الذكاء الاصطناعي المحلي والسيادي

غير أن نقل مفهوم «المصدر المفتوح» إلى الذكاء الاصطناعي يطرح مشكلة غير مسبوقة. فالبرنامج التقليدي هو شيفرة برمجية. أما نموذج الذكاء الاصطناعي فثلاثة أشياء: الشيفرة، ثم الأوزان (مليارات المعاملات التي تعلّمها النموذج)، ثم بيانات التدريب. فما الذي ينبغي فتحه ليكون النموذج «مفتوح المصدر» حقا؟ احتدم الجدل طويلا. وفي أكتوبر 2024، حسمت Open Source Initiative (المنظمة المرجعية في هذا المجال) المسألة بإصدار تعريف الذكاء الاصطناعي المفتوح المصدر (OSAID 1.0): يكون النموذج مفتوح المصدر إذا أمكن استخدامه ودراسته وتعديله ومشاركته بحرية، وهذا يقتضي نشر الشيفرة والأوزان، وتقديم معلومات كافية عن البيانات تتيح لأي كان، من حيث المبدأ، إعادة إنشاء نموذج مكافئ (دون أن يلزم بالضرورة نشر البيانات الخام نفسها، فهي أحيانا حساسة أو محمية بحقوق).

ويكشف هذا التعريف عن طيف من درجات الانفتاح ينبغي التمييز بينها بدقة:

الشكل 9.1. طيف الانفتاح. معظم النماذج الموصوفة بأنها «مفتوحة» هي في الواقع ذات أوزان مفتوحة: يمكن تنزيلها وتشغيلها، لكننا نجهل بأي بيانات وبأي شيفرة تحديدا جرى تدريبها. وهذا مفيد، لكنه ليس تماما «مصدرا مفتوحا» بالمعنى الدقيق.

المنافع والمخاطر. كنا قد رسمنا ملامح هذا النقاش في الفصل 7؛ وزاوية المصدر المفتوح تزيده وضوحا. المنافع هي الشفافية (يمكن فحص الشيفرة والأوزان، وهذا يعين على المساءلة وقابلية التفسير)، ثم إتاحة التقنية للجميع (تحصل الدول والشركات التي لا تملك نموذجا خاصا على الذكاء الاصطناعي بكلفة زهيدة)، ثم السيادة، وكون النموذج المفتوح أصعب على الحجب أو السحب بين ليلة وضحاها. أما المخاطر فهي الوجه المقابل: النموذج المفتوح لا يمكن «استرجاعه» بعد نشره، وضوابط الحماية فيه يمكن نزعها بإعادة التدريب، وهذا يثير القلق من استخدامات خبيثة (على أن تقريرا للبيت الأبيض عام 2024 لم يجد سببا كافيا لتقييد نشر الأوزان «في الوقت الراهن»). تلك هي المعضلة كلها بين الانفتاح والتحكم، وهي في صميم حوكمة الذكاء الاصطناعي (الفصلان 24 و25).

---

خلاصة الفصل (الفصل 9)

• تشغيل الذكاء الاصطناعي محليا يلبي حاجات الخصوصية والسيادة والكلفة والعمل دون اتصال والتحكم.
• الذكاء الاصطناعي المفتوح المصدر وريث حركة البرمجيات الحرة. ويشترط تعريف OSI (OSAID 1.0، 2024) الشيفرة والأوزان ومعلومات كافية عن البيانات.
• انتبه إلى الطيف: معظم النماذج «المفتوحة» هي ذات أوزان مفتوحة (قابلة للتنزيل لكن دون بيانات ولا شيفرة)، وهو ما يصفه منتقدون بأنه «openwashing»؛ أما النماذج المفتوحة بالكامل (مثل Apertus) فنادرة.
• صار الانفتاح رهانا جيوسياسيا («لحظة DeepSeek»، والسلاح الاستراتيجي الصيني، والسيادة الأوروبية).
• التكميم يضغط النماذج لتشغيلها على عتاد شائع؛ وأدوات مفتوحة المصدر في معظمها (Hugging Face, PyTorch, Ollama, LM Studio, llama.cpp, vLLM) تجعل الذكاء الاصطناعي المحلي في المتناول.
• استحواذ NVIDIA على Hugging Face، المعلن في سبتمبر 2026 وغير المستكمل بعد، يطرح تساؤلات عن حياد الساحة العامة للنماذج المفتوحة.
• عناقيد Mac (ذاكرة موحَّدة، وكفاءة في استهلاك الطاقة) توفر نسبة جيدة بين السعر والأداء للمؤسسات المتواضعة الحجم؛ وتبقى NVIDIA سيدة القوة الخام.
• السيادة الرقمية (نماذج سيادية، وسحابة أوروبية، ومصدر مفتوح) هي «الطريق الأوروبي»، وهو طموح لكنه مكلف.

لهذه القدرة، محلية كانت أم سحابية، ثمن يُقاس أكثر فأكثر بالميغاواط. ويواجه الفصل 10 السؤال الذي قد يكبح كل شيء: الطاقة.

---