نماذج اللغة الكبيرة العربية: دليل عملي لتشغيلها محلياً في المؤسسات السعودية

نماذج اللغة الكبيرة العربية هي نماذج ذكاء اصطناعي مدرَّبة على فهم النص العربي وإنتاجه، من الفصحى إلى اللهجة الخليجية والنصوص المختلطة بالإنجليزية. وعند تشغيلها محلياً على خوادم تملكها مؤسستك أو على سحابة سيادية داخل المملكة، تبقى المراسلات والمستندات والبيانات الحساسة تحت سيطرتك الكاملة دون أن تمر عبر مزوّد خارجي.

انتقلت النماذج اللغوية الكبيرة من مرحلة التجارب إلى أدوات عمل يومية: تصوغ المراسلات، وتلخّص التقارير، وتجيب عن أسئلة الموظفين، وتبحث في المستندات الداخلية. وبالنسبة للمؤسسات السعودية، هناك متطلبان يحددان طريقة استخدام هذه النماذج: أن تعمل بكفاءة عالية باللغة العربية، وأن تبقى البيانات الحساسة تحت سيطرة المؤسسة بما يتوافق مع نظام حماية البيانات الشخصية وأنظمة حوكمة البيانات الوطنية. وتشغيل نموذج لغوي عربي محلياً، أو على سحابة سيادية داخل المملكة، يحقق المتطلبين معاً. يتناول هذا الدليل اختيار النموذج، وتحديد حجمه، والبنية التحتية اللازمة، وطريقة التقييم، والحوكمة — أي القرارات التي يحتاج مدير تقنية المعلومات إلى حسمها قبل شراء أول خادم.

ما الفرق بين تشغيل النموذج محلياً واستخدام واجهة ذكاء اصطناعي سحابية؟

عند استخدام واجهة برمجية عامة للذكاء الاصطناعي، تُرسَل كل تعليمة — وكل مستند ترفقه بها — إلى البنية التحتية لدى المزوّد، فتُعالَج هناك وتُحفَظ غالباً في سجلات لمدة لا تحددها أنت. أما في التشغيل المحلي، فتكون أوزان النموذج على خوادمك، ويجري الاستدلال داخل شبكتك، ولا تغادر التعليمات والمخرجات والسجلات بيئتك أبداً. وتقع السحابة السيادية بين الخيارين: يعمل النموذج على سعة مخصصة مستضافة داخل المملكة، بموجب عقود ومفاتيح تشفير تتحكم بها مؤسستك.

العامل	واجهة ذكاء اصطناعي عامة	سحابة سيادية داخل المملكة	تشغيل محلي
مكان معالجة التعليمات	منطقة المزوّد، وغالباً خارج المملكة	مركز بيانات داخل المملكة	مركز بياناتك الخاص
احتمال النقل خارج المملكة وفق نظام حماية البيانات الشخصية	مرجّح، ويتطلب آلية نقل نظامية	منخفض إذا بقيت المعالجة كلها داخل المملكة	لا يوجد نقل ناتج عن الاستدلال نفسه
نموذج التكلفة	حسب عدد الرموز، ويرتفع مع الاستخدام	سعة محجوزة	استثمار رأسمالي وتشغيل، ثابت نسبياً عند التوسع
الضبط الدقيق على بياناتك	محدود ويتحكم به المزوّد	متاح	متاح بتحكم كامل
الجهد التشغيلي	الأقل	متوسط	الأعلى، ويحتاج خبرات في تشغيل النماذج

لا يوجد خيار واحد يناسب كل الأحمال. فكثير من المؤسسات تستخدم واجهة عامة للصياغة غير الحساسة، ونموذجاً محلياً لكل ما يمس البيانات الشخصية أو المالية أو المصنّفة. المهم أن يكون هذا التقسيم قراراً مدروساً حسب تصنيف البيانات، لا نتيجة للإعدادات الافتراضية. ويتناول مقالنا عن سيادة البيانات والذكاء الاصطناعي المحلي في الخليج الجانب التنظيمي لهذا القرار بتفصيل أكبر.

ما أبرز نماذج اللغة الكبيرة العربية التي يمكن تشغيلها محلياً؟

لا تتعامل جميع النماذج مع العربية بالمستوى نفسه. فبعض النماذج المفتوحة دُرّب في معظمه على الإنجليزية ويعامل العربية كلغة ثانوية، بينما بُني بعضها الآخر أو ضُبط خصيصاً للعربية. ويعتمد الاختيار الصحيح على المهمة: فالنموذج الذي يصوغ الخطابات الرسمية يحتاج إلى فصحى قوية ومصطلحات دقيقة، أما النموذج الذي يقرأ رسائل العملاء فعليه التعامل مع اللهجات، والنصوص المختلطة، والعربية المكتوبة بحروف لاتينية، والتباين الكبير في الإملاء.

نماذج عربية في الأساس

علّام (ALLaM) هو عائلة النماذج اللغوية العربية التي طوّرها المركز الوطني للذكاء الاصطناعي في الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا). وقد نُشرت نسخة تجريبية موجّهة بالتعليمات بحجم 7 مليارات معامل باسم ALLaM-7B-Instruct-preview بأوزان مفتوحة على منصة Hugging Face. ووفق بطاقة النموذج، دُرّب من الصفر على 4 تريليونات رمز إنجليزي ثم 1.2 تريليون رمز عربي وإنجليزي مختلط، بنافذة سياق تبلغ 4,096 رمزاً — ما يعني إمكانية تشغيله على خوادمك. وتتولى تطوير هذه العائلة الآن شركة هيوماين (HUMAIN) التي أطلقها صندوق الاستثمارات العامة في مايو 2025، وتعمل خدمتها «هيوماين تشات» على النموذج الأكبر ALLaM 34B المستضاف داخل المملكة. كما تُعد عائلة جيس (Jais) المطوّرة في الإمارات خياراً آخر يركّز على العربية بأوزان مفتوحة. وللاطلاع على نظرة عملية من منظور الأعمال، راجع دليلنا عن نموذج علّام للشركات.

نماذج مفتوحة متعددة اللغات

تضم عدة عائلات من النماذج المفتوحة العامة اليوم بيانات عربية معتبرة. وغالباً ما تتفوق في الاستدلال والبرمجة واستخدام الأدوات على النماذج العربية الأصغر، لكن جودة عربيتها تتفاوت كثيراً من إصدار إلى آخر ومن حجم إلى آخر. لذا تعامل مع عبارة «يدعم العربية» في وصف أي نموذج كفرضية تحتاج إلى اختبار، لا كحقيقة مسلّم بها.

اختر النموذج المناسب للمهمة

• الصياغة الرسمية والترجمة: الأولوية لإتقان الفصحى ودقة المصطلحات الإدارية والقانونية.
• خدمة العملاء والمحادثة: الأولوية لفهم اللهجة الخليجية وتحمّل الأخطاء الإملائية والنصوص المختلطة. ويغطي دليل روبوتات المحادثة العربية هذه الحالة بالتفصيل.
• البحث والاستخراج والتصنيف: نموذج متوسط الحجم مع استرجاع جيد من مستنداتك يتفوق عادة على نموذج أكبر بكثير يعمل منفرداً.

ما حجم النموذج الذي تحتاجه مؤسستك؟

حجم النموذج هو المحرك الرئيسي للتكلفة. وكقاعدة تقريبية، يحتاج النموذج إلى نحو بايتين من ذاكرة وحدة معالجة الرسومات (GPU) لكل معامل بدقة 16 بت لتخزين أوزانه فقط، أي أن نموذجاً بحجم 7 مليارات معامل يحتاج إلى قرابة 14 جيجابايت، قبل احتساب الذاكرة التي يستهلكها كل مستخدم متزامن وطول السياق. ويمكن لتقنية التكميم — أي تخزين الأوزان بدقة 8 بت أو 4 بت — أن تخفض هذا الرقم كثيراً مقابل تراجع محدود في الجودة يجب قياسه على مجموعة اختبار عربية خاصة بك.

وفي كثير من مهام المؤسسات — كالتصنيف والاستخراج والبحث والتلخيص — يحقق نموذج متوسط الحجم مُختار بعناية، مع تقنية التوليد المعزّز بالاسترجاع (RAG) من مستنداتك الداخلية، أداءً يضاهي نموذجاً أكبر بكثير بجزء بسيط من تكلفة البنية التحتية. ابدأ بأصغر نموذج يجتاز التقييم، ولا ترفع الحجم إلا عندما تثبت القياسات وجود فجوة تبرر ذلك.

ما البنية التحتية اللازمة لتشغيل نموذج لغوي عربي محلياً؟

• خوادم بوحدات معالجة رسومات تتناسب مع حجم النموذج وطول السياق المطلوب وعدد المستخدمين المتزامنين، مع هامش للنمو.
• خادم استدلال يجمّع الطلبات بكفاءة ويقدّم النموذج للتطبيقات الداخلية عبر واجهة برمجية موثّقة الهوية.
• خطوط استرجاع تفهرس المستندات الداخلية المعتمدة، مع توحيد النص العربي (أشكال الألف والهمزة، والتاء المربوطة، والتشكيل) حتى يعمل البحث على المحتوى العربي الفعلي.
• إدارة الهوية والصلاحيات بحيث لا يسترجع النموذج إلا المستندات التي يحق للمستخدم الاطلاع عليها أصلاً.
• سجلات تدقيق وضوابط لتصنيف البيانات تشمل التعليمات والمصادر المسترجعة والمخرجات.
• مراقبة مستمرة لزمن الاستجابة والإنتاجية والدقة والاستخدام، مع تنبيهات عند تراجع الجودة.

ويجب أن يكون الأمن جزءاً من التصميم منذ البداية. فالجهات الحكومية والجهات التي تملك أو تشغّل بنى تحتية وطنية حساسة تقع ضمن نطاق الضوابط الأساسية للأمن السيبراني (ECC-2:2024) الصادرة عن الهيئة الوطنية للأمن السيبراني، ومنصة الذكاء الاصطناعي ليست سوى نظام آخر يجب أن تشمله هذه الضوابط.

كيف تقيّم نموذجاً لغوياً عربياً قبل إطلاقه؟

لا تكشف المقاييس المنشورة بالإنجليزية الكثير عن أداء النموذج على محتواك العربي. لذا اتبع تقييماً منظّماً:

1. أنشئ مجموعة اختبار من 100 إلى 300 مثال حقيقي — بعد إخفاء البيانات الشخصية — من العمل الذي سيؤديه النموذج، بالعربية والإنجليزية، مع أمثلة باللهجة ونصوص مختلطة.
2. عرّف معنى «الجودة» لكل مهمة: الدقة في المعلومات، وصحة المصطلحات، والأسلوب، والإشارة إلى المصادر، والاعتذار عن الإجابة عندما لا تكون المعلومة في المستندات.
3. شغّل جميع النماذج المرشحة بالتعليمات وإعدادات الاسترجاع نفسها لتكون المقارنة عادلة.
4. اطلب من خبراء ناطقين بالعربية تقييم المخرجات، فالمقاييس الآلية وحدها لا تلتقط الصياغات الركيكة والأخطاء الدقيقة.
5. اختبر حالات الفشل: الأرقام المختلَقة، وتسرّب المستندات المقيّدة، وحقن التعليمات، والردود المخالفة لسياساتك.
6. كرّر التقييم كلما تغيّر النموذج أو التعليمات أو مجموعة المستندات، حتى لا تتراجع الجودة دون أن يلاحظ أحد.

ما الأنظمة السعودية التي تنطبق على تشغيل النماذج محلياً؟

يُبقي التشغيل المحلي البيانات داخل بيئتك، لكنه لا يُسقط التزاماتك النظامية. وهناك ثلاثة أطر هي الأهم:

• نظام حماية البيانات الشخصية. صدر بالمرسوم الملكي رقم م/19 في سبتمبر 2021، ودخل حيز النفاذ في 14 سبتمبر 2023، وأصبح واجب التطبيق الكامل في 14 سبتمبر 2024 بعد فترة انتقالية مدتها عام. وتشرف عليه سدايا عبر منصة حوكمة البيانات الوطنية. فإذا عالج النموذج بيانات شخصية — كملفات الموظفين أو سجلات العملاء أو الملاحظات الطبية — فإن تحديد الغرض وتقليل البيانات والإبلاغ عن التسربات تنطبق أينما كان النموذج يعمل. ويشرح دليلنا للامتثال لنظام حماية البيانات الشخصية هذه الالتزامات.
• مبادئ أخلاقيات الذكاء الاصطناعي الصادرة عن سدايا. نُشرت في سبتمبر 2023، وتتضمن سبعة مبادئ: النزاهة والإنصاف، والخصوصية والأمن، والإنسانية، والمنافع الاجتماعية والبيئية، والموثوقية والسلامة، والشفافية والقابلية للتفسير، والمساءلة والمسؤولية، إلى جانب نهج قائم على تصنيف مخاطر أنظمة الذكاء الاصطناعي.
• ضوابط الهيئة الوطنية للأمن السيبراني. الضوابط الأساسية ECC-2:2024 للجهات المشمولة، إضافة إلى ضوابط الأمن السيبراني للبيانات التي تحمي البيانات في جميع مراحل دورة حياتها.

ومن أسئلة الحوكمة التي يجب حسمها قبل الإطلاق: من يحق له استخدام النموذج، وما مجموعات المستندات التي يمكنه الاطلاع عليها، وكيف تُراجَع مخرجاته قبل أن تصل إلى العملاء أو تُبنى عليها قرارات، وكيف يُسجَّل الاستخدام ومدة الاحتفاظ بالسجلات. ومواءمة هذه الضوابط مع نظام حماية البيانات الشخصية ومبادئ الأخلاقيات منذ اليوم الأول تجنّبك إعادة عمل مكلفة لاحقاً.

كيف تبدو خارطة طريق عملية للتشغيل المحلي؟

1. اختر حالة استخدام واحدة عالية القيمة — مثل البحث في السياسات الداخلية أو تلخيص العقود، وهما نقطتا انطلاق شائعتان.
2. صنّف البيانات التي تمسها حالة الاستخدام، وحدد نموذج النشر المسموح لكل فئة.
3. رشّح نموذجين أو ثلاثة وطبّق عليها خطوات التقييم السابقة.
4. حدّد حجم البنية التحتية وابنها للنموذج الفائز، مع تفعيل الصلاحيات والسجلات قبل وصول المستخدمين.
5. نفّذ تجربة مع مجموعة صغيرة، وقِس الوقت الموفَّر ومعدلات الخطأ، وحسّن التعليمات والاسترجاع.
6. توسّع إلى حالات استخدام أخرى على المنصة نفسها، بحيث تكون تكلفة كل حالة جديدة أقل من سابقتها.

هذا هو النهج الذي اتبعناه في مشروع الذكاء الاصطناعي الخاص لجهة حكومية في المملكة: استدلال محلي بالكامل، وخطوط بيانات داخلية، وصلاحيات قائمة على الأدوار، وإقامة كاملة للبيانات داخل المملكة، ما حقق استقلالاً بنسبة 100% عن واجهات الذكاء الاصطناعي الخارجية وتكلفة متوقعة عند أحجام الاستخدام المؤسسي. تصمّم أمواج للحلول وتنشر بنية تحتية خاصة للذكاء الاصطناعي تدعم العربية للمؤسسات السعودية — اطّلع على خدمة الذكاء الاصطناعي الخاص وروبوتات المحادثة لمعرفة منهجيتنا، أو تواصل معنا لمناقشة أول حالة استخدام لديك.