ميتا تكشف عن نموذج Muse Glimmer للذكاء الاصطناعي مفتوح الأوزان

أصبح تشغيل نموذج ذكاء اصطناعي قوي على حاسوبك الشخصي حلماً قريب المنال، بعد سنوات من ربط الذكاء الاصطناعي بمزارع الخوادم العملاقة ومراكز البيانات البعيدة. بين هذين العالمين تقف ميتا اليوم محاولة ترجيح الكفة، بإطلاق نموذج مفتوح الأوزان جديد يحمل اسم Muse Glimmer، مع رسالة سياسية واضحة حول مستقبل الذكاء الاصطناعي الأمريكي.

أعلنت ميتا عن Muse Glimmer كنموذج مفتوح الأوزان مصمم ليعمل على جهاز Mac أو PC مزوّد ببطاقة رسومية واحدة فقط. هذا التفصيل التقني ليس عابراً، بل يعكس توجهاً واضحاً نحو نماذج خفيفة وقابلة للنشر محلياً، بدلاً من الاعتماد الكامل على البنية التحتية السحابية.

بعيداً عن منافسة النماذج العملاقة في سباق “الأفضل أداءً”، تركّز ميتا هنا على ما يُعرف بالمهام الوكيلة أو Agentic Tasks، أي الأنظمة القادرة على تنفيذ مهام مركبة واتخاذ خطوات متعددة بشكل شبه مستقل. الفكرة ليست التفوق في اختبارات معيارية بقدر ما هي تمكين المطورين من بناء تطبيقات عملية فوق نموذج يمكنهم فهمه وتخصيصه.

يتزايد اهتمام الشركات بتشغيل نماذج الذكاء الاصطناعي على الجهاز نفسه، سواء لأسباب تتعلق بالتكلفة أو بالخصوصية أو بزمن الاستجابة. عندما يعمل النموذج محلياً، تقل الحاجة لإرسال البيانات إلى خوادم خارجية، ما يخفف المخاطر المرتبطة بالأمن السيبراني ويمنح المستخدم سيطرة أكبر.

هذا التحول يعيد إحياء فكرة “الذكاء عند الحافة” Edge AI، حيث يصبح الحاسوب الشخصي أو حتى الهاتف منصة تشغيل حقيقية للنماذج بدلاً من مجرد واجهة فرعية للخوادم.

يمثل إطلاق نموذج مفتوح الأوزان امتداداً لاستراتيجية تتبناها ميتا منذ عائلة Llama، تقوم على إتاحة المكونات الأساسية للنموذج أمام مجتمع المطورين. النماذج المفتوحة تمنح مرونة في التخصيص، وإمكانية إعادة التدريب أو التقطير، وتكييفها مع احتياجات محددة، بخلاف النماذج المغلقة التي تظل خاضعة بالكامل لشروط مزودها.

في المقابل، تواصل شركات أمريكية كبرى مثل OpenAI وAnthropic وGoogle تطوير نماذج مغلقة المصدر، تركز على الأداء والأمان المركزي، لكنها تفرض قيوداً على الاستخدام وإعادة التوظيف. هذا التباين يعمّق الانقسام داخل مشهد الذكاء الاصطناعي العالمي بين فلسفة الانفتاح وفلسفة الضبط المركزي.

الرسالة الأهم لم تكن تقنية بقدر ما كانت سياسية. مارك زوكربيرغ دعا صانعي القرار في الولايات المتحدة إلى تخفيف القيود المفروضة على تدريب النماذج، معتبراً أن المختبرات الأمريكية تواجه متطلبات أشد مقارنة بنظيراتها الخارجية، خصوصاً الصينية.

شركات صينية مثل Moonshot وAlibaba وDeepSeek باتت حاضرة بقوة في قطاع النماذج مفتوحة الأوزان، مع أداء يقترب من بعض النماذج الرائدة عالمياً. هنا لا يدور السباق فقط حول من يملك النموذج الأقوى، بل حول من يحدد قواعد اللعبة: ما الذي يمكن تدريبه؟ وما البيانات المسموح استخدامها؟ ومن يملك حق إعادة توزيع النموذج؟

بالتوازي مع الدفع نحو الانفتاح، أشارت ميتا إلى نيتها إنشاء إطار حوكمة يمنح مجلس إدارتها المستقل سلطة مراجعة معايير السلامة قبل إطلاق أي نموذج. هذا يعكس توازناً حساساً بين إتاحة التقنية وحماية استخدامها.

كما أبدى زوكربيرغ دعماً واضحاً لتقنية “تقطير النماذج” Model Distillation، حيث يُستخدم نموذج ضخم لتدريب نموذج أصغر وأكثر كفاءة. هذه التقنية ستكون جوهرية إذا أرادت ميتا التوسع في نماذج مدمجة تعمل على أجهزة المستهلكين بإمكانات حوسبية محدودة.

ما تقدمه ميتا اليوم ليس مجرد نموذج جديد، بل محاولة لإعادة رسم خريطة الذكاء الاصطناعي بين السحابة والطرف، وبين الانغلاق والانفتاح، وبين التنظيم والسرعة. في هذا المسار، قد لا يكون السؤال من يملك أكبر نموذج، بل من ينجح في جعل الذكاء الاصطناعي أقرب إلى يد المستخدم دون أن يفلت زمامه.