Foundation Model

النموذج التأسيسي نموذج كبير من التعلّم الآلي دُرّب على بيانات واسعة النطاق، ويمكن تكييفه مع مجموعة كبيرة من المهام اللاحقة. قدّم باحثو Stanford المصطلح في تقرير عام 2021 الفرص والمخاطر في النماذج التأسيسية، واختاروا كلمة «تأسيسي» لوصف نماذج محورية في تطبيقات كثيرة لكنها غير مكتملة بمفردها. اعتادت النماذج السابقة أن تُدرّب لمهمة واحدة على مجموعة بيانات واحدة موسومة. أما النموذج التأسيسي فيتعلم أنماطًا عامة مرة واحدة في تشغيل تدريب مسبق مرتفع التكلفة، ثم يُستخدم نقطة انطلاق لروبوتات المحادثة والبحث والترجمة وتصنيف الصور والتقسيم وتطبيقات أخرى كثيرة تنشئها فرق لا تدرّب مثل هذا النموذج بنفسها. وتُعدّ نماذج اللغة الكبيرة (LLM)، مثل GPT وClaude وGemini وLlama، نماذج تأسيسية، وكذلك نماذج الرؤية مثل CLIP وDINOv3 ونموذج Segment Anything Model (SAM) من Meta.

آلية عمل النماذج التأسيسية#

يستخدم التدريب المسبق أهدافًا لا تحتاج إلى تسميات بشرية، لذا يمكن أن تنمو مجموعة التدريب لتضم تريليونات الكلمات النصية أو مليارات الصور. تتعلم نماذج اللغة بالتنبؤ بالرمز التالي، وتتعلّم مُرمّزات الرؤية عبر أساليب التعلّم الذاتي الإشراف، مثل نمذجة الصور المقنّعة والتقطير الذاتي، بينما تتعلم نماذج الرؤية واللغة عبر التعلّم التقابلي على أزواج الصور والتعليقات التوضيحية. تستخدم جميع النماذج التأسيسية تقريبًا معمارية Transformer، ويتحسن أداؤها على نحو متوقع مع زيادة المعلمات والبيانات والحوسبة، كما تصف قوانين التوسع.

بعد التدريب المسبق، يُكيّف النموذج نفسه مع كل مهمة بإحدى طرق عدة. يوجّهه إعداد الموجّهات بالتعليمات أو الأمثلة دون تدريب، بينما يحدّث الضبط الدقيق أو الضبط الدقيق الفعّال من حيث المعلمات (PEFT) أوزانه باستخدام بيانات المهمة، ويحوّل رأس صغير يُدرّب على تضميناته المجمّدة النموذج إلى مصنف أو مسترجع:

سلّط التقرير الضوء على نتيجتين لهذا النمط. تعني خاصية النشوء ظهور قدرات عند التوسع دون تدريب مباشر عليها، كما حدث حين تعلّم GPT-3 تنفيذ مهام جديدة من بضعة أمثلة في موجّهه. أما التجانس فيعني أن كثيرًا من التطبيقات باتت تعتمد على عدد قليل من النماذج، فتنتقل أخطاء النموذج وتحيزاته إلى كل ما يُكيّف منه. تتناول الجهات التنظيمية هذه النماذج مباشرةً الآن: إذ يسمّيها قانون الذكاء الاصطناعي للاتحاد الأوروبي نماذج ذكاء اصطناعي للأغراض العامة، وتسري الالتزامات المفروضة على مقدميها منذ 2 أغسطس 2025.

النماذج التأسيسية في الرؤية الحاسوبية#

تُدرّب النماذج التأسيسية للرؤية على بيانات أوسع بكثير وأكبر حجمًا من تلك المستخدمة لكواشف المهام المحددة. تعلّم CLIP من 400 مليون زوج من الصور والتعليقات التوضيحية، ويصنّف الصور إلى فئات لا تُحدّد إلا نصيًا، وهو أساس التعلّم دون أمثلة في الرؤية. ينتج DINOv3 من Meta ميزات مجمّدة لتقدير العمق والتقسيم ورسم الخرائط بالأقمار الصناعية، باستخدام نموذج ذي 7 مليارات معلمة دُرّب على 1.7 مليار صورة غير موسومة. دُرّب SAM، الذي وصفه مؤلفوه بأنه نموذج تأسيسي لتقسيم الصور، على مجموعة بيانات SA-1B التي تضم 11 مليون صورة و1.1 مليار قناع، ويقسّم أي كائن تشير إليه نقطة أو صندوق؛ ويضيف SAM 3 موجّهات نصية تعثر على كل مثيل لمفهوم مسمّى. وتوسّع نماذج الرؤية واللغة والفعل هذا النهج إلى الروبوتات، بتحويل صور الكاميرا والتعليمات إلى أفعال للروبوت.

تستخدم Ultralytics Platform هذه النماذج لتسريع تعليق البيانات: في التعليق الذكي، يطلب النقر من SAM 2.1 أو SAM 3 أو SAM 3.1 إنشاء قناع لكائن، وفي مجموعات بيانات الكشف تبحث النماذج الموجّهة باسم الفئة، مثل SAM 3.1 Text وGrounding DINO، عن كل كائن ينتمي إلى فئة انطلاقًا من اسمها. وتقارن لوحة صدارة VLM مدى دقة هذه النماذج الموجّهة بالفئات ونماذج VLM التوليدية في التعليق التلقائي على مجموعات بيانات كشف الأجسام الواقعية. ويعمل SAM 2.1 من Meta أيضًا ضمن حزمة Ultralytics Python، حيث يحل موجّه مربع محل أي تدريب خاص بالمهمة:

from ultralytics import SAM

# ⁨SAM 2.1 من Meta، وهو نموذج تأسيسي للتقسيم، يُستخدم كما هو دون تدريب⁩
model = SAM("sam2.1_b.pt")

# ⁨يحدد موجّه الصندوق حول الحافلة المهمة؛ ويعيد النموذج قناع ذلك الكائن⁩
results = model("https://ultralytics.com/images/bus.jpg", bboxes=[22, 231, 805, 757])
result = results[0]
result.save(filename="sam_bus_mask.jpg")

النماذج التأسيسية والمصطلحات ذات الصلة#

• نموذج اللغة الكبير (LLM): نموذج تأسيسي للنصوص. وتشمل النماذج التأسيسية أيضًا الصور والفيديو والصوت والبيانات الجدولية والتحكم في الروبوتات.
• الذكاء الاصطناعي التوليدي: أنظمة تنشئ نصوصًا أو صورًا أو صوتًا أو فيديو. يُبنى كثير منها على نماذج تأسيسية، لكن بعض النماذج التأسيسية، مثل DINOv3 وSAM، تنتج ميزات وأقنعة بدلًا من محتوى جديد.
• التعلّم بالنقل: تقنية لإعادة استخدام نموذج مُدرّب مسبقًا لمهمة جديدة. النموذج التأسيسي نموذج مُدرّب مسبقًا أُعدّ لإعادة استخدامه بهذه الطريقة عبر مهام كثيرة، بينما ينتقل أثر نموذج دُرّب لمهمة واحدة بمجموعة تسميات ثابتة، مثل كاشف كائنات COCO ذي 80 فئة، أساسًا إلى مهام وثيقة الصلة.
• نماذج الذكاء الاصطناعي المتقدمة: أكثر النماذج الأساسية قدرةً في وقت معين. وبموجب قانون الذكاء الاصطناعي للاتحاد الأوروبي، يُفترض أن نموذج الذكاء الاصطناعي للأغراض العامة الذي دُرّب باستخدام أكثر من 10²⁵ عملية فاصلة عائمة ينطوي على مخاطر نظامية، وتترتب عليه التزامات إضافية.