أهم النقاط
- التوفر: أوزان النموذج قابلة للتنزيل.
- الشفافية: الشيفرة المصدرية غالباً ما تكون مشاعة.
- المرونة: يستطيع المستخدمون تكييف النماذج وتحسينها.
- أمثلة: Llama (Meta) و Stable Diffusion.
المفتوح مقابل المغلق: ما الفارق؟
لفهم الجدل، يجب تعريف النهجين.
نماذج ذكاء اصطناعي مفتوحة
- التوفر: أوزان النموذج قابلة للتنزيل.
- الشفافية: الشيفرة المصدرية غالباً ما تكون مشاعة.
- المرونة: يستطيع المستخدمون تكييف النماذج وتحسينها.
- أمثلة: Llama (Meta) و Stable Diffusion.
نماذج ذكاء اصطناعي مغلقة
الحدود تذوب: Meta تَصف Llama بأنه «مفتوح المصدر» رغم أنه لا يفي بالتعريف الصارم.
- التحكم: الوصول عبر API مدفوعة.
- قيود: المزودون يُحدّدون حالات الاستخدام.
- غموض: الأساسات الداخلية تظل صندوقاً أسود.
- أمثلة: GPT-4 (OpenAI) و Claude (Anthropic).
الفجوة في الأداء
تُبيّن دراسة لـ Epoch AI أن النماذج المفتوحة تتأخر بحوالي سنة عن أفضل النماذج المغلقة.
هذه الفجوة استراتيجية: تمنح المشرّعين نافذة قيّمة لتحليل قدرات الذكاء الاصطناعي المتقدّم قبل أن يصبح متاحاً على نطاق واسع.
وعود الانفتاح ومخاطره
النماذج المفتوحة تُدمقرط الوصول إلى الذكاء الاصطناعي وتُتيح لمجتمع عالمي المشاركة في تطوره. الشفافية تسمح بمراجعة النماذج لاكتشاف التحيزات، وهو أمر مستحيل في الأنظمة المغلقة.
لكن هذه الحرية لها ثمن: توفر نماذج قوية مجاناً يُولّد مخاطر (محتوى خبيث، استخدامات عسكرية من قِبل جهات معادية). التحدي الحقيقي يبقى الحوكمة.
AH
الكاتب
AI HUB Editorial
Research Desk
