في خطوة تهدف إلى تلبية الطلب الأوروبي المتزايد على الذكاء الاصطناعي السيادي، كشفت Nvidia في مؤتمر GTC Berlin عن مجموعة جديدة من النماذج مفتوحة الأوزان. هذه النماذج مصممة خصيصًا لتطبيقات المؤسسات، لتشمل مجالات مثل روبوتات الدردشة والرعاية الصحية والروبوتات، وتقدم مرونة كبيرة للمطورين الذين يسعون لبناء حلول AI مخصصة.
نماذج Nemotron: تعزيز البحث ومعالجة المستندات
تتضمن الإضافات الجديدة إلى مكتبة نماذج Nvidia مفتوحة الأوزان نموذج Nemotron Retriever لتضمين البيانات (embedding) ونماذج reranking التي تعتمد على Nemotron 3.5. هذه النماذج تدعم تضمين النصوص والصور عبر 34 لغة وتأتي بأحجام تتراوح من مليار إلى ثمانية مليارات بارامتر. توفر Nvidia أيضًا إصدارات NVFP4-quantized لتشغيلها على مسرعات Blackwell الجديدة، مما يجعلها فعالة بما يكفي للعمل على أجهزة مثل DGX Spark.
نرى أن نماذج التضمين هذه أساسية لتطبيقات المؤسسات، خاصة لتكنولوجيا RAG (Retrieval Augmented Generation)، التي تعتمد عليها بشكل كبير لتحسين البحث المعزز بالذكاء الاصطناعي. كما أطلقت Nvidia نموذج Nemotron Parse، الذي تم تدريبه خصيصًا لاستخراج المعلومات من مستندات PDF، التي غالبًا ما تكون صعبة المعالجة بواسطة نماذج التضمين التقليدية. تدعي Nvidia أن النموذج يمكنه معالجة حوالي 10.5 صفحة في الثانية عند تشغيل نموذج بمليار بارامتر على H100 واحد.
Alpamayo 2 Edge: للقيادة الذاتية
بالإضافة إلى نماذج Nemotron، طرحت Nvidia أيضًا Alpamayo 2 Edge، وهو إصدار مدمج من نموذج القيادة الذاتية الخاص بها. يوفر هذا النموذج معالجة فورية لبيانات الفيديو ومستشعرات التدفق عند تشغيله على منصة DRIVE AGX Thor، مما يفتح آفاقًا جديدة لتطوير حلول القيادة الذاتية.
ما يميز نماذج Nvidia هو أنها لا توفر الأوزان المفتوحة فحسب، بل تُصدر أيضًا بيانات التدريب و«الوصفات» المستخدمة لإنشاء النموذج النهائي. هذا يتيح للمطورين ليس فقط فحص النموذج على مستوى منخفض، بل بناء نموذج مخصص بالكامل بناءً على بنية Nemotron، بدلاً من مجرد تعديل الأوزان من خلال الضبط الدقيق. يماثل هذا النهج ما يقوم به معهد Allen مع نماذجه OLMo.
ما يعنيه هذا للمطورين
بالنسبة للمطورين في العالم العربي، توفر هذه النماذج مفتوحة الأوزان من Nvidia خيارات قوية لبناء تطبيقات AI مؤسسية مخصصة. دعم Nemotron Retriever للغات المتعددة وتضمين الصور والنصوص يجعله أداة قيمة لأنظمة RAG العالمية. كما أن Nemotron Parse يعالج مباشرة التحدي الشائع في معالجة مستندات PDF، مما يوفر الوقت والجهد في استخراج البيانات. الأهم من ذلك، أن توفير بيانات التدريب و«الوصفات» يمنح المطورين تحكمًا وشفافية أكبر، مما يسمح ببناء حلول AI أكثر قوة وموثوقية ومخصصة لاحتياجات أعمالهم، بدلاً من الاعتماد على نماذج الصندوق الأسود. كما أن أحجام النماذج الأصغر والمعالجة الفعالة تعني أنه يمكن تشغيلها على أجهزة يمكن الوصول إليها بسهولة أكبر، مما يوسع خيارات النشر للمطورين.
المصدر: theregister.com