من القاع نايفايبكوديلي - ForkLog

# من القاع إلى الفايبد كودينغ

دليل إطلاق نماذج الذكاء الاصطناعي مفتوحة المصدر من أعماق جيت هاب

في تطور الذكاء الاصطناعي، ظهر اتجاه تسمح فيه اللامركزية والمصدر المفتوح بتجاوز حدود الحلول التجارية الشائعة. تتيح نماذج اللغة المحلية العمل مع البيانات بشكل خاص، وضبط النظام بمرونة وفقًا لمهامك، والتحكم بشكل مستقل في بيئة الاستخدام. في الوقت نفسه، يتطلب إطلاق هذه النماذج فهمًا للأدوات الأساسية - من المستودعات وأوزان النماذج إلى البيئات السحابية والمواصفات الفنية.

في المقال الجديد من ForkLog، سنشرح كيف تبدأ التعرف على نماذج الذكاء الاصطناعي المستقلة دون تكاليف، وما هي الموارد التي يجب استخدامها للمبتدئين، وما يقدمه مطورو الحلول مفتوحة المصدر.

التعارف الأول

بالنسبة لمطوري نماذج الذكاء الاصطناعي مفتوحة المصدر، هناك منصتان رئيسيتان - GitHub و Hugging Face. تُستخدم الأولى تقليديًا لنشر الكود المصدري والوثائق ونصوص التثبيت، بينما أصبحت الثانية مركزًا عالميًا لأوزان النماذج ومجموعات البيانات والحلول الجاهزة للتعلم الآلي. على Hugging Face، يتم نشر مئات الآلاف من الشبكات العصبية المدربة، بدءًا من نماذج اللغة المصغرة للهواتف الذكية ومولدات المحتوى الإعلامي البديلة إلى الخوارزميات المتخصصة للعلماء والمتحمسين.

تساعد مقاييس نشاط المجتمع في اختيار النموذج المطلوب. على GitHub، يتم تمثيلها بعدد النجوم (stars) وانتظام التحديثات (commits) وسرعة حل المشكلات (issues).

من المهم بشكل خاص التحقق من أصل المنتج وأصالة المستودع. غالبًا ما تصبح التجميعات الشائعة مفتوحة المصدر طُعمًا للمحتالين الإلكترونيين الذين ينشرون كودًا ضارًا تحت ستار أدوات الذكاء الاصطناعي المعروفة.

المرحلة التالية من التعرف على نماذج الذكاء الاصطناعي المحلية هي تجربة وظائفها عمليًا. بالنسبة للمستخدمين الذين ليس لديهم أجهزة قوية، توجد منصات سحابية مجانية ومشروطة مجانية

الحل الأكثر شيوعًا هو Google Colab - بيئة سحابية توفر الوصول إلى وحدات معالجة الرسومات (GPU) مباشرة من المتصفح. يسمح الاشتراك المجاني بالعمل على نظام مزود بمسرع Nvidia Tesla T4 لمدة تتراوح بين ساعتين وأربع ساعات في المتوسط حسب الحمل. البدائل هي Kaggle Notebooks و Hugging Face Spaces. يتيح الأخير التفاعل مع النماذج من خلال واجهات ويب جاهزة مثل Gradio أو Streamlit.

أيضًا، عند العمل مع الحلول الفيدرالية، يجب مراعاة الجانب القانوني. تتوفر العديد من المشاريع الشائعة بموجب تراخيص كلاسيكية، مثل MIT أو Apache 2.0، مما يسمح باستخدامها لأغراض تجارية مع قيود ضئيلة.

ومع ذلك، توجد أيضًا مناهج محددة. تنشر Meta نماذجها الرائدة بموجب ترخيصها الخاص Llama 3.1 Community License، الذي يتطلب الحصول على إذن خاص إذا تجاوز الجمهور الشهري للخدمة 700 مليون مستخدم.

كما توجد تراخيص copyleft صارمة مثل GNU General Public License، والتي تلزم بفتح كود جميع المنتجات المشتقة.

نظيري الشخصي ChatGPT

من بين عدد هائل من نماذج اللغة الكبيرة المستقلة ذات الأغراض العامة (نظائر ChatGPT أو Gemini)، تساعد التصنيفات المستقلة بناءً على الاختبارات العمياء ومقاييس الأداء مثل Open LLM Leaderboard و Chatbot Arena في اختيار النموذج المطلوب.

لوحة تحكم نماذج اللغة الكبيرة المفتوحة. المصدر: llm-stats.المعيار الذهبي للقطاع هو عائلة نماذج Llama من مطور Meta و Qwen من Alibaba. تعمل هذه النماذج بشكل جيد مع السياقات الطويلة، وتتعامل مع الاستفسارات متعددة الخطوات، ومناسبة لمهام الفايبد كودينغ والبرمجة. بفضل إطار العمل المفتوح Ollama، يتلخص تثبيتها في أمر واحد.

أثناء الاختبار الذي تم إجراؤه لكتابة هذه المادة، تم تشغيل نموذج qwen3.5:2b على كمبيوتر محمول بدون بطاقة رسومات منفصلة يعمل بمعالج Core i7 وذاكرة RAM 8 جيجابايت و SSD، مع إغلاق التطبيقات الثقيلة: تطبيقات المراسلة والمتصفحات.

المصدر: Ollama.تعني "2b" 2 مليار معامل. كلما زادت القيمة، زادت التعقيدات التي يمكن للشبكة العصبية التقاطها. على سبيل المثال، سيتعلم نموذج 2b القواعد الأساسية والأوامر البسيطة، بينما سيحفظ نموذج 122b حقائق من فيزياء الكم، ودقة الوثائق القانونية، ويتعلم تخطيط المهام لعشر خطوات للأمام.

يشغل كل معامل مساحة فعلية على القرص الصلب، والأهم من ذلك، في ذاكرة الوصول العشوائي. استخدم نموذج 2b حوالي 4-5 جيجابايت من ذاكرة RAM وكان الحد الأقصى للتشغيل على هذا الجهاز. في الوقت نفسه، استغرق الرد على أبسط استفسار "مرحبًا!" حوالي ثلاث دقائق.

لقطة شاشة: ForkLog.التدرج التقريبي للنماذج:

• 0.5b-2b. سريعة، يمكن أن تعمل على أجهزة الكمبيوتر المحمولة القديمة والهواتف الذكية. مثالية للمهام البسيطة (توجيه الأوامر، التلخيص الأساسي، الإكمال التلقائي لأسطر الكود القصيرة). عرضة للهلوسة في الاستفسارات المعقدة؛
• 3b-4b. توازن بين السرعة والجودة. جيدة للأجهزة المحمولة والمنازل الذكية ومهام الأتمتة. على سبيل المثال، يمكن طلب من روبوت الدردشة خفض الإضاءة في الغرفة، أو تشغيل مكيف الهواء، أو رفع الحاجز؛
• 7b-9b. تتطلب حوالي 6-8 جيجابايت من ذاكرة الوصول العشوائي الحرة. نماذج قوية مع فهم السياق والمنطق العميق، مناسبة للبرمجة والعمل مع النصوص الكبيرة.

في بحثه الأخير عن الفايبد كودينغ في Web3، اكتشف فلاديمير سليبر أنه بالنسبة لجهاز بمستوى MacBook Air بذاكرة RAM 16 جيجابايت، فإن النماذج المناسبة هي qwen2.5-coder:7b، qwen3:8b، llama3.2:3b، deepseek-r1:8b. تتطلب النماذج الأقوى استثمارات في جهاز كمبيوتر شخصي قوي ببطاقات رسومات عالية الجودة أو التثبيت على خوادم مستأجرة.

المعالجة الخاصة للبيانات والطباعة ثلاثية الأبعاد وحماية المستخدم

تعتمد خيارات التفاعل مع نماذج الذكاء الاصطناعي مفتوحة المصدر على مستوى إعداد المستخدم والأجهزة. توجد مشاريع معبأة في برامج تثبيت سهلة (ملفات بامتداد .EXE) أو تطبيقات جوالة تعمل "من الصندوق". بينما تمثل مشاريع أخرى مستودعات GitHub مهجورة حيث يتحول التثبيت إلى معركة تستغرق ساعات مع تعارضات المكتبات القديمة.

تُستخدم نماذج الذكاء الاصطناعي التطبيقية اليوم ليس فقط لتوليد النص. حتى التحليل السطحي للنظام البيئي يسمح بتحديد عشرات الأدوات المتخصصة لمهام محددة

العمل مع الفيديو وثلاثي الأبعاد:

• CogVideoX. نموذج مفتوح من Zhipu AI لتوليد الفيديو بناءً على وصف نصي. يسمح بإنشاء مقاطع فيديو واقعية قصيرة، وله أوزان مفتوحة ويمكن نشره في بيئات مثل Jupyter أو Colab بشرط توفر ذاكرة فيديو كافية؛
• DepthCrafter. أداة لاستخراج معلومات عمق المجال من الفيديو. مفيدة للمتخصصين في تأثيرات VFX والنمذجة ثلاثية الأبعاد. تسمح بإنشاء خرائط عمق عالية الدقة لكل إطار من مشهد ديناميكي؛
• TRELLIS (Morfx 3D). نظام متقدم لتوليد الأصول ثلاثية الأبعاد. يسمح المشروع بإنشاء نماذج ثلاثية الأبعاد عالية الجودة من الصور أو الاستفسارات النصية، وتحسينها للاستخدام في محركات الألعاب.

تحويل صورة قطار إلى كائن للمعالجة والطباعة ثلاثية الأبعاد باستخدام الإصدار الويب من نموذج Morfx 3D. لقطة شاشة: ForkLog.الصوت والتعرف:

• CosyVoice. نموذج متعدد اللغات لتوليف الكلام مع دعم استنساخ الصوت. يسمح بتوليد مسار صوتي واقعي، مع الحفاظ على النغمات والتلوين العاطفي للمتحدث الأصلي؛
• Whisper-WebGPU. تطبيق لنموذج التعرف على الكلام من OpenAI، أعيد كتابته للعمل مباشرة في المتصفح باستخدام واجهة برمجة تطبيقات WebGPU. هذا يعني أن فك تشفير الصوت يحدث محليًا، مما يضمن الخصوصية الكاملة دون نقل ملفات الصوت إلى خوادم خارجية؛
• BirdNET-Analyzer. شبكة عصبية من جامعة كورنيل لتحديد أنواع الطيور بناءً على غنائها. على عكس التطبيق الشائع Merlin Bird ID الذي يعتمد بشكل كبير على المعالجة السحابية لبعض الوظائف، يوفر BirdNET-Analyzer تحكمًا كاملاً في عملية التحليل محليًا ويمكن استخدامه للمعالجة الجماعية لجيجابايت من التسجيلات الميدانية.

المصدر: BirdNET.البرمجة وحماية المستخدم:

• Screenshot-to-Code. أداة لتحويل لقطة شاشة لصفحة ويب أو تطبيق جوال إلى كود HTML أو Tailwind أو React نظيف. على الرغم من أن المشروع غالبًا ما يعمل مع واجهات برمجة تطبيقات مدفوعة (Claude، GPT-4)، فإن البنية تسمح بتوصيل نماذج متعددة الوسائط مفتوحة المصدر؛
• MinerU/Magic-PDF. مشروع لاستخراج البيانات المنظمة بدقة من مستندات PDF. يتعرف النموذج على النصوص والصيغ الرياضية والجداول، محولاً التنسيق المعقد إلى تنسيق Markdown؛
• Fawkes. يُدخل تغييرات غير مرئية للعين في الصور، مما يعيق أنظمة التعرف على الوجه في تحديد هوية الشخص. يتم تحميله محليًا على الكمبيوتر الشخصي عبر ملف بامتداد .EXE ويمكن استخدامه للصور الرمزية في الشبكات الاجتماعية؛
• Nightshade. "يسمم" بكسلات الصورة لإرباك خوارزميات تعلم شركات الذكاء الاصطناعي إذا قامت بذلك دون إذن. على سبيل المثال، عند طلب "كلب"، سيقوم النموذج بتوليد صورة قطة.

صورة الرئيس الأمريكي دونالد ترامب قبل استخدام Fawkes. المصدر: مكتبة الكونغرس الأمريكية. بعد المعالجة بخوارزميات Fawkes. لقطة شاشة: ForkLog.

معركة المكتبات والنجاح الأول

بعد تثبيت نماذج الذكاء الاصطناعي بواجهات مستخدم سهلة الفهم، كان من الضروري معرفة مدى سهولة نشر مستودع ثقيل في السحابة، وبالمجان.

FLUX.1 من شركة Black Forest Labs الناشئة هو أحد النماذج المتقدمة لتوليد الصور، المنافس لـ Midjourney و Nano Banana التجاريين. في حالة توفر المعدات اللازمة، يمكن للبرنامج العمل بشكل مستقل دون اتصال بالإنترنت ويسمح بتجاوز الرقابة.

في الاختبار، تم استخدام الإصدار المجاني الأخف FLUX.1 Schnell. لسهولة التفاعل مع الحلول مفتوحة المصدر، يقوم المطورون بإنشاء أطر عمل مستهدفة مثل Ollama. لتوليد الصور، تحظى الواجهات الرسومية ComfyUI و Forge بشعبية.

أثناء محاولات تثبيت تطبيق Forge - cagliostro-forge-colab - تم قضاء جلسة كاملة من الوصول إلى GPU من Google Colab. كانت المشكلة خطأ مبتدئًا كلاسيكيًا - عدم تطابق إصدارات Python والبيئة السحابية والنموذج نفسه. بعد أربع ساعات من الفايبد كودينغ باستخدام الإصدار المجاني من Gemini 3 Flash، لم يتحقق النجاح.

في النهاية، كان لا بد من التخلي عن تثبيت الإطار والانتقال مباشرة إلى نشر FLUX.1، ولكن في الجلسة المجانية التالية في يوم آخر

عمليًا، من الأسهل استخدام Google Colab المجاني في عطلات نهاية الأسبوع: في هذا الوقت، غالبًا ما توفر المنصة وصولاً أطول

شغل النموذج حوالي 34 جيجابايت من مساحة القرص الصلب السحابي SSD. لكن جميع العمليات المصاحبة للتثبيت استخدمت في النهاية حوالي 86 جيجابايت.

الموارد المستخدمة للجهاز السحابي من Google Colab. لقطة شاشة: ForkLog.في المرحلة الأولى، لم تكن ذاكرة الفيديو لمسرع Nvidia Tesla T4 كافية لنموذج FLUX.1 Schnell. كان التكوين غير المعدل يقابل حدود GPU، حتى بعد سلسلة من التجارب البسيطة مع الكود، ساعد Gemini 3 Flash في إجراء تعديلات باستخدام التحميل التدريجي وتنظيف الذاكرة. نتيجة لذلك، من بين 16 جيجابايت متاحة من ذاكرة الفيديو، تم استخدام حوالي 3 جيجابايت أثناء التوليد.

لقطة شاشة: ForkLog.استغرقت عملية إنشاء صورة واحدة حوالي سبع دقائق. بالنظر إلى أن هذا هو الإصدار المجاني لنموذج مفتوح المصدر، كانت النتيجة مفاجئة سارة.

صورة مولدة باستخدام FLUX.1 Schnell. المصدر: ForkLog عند محاولة توليد صورة لمغني الروك مارلين مانسون عدة مرات بأسلوب فيكتوري مع رفيق، ربما لم يتعرف FLUX.1 Schnell على الإشارة إلى شخص معين وأعاد إنتاج قالب بصري عام فقط.

صورة مولدة للمؤدي بناءً على طلب "ارسم مارلين مانسون بأسلوب فيكتوري" باستخدام FLUX.1 Schnell. المصدر: ForkLog.## معقدة ولا تصدق

لطالما استخدمت الشبكات العصبية مفتوحة المصدر ليس فقط لتوليد النصوص والصور، ولكن أيضًا لمهام أكثر تحديدًا وغير عادية. مثال صارخ على التطبيق غير التقليدي لبنية الذكاء الاصطناعي هو نموذج GameNGen، القادر على إعادة إنشاء طريقة اللعب لمطلق النار الكلاسيكي DOOM في الوقت الفعلي.

المصدر: GameNGen/Github لا يحاكي GameNGen اللعبة بالمعنى المعتاد، بل يولد فيديو بشكل متسلسل: يتنبأ النموذج كيف يجب أن يبدو الإطار التالي بعد إجراء المستخدم (مثل الحركة أو إطلاق النار). بسبب ذلك، لا يتم "حساب" الأعداء والأشياء وتغيرات المشهد بواسطة المحرك، بل يتم إعادة إنتاجها بصريًا كنتيجة مرجحة.

من بين الأنظمة المستقلة، يبرز مشروع Voyager - وكيل ذكاء اصطناعي لـ Minecraft. يقوم باستكشاف عالم اللعبة بشكل مستقل، واستخراج الموارد، والتعلم الذاتي المستمر.

كما يكيف المجتمع العلمي الذكاء الاصطناعي المفتوح لتلبية احتياجاته، على سبيل المثال، باستخدام الخوارزميات لفك تشفير التاريخ. هكذا، قام باحثون من جامعتي تل أبيب وميونيخ بتدريب نموذج Akkademia على الترجمة المباشرة للكتابة المسمارية الأكادية القديمة إلى الإنجليزية. يسمح بمعالجة آلاف الألواح الطينية التالفة، مما يسرع عمل علماء الآثار بعشرات المرات.

لا يقل إثارة مشروع MinD-Vis. يحلل هذا النظام بيانات التصوير بالرنين المغناطيسي الوظيفي ويحاول إعادة بناء الصور التي يراها الشخص أثناء المسح. أي أنه يولد تفسيرًا لما رآه الإنسان بناءً على أنماط نشاط الدماغ.

تثبت هذه المبادرات أن الذكاء الاصطناعي تحول إلى أداة عالمية للمعرفة ونمذجة الواقع. يشكل انتقال المبادرة من واجهات برمجة التطبيقات التجارية المغلقة إلى المصدر المفتوح نموذجًا جديدًا تمامًا لتطوير التكنولوجيا. اليوم، يمكن لأي باحث أو مطور أو متحمس نشر بنية تحتية كانت تتطلب قبل بضع سنوات استثمارات بملايين الدولارات في مزارع الخوادم.

يصاحب تطور النظام البيئي حتمًا تحسين تجربة المستخدم: تحل الواجهات البديهية والبيئات الآلية للنشر محل النصوص المعقدة. يوضح استخدام أدوات مثل Ollama و Forge أن الخصوصية وغياب الرقابة والأداء العالي يمكن أن تتعايش بشكل متناغم في حل برمجي واحد. يعتمد مستقبل صناعة الذكاء الاصطناعي اليوم إلى حد كبير على مدى قوة وقابلية للتوسع واستقلالية النظام البيئي المفتوح.