احصل على شهادة — 16.67 دولارًا5 دولارات
النماذج المفتوحة وتشغيل الذكاء الاصطناعي على حاسوبك
دورة عملية لتشغيل نماذج الذكاء الاصطناعي على حاسوبك: الفرق بين النماذج مفتوحة الأوزان ومفتوحة المصدر والمغلقة، وكيفية قراءة الرخص، وكيف تحدد المعاملات والتكميم ما يستطيع عتادك تشغيله، وكيفية تثبيت نموذج وتشغيله بأمان مع محادثة وواجهة برمجية محلية، وكيفية استخدامه وتقييمه بصدق. خمس وحدات في كل منها مثال تطبيقي، واختبار نهائي من 10 أسئلة. تُذكر الأدوات بحياد وعلى سبيل المثال فقط. مبنية على صفحات رسمية موثّقة. ليست مؤهلاً معتمداً ولا استشارة قانونية.
ماذا ستتعلّم
- اشرح وطبّق: التمييز بين النماذج مفتوحة الأوزان ومفتوحة المصدر والمغلقة، وموازنة الخصوصية والعمل دون اتصال والتكلفة والتحكم مع مفاضلات التشغيل المحلي.
- اشرح وطبّق: قراءة رخصة النموذج فيما يخص الاستخدام التجاري وإعادة التوزيع وقيود الاستخدام، وشرح تعريف الذكاء الاصطناعي مفتوح المصدر على مستوى عام.
- اشرح وطبّق: تقدير ما إذا كان النموذج يناسب عتادك انطلاقاً من المعاملات والتكميم، وشرح الفرق بين المعالج المركزي وبطاقة الرسوميات.
- اشرح وطبّق: تثبيت نموذج وتشغيله بأمان: مصادر موثوقة ومجاميع اختبارية وصيغ ملفات آمنة وعمل دون اتصال ومحادثة وواجهة برمجية محلية.
- اشرح وطبّق: استخدام نموذج محلي في مهام صغيرة وعلى وثائقك وتقييمه بصدق وإبقاؤه محدّثاً وآمناً.
وحدات
- النماذج مفتوحة الأوزان ومفتوحة المصدر والمغلقة
- الرخص: اقرأ قبل أن تعتمد
- العتاد والمعاملات والتكميم
- تثبيت نموذج وتشغيله بأمان
- حسن الاستخدام: المهام والاسترجاع والتقييم والأمان
بطاقة الدورة
- مدة الدراسة التقديرية
- نحو 75 دقيقة
- التقييم النهائي
- 10 سؤالاً · درجة النجاح 80%
- متاحة بـ
- English, Français, العربية
- السعر
- مجانية. شهادة قابلة للتحقق اختيارية: 5 دولارات
- آخر تحديث
- الناشر
- AMAADOR ACADEMY
لمن هذه الدورة
محترفون ومطوّرون مهتمون بالتقنية يريدون تشغيل نماذج مفتوحة على عتادهم ويحتاجون إلى اختيارها وتثبيتها واستخدامها بعناية.
المتطلبات المسبقة
يفيد الإلمام بالطرفية وإدارة الملفات الأساسية. لا يلزم أي خلفية في تعلّم الآلة. ولا تُفترض أداة أو علامة بعينها.
محتوى الدورة
1. النماذج مفتوحة الأوزان ومفتوحة المصدر والمغلقة
النموذج اللغوي هو عملياً ملف ضخم من الأرقام تسمى الأوزان، مع قدر صغير من الشيفرة التي تعرف كيف تشغّلها. وتُستعمل ثلاث عبارات كثيراً بتساهل. النموذج المغلق لا يمكن الوصول إليه إلا عبر خدمة مزوّد: ترسل نصاً وتتلقى نصاً، ولا تملك الأوزان أبداً. والنموذج مفتوح الأوزان هو الذي يمكنك تنزيل أوزانه المدرَّبة وتشغيلها على جهازك، وفق الرخصة التي اختارها الناشر. أما النموذج المفتوح المصدر بالمعنى الأضيق في هذه الدورة فيأتي أيضاً مع الشيفرة ومعلومات بيانات التدريب اللازمة لدراسته وإعادة إنتاجه. وكثير من النماذج الشائعة مفتوحة الأوزان دون أن تكون مفتوحة المصدر بهذا المعنى الأضيق، والفرق مهم لما يحق لك فعله ولما يمكنك التحقق منه.
لماذا نشغّل نموذجاً محلياً أصلاً؟ هناك أربعة أسباب شائعة. الخصوصية: النص الذي تكتبه يبقى على عتاد تتحكم به، وقد يبسّط ذلك بعض مسائل حماية البيانات دون أن يلغي واجباتك. والعمل دون اتصال: متى صارت الملفات على القرص يعمل النموذج في قطار أو موقع بلا إشارة أو شبكة معزولة. والتكلفة: تدفع ثمن العتاد والكهرباء بدل سعر لكل طلب، وقد يكون ذلك أرخص لحمل منتظم وصغير وأغلى للاستعمال العارض. والتحكم: أنت من يختار الإصدار ولا يتغير من تحتك، ويمكنك فحص طريقة تغليفه وتقييدها. ليس أي منها تلقائياً؛ فكل سبب يتوقف على طريقة إعدادك، وهذا ما تعالجه بقية الدورة.
2. الرخص: اقرأ قبل أن تعتمد
كون الملف قابلاً للتنزيل لا يخبرك بما يحق لك فعله به. ينبغي أن يأتي كل نموذج منشور للتنزيل مع رخصة، عادةً في ملف بجوار الأوزان أو في صفحة النموذج، والرخصة هي الوثيقة الحاسمة. وتتفاوت رخص النماذج كثيراً. بعضها يتبع رخص برمجيات معروفة، وبعضها رخص مخصصة كتبها الناشر بشروطه. وقد يسمح نموذجان متقاربان في الحجم والجودة بأمور مختلفة جداً: أحدهما يتيح الاستخدام التجاري دون شروط، وآخر يقيّد الاستخدام التجاري فوق حجم معيّن، أو يلزم بعرض إشعار، أو يمنع استخدام مخرجاته لتدريب نماذج أخرى. لا تفترض شيئاً؛ اقرأ النص الذي يرافق فعلاً الإصدار الذي نزّلته.
انتبه بوجه خاص إلى قيود الاستخدام. تتضمن بعض الرخص سياسة استخدام مقبول تسرد أغراضاً محظورة، وقد تكون هذه شروطاً ملزمة في الرخصة لا مجرد نصائح ودية. تحقق هل يُسمح بإعادة التوزيع إن كنت تنوي مشاركة نسخة معدّلة أو مضغوطة، وهل يلزم ذكر المصدر، وهل تشمل الرخصة الأوزان أم الشيفرة أم كليهما، فقد تختلف. وإن كنت تعمل لدى مؤسسة فإن مسائل الرخص التي تمس منتجات أو عملاء مكانها المراجعة القانونية؛ تساعدك هذه الدورة على طرح أسئلة أفضل لكنها ليست استشارة قانونية.
3. العتاد والمعاملات والتكميم
يُعبَّر عن حجم النموذج عادةً بالمعاملات، أي الأرقام الفردية داخله: «7B» تعني نحو سبعة مليارات. وكل معامل يجب تخزينه، ويتوقف عدد البايتات لكل معامل على الدقة. بدقة 16 بت، أي بايتان، تحتاج سبعة مليارات معامل إلى نحو 14 غيغابايت للأوزان وحدها. وهذا حساب تقريبي لا قياس (يُحسب الغيغابايت هنا بمليار بايت، وتختلف الملفات الفعلية قليلاً)، وهو أول فحص تجريه قبل تنزيل أي شيء. وإلى جانب الأوزان يحتاج البرنامج ذاكرة للسياق، أي النص الذي يقرؤه النموذج ويكتبه حالياً، ولمساحة عمله الخاصة. والسياقات الأطول تحتاج ذاكرة أكبر، فقد يُحمَّل نموذج ثم تنفد منه الذاكرة على وثيقة طويلة.
التكميم هو الحيلة الأساسية التي تجعل الاستخدام المحلي عملياً. فهو يخزّن كل وزن بعدد أقل من البتات، مثلاً 4 بدل 16، فيقلّص الملف إلى نحو ربع حجمه. وبالحساب نفسه تبلغ سبعة مليارات معامل بدقة 4 بت نحو 3.5 غيغابايت مع هامش إضافي. والثمن بعض فقدان الدقة، وقد يهمّ مهمتك أو لا؛ فالضغط الأشد يكلّف عادةً جودة أكبر، لذا اختبر. وتُوزَّع النماذج المكمَّمة غالباً بصيغ مثل GGUF التي يقرؤها llama.cpp، وتغلّف أدوات مثل Ollama هذه الملفات لك. وتذكر بطاقات النماذج عادةً مستويات التكميم المتاحة وأحجام الملفات، وهذا أفضل من قاعدة تقريبية.
4. تثبيت نموذج وتشغيله بأمان
تنزيل النموذج جزء من سلسلة توريد البرمجيات ويستحق العناية التي تمنحها لأي تبعية برمجية قابلة للتنفيذ. فضّل الصفحة الرسمية للناشر أو حساب مؤسسته على منصة معروفة مثل Hugging Face، واحذر الأسماء المتشابهة تقريباً وإعادة الرفع والمرايا غير المفسَّرة. وينشر كثير من الناشرين مجموعاً اختبارياً، أي بصمة للملف، في صفحة النموذج أو بجوار الملفات. بعد التنزيل احسب بصمة نسختك بأداة قياسية وقارنها بالقيمة المنشورة: التطابق يبيّن أن الملف لم يتلف ولم يُستبدل أثناء النقل، لكنه يثبت السلامة فقط، لا أن النموذج جيد ولا أن ناشره جدير بالثقة.
صيغة الملف مهمة للأمان. تُحفظ بعض ملفات النماذج بآلية pickle في Python، وتحميل ملف pickle قد ينفّذ شيفرة اعتباطية، فيكون فتح ملف غير موثوق كتشغيل برنامج غير موثوق. وصُمّمت صيغة safetensors لتخزين المصفوفات الرقمية فقط دون شيفرة، فتزيل هذا الخطر بعينه وتُحمَّل بكفاءة. وصيغة GGUF التي يستخدمها llama.cpp كذلك صيغة بيانات لملفات النماذج. فضّل هذه الصيغ، وتجنب تحميل ملفات pickle غير الموثوقة، وعامل أي نموذج يطلب تشغيل شيفرة مخصصة من مستودعه بالريبة نفسها تجاه أي نص برمجي من الإنترنت. والصيغة الآمنة لا تجعل إجابات النموذج آمنة؛ هي تعني فقط أن الملف نفسه ليس برنامجاً.
5. حسن الاستخدام: المهام والاسترجاع والتقييم والأمان
تبلغ النماذج المحلية أفضل حالاتها في المهام الصغيرة المحددة جيداً: تلخيص صفحة، واستخراج حقول من نص، وإعادة الصياغة بنبرة معينة، وتصنيف الرسائل، وصياغة مسودة أولى يحررها إنسان. أعطِ النموذج عملاً ضيقاً وتعليمة واضحة، ومثالاً للمخرجات المرغوبة إن أمكن. والنماذج الأصغر أقل موثوقية عادةً في الاستدلال المفتوح وسلاسل الخطوات الطويلة والمعلومات الغامضة، فلا تطلب منها أن تكون عرّافاً. وقد تذكر أخطاء بطلاقة، ولذلك ينبغي أن يراجع شخص كل ما يهم قبل استخدامه.
لجعل النموذج يجيب من مواد خاصة بك، يشيع نمط التوليد المعزَّز بالاسترجاع. تُقسَّم وثائقك إلى مقاطع وتُفهرَس. ولكل سؤال يجد النظام أكثر المقاطع صلة به ويضعها في الطلب، فيجيب النموذج من ذلك النص لا من ذاكرته. وهذا لا يعيد تدريب النموذج ويُبقي ملفاتك على جهازك. ومع ذلك قد يخطئ: فقد يختار الاسترجاع المقطع الخطأ، وقد يتجاهله النموذج أو يسيء قراءته. اطلب من النموذج اقتباس المقطع الذي استند إليه، وأبقِ الملف المصدر مفتوحاً للتحقق. ولاحظ أيضاً أن النص داخل الوثائق مدخل غير موثوق، وقد تحتوي وثيقة على تعليمات تحاول توجيه النموذج.
قيّم بصدق. ابنِ مجموعة اختبار صغيرة من أمثلة حقيقية لمهمتك مع الإجابات التي تراها صحيحة، وشغّل كل نموذج أو إعداد مرشح على المجموعة نفسها. اقرأ المخرجات بنفسك وعُدّ الإخفاقات ودوّن أنواع الأخطاء. ولا تعتمد على لوحات الترتيب العامة ولا على بضعة ردود مبهرة. واحتفظ بالمجموعة وأعد تشغيلها كلما غيّرت النموذج أو التكميم أو الطلب. وللأمان والصيانة حدّث بيئة التشغيل وأدواتك لأنها برمجيات فيها ثغرات، وأعد فحص الرخص عند تغيير النموذج. وتسرد قائمة OWASP لأهم 10 مخاطر لتطبيقات LLM مخاطر مثل حقن الأوامر وكشف المعلومات الحساسة، ويوفر إطار NIST لإدارة مخاطر الذكاء الاصطناعي بنية لحوكمة المخاطر وقياسها؛ استعملهما قوائم تحقق لا ضمانات.
يتواصل الدرس كاملاً في الدورة التفاعلية على هذه الصفحة.
المصادر والمراجع
- Hugging Face documentation
- llama.cpp repository and documentation
- Ollama repository and documentation
- Open Source AI Definition
- safetensors documentation
- Hub documentation: pickle scanning
- OWASP Top 10 for LLM Applications
- AI Risk Management Framework
للتعليم فقط. ليست استشارة قانونية أو مالية أو مهنية ولا مؤهلاً معتمداً. تتغير الرخص والأدوات والإعدادات الافتراضية؛ تُلخَّص المصادر الرسمية كما قُرئت بتاريخ الاطلاع، فتحقق من النص والوثائق الحالية. الأرقام في الأمثلة التطبيقية توضيحية.