شهد مشهد الذكاء الاصطناعي تحولًا جذريًا في العام الماضي، مدفوعًا بالروح التعاونية لتطوير المصادر المفتوحة. لم تعد نماذج اللغة الكبيرة (LLMs) حكرًا على عمالقة التكنولوجيا، بل تتطور الآن من خلال الجهود المجتمعية والمشاركة المفتوحة، مما يؤثر على كل شيء بدءًا من البنية التحتية وحتى تحسين الخوارزميات ونشرها. تعمل حركة المصادر المفتوحة هذه على تسريع تقدم الذكاء الاصطناعي، مما يجعلها أكثر سهولة وإضفاء الطابع الديمقراطي على فرصة المساهمة في الجيل التالي من الأنظمة الذكية.
على هذه الخلفية، انطلق مؤتمر GOSIM AI Paris 2025، الذي استضافته GOSIM وCSDN و1ms.ai، في 6 مايو في باريس، فرنسا. يعتبر هذا الحدث بمثابة منصة حاسمة، تربط ممارسي التكنولوجيا والباحثين العالميين لاستكشاف أحدث الاكتشافات والاتجاهات المستقبلية في الذكاء الاصطناعي مفتوح المصدر.
يضم المؤتمر مجموعة رائعة من أكثر من 80 خبيرًا وباحثًا في مجال التكنولوجيا من منظمات رائدة مثل Alibaba وHugging Face وBAAI وMiniMax وNeo4j وDify وMetaGPT وZhipu AI وEigent.AI وDocker وInflow وجامعة بكين وFraunhofer وجامعة أكسفورد ومجتمع openLLM الفرنسي. يشارك أيضًا بنشاط شركاء رئيسيون، بما في ذلك Huawei والرابطة الصينية لشباب الابتكار وريادة الأعمال في فرنسا والرابطة الصينية الفرنسية للذكاء الاصطناعي ومؤسسة Apache للبرمجيات ومؤسسة Eclipse ومجموعة Khronos وWasmEdgeRuntime وLF Generative AI Commons ومؤسسة Linux للأبحاث ومؤسسة OpenWallet ومبادرة المصادر المفتوحة (OSI) وSoftware Heritage وK8SUG. يتميز المؤتمر بأكثر من 60 جلسة فنية تركز على الموضوعات الأساسية مثل نماذج الذكاء الاصطناعي والبنية التحتية ونشر التطبيقات والذكاء المجسد، مما يوفر رؤية شاملة لتطور النظام البيئي مفتوح المصدر والاتجاهات الناشئة.
العلاقة التكافلية بين الذكاء الاصطناعي والمصادر المفتوحة
افتتح مايكل يوان، المؤسس المشارك لـ GOSIM، المؤتمر بكلمة رئيسية بعنوان “لقد لحقت المصادر المفتوحة بالركب، ما هي الخطوة التالية؟” شارك رؤيته حول الوضع الحالي والمسار المستقبلي للذكاء الاصطناعي مفتوح المصدر، مؤكدًا أنه وصل إلى لحظة محورية.
“لقد توقعنا ذات مرة أن يستغرق الأمر من 5 إلى 10 سنوات حتى تلحق المصادر المفتوحة بنماذج المصادر المغلقة، ولكن يبدو أن هذا الهدف قد تحقق قبل الموعد المحدد،” صرح يوان. استشهد بالإصدار الأخير من Qwen 3 كمثال، مشيرًا إلى أن نماذج المصادر المفتوحة لم تعد تتنافس مع بعضها البعض فحسب، بل تتحدى الآن النماذج الرائدة الاحتكارية بشكل مباشر، بل وتتفوق عليها في بعض المعايير. اقترح يوان أيضًا أن هذا التقدم لا يرجع فقط إلى التطورات في المصادر المفتوحة، ولكن أيضًا إلى فشل تطوير المصادر المغلقة في تلبية التوقعات ومواجهة الاختناقات في الأداء. في المقابل، تتطور نماذج المصادر المفتوحة بسرعة، وتظهر منحنى نمو حاد في الأداء وتظهر ظاهرة “اللحاق بالركب” الحقيقية.
يثير هذا الملاحظة سؤالًا أساسيًا: ما مدى بعدنا عن تحقيق الذكاء الاصطناعي العام (AGI)؟ يعتقد يوان أن مستقبل AGI قد لا يكمن في نموذج واحد شامل، بل في شبكة من النماذج المتخصصة وقواعد المعرفة والأدوات المنشورة على أجهزة خاصة أو أجهزة روبوتية.
وأوضح كذلك أن بنية الذكاء الاصطناعي تتحول من نموذج مركزي إلى نموذج لامركزي. وسلط الضوء على انتقال OpenAI من واجهة برمجة تطبيقات الإكمال إلى واجهة برمجة تطبيقات الاستجابات الجديدة، والتي تهدف إلى بناء منصة وكيل ذكي واسعة النطاق. انضم ما يقرب من 600000 مستخدم ومطور بالفعل إلى هذا التحول، مما ساهم في تطوير تطبيقات الذكاء الاصطناعي الموزعة.
“لا ينبغي تطوير مستقبل AGI حصريًا من قبل شركة واحدة ممولة تمويلًا جيدًا،” أكد يوان. “بدلاً من ذلك، يجب بناؤه من خلال التعاون العالمي، وإنشاء شبكة نظام بيئي تشمل النماذج وقواعد المعرفة والروبوتات وأنظمة التنفيذ.”
بعد كلمة يوان، قدم دانيال جولدشيدر، المدير التنفيذي لمؤسسة OpenWallet، عرضًا تقديميًا حول “محافظ واعتمادات GDC”، مع التركيز على مشروع الاتفاق الرقمي العالمي (GDC)، الذي اعتمدته الجمعية العامة للأمم المتحدة. وأوضح أن GDC له هدفان رئيسيان:
- الاعتراف بأن التقنيات الرقمية قد حولت حياتنا والتطور المجتمعي بشكل عميق، مما جلب فرصًا غير مسبوقة ومخاطر غير متوقعة.
- التأكيد على أن تحقيق الإمكانات الكاملة للتقنيات الرقمية لصالح البشرية جمعاء يتطلب تعاونًا عالميًا، وكسر الحواجز بين البلدان والصناعات وحتى القطاعات العامة والخاصة.
استنادًا إلى هذا الفهم المشترك، أطلق GDC مبادرة “التعاون الرقمي العالمي”، التي تهدف إلى تعزيز التعاون الحقيقي بين الحكومات والشركات والمنظمات غير الربحية وأصحاب المصلحة الآخرين.
عند مناقشة الجوانب التشغيلية، أكد جولدشيدر أن هذا التعاون لا تمليه أي منظمة بمفردها، بل يتبنى نهج “الاجتماع المشترك”، ويدعو جميع المنظمات الدولية المعنية وهيئات وضع المعايير ومجتمعات المصادر المفتوحة والمنظمات الحكومية الدولية للمشاركة. وأوضح أن هذا ليس مشروع “من يقود من”، بل هو منصة تعاون متساوية حيث يكون لكل طرف صوت ولا يوجد أحد أهم من الآخر.
وأوضح كذلك أن التعاون الرقمي العالمي لا يهدف إلى تطوير المعايير أو التقنيات بشكل مباشر، بل إلى تسهيل الحوار بين المنظمات من خلفيات متنوعة، مما يسمح لها بتقديم وجهات نظرها واحتياجاتها للوصول إلى توافق في الآراء. بعد ذلك، سيتم تطوير المعايير المحددة والعمل الفني من قبل الهيئات المتخصصة ذات الصلة. استشهد بـ “الهوية الرقمية” و “تكنولوجيا القياسات الحيوية” كمثالين، مشيرًا إلى أن العديد من المنظمات تعمل بالفعل في هذه المجالات، مما يسلط الضوء على الحاجة إلى منصة محايدة لجمع الجميع معًا وتجنب الازدواجية والصراعات وهدر الموارد.
أربعة منتديات مخصصة: تحليل شامل للذكاء الاصطناعي مفتوح المصدر
تضمن المؤتمر أربعة منتديات متخصصة: نماذج الذكاء الاصطناعي والبنية التحتية للذكاء الاصطناعي وتطبيقات الذكاء الاصطناعي والذكاء المجسد. غطت هذه المنتديات موضوعات حاسمة تتراوح من البنية التحتية الأساسية إلى نشر التطبيقات، ومن قدرات النموذج إلى ممارسات الوكيل الذكي. استضاف كل منتدى خبراء بارزين من المؤسسات العالمية والمؤسسات البحثية، وقدم تحليلاً متعمقًا لأحدث الاتجاهات التكنولوجية وعرض حالات الممارسة الهندسية الغنية، مما يدل على التكامل والتطور الشامل للذكاء الاصطناعي مفتوح المصدر عبر مجالات متعددة.
تفكيك المنطق الأساسي لنماذج الذكاء الاصطناعي الكبيرة
جمع منتدى نماذج الذكاء الاصطناعي خبراء من مجتمعات المصادر المفتوحة والمؤسسات البحثية لتبادل الأفكار حول الابتكارات المعمارية والتعاون مفتوح المصدر وتطور النظام البيئي في مجال النماذج الكبيرة.
قدم Guilherme Penedo، مهندس أبحاث التعلم الآلي في Hugging Face، عرضًا بعنوان “Open-R1: نسخة مفتوحة المصدر بالكامل من DeepSeek-R1”، حيث عرض جهود مشروع Open-R1 في تكرار نموذج DeepSeek-R1، مع التركيز على تعزيز الانفتاح وتوحيد البيانات المتعلقة بمهام الاستدلال. شارك Guang Liu، قائد التكنولوجيا في فريق أبحاث البيانات في معهد Zhiyuan للأبحاث، “OpenSeek: الابتكار التعاوني نحو الجيل التالي من النماذج الكبيرة”، مؤكدًا على أهمية التعاون العالمي في دفع الاختراقات في أداء النموذج على مستوى الخوارزمية والبيانات والنظام، بهدف تطوير الجيل التالي من النماذج الكبيرة التي تتجاوز DeepSeek.
قدم Jason Li، نائب الرئيس الأول لـ CSDN، “فك شفرة DeepSeek: الابتكار التكنولوجي وتأثيره على نظام الذكاء الاصطناعي البيئي”، وقدم تحليلًا متعمقًا لابتكارات DeepSeek في النماذج التقنية وهيكل النموذج والبيئة الصناعية، بالإضافة إلى تأثيره المحتمل على نظام الذكاء الاصطناعي البيئي العالمي. قدم Yiran Zhong، مدير الأبحاث الأول في MiniMax، “المستقبل الخطي: تطور هياكل نموذج اللغة الكبيرة”، وقدم آلية Lightning Attention التي اقترحها الفريق، والتي تقدم بديلاً محتملاً لهياكل Transformer من حيث الكفاءة والأداء. ناقش Shiwei Liu، زميل الجمعية الملكية نيوتن الدولية في جامعة أكسفورد، “لعنة العمق في نماذج اللغة الكبيرة”، واستكشف المساهمات المتضائلة للشبكات العصبية العميقة مع تعمق النماذج، واقترح استخدام LayerNorm Scaling لتحسين آلية Pre-LN لتعزيز استخدام الطبقة العميقة والكفاءة العامة. أشار Diego Rojas، مهندس الأبحاث في Zhipu AI، في “نماذج اللغة الكبيرة للتعليمات البرمجية: استكشاف ما وراء الرموز” إلى أن النماذج الكبيرة الحالية، على الرغم من قوتها، لا تزال تعتمد على الترميز، وهو أمر غير فعال، وشارك طرقًا جديدة لتخطي الترميز لجعل النماذج أسرع وأقوى. اختتم Nicolas Flores-Herr، رئيس فريق النماذج الأساسية في Fraunhofer IAIS، المنتدى بـ “كيفية بناء نماذج لغوية كبيرة ‘صنع أوروبي’ قادرة على المنافسة عالميًا؟”، مؤكدًا أن أوروبا تتغلب على تحديات البيانات والتنوع والتنظيم من خلال مشاريع نموذجية لغوية كبيرة متعددة اللغات ومفتوحة المصدر وجديرة بالثقة ومحلية، لبناء الجيل التالي من الذكاء الاصطناعي الذي يعكس القيم الأوروبية.
ثلاثية البنية التحتية للذكاء الاصطناعي: البيانات وقوة الحوسبة وتطور الخوارزمية
ركز منتدى البنية التحتية للذكاء الاصطناعي على بناء أساس أكثر انفتاحًا وكفاءة وشمولية للنماذج الكبيرة، وجمع خبراء بارزين من المؤسسات البحثية والمؤسسات للمشاركة في مناقشات متعمقة حول القضايا الرئيسية مثل البيانات وقوة الحوسبة وهيكل النظام.
أطلق Yonghua Lin، نائب رئيس معهد Zhiyuan للأبحاث (BAAI)، مجموعة الإنترنت الصينية CCI 4.0 في “الذكاء الاصطناعي مفتوح المصدر من أجل الخير: التطبيقات الشاملة والبيانات العادلة وقوة الحوسبة العالمية”، والتي تغطي ثلاث مجموعات بيانات رئيسية: CCI4.0-M2-Base V1 وCCI4.0-M2-CoT V1 وCCI4.0-M2-Extra V1. تبلغ سعة بيانات CCI4.0-M2-Base V1 35000 جيجابايت، وهي ثنائية اللغة باللغتين الصينية والإنجليزية، مع 5000 جيجابايت من البيانات الصينية، بزيادة 5 أضعاف في حجم البيانات مقارنة بـ CCI3.0. تحتوي CCI4.0-M2-CoT V1 على 450 مليون بيانات مسار الفكر البشري المركبة العكسية لتحسين القدرة على الاستدلال، مع إجمالي عدد الرموز المميزة 425 مليار (425 مليار)، أي ما يقرب من 20 ضعف حجم Cosmopedia (المصدر المفتوح بواسطة Hugging Face)، وهي أكبر مجموعة بيانات تركيبية مفتوحة المصدر متاحة عالميًا حاليًا.
ثم قدم Xiyuan Wang، مهندس برامج أول في Huawei، كيف يربط هيكل CANN أطر عمل الذكاء الاصطناعي وأجهزة Ascend في “أفضل الممارسات للتدريب والاستدلال استنادًا إلى Ascend CANN”، ويحقق أفضل استدلال للتدريب من خلال دعم النظم البيئية مثل PyTorch وvLLM. أوضح Guillaume Blaquiere، مهندس بيانات في Carrefour، كيفية نشر مثيلات نموذجية كبيرة بدون خادم تدعم وحدات معالجة الرسومات من خلال Google Cloud Run لتقليل التكاليف وتحسين كفاءة استخدام الموارد في “جعل LLM الخاص بك بدون خادم”. ألقى Yinping Ma، مهندس في جامعة بكين، كلمة رئيسية حول “برامج أساسية مفتوحة المصدر لإدارة جدولة الحوسبة الذكية المتكاملة - SCOW وCraneSched”، وقدم البرامج الأساسية الرئيسية مفتوحة المصدر التي طورتها جامعة بكين، SCOW وCraneSched، والتي تم نشرها في عشرات الجامعات والمؤسسات في جميع أنحاء البلاد، مما يدعم الإدارة الموحدة والجدولة عالية الأداء لموارد الحوسبة الذكية. شارك Yaowei Zheng، مرشح لنيل درجة الدكتوراه في جامعة Beihang، مفهوم تصميم بنية وحدة التحكم الهجينة في نظام Verl في خطاب “verl: نظام RLHF استنادًا إلى وحدة التحكم الهجينة”، وناقش مزايا الكفاءة في تدريب التعلم المعزز واسع النطاق. قدم Greg Schoeninger، الرئيس التنفيذي لـ Oxen.ai، “مجموعات بيانات التدريب والبنية التحتية للتعلم المعزز بنمط DeepSeek-R1 (GRPO)” وشرح مسار الممارسة لعمليات تدريب التعلم المعزز لنماذج LLM للاستدلال، بما في ذلك إنشاء مجموعات البيانات وبناء البنية التحتية ونماذج إنشاء التعليمات البرمجية المحلية.
من “هل يمكن استخدامه” إلى “هل يتم استخدامه بشكل جيد”: تطبيقات الذكاء الاصطناعي تدخل المرحلة العملية
في منتدى تطبيقات الذكاء الاصطناعي، شارك ممارسو البحث والتطوير وصناع القرار التقني من الشركات الرائدة مجموعة متنوعة من الأفكار، وعرضوا مسارات النشر الواقعية والإمكانيات المستقبلية لتطبيقات الذكاء الاصطناعي المدفوعة بنماذج كبيرة.
شارك Yongbin Li، كبير الباحثين في مختبر Alibaba Tongyi، أحدث التقدم الذي أحرزته Tongyi Lingma في التطور التقني وتطبيق المنتج في “Tongyi Lingma: من مساعد البرمجة إلى وكيل البرمجة.” ألقى Dongjie Chen، مهندس برامج في Huawei، كلمة رئيسية حول “Cangjie Magic: خيار جديد للمطورين في عصر النماذج الكبيرة”، وقدم إطار عمل تطوير وكيل نموذج الذكاء الاصطناعي الكبير استنادًا إلى لغة برمجة Cangjie، والتي يمكن أن تحسن بشكل كبير كفاءة المطورين في بناء تطبيقات HarmonyOS الذكية وتحقيق تجربة تطوير ممتازة. ركز Xinrui Liu، مدير النظام البيئي للمطورين في LangGenius، على “العمل معًا، قوة تقنية تم تمكينها بواسطة Dify”، مع التأكيد على نظام Dify البيئي مفتوح المصدر ودوره في تسريع تعميم تطبيقات الذكاء الاصطناعي.
فيما يتعلق بالجمع بين الذكاء الاصطناعي وهندسة النظم، قدم Rik Arends، المؤسس المشارك لـ Makepad، عرضًا فريدًا: “باستخدام البرمجة المحيطة، استخدم الذكاء الاصطناعي لإنشاء واجهة مستخدم Rust للأجهزة المحمولة وصفحات الويب والواقع المختلط”، واستكشف كيفية استخدام البرمجة المحيطة لبناء نموذج جديد لواجهة المستخدم. ركز Christian Tzolov، مهندس برامج البحث والتطوير من فريق Broadcom Spring، على إظهار كيفية دمج نماذج الذكاء الاصطناعي بكفاءة مع الأنظمة والموارد الحالية من خلال MCP Java SDK وSpring AI MCP في “نموذج موحد لتكامل الذكاء الاصطناعي من خلال MCP.” قام Wenjing Chu، مدير أول استراتيجية التكنولوجيا في Futurewei، بزيادة المنظور في “يشير ‘T’ في MCP وA2A إلى الثقة”، وتحليل بعمق كيفية بناء أنظمة ذكاء اصطناعي جديرة بالثقة حقًا في التطبيقات المستندة إلى الوكيل. بالإضافة إلى ذلك، قدم Hong-Thai Nguyen، مدير هندسة البرمجيات في Cegid، كيف يمكن للوكيل المتعدد إعادة تشكيل العمليات التجارية وتحقيق اتخاذ قرارات وعمليات مؤسسية أكثر ذكاءً بالاقتران مع السيناريوهات العملية في خطاب “Cegid Pulse: منصة إدارة الأعمال متعددة الوكلاء.”
عندما تكون النماذج الكبيرة مجهزة بـ “أجسام”: يصل الذكاء المجسد
أصبح الذكاء المجسد أحد أكثر اتجاهات التطوير تحديًا وواعدًا في مجال الذكاء الاصطناعي. في هذا المنتدى، انخرط العديد من كبار الخبراء الفنيين في الصناعة في مناقشات متعمقة حول موضوع “الذكاء المجسد”، وتبادلوا استكشافاتهم العملية في التصميم المعماري وتطبيق النموذج ونشر السيناريو.
قدم Angelo Corsaro، الرئيس التنفيذي ومدير التكنولوجيا في ZettaScale، كيف يمكن لبروتوكول Zenoh كسر الحواجز بين الإدراك والتنفيذ والإدراك في عصر الروبوت الذكي في “العقل والجسم وZenoh.” أحضر Philipp Oppermann، مدير مشروع Dora، “استخدام Zenoh في Dora لتنفيذ تدفق البيانات الموزع”، موضحًا التطبيق المهم لبروتوكول Zenoh في Dora لتنفيذ تدفق البيانات الموزع. ألقى James Yang، أستاذ في جامعة العلوم والتكنولوجيا في الصين، خطابًا حول “إنشاء سيناريوهات معادية للسلامة الحرجة في القيادة الذاتية”، وقدم كيفية تحسين سلامة تكنولوجيا القيادة الذاتية من خلال إنشاء سيناريوهات معادية لضمان الاستقرار والموثوقية في البيئات المعقدة.
بالإضافة إلى ذلك، ركز Minglan Lin، باحث الذكاء المجسد في معهد Zhiyuan للأبحاث، أيضًا على موضوع “RoboBrain: نموذج دماغ موحد لتشغيل الروبوت وRoboOS: إطار عمل تعاوني هرمي لوكلاء RoboBrain والروبوت الذكي”، مما يدل على كيف يمكن لـ RoboBrain تحسين مستوى ذكاء الروبوتات والدور المهم الذي يلعبه RoboOS في تعاون الروبوتات. ألقى Ville Kuosmanen، مؤسس Voyage Robotics، خطابًا رائعًا حول “بناء تطبيقات الروبوت باستخدام نماذج VLA مفتوحة المصدر”، موضحًا كيفية استخدام نماذج VLA مفتوحة المصدر لتوفير دعم قوي لتطبيقات الروبوت. أخيرًا، ناقش Huy Hoang Ha، باحث نموذج اللغة الكبيرة في Menlo Research، كيف يمكن للاستدلال المكاني أن يساعد الروبوتات على فهم بيئات ثنائية وثلاثية الأبعاد المعقدة بشكل أفضل، وبالتالي تحسين قدراتها على التشغيل والتنقل في الخطاب الرئيسي “LLM للاستدلال المكاني: تعزيز فهم ثنائي وثلاثي الأبعاد لدعم تشغيل الروبوت والتنقل.”
محادثات Spotlight: تسليط الضوء على التقنيات المتطورة والتطبيقات المبتكرة
تضمنت محادثات Spotlight في اليوم الأول عروض تقديمية جذابة من خبراء الصناعة حول التقنيات المتطورة والتطبيقات المبتكرة. كان هذا الجزء بمثابة منصة لممارسي التكنولوجيا من مختلف المجالات لمناقشة أحدث التطورات والتطبيقات العملية للذكاء الاصطناعي. قدم Cyril Moineau، مهندس الأبحاث في المفوضية الفرنسية للطاقة الذرية (CEA)، كيف يدعم مشروع Eclipse Aidge نشر وتحسين الشبكات العصبية العميقة على المنصات المضمنة من خلال توفير سلسلة أدوات كاملة في خطاب “Aidge”، وبالتالي تسريع تطوير أنظمة ذكية متطورة.
شارك Paweł Kiszczak، عالم بيانات في Bielik.ai، علنًا أحدث التقدم في مشروع الذكاء الاصطناعي الأصلي البولندي Bielik لأول مرة في هذا المؤتمر، وألقى خطابًا بعنوان “صعود Bielik.AI”، يروي كيف يعزز المشروع بناء نظام ذكاء اصطناعي مستقل محلي من خلال نماذج لغوية مفتوحة المصدر ونظام بيئي أدوات كامل. لم يقم مشروع Bielik بإصدار نماذج لغوية مفتوحة المصدر متعددة (مقاييس المعلمات التي تغطي 1.5B و4.5B و11B) فحسب، بل قام أيضًا بإنشاء سلسلة أدوات شاملة تغطي مجموعات البيانات والتقييم والتدريب والضبط الدقيق، مما يدعم فرق البحث والتطوير لضبط أو التدريب المسبق المستمر استنادًا إلى النماذج الأساسية، مما يقلل بشكل كبير من عتبة البحث والتطوير للنماذج الكبيرة ويحفز قدرات الابتكار التكنولوجي المحلية.
شارك Hung-Ying Tai، قائد فني من Second State، “تشغيل نماذج GenAI على الأجهزة المتطورة مع LlamaEdge”، مما يدل على قدرات LlamaEdge خفيفة الوزن وعالية الأداء في نشر نماذج الذكاء الاصطناعي التوليدية على الأجهزة المتطورة، مما يوفر تجربة استدلال محلية أكثر مرونة وكفاءة. قدم Tianyu Chen، مرشح لنيل درجة الدكتوراه في جامعة بكين، كيف يخفف إطار عمل SAFE من مشكلة بيانات التدريب النادرة من خلال آلية التطور الذاتي لـ “تجميع البيانات - ضبط النموذج”، وبالتالي تحسين كفاءة ودقة التحقق الرسمي من التعليمات البرمجية Rust بشكل كبير في “تحقيق التحقق الرسمي التلقائي من التعليمات البرمجية Rust استنادًا إلى إطار عمل التطور الذاتي.” شارك Gautier Viaud، مدير البحث والتطوير في Illuin Technology، كيف يحسن نظام ColPali، الذي بناه الفريق استنادًا إلى بنية ColBERT ونموذج PaliGemma، بشكل فعال دقة وكفاءة استرجاع المستندات من خلال الجمع بين المعلومات الرسومية والنصية في خطاب “ColPali: استرجاع فعال للمستندات استنادًا إلى نموذج اللغة المرئية.” أخيرًا، قدم Xiao Zhang، الرئيس التنفيذي لـ Dynamia.ai، كيفية إدارة وجدولة موارد وحدة معالجة الرسومات غير المتجانسة بشكل أفضل بمساعدة HAMi وتحسين معدل الاستخدام وإمكانية المراقبة للبنية التحتية للذكاء الاصطناعي في “إطلاق قدرات مجموعة K8s للبنية التحتية للذكاء الاصطناعي غير المتجانسة: إطلاق قوة HAMi.”
تفاعلات متنوعة وأبرز أحداث اليوم الأول
بالإضافة إلى الخطابات الرئيسية عالية الكثافة، تضمن المؤتمر أيضًا العديد من الوحدات الخاصة. ركزت وحدة الاجتماع المغلق على الحوارات الاستراتيجية والتبادلات الصناعية المتعمقة لتعزيز التعاون عبر الحدود. ركزت جلسات العرض على تقديم أحدث منتجات تكنولوجيا الذكاء الاصطناعي للمؤسسات والمؤسسات البحثية، وجذب عددًا كبيرًا من الزوار للتوقف والتواصل. في جلسات المنافسة، ركز مطورو الذكاء الاصطناعي والروبوتات والمهندسون وهواة الروبوتات من جميع أنحاء العالم على مجموعة الذراع الروبوتية مفتوحة المصدر SO-ARM100 لتنفيذ استكشاف عملي للتعلم التقليدي. تدمج المجموعة إطار عمل LeRobot الخاص بـ Hugging Face وتجمع بين تقنيات الذكاء الاصطناعي والروبوتات من NVIDIA لدعم هياكل الذكاء الاصطناعي المتطورة بما في ذلك ACT وDiffusion Policy، مما يوفر للمشاركين أساسًا تقنيًا قويًا. أجرى المشاركون استكشافات عملية في سيناريوهات حقيقية لتقييم تأثيراته وجدواه بشكل شامل.
تولت جلسات ورشة العمل نظام OpenHarmony البيئي كموضوع أساسي واستكشفت مشروع المصدر المفتوح الذي احتضنته وتشغله مؤسسة Open Atom Open Source. تلتزم OpenHarmony ببناء إطار عمل نظام تشغيل طرفي ذكي لعصر جميع السيناريوهات وجميع الاتصالات وجميع الذكاءات، وإنشاء منصة نظام تشغيل موزعة رائدة مفتوحة وعالمية ومبتكرة، وخدمة الأجهزة الذكية المتنوعة، والمساعدة في تطوير صناعة إنترنت الأشياء. في موقع المؤتمر، فهم المشاركون بعمق المزايا الأساسية لـ OpenHarmony في التعاون بين الأجهزة المتعددة وتصميم النظام خفيف الوزن من خلال سلسلة من ورش العمل العملية، وشاركوا شخصيًا في العمليات الرئيسية من تطوير برنامج التشغيل إلى نشر التطبيق. لا تساعد الممارسة العملية المطورين فقط على فتح المسار التقني “من الأسفل إلى النهاية”، ولكنها تعمل أيضًا على تحسين قدرات التطوير والتصحيح على مستوى النظام بشكل شامل.
لقد وصل جدول أعمال اليوم الأول من مؤتمر GOSIM AI Paris 2025 إلى خاتمة ناجحة، ولكن الإثارة مستمرة. غدًا، سيستمر المؤتمر في التقدم حول المنتديات الرئيسية الأربعة لنماذج الذكاء الاصطناعي والبنية التحتية للذكاء الاصطناعي وتطبيقات الذكاء الاصطناعي والذكاء المجسد، وسيرحب بيوم PyTorch الذي طال انتظاره، مع المزيد من الضيوف ذوي الوزن الثقيل والمحتوى العملي المباشر القادم قريبًا، لذا ترقبوا!