التعلّم بالممارسة
كنتُ أريد مساعدة الشركات التي لا تستطيع الانتقال إلى السحابة، لكنني أردتُ أيضًا أن أفهم كيف يعمل الذكاء الاصطناعي المحلي فعلاً. لذلك، بنيتُ بيئة اختبار محلية بسيطة باستخدام معدات كانت لديّ بالفعل في المنزل.
لم يكن هذا إعدادًا لمركز بيانات متطور. كان مجرد حاسوب محمول للألعاب. لكنه ساعدني على اختبار أدوات مختلفة، وتشغيل النماذج، ومعرفة ما هو الممكن باستخدام برمجيات الذكاء الاصطناعي المحلية المتاحة اليوم.
إعدادي الأول: حاسوب ASUS المحمول للألعاب
المواصفات:
-
GPU: NVIDIA GeForce 2060 Ti
وحدة المعالجة المركزية: Intel i7 (الجيل الثامن)
ذاكرة الوصول العشوائي: 16 GB
التخزين: 512 GB SSD
أتاح لي هذا الإعداد تشغيل النماذج الأخف (4GB و8GB) دون الكثير من المتاعب. لكن أكبر درس جاء سريعًا: حجم النموذج لا يعني حجم الملف.
إذا كان نموذج ما يقول 16GB، فهذا يعني أنك تحتاج إلى هذا القدر من ذاكرة VRAM أو RAM الحرة. وإذا كان نظام التشغيل لديك يستخدم بالفعل جزءًا منها، فمن الأفضل أن تختار حجمًا أصغر. لهذا السبب كانت نماذج 4GB تعمل بشكل أفضل بكثير بالنسبة لي في البداية — إلى أن أدركت أن النموذج الأصغر يهلوس بسهولة أكبر أو لا يستطيع اتباع المهام الأكثر تعقيدًا.
وقت الإعداد والتحديات
استغرق تشغيل أول نموذج لي حوالي يوم ونصف. استخدمت LM Studio، وعلى الرغم من أنه نجح في النهاية، كانت هناك الكثير من المشكلات الصغيرة: تحديثات برامج التشغيل، أخطاء الذاكرة، وانخفاضات غريبة في الأداء.
لكن بمجرد أن جعلته يعمل، كانت النتيجة تستحق ذلك. كان لدي ذكاء اصطناعي محلي وخاص يعمل على جهازي.
ما الذي فاجأني
-
النماذج الأصغر غالبًا ما تهلوس: تطرح سؤالًا فيجيبون، لكنهم ينسون السياق بسرعة.
-
خفيف = محدود: مع 16 جيجابايت فقط من RAM، لم أستطع تشغيل أي شيء كبير. لكنني ما زلت تعلمت الكثير.
-
أدوات مفتوحة المصدر مذهلة: يمكنك الحصول على نتائج حقيقية باستخدام Ollama أو OpenWebUI أو LM Studio – حتى على جهاز متواضع.
إعدادي التالي: أكبر، أفضل، وما يزال محليًا
للمضي قدمًا أكثر، أقوم الآن ببناء جهاز مكتبي بمواصفات:
-
معالج Ryzen
-
بطاقة رسومات NVIDIA 3060 Ti
-
32 جيجابايت RAM للبدء، قابلة للتوسعة إلى 128 جيجابايت
بمجرد أن يصبح هذا الإعداد جاهزًا، سأختبر نماذج أكبر، وأرى مقدار السياق الذي يمكنني التعامل معه، وأجرّب سير عمل أعمال حقيقية مثل تصنيف المستندات، ودعم نظام إدارة علاقات العملاء (CRM)، والدردشة الداخلية.
أفكار ختامية
إن بناء مختبر ذكاء اصطناعي محلي خاص بك ليس مناسبًا للجميع. لكن إن كنت تريد التعلّم أو الاختبار أو الاستعداد لحالات استخدام الذكاء الاصطناعي في بيئات آمنة، فلا يوجد معلّم أفضل من إعدادك الخاص.
سيتعمّق المقال التالي في الأدوات التي جرّبتها – أيّها أعجبني، وأيّها لن أستخدمه مرة أخرى.
Markku Arvekari
Digital Transformation Expert
