلفي وصف جميع أجهزة المستخدم: وظائفها، والغرفة التي توجد فيها، والأسماء التي تعرّف بها. يرى GigaChat هذه المعلومات ويستطيع استخدامها بأمان.
كيف يعمل ذلك
يعمل خط المعالجة (pipeline) تقريبًا على النحو التالي:
- يقول المستخدم للمكبّرة: «أنشئ سيناريو ليلة هادئة»
- تتعرّف المكبّرة على الكلام وترسل النص إلى الخادم الخلفي
- يطلب الخادم الخلفي كامل كتالوج أجهزة المستخدم مع أوصاف وظائفها
- يُمرَّر الكتالوج والطلب إلى GigaChat، الذي يولّد وصف السيناريو بصيغة YAML
- يتحقق محرّك السيناريوهات من النتيجة، ويتأكد من أن جميع الأجهزة موجودة فعلًا
- إذا نجح التحقق، يُحفظ السيناريو ويصبح فعّالًا
يمثّل التحقق على مستوى محرّك السيناريوهات وسادة أمان. فإذا أخطأ GigaChat قليلًا، كأن يذكر مستشعرًا غير موجود أو يكتب صياغة أمر خاطئة، فسيلاحظ المحرّك الخطأ ويصحّحه أو يطلب من المستخدم التوضيح. وقد سمّت Sber هذا المحرّك «محرّك السيناريوهات»، وهو يعمل كفحص للأخطاء لكل قاعدة مولَّدة.
ماذا يعني ذلك
يصبح المنزل الذكي أيسر منالًا للشخص العادي. فإذا كانت المكبّرة تنشئ السيناريوهات بالصوت بشكل صحيح، فلن يحتاج المبتدئ إلى حفظ الواجهة أو قراءة 50 صفحة من التعليمات. يكفي أن يقول ما يريده، وسينفّذ النظام ذلك. وهذه خطوة مهمة نحو خروج المنازل الذكية من نطاق الهواة إلى السوق الواسعة، حيث يقدّر الناس البساطة فوق كل شيء.
- 21 نوفمبر 2026نموذج MIRA العصبي يرسم Rocket League بسرعة 20 إطارًا في الثانية، لكن زمن الاستجابة يصل إلى 460 مللي ثانية
- 21 نوفمبر 2026غوغل تبني نسخة مغلقة من الإنترنت تضم بنوكًا وهمية لتدريب وكلاء الذكاء الاصطناعي في Chrome
- 21 نوفمبر 2026اختبار MLPerf يشهد لأول مرة مشاركة Nvidia Rubin وTPU Ironwood: 153 نظامًا
- 21 نوفمبر 2026Google تفتح الطلب المسبق على نظارات Gemini الذكية بسعر يبدأ من 395 دولارًا — والبيع اعتبارًا من 10 ديسمبر
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول الصوت بدل التنقّل بين القوائم؟
كان إنشاء سيناريو حتى وقت قريب يتطلب فتح التطبيق، والبحث عن الأجهزة المطلوبة في القائمة، وربطها بشروط، ثم حفظ القواعد يدويًا. كانت العملية مرهقة: تنقّل بالأصابع، ولمسات متكررة على الشاشة، وبحث عن المرشّحات. وقد نفّر ذلك المستخدمين العاديين. أما الآن فتكفي عبارة واحدة. يحلّل GigaChat نية المستخدم، ويحدد الأجهزة المعنية، ويولّد السيناريو في ثوانٍ. وهذا يشبه في جوهره أوامر من نوع «OK Google، أنشئ روتينًا». لكن Sber اعتمدت نهجها الخاص، ولم تسلك الطريق التقليدي المتمثل في الضبط الدقيق (fine-tuning) على آلاف الأمثلة.
ما أبرز التفاصيل حول التخصيص هو المشكلة الأكبر؟
يتمثل التحدي الرئيسي في إدارة المنزل الذكي في التخصيص المطلق. لدى مستخدم 30 جهازًا، ولدى آخر ثلاثة فقط. أحدهم يسمّي المصباح «لمبة»، وآخر «ضوء غرفة النوم»، وثالث «الشمس فوق السرير». وقد تُسمّى المستشعرات والمفاتيح والسكربتات المخصصة بأسماء مختلفة تمامًا. غالبًا ما تتعثر نماذج LLM العادية أمام هذا التنوع: تخمّن الأجهزة عشوائيًا، وتخلط بين الغرف، وتسيء فهم النية. لكن الخطأ هنا غير مقبول، فالأمر ليس توصية بموسيقى. إذا عمل السيناريو بشكل خاطئ، فقد يتجمّد المستخدم ليلًا لأن التدفئة لم تعمل.
ما أبرز التفاصيل حول كيف يعمل ذلك؟
يعمل خط المعالجة (pipeline) تقريبًا على النحو التالي: يقول المستخدم للمكبّرة: «أنشئ سيناريو ليلة هادئة» تتعرّف المكبّرة على الكلام وترسل النص إلى الخادم الخلفي يطلب الخادم الخلفي كامل كتالوج أجهزة المستخدم مع أوصاف وظائفها يُمرَّر الكتالوج والطلب إلى GigaChat، الذي يولّد وصف السيناريو بصيغة YAML يتحقق محرّك السيناريوهات من النتيجة، ويتأكد من أن جميع الأجهزة موجودة فعلًا إذا نجح التحقق، يُحفظ السيناريو ويصبح فعّالًا يمثّل التحقق على مستوى محرّك السيناريوهات وسادة أمان.
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.