الذكاء الاصطناعي مفتوح المصدر أهم من أي وقت مضى، وفقاً لرأي كليم ديلانج من Hugging Face

حاولت Anthropic إغلاق إصدار Fable الخاص بها. لاحظ الرئيس التنفيذي لـ Hugging Face ذلك — وهو لا يبقى صامتاً بشأنه. ذهب كليم ديلانج إلى بودكاست Equity من TechCrunch ليؤكد أن الذكاء الاصطناعي مفتوح المصدر أهم من أي وقت مضى، وحجته تحمل وزناً حقيقياً لكل مطور يعمل في آسيا الآن.

أصبحت Hugging Face بهدوء طبقة البنية التحتية تحت جزء كبير من تطوير الذكاء الاصطناعي في العالم. فكر فيها كـ GitHub للذكاء الاصطناعي: منصة حيث يشارك المطورون وينزلون نماذج مفتوحة وقوائم بيانات وكل شيء بينهما. وفقاً لـ بودكاست TechCrunch Equity، يستخدم حوالي نصف قائمة Fortune 500 الآن Hugging Face. هذا لم يعد مشروع مفتوح المصدر متخصصاً — هذه بنية تحتية حرجة. والقلق من ديلانج واضح ومباشر: إذا انتهى الحال بحفنة من الشركات القوية بالسيطرة على نماذج الذكاء الاصطناعي الأساسية التي يعتمد عليها الجميع، فإن النظام البيئي بأكمله سيفقد شيئاً لا يمكنه استعادته بسهولة.

ما حدث

المحفز المباشر لظهور ديلانج على Equity كان إيقاف Anthropic لإصدار Fable. بينما تبقى التفاصيل الكاملة لحالة Fable محدودة، فإن النمط الأوسع الذي يصفه ديلانج مألوف لأي شخص يراقب صناعة الذكاء الاصطناعي عن كثب: تطور شركة نموذجاً قوياً، ثم تقرر — لأسباب نادراً ما تكون شفافة تماماً — تقييد أو تأخير الوصول العام إليه. سواء كان التبرير يتعلق بالسلامة أو الميزة التنافسية أو الحذر التنظيمي، فإن النتيجة واحدة. المطورون الذين بنوا سير عمل حول هذا النموذج فجأة لديهم سيطرة أقل على مكدسهم الخاص.

السرد المضاد لديلانج مبني على نمط لاحظه بشكل متكرر عبر قاعدة مستخدمي Hugging Face. تبدأ الشركات رحلة الذكاء الاصطناعي الخاصة بها على واجهات برمجية مغلقة حدودية — إنها أسرع طريق إلى نموذج عملي. لكن مع التوسع، تتغير الاقتصاديات بشكل جذري. تتراكم تكاليف الاستدلال، وتصبح حدود المعدل قيداً تشغيلياً حقيقياً، وعدم القدرة على ضبط أو فحص النموذج يخلق سقفاً على ما يمكن تحقيقه فعلاً. هذه هي اللحظة، كما يقول ديلانج، عندما تهاجر الفرق نحو نماذج مفتوحة المصدر. واجهة برمجية مغلقة رائعة كنقطة انطلاق؛ إنها أساس ضعيف على المدى الطويل.

واحدة من نقاط البيانات الأكثر إثارة للدهشة من المحادثة: المختبرات الصينية تنتج الآن الأغلبية من النماذج المفتوحة التي يتم تنزيلها على Hugging Face. هذه إشارة جيوسياسية بقدر ما هي إشارة تقنية. مركز الثقل في تطوير الذكاء الاصطناعي المفتوح يتحول، وهو يتحول نحو آسيا.

لماذا يهم لآسيا

بالنسبة للمطورين ورواد الأعمال عبر جنوب شرق آسيا وشرق آسيا وجنوب آسيا، حركة الذكاء الاصطناعي مفتوح المصدر ليست مجرد جذابة من الناحية الفلسفية — إنها ضرورية من الناحية الهيكلية. تعمل أنظمة التكنولوجيا الآسيوية تحت مجموعة مختلفة من القيود مقارنة بشركات ناشئة في وادي السيليكون لديها وصول سهل إلى رأس المال الاستثماري الأمريكي وخطوط مبيعات المؤسسات.

فكر في الاقتصاديات أولاً. شركة ناشئة في جاكرتا أو مدينة هو تشي منه تحرق رصيد OpenAI API بحجم كبير تعمل بهوامش ببساطة لا توجد بنفس الطريقة لنظير أمريكي ممول جيداً. نماذج مفتوحة المصدر — مُنشرة على البنية التحتية المحلية أو على مناطق سحابية فعالة من حيث التكلفة — تغير هذه المعادلة بشكل أساسي. القدرة على تشغيل نموذج قادر بشروطك الخاصة، معايرة لبياناتك الخاصة، بدون رسوم لكل رمز مركب بلا نهاية، هي فتح تنافسي حقيقي.

ثم هناك البعد اللغوي. النماذج المغلقة السائدة محسّنة للغة الإنجليزية. تتعامل مع الماندرين واليابانية بشكل معقول، نظراً لحجم بيانات التدريب المتاحة. لكن الإندونيسية والتايلاندية والفيتنامية والتاغالوغ والبنغالية — هذه اللغات محرومة من نماذج الحدود المغلقة بطرق مهمة جداً للمنتجات المبنية للمستخدمين المحليين. يمكن ضبط نماذج مفتوحة المصدر على مجموعات بيانات اللغة المحلية. واجهات برمجية مغلقة لا يمكنها، أو على الأقل ليس بطرق تعطي المطورين سيطرة ذات مغزى على النتيجة.

حقيقة أن المختبرات الصينية تقود إصدارات النماذج المفتوحة على Hugging Face تستحق أيضاً قراءة دقيقة. إنها تشير إلى أن الافتراض بالأولوية التكنولوجية الغربية في الذكاء الاصطناعي قديم بالفعل. المطورون الآسيويون لا يحتاجون إلى الانتظار حتى يطلق مختبر أمريكي نموذجاً مفتوح المصدر قادراً — سلسلة التوريد للذكاء الاصطناعي المفتوح إقليمية بشكل متزايد. هذه ميزة هيكلية للمطورين الذين ينتبهون.

من منظور منصة تطوير أصلية للذكاء الاصطناعي، يهم هذا التحول لأن طبقة الأدوات يجب أن تتطور جنباً إلى جنب مع طبقة النموذج. عندما ينتقل المطورون من واجهات برمجية مغلقة إلى نماذج مفتوحة ذاتية الاستضافة، يحتاجون إلى بنية تحتية تتعامل مع تعقيد اختيار النموذج والنشر والتكامل دون إضافة أسابيع من الحمل الهندسي.

ماذا يعني هذا للمطورين

حجة ديلانج لها تأثير عملي يسهل تفويته إذا كنت تركز على أيديولوجية المفتوح مقابل المغلق: المطورون الذين يتعلمون العمل مع نماذج مفتوحة الآن سيكون لديهم ميزة مهارات دائمة مع نضج الصناعة.

العمل مع نماذج مفتوحة أكثر طلباً من استدعاء واجهة برمجية. تحتاج إلى فهم تكمية النموذج وتحسين الاستدلال واختلافات صيغة الفحص عبر عائلات النماذج والمقارنات بين حجم النموذج والكمون. هذه ليست تحديات لا يمكن التغلب عليها — نظام الأدوات حول نماذج مفتوحة المصدر نضج بشكل كبير — لكنها تتطلب استثماراً تقنياً حقيقياً.

إليك ما يبدو عليه هذا الاستثمار عملياً:

• اختيار النموذج: ليس كل نموذج مفتوح مناسباً لكل مهمة. نموذج معامل 7B معايرة على الكود سيتفوق على نموذج عام 70B على مهام الترميز المحددة. تعلم تقييم النماذج مقابل حالة الاستخدام الفعلية — وليس لوحات الترتيب المعيارية — هي مهارة أساسية.
• الضبط الدقيق على البيانات المحلية: الرافعة الحقيقية في نماذج مفتوحة المصدر هي القدرة على الضبط الدقيق. بالنسبة للمطورين الآسيويين الذين يبنون منتجات للأسواق المحلية، هذا يعني التدريب على بيانات اللغة المحلية والمصطلحات الخاصة بالمجال والأمثلة ذات الصلة ثقافياً. روبوت محادثة للتجارة الإلكترونية التايلاندية معايرة على محادثات خدمة العملاء التايلاندية الفعلية سيتفوق على أي نموذج مغلق جاهز على تلك المهمة المحددة.
• معمارية النشر: تشغيل نماذج مفتوحة على نطاق الإنتاج يتطلب قرارات حول التكمية (GGUF و AWQ و GPTQ) وأطر العمل الخدمة (vLLM و Ollama و TGI) واختيار الأجهزة. لهذه القرارات آثار تكلفة كبيرة.
• أنماط التكامل: تحتاج النماذج المفتوحة إلى الاتصال بباقي مكدسك — قواعد البيانات وواجهات برمجية والتطبيقات الأمامية. الموصلات وأنماط التكامل التي تبنيها حول نموذج مفتوح غالباً ما تكون حيث يعيش التمايز الحقيقي للمنتج.

النقطة الأوسع هي أن الذكاء الاصطناعي مفتوح المصدر ينشئ رافعة للمطورين الذين يستثمرون في فهمه. واجهات برمجية مغلقة تسلع طبقة النموذج — لدى الجميع وصول إلى نفس GPT-4 أو Claude. نماذج مفتوحة تسمح بالتمايز من خلال الضبط الدقيق والنشر المخصص والتكامل العميق مع البيانات الملكية. بالنسبة لرواد الأعمال الذين يبنون في آسيا، حيث تكون معرفة السوق المحلية خندقاً حقيقياً، يهم هذا التمايز.

هناك أيضاً حجة إدارة المخاطر. قلق ديلانج بشأن حفنة من الشركات التي تسيطر على الذكاء الاصطناعي الأساسي ليس افتراضياً — إنه وصف للحالة الحالية لسوق النماذج المغلقة. أي شركة ناشئة بنت منتجها الأساسي على واجهة برمجية مغلقة واحدة لديها مخاطر اعتماد لا تظهر