الذكاء الاصطناعي التوليدي (Gen AI) قد حقق تقدمًا مذهلاً منذ ظهوره الأول، مما أتاح تطبيقات مبتكرة في إنشاء النصوص والصور والوسائط. النماذج التوليدية مفتوحة المصدر مفيدة بشكل خاص للمطورين والمنظمات، حيث توفر إمكانية التخصيص وتجنب التكاليف العالية للترخيص. ### النماذج مفتوحة المصدر مقابل النماذج الخاصة توفر النماذج مفتوحة المصدر إمكانية التخصيص والشفافية وتقدمات مدفوعة بالمجتمع. عمومًا، تسمح للاستخدام التجاري وغير التجاري، مما يجعلها متعددة الاستخدامات. ومع ذلك، في القطاعات التي تتطلب تنظيمًا صارمًا، تزدهر النماذج الخاصة بتوفير أطر قانونية قوية ودعم متخصص، لتلبية متطلبات الصناعة المحددة. ### تعريف الذكاء الاصطناعي مفتوح المصدر (OSAID) قدمت مبادرة المصدر المفتوح (OSI) تعريف OSAID لتوضيح مؤهلات المصدر المفتوح. يجب أن يكون النموذج شفافًا في التصميم وبيانات التدريب للامتثال. النماذج مثل LLaMA من Meta وStable Diffusion من Stability AI لا تلتزم بشكل كامل بسبب قيود الترخيص ومسائل الشفافية. النماذج مثل Pythia (Eleuther AI) وOLMo (AI2) تستوفي المعايير، في حين أن الآخرين مثل Bloom (BigScience) يحتاجون إلى تعديلات. ### التحديات مع النماذج غير المتوافقة يقيّد LLaMA من Meta الاستخدام بسبب ترخيصه الخاص بالأبحاث فقط، مما يؤثر على المشاريع المستندة إليه. تحديات مشابهة تنشأ مع ترخيص Stability AI الإبداعي الذي يفرض قيودًا أخلاقية، مما يتعارض مع فكرة الاستخدام غير المقيد. ### اعتبارات للمنظمات النماذج المتوافقة مع OSAID توفر شفافية وتخصيص، وهما أساسيان لاستخدام الذكاء الاصطناعي المسؤول.

النماذج غير المتوافقة قد تحد من التكيف، على الرغم من أنها يمكن أن تكون مفيدة عندما تكون الميزات الخاصة ضرورية. ### الترخيص للنماذج مفتوحة المصدر للذكاء الاصطناعي النماذج مفتوحة المصدر لديها تراخيص تحدد الاستخدام والتعديل والمشاركة. تراخيص Apache 2. 0 وMIT تعزز من المرونة لكنها قد لا تلبي الامتثال الكامل لـ OSAID بسبب قيود على بيانات التدريب والاستخدام. خيارات مثل Creative ML OpenRAIL-M تعطي الأولوية للاستخدام الأخلاقي على الحرية غير المقيدة. ### المعدات والبرمجيات للذكاء الاصطناعي مفتوح المصدر تشغيل نماذج Gen AI يتطلب معدات محددة مثل معالجات Nvidia GPU وبرامج مثل Python وPyTorch وDocker. هذه الأدوات تدعم عمليات تدريب النموذج، التخصيص، والنشر. ### اختيار النموذج المناسب اختيار نموذج Gen AI يتضمن عوامل مثل الترخيص واحتياجات الأداء. النماذج الكبيرة توفر دقة أعلى لكنها تتطلب موارد كبيرة، في حين أن النماذج الأصغر تلائم البيئات المحدودة. العديد من النماذج، على الرغم من تصنيفها كمصادر مفتوحة، تفتقر إلى الامتثال الكامل لـ OSAID بسبب شفافية البيانات وظروف الاستخدام. ### فئات النماذج - **نماذج اللغة**: لمهام معالجة اللغة الطبيعية، تشمل نماذج بارزة مثل LLaMA من Meta وT5 من جوجل. - **نماذج الصور**: تُستخدم لإنشاء الصور من النص، مثل Stable Diffusion من Stability AI. - **نماذج الرؤية**: تساعد في تحليل الصور والفيديو. - **نماذج الصوت**: تتعامل مع البيانات الصوتية ومهام مثل تركيب الكلام. - **النماذج متعددة الأنماط**: تجمع بين النصوص والصور والصوت لإنشاء محتوى متنوع. - **إنتاج محتوى معزز بالاسترجاع**: يدمج الذكاء الاصطناعي مع استرجاع البيانات. - **نماذج متخصصة**: مصممة خصيصًا لصناعات محددة مثل البرمجة والرعاية الصحية. - **نماذج الحماية**: تضمن مخرجات آمنة وخالية من التحيز. ### دعم المبادرات مفتوحة المصدر تُقود نماذج الذكاء الاصطناعي التوليدية مفتوحة المصدر المشهد المتطور، مما يشجع الوصول والتعاون. دعم هذه المجتمعات يعزز التطورات الأخلاقية في الذكاء الاصطناعي، محركًا الابتكار خارج حدود الشركات الكبرى مع تشجيع تطوير التكنولوجيا المسؤول.