إطلاق العنان لإمكانيات الأعمال باستخدام الذكاء الاصطناعي مفتوح المصدر والسحابة المتعددة الهجينة

الذكاء الاصطناعي مفتوح المصدر هو الكلمة الرنانة في الوقت الحالي، مدفوعًا بالإصدار الأخير لنماذج لغوية كبيرة (LLMs) منخفضة التكلفة مثل DeepSeek-1 والبروز المتزايد للنماذج المفتوحة، مثل Llama و Mistral AI.

تحظى هذه الإنجازات باهتمام الجمهور، ولكن هناك سؤال جاد يواجه الشركات: كيف يمكننا تحويل هذه الضجة إلى قيمة تجارية ملموسة؟

لقد كانت تقنيات المصدر المفتوح مثل Linux و Kubernetes منذ فترة طويلة العمود الفقري للأنظمة الحيوية، حيث توفر الشفافية والاستقرار والأمان. وتعمل طبيعتها التعاونية على تعزيز الابتكار السريع، وهو أمر حيوي لتطور نماذج الذكاء الاصطناعي المتقدمة، بما في ذلك الذكاء الاصطناعي التوليدي. ومع ذلك، فإن الإمكانات التجارية الحقيقية تكمن في الجمع بين الذكاء الاصطناعي مفتوح المصدر وبيئات السحابة المتعددة الهجينة. يوفر هذا الاقتران القوي للشركات ما يلي:

• التكامل السلس

• مرونة قابلة للتوسع

• الأمن المحسّن

• حلول مخصصة

• الابتكار من خلال التعاون

تُظهر دراسة أجرتها IBM أن 62% من المؤسسات تخطط لزيادة استثماراتها في الذكاء الاصطناعي في عام 2025، مع تركيز ما يقرب من نصفها على الاستفادة من أدوات المصادر المفتوحة لمبادراتها في مجال الذكاء الاصطناعي.

قال Shobhit Varshney، نائب الرئيس والشريك الأول، ورئيس قسم الذكاء الاصطناعي والبيانات والأتمتة في شركة IBM: "نحن نصمم ذكاءً اصطناعيًا للسُحب المتعددة." وأضاف: "هذا يعني أننا بحاجة إلى طبقة واحدة من الأتمتة، وأمن العمليات المالية، والحوكمة التي تشمل جميع السُحب."

تجنب الاحتكار لمنتج معين أمر بالغ الأهمية للشركات، ويتناسب الذكاء الاصطناعي مفتوح المصدر بشكل طبيعي ضمن نموذج سحابي هجين ومتعدد. وهو يسمح للشركات بدمج نماذج الذكاء الاصطناعي الخاصة، مثل AWS SageMaker أو Google Vertex AI، مع النماذج المفتوحة مثل Granite من IBM. وقد صُممت سلسلة نماذج Granite من IBM، ذات المصدر المفتوح بموجب Apache 2.0، للتكامل مع البيئات السحابية المتعددة الهجينة، مما يمنح المؤسسات مزيدًا من الحرية والتحكم في نشر نماذج الذكاء الاصطناعي وإدارتها عبر المنصات المختلفة.

يوضح Varshnay: "أي شيء يسمح لك بإدارة النموذج في بنيتك التحتية يتوافق جيدًا مع التصميم الهجين، خاصة عندما يتم بناء الأنظمة لتعمل بسلاسة عبر بيئات الحوسبة السحابية المتعددة والبنى التحتية لتكنولوجيا المعلومات المحلية منذ البداية."

هذه البنية التحتية الهجينة حسب التصميم تضمن أن نماذج الذكاء الاصطناعي يمكنها التنقل بحرية عبر السُحب، مما يسمح للشركات باختيار البيئة الأفضل لاحتياجاتها.

توفر نماذج الذكاء الاصطناعي مفتوحة المصدر مرونة لا مثيل لها، خاصةً عند توسيع نطاق النماذج ونشرها على البنية التحتية للمؤسسة. على الرغم من سهولة نشر منصات الجهات الخارجية مثل Claude من Anthropic أو ChatGPT من OpenAI، فإنها غالبًا ما تحبس الشركات في أنظمة بنائية محددة بتخصيص محدود. وفي المقابل، تمنح نماذج المصدر المفتوح للمؤسسات التحكم الكامل، ما يسمح لها بإنشاء حلول مصممة خصيصًا لتلبية احتياجات العمل الفريدة.

هذه المرونة ضرورية للشركات التي تعمل عبر بيئات السحابة متعددة. على سبيل المثال، قد ترغب شركة تستخدم AWS للتخزين في نشر نموذج من Google أو OpenAI. ومع ذلك، غالبًا ما تأتي النماذج الخاصة مع قيود في التوافق عبر السحابة. تتكامل نماذج المصادر المفتوحة بسلاسة عبر مختلف المنصات، مما يمكّن الشركات من اختيار أفضل مزود سحابي دون المساس بالاتساق أو الامتثال.

تضمن الاستضافة الذاتية لنماذج الذكاء الاصطناعي مفتوحة المصدر بقاء البيانات الحساسة داخل البنية التحتية لتكنولوجيا المعلومات الآمنة للمؤسسة، وهو أمر ضروري للشركات ذات متطلبات الخصوصية الصارمة. من خلال تجنب خوادم الجهات الخارجية ، تحافظ الشركات على سيطرتها على بياناتها وتقلل من المخاطر المتعلقة بمعالجة البيانات الخارجية، خاصة عند التعامل مع مخاوف الأمن الدولية.

ومن المزايا الأمنية الضرورية الأخرى لنماذج المصادر المفتوحة هو القدرة على التحكم في سلامة النماذج نفسها. سلطت الأبحاث التي أجرتها Anthropic الضوء على المخاطر المحتملة للتلاعب بالكود أو الثغرات الأمنية المضمنة في نماذج الذكاء الاصطناعي. يمكن للجهات الفاعلة الخبيثة تقديم تهديدات خفية حتى مع مزودي الخدمة الموثوق بهم مثل Meta أو Google.

تعمل النماذج مفتوحة المصدر والمستضافة ذاتيًا على تخفيف هذه المخاطر من خلال السماح للمؤسسات بفحص الكود والتحقق منه وتعديله، مما يضمن قدرًا أكبر من الشفافية والأمان.

يقول Varshney: "مع المصدر المفتوح، يمكنك التحكم في مصيرك". "أنت تعرف ما وراء النموذج، وكيف يتم تدريبه وأنت تستضيفه في بيئة تثق بها."

بالإضافة إلى المرونة، فإن القدرة على الضبط الدقيق لنماذج الذكاء الاصطناعي مفتوحة المصدر تغير قواعد اللعبة. يسمح الضبط الدقيق للشركات بتصميم النماذج لتلبية المتطلبات الخاصة بالصناعة، مما يجعلها أكثر قيمة. على سبيل المثال، يساعد الضبط الدقيق لنماذج مفتوحة المصدر مثل Llama أو Granite في صناعات مثل الرعاية الصحية أو الاتصالات الشركات على إضافة معرفة خاصة بالمجال، مما يحسن دقة وأداء النموذج.

بخلاف النماذج المملوكة، حيث يتطلب الضبط الدقيق غالبًا إرسال بيانات مملوكة إلى خوادم البائع، تسمح نماذج المصادر المفتوحة للشركات بالاحتفاظ بالتحكم الكامل في عمليات التخصيص الخاصة بها.

يوضح Varshney قائلاً: "إذا أخذ المرء نموذجًا صغيرًا، مثل نموذج Granite، فيمكنه إضافة محول يفهم مصطلحات مؤسستي." على سبيل المثال، تختلف مصطلحات الرعاية الصحية عن مصطلحات الاتصالات، لذا يمكنني الضبط الدقيق للنموذج لفهم وخدمة هذا المجال الفريد بشكل أفضل."

يوفر الضبط الدقيق لنماذج مفتوحة المصدر على البنية التحتية الداخلية فوائد أداء كبيرة، خاصة عند ضبط النماذج الأصغر حجمًا باستخدام بيانات مملوكة.

يقول Varshney: "إذا كنت تقوم بالضبط الدقيق لنموذج أصغر باستخدام بياناتك الخاصة، فسوف يتفوق على نموذج أكبر وغير مضبوط". "ينتج عن هذا ميزة من حيث التكلفة والأداء، حيث أن النماذج الأصغر حجمًا والمضبوطة بدقة تكون أكثر كفاءة وفعالية لحالات الاستخدام الخاصة بك."

تُظهر نتائج إثبات المفهوم الأولية لنماذج IBM Granite، على سبيل المثال، أن الجمع بين نموذج Granite صغير وبيانات المؤسسة يحقق أداءً خاصًا بالمهام بتكلفة زهيدة للغاية—أرخص من النماذج الحدودية الكبيرة بـ 3 إلى 23 ضعفًا—مع التفوق على المنافسين من نفس الحجم أو مطابقتهم في المعايير الرئيسية.

تُعدّ هذه القدرة مفيدة بشكل خاص في سيناريوهات حوسبة الحافة، حيث تُمكّن النماذج الأصغر حجمًا والدقيقة الضبط—مثل Granite—المعالجة في الوقت الفعلي على الأجهزة ذات القدرة الحاسوبية المحدودة، مما يلغي الحاجة إلى البنية التحتية السحابية.

ويضيف Varshney: "يمكننا وضع نموذج صغير على جهاز إنترنت الأشياء (IOT) عن بُعد وفتح حالات استخدام لم نتمكن من فتحها في السابق."

ويوفر هذا النهج كلاً من التوفير في التكاليف والقدرات المعززة، خاصةً في البيئات البعيدة أو محدودة الموارد.

الطبيعة التعاونية للذكاء الاصطناعي مفتوح المصدر تسرّع وتيرة ابتكاره. ومع مساهمات من مجتمع عالمي من المطورين، تتطور هذه النماذج بسرعة، وتبقى في طليعة تطور الذكاء الاصطناعي. يعد هذا الابتكار السريع أمرًا بالغ الأهمية للشركات التي تسعى جاهدة للحفاظ على ميزة تنافسية في المشهد المستند إلى الذكاء الاصطناعي.

يهدف مشروع InstructLab التابع لشركة IBM، والذي أُطلق بالشراكة مع Red Hat، إلى تعميم الوصول إلى الضبط الدقيق للذكاء الاصطناعي، مما يجعل تخصيص النماذج اللغوية الكبيرة أكثر سهولة وبأسعار معقولة.

يشير Varshney أن "المجتمع يلعب دورًا رئيسيًا في تعزيز هذه النماذج وجعلها أكثر قوة".

إنّ تقارب الذكاء الاصطناعي مفتوح المصدر والسحابة المتعددة الهجينة هو الاستراتيجية المثلى للشركات التي تتطلع إلى تحقيق أقصى استفادة من استثماراتها في الذكاء الاصطناعي. من خلال دمج نماذج مفتوحة المصدر ضمن إطار عمل مرن متعدد السحابة، تضمن الشركات أن حلول الذكاء الاصطناعي الخاصة بها قابلة للتوسع والتكيف والتحسين عبر أي منصة، مما يحقق قيمة تجارية كبيرة.

تُظهر دراسة أجرتها IBM أن 51% من الشركات التي تستخدم الذكاء الاصطناعي مفتوح المصدر تحقق عوائد إيجابية، مما يؤكد التأثير الملموس والقابل للقياس لهذا النهج. إن تبني هذا المزيج من المصادر المفتوحة والسحابة المتعددة الهجينة هو مفتاح تحفيز النمو في مستقبل يعتمد على الذكاء الاصطناعي.

يقول Varshney: "الانفتاح هو مستقبل الذكاء الاصطناعي".

من خلال تبني الذكاء الاصطناعي مفتوح المصدر ضمن بنية تحتية سحابية هجينة متعددة، لا تستطيع الشركات مواكبة أحدث الاتجاهات فحسب، بل يمكنها أيضًا تقديم قيمة مستدامة في عالم يعتمد على الذكاء الاصطناعي.