Hugging Face

تُعدّ Hugging Face شركةً في مجال الذكاء الاصطناعي (AI) ومجتمعًا مفتوح المصدر، وتشكّل المنصة وجهةً مركزيةً لنشر نماذج التعلّم الآلي ومجموعات البيانات والتطبيقات التجريبية والعثور عليها وتنزيلها. وفي أكتوبر 2026، تعرض المنصة أكثر من 3.1 مليون نموذج ومليون مجموعة بيانات، بدءًا من النماذج اللغوية الكبيرة (LLMs) ومحوّلات الرؤية وصولًا إلى نقاط تحقق في مجالات الكلام والروبوتات واكتشاف الأجسام. كما تتولى الشركة صيانة مكتبات مفتوحة المصدر واسعة الاستخدام، وعلى رأسها Transformers.

أسّس كليمان ديلانغ وجوليان شومون وتوماس وولف الشركة في نيويورك عام 2016 كتطبيق روبوت محادثة للمراهقين، وسُمّيت تيمنًا برمز تعبيري لوجه يحتضن. وتحول منفذ PyTorch لمكتبة BERT من Google، المنشور في نوفمبر 2018، إلى Transformers مع انتقال الشركة من روبوت المحادثة إلى أدوات مفتوحة المصدر. وفي سبتمبر 2026، وافقت NVIDIA على الاستحواذ على Hugging Face مقابل نحو 12.9 مليار دولار، في صفقة يُتوقع إتمامها في النصف الأول من 2027، رهنًا بالموافقة التنظيمية، مع احتفاظ Hugging Face بعلامتها التجارية كمنصة مفتوحة.

المركز#

كل نموذج ومجموعة بيانات وSpace في المركز عبارة عن مستودع Git ذي سجل إصدارات كامل. وتُخزّن Xet، وهي الجهة الخلفية للتخزين لدى Hugging Face، الملفات الكبيرة مثل الأوزان، مع إزالة تكرار البيانات على مستوى الأجزاء؛ لذا لا ينقل رفع نقطة تحقق معدّلة إلا الأجزاء التي تغيرت. ويستضيف المركز ثلاثة أنواع من المستودعات:

• النماذج: أوزان النماذج وملفات الإعدادات وبطاقة النموذج، وهي ملف README تسجّل بياناته الوصفية الترخيص وبيانات التدريب ونتائج التقييم والقيود. وتخزّن مستودعات كثيرة الأوزان بصيغة safetensors، التي تُحمّل دون تنفيذ شيفرة، كما تُلزم المستودعات المقيّدة المستخدمين بقبول شروط المالك قبل التنزيل.
• مجموعات البيانات: ملفات بيانات مزودة ببطاقة لمجموعة البيانات وعارض داخل المتصفح. وتحمّلها مكتبة datasets عبر Apache Arrow، كما تستطيع بث مجموعات بيانات أكبر من أن تُنزّل.
• Spaces: تطبيقات تجريبية مستضافة، تُبنى باستخدام Gradio أو Docker أو HTML ثابت، وغالبًا ما تكون أسرع طريقة لتجربة نموذج جديد في المتصفح.

توجّه Inference Providers طلبات API الخاصة بنماذج المركز إلى موفّري الخدمة بلا خوادم من الشركاء، بينما تنشر Inference Endpoints نموذجًا على أجهزة مخصصة. ويمر المشروع النموذجي عبر المركز على النحو الآتي:

المكتبات مفتوحة المصدر#

• Transformers: تعريفات النماذج والأوزان المدرّبة مسبقًا لمهام النص والرؤية والصوت والمهام متعددة الوسائط، ضمن API واحد، بما في ذلك الدالة pipeline التي تنفّذ مهمةً ما في بضعة أسطر. وقد أصبحت المكتبة الآن في إصدارها الرئيسي الخامس.
• Diffusers: مسارات عمل لـنماذج الانتشار التي تُنشئ الصور والفيديو والصوت.
• Datasets وTokenizers: تحميل البيانات ومعالجتها بسرعة، إلى جانب تطبيقات Rust سريعة لأساليب تجزئة النص إلى رموز التي تستخدمها النماذج.
• PEFT وTRL: أساليب الضبط الدقيق الكفء من حيث المعلمات مثل LoRA، وأساليب ما بعد التدريب مثل تحسين التفضيل المباشر لمواءمة النماذج اللغوية.
• timm وLeRobot وsmolagents: نماذج صور PyTorch ومجموعات بيانات تعلّم الروبوتات وسياساتها، ووكلاء الذكاء الاصطناعي خفيفو الوزن.

تنزيل النماذج من المركز#

تنزّل مكتبة huggingface_hub أي ملف من مستودع وتخزّنه مؤقتًا محليًا، لذا تعيد الاستدعاءات اللاحقة استخدام النسخة المخزنة. تنشر Ultralytics نقاط تحقق YOLO26 في مستودع Ultralytics/YOLO26، بجميع الأحجام الخمسة لمهام الكشف والتقسيم والتصنيف وتقدير الوضعيات والصناديق الموجّهة:

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

# ⁨نزّل أوزان YOLO26n من مستودع Ultralytics على المركز (تُخزّن مؤقتًا بعد الاستدعاء الأول)⁩
weights = hf_hub_download(repo_id="Ultralytics/YOLO26", filename="yolo26n.pt")

# ⁨حمّل نقطة التحقق التي تم تنزيلها وشغّل الكشف⁩
model = YOLO(weights)
results = model("https://ultralytics.com/images/bus.jpg")
results[0].save(filename="bus_detections.jpg")

تعيد hf_hub_download مسار yolo26n.pt في ذاكرة Hugging Face المؤقتة المحلية، وتعرض الصورة المحفوظة اكتشافات YOLO26n في صورة الحافلة.

Hugging Face مقارنةً بالمنصات ذات الصلة#

• GitHub: يستضيف الشيفرة المصدرية في مستودعات Git. يستخدم Hugging Face Hub نظام Git أيضًا، ويضيف ما تحتاج إليه مخرجات تعلّم الآلة: تخزينًا للأوزان التي يبلغ حجمها عدة غيغابايت، وبطاقات للنماذج ومجموعات البيانات، وعارِضات لمجموعات البيانات، واستدلالًا مستضافًا.
• مجموعات النماذج: تحمّل المجموعات الخاصة بأُطر العمل نماذجها عبر مكتبة واحدة، مثل PyTorch Hub، بينما يوفّر Hub نماذج من مكتبات كثيرة، مع وسم كل نموذج بالمكتبة التي تحمّله.
• سجلات النماذج: كتالوجات خاصة تتعقّب إصدارات النماذج ومراحلها وموافقات نشرها لدى الفريق، وعادةً ما تكون ضمن منصة MLOps.

تطبيقات عملية#

• الضبط الدقيق للنماذج المفتوحة: تنزّل الفرق نماذج LLM مفتوحة الأوزان، وتكيّفها باستخدام LoRA، ثم ترفع ملفات المحوّل الصغيرة إلى Hub بدلًا من نسخ النموذج كاملًا.
• البحث القابل لإعادة الإنتاج: تنشر الأوراق البحثية أوزانها ومجموعات بياناتها على Hub، وتربط صفحات الأوراق في Hugging Face كل ورقة بالنماذج ومجموعات البيانات وSpaces التي تستخدمها.
• بيانات تدريب مفتوحة: نما FineWeb، وهو مجموعة بيانات من Hugging Face تضم نصوصًا إنجليزية من الويب نُظّفت وأزيلت منها التكرارات، والمستمدة من Common Crawl، من 15 تريليون رمز عند إطلاقه إلى أكثر من 18.5 تريليون.