زوكربيرغ يدعو لذكاء اصطناعي مفتوح المصدر: كيف تختلف النماذج المغلقة عن المفتوحة

جدد الرئيس التنفيذي لشركة Meta، مارك زوكربيرغ، دعوته لتقليل الحواجز التنظيمية أمام الذكاء الاصطناعي مفتوح المصدر، قائلاً إن على الولايات المتحدة امتلاك منظومة ذكاء اصطناعي أكثر انفتاحًا للتنافس بفعالية مع المنافسين الصينيين السريعين الحركة.

جاءت التصريحات بينما كشفت Meta عن Muse Glimmer، نموذج ذكاء اصطناعي جديد ذو أوزان مفتوحة مصمم للعمل مباشرة على أجهزة المستهلكين بدلاً من الاعتماد على بنى سحابية مكلفة.

أشار زوكربيرغ أيضًا إلى أن Meta تنوّي إصدار مزيد من النماذج في الأشهر المقبلة، مكرّسًا استراتيجيتها لجعل الذكاء الاصطناعي أكثر سهولة وانتشارًا.

يأتي الإطلاق في وقت تحاول فيه Meta استعادة الزخم في سباق الذكاء الاصطناعي بعد تشكيلها فريقًا مكرّسًا للذكاء فائق القدرات العام الماضي، في ظل بحث الشركات عن بدائل ذكاء اصطناعي أرخص بسبب ارتفاع تكاليف الحوسبة.

وفي الوقت نفسه، أبرز النقاش تمييزًا مهمًا غالبًا ما يُساء فهمه — الفرق بين النماذج المغلقة، النماذج ذات الأوزان المفتوحة، وأنظمة الذكاء الاصطناعي مفتوحة المصدر الكاملة.

لطالما انقسمت وادي السيليكون حول كيفية تطوير الذكاء الاصطناعي المتقدم.

تُجادل بعض الشركات بأن النماذج القوية يجب أن تظل مغلقة بسبب مخاوف تتعلق بالسلامة، بينما يرى آخرون أن الانفتاح ضروري للابتكار والمنافسة.

لفهم هذا الجدل يجب أولاً فحص ماهية النماذج المغلقة، ثم النماذج ذات الأوزان المفتوحة، قبل النظر أخيرًا إلى ما يشكل ذكاءً اصطناعيًا مفتوح المصدر حقًا.

ما هي النماذج المغلقة؟

تتعلم نماذج الذكاء الاصطناعي عبر تحديد أنماط عبر كميات هائلة من المعلومات الرقمية.

أثناء تدريبها على الكتب والمقالات الإخبارية والمواقع والوثائق الإلكترونية الأخرى، تقوم هذه النماذج بتحويل تلك الأنماط إلى مليارات القيم الرقمية المعروفة بـ "الأوزان".

تحدد هذه الأوزان في النهاية كيفية تفكير النموذج، واستجابته للمطالبات، وتوليده للمحتوى.

الأنظمة التي يتعامل معها معظم المستخدمين اليوم — مثل ChatGPT من OpenAI، وClaude من Anthropic، وGemini من Google — هي أمثلة على نماذج مغلقة.

بينما يمكن للمستخدمين الوصول إلى هذه الأنظمة عبر مواقع الويب أو واجهات برمجة التطبيقات (APIs)، فإن الشركات المطورة لا تُصدر الأوزان الأساسية التي تشغّل هذه النماذج.

هذا يعني أن المطورين لا يستطيعون تنزيلها، أو تثبيتها على حواسيبهم الخاصة، أو فحص كيفية عملها داخليًا، أو تخصيصها لتطبيقات محددة.

جادل كل من Anthropic وOpenAI بأن أنظمة الذكاء الاصطناعي الحدودية يجب أن تظل محكومة بشكل صارم لأن النماذج ذات القدرات المتزايدة تشكّل مخاطر أمنية كبيرة ويجب تطويرها داخل بيئات مُدارة بعناية.

من ناحية أخرى، اتخذت شركات مثل Meta وNvidia وMicrosoft وGoogle موقفًا أكثر انفتاحًا في العموم، حاججة أن الوصول الأوسع يشجع الابتكار ويسمح للمطورين ببناء أعمال جديدة حول تكنولوجيا الذكاء الاصطناعي.

ومع ذلك، يحذّر الباحثون من أن النماذج المغلقة تخلق مخاطر خاصة بها.

وفقًا لمعهد ستانفورد للذكاء الاصطناعي المتمركز حول الإنسان، فإن النماذج المغلقة ليست بالضرورة أقل أمانًا من البدائل المفتوحة، لكنها تركز قوة هائلة في يد عدد محدود من الشركات.

مع تقديم قدرات الذكاء الاصطناعي الحدودية عبر واجهات برمجة التطبيقات، تقرر هذه الشركات من يحصل على الوصول، وما تكلفة ذلك، وأية قيم تُدمَج في تكنولوجيا تشكل بشكل متزايد كيفية عمل الناس وتواصلهم وإبداعهم.

ما هي نماذج الأوزان المفتوحة؟

تشغل نماذج الأوزان المفتوحة الموقع الوسيط بين الأنظمة المغلقة تمامًا والذكاء الاصطناعي مفتوح المصدر كليًا.

عندما يصف المطورون نموذجًا بأنه ذا أوزان مفتوحة، فإنهم يعنيون أن الأوزان المدربة للنموذج قد نُشرت للجمهور.

هذا يسمح للمطورين الخارجيين بتنزيل النموذج وتشغيله محليًا وضبطه لأغراض محددة، مثل الرعاية الصحية أو الأمن السيبراني أو تطوير البرمجيات.

إذا ظلت الأوزان خاصة، يجوز للمستخدمين التفاعل مع الذكاء الاصطناعي تمامًا كما يقصد منشئوها.

ومع ذلك، لا تكشف نماذج الأوزان المفتوحة عن كل شيء.

عادةً ما تنشر الشركات فقط المعلمات المدربة بينما تحجب شفرة التدريب الأصلية ومجموعات البيانات وتفاصيل بنية النموذج ومعظم المنهجية المستخدمة لبناء النظام.

نتيجة لذلك، يحصل المستخدمون على مرونة أكبر دون شفافية كاملة.

كما تميل نماذج الأوزان المفتوحة إلى أن تكون أرخص بكثير من أنظمة الذكاء الاصطناعي الحدودية التي تقدمها شركات مثل OpenAI وAnthropic لأنها غالبًا ما تستطيع العمل محليًا دون الاعتماد على موارد حوسبة سحابية مكلفة.

على الرغم من أن عدة شركات أمريكية تنشر نماذج بأوزان مفتوحة، فإن العديد من أكثر الأنظمة استخدامًا حاليًا تأتي من الصين، بما في ذلك عائلة Qwen من Alibaba، ونماذج DeepSeek، وخط Kimi من Moonshot AI، وسلسلة GLM من Zhipu AI.

نما شعبيتها بسرعة مع بحث الشركات عن خفض تكاليف تشغيل الذكاء الاصطناعي مع الاحتفاظ بتحكم أكبر في النشر.

والآن، ما هي النماذج مفتوحة المصدر؟

أعادت دعوات زوكربيرغ المتكررة لذكاء اصطناعي مفتوح المصدر إحياء النقاش حول ما إذا كانت النماذج المسمّاة اليوم "مفتوحة" هي فعلاً مفتوحة المصدر.

هناك تمييز مهم بين نشر نموذج بأوزان مفتوحة ونشره كمشروع مفتوح المصدر بالكامل.

تتضمن الأوزان المفتوحة نشر المعلمات المدربة التي تحدد كيفية تصرّف الشبكة العصبية.

وهذا يمكّن المطورين من إجراء الاستدلال وضبط النموذج لتطبيقات لاحقة.

ومع ذلك، تبقى عناصر حاسمة غير متاحة، بما في ذلك شفرة التدريب والبيانات الأصلية وبنية النموذج والعملية المستخدمة لتدريبه.

يؤدي إصدار الذكاء الاصطناعي بهذه الطريقة إلى توسيع الوصول لكنه يقيّد الشفافية وقابلية التكرار والتحقق المستقل.

يجب في النهاية أن يثق المطورون الذين يستخدمون نماذج الأوزان المفتوحة في الأحكام والتمثيلات التي تعلّمها الجهات المنشئة الأصلية دون أن يكون بإمكانهم إعادة إنشائها أو تدقيقها بالكامل.

النموذج المفتوح المصدر حقًا يذهب إلى أبعد من ذلك.

يشمل كل ما يلزم لإعادة إنتاج النموذج من الصفر — الشفرة المصدرية، البنية، منهجية التدريب، قيم المعاملات، مجموعات البيانات والوثائق الداعمة.

يسمح هذا المستوى من الانفتاح للباحثين ليس فقط بتشغيل النموذج بل أيضًا بفحصه وتحسينه وبناء أنظمة جديدة تمامًا من نفس الأساس.

قال مدير معهد ستانفورد للذكاء الاصطناعي المتمركز حول الإنسان دِنِنغ، جيمس لانداي، إن هناك فجوة واسعة بين الذكاء الاصطناعي بأوزان مفتوحة والذكاء المفتوح المصدر.

"تجيب الأوزان المفتوحة على 'هل أستطيع تشغيل هذا؟'، بينما يجيب المصدر المفتوح على 'هل أستطيع الوثوق بهذا، تحسينه، وبناء الشيء التالي فوقه؟' الآن يكاد الجميع — المختبرات الأمريكية والصينية على حد سواء — يجيبون على السؤال الأول لكنهم بعيدون عن الإجابة على الثاني."

دفع Meta نحو النماذج مفتوحة المصدر

إلى جانب إصدار النموذج، نشر زوكربيرغ مقالًا من 14 صفحة يوضح رؤيته لمستقبل الذكاء الاصطناعي.

في الوثيقة بعنوان The Future is for Everyone، جادل بأن الذكاء الاصطناعي يجب أن يُنظر إليه كأداة لمنفعة اجتماعية واسعة بدلاً من تكنولوجيا يجب تقييدها بشكل محكَم.

كما شدد على أن على الولايات المتحدة الحفاظ على ريادتها على الصين في سباق الذكاء الاصطناعي العالمي.

من دون تسمية منافسين مثل Anthropic وOpenAI، انتقد زوكربيرغ الأساليب التي تدعو إلى ضوابط أكثر صرامة على أنظمة الذكاء الاصطناعي المتقدمة.

وقال إن تركيز التكنولوجيا في أيدي عدد قليل من الشركات قد يخلق مخاطر بحد ذاته.

كتب زوكربيرغ، 42 عامًا: "بدلاً من مركزة الذكاء فائق القدرات، يجب أن نوزّعه. هذا لديه القدرة على فتح عصر جديد من التمكين الشخصي."

كانت الشركة من أوائل مطوري الذكاء الاصطناعي الكبار الذين أصدروا نموذج لغة كبير علنًا، LLaMA، في فبراير 2023. نشرت Meta كلاً من شفرة الاستدلال المطلوبة لتشغيل النموذج والأوزان التي تعلَّمت أثناء التدريب.

ومع ذلك، جادلت منظمات مثل مبادرة المصدر المفتوح بأن قيود ترخيص LLaMA — وخاصة تلك التي تحكم إعادة الاستخدام التجاري — تمنعه من تلبية التعريف المقبول للبرمجيات مفتوحة المصدر الحقيقية.

بدلاً من ذلك، يصنّف العديد من الخبراء النموذج كنموذج بأوزان مفتوحة.

مع ذلك، يعتقد كثير من المطورين أن الذكاء الاصطناعي المفتوح المصدر الحقيقي يجب أن يشمل ليس فقط الشفرة والأوزان بل أيضًا مجموعات البيانات المستخدمة أثناء التدريب، مما يسمح بشفافية كاملة حول كيفية بناء هذه الأنظمة ذات التأثير المتزايد.