أمازون تتيح كتابة حلقات تدريب الذكاء الاصطناعي دون إدارة وحدات معالجة الرسوميات
تزيل أمازون سagemaker حواجز إدارة البنية التحتية عن مطوري الذكاء الاصطناعي، موفرةً أدوات برمجية تتيح التحكم الكامل في خوارزميات التدريب مع تشغيل الخدمة لوحدة المعالجة المركزية والرسوميات.
رضوان عبدالهاديمحرر وكاتب تقني
تجاوز مقايضات التحكم والبنية التحتية
واجه مطورو نماذج اللغة الكبيرة تحدياً دائماً يتمثل في الموازنة بين التحكم الكامل في حلقة التدريب وسهولة إدارة البنية التحتية. فبينما توفر الخدمات المُدارة بالكامل راحة استخدام عالية، فإنها تقيّد المرونة الخوارزمية، في حين تمنح الخدمات الأقل إدارةً حرية أكبر مقابل عبء تشغيلي ثقيل. أعلنت أمازون عن توسيع قدرات تخصيص النماذج الخادمية (Serverless Model Customization) في منصة سagemaker من خلال إطلاق واجهات برمجة تطبيقات لجلسات التدريب (Training Session APIs)، والتي تهدف إلى إزالة هذه المقايضة عبر نقل خط الفصل التجريدي إلى مستوى أدنى.
نموذج برمجي يعتمد على العملاء البرمجيين
يعتمد النموذج البرمجي الجديد على تجريد الموارد الحسابية بدلاً من تجريد الخوارزمية نفسها. تتحول العمليات الأساسية مثل الحساب الأمامي والخلفي (forward_backward) وتحديث المُحسّن (optim_step) إلى استدعاءات لواجهات أمازون سagemaker. يتيح هذا للمطورين تكوين أي إجراء تدريبي، سواء كان تكييفاً دقيقاً (SFT) أو تحسين تفضيلات أو تعلم تعزيزي (RL)، مع بقاء النموذج محملاً على وحدات معالجة الرسوميات عبر الخطوات المختلفة. تتولى الخدمة إعداد بيئة التشغيل، والتنفيذ الموزع، ومزامنة التدرجات، واستعادة الأعطال، بينما يركز المطور على كتابة حلقة التدريب فقط. ويمكن الرجوع إلى Amazon SageMaker Training Jobs للاطلاع على التفاصيل الأصلية للمصدر.
آلية عمل العملاء البرمجيين الثلاثة
تنظم أمازون سagemaker هذه الواجهات من خلال ثلاثة عملاء برمجيين متسلسلين ضمن حزمة SDK. أولاً، يدير عميل الخدمة (ServiceClient) الإعدادات على مستوى المنصة مثل أدوار التنفيذ ومواقع التخزين، ويبدأ الجلسة. ثانياً، يُنشئ هذا العميل عميل التدريب (TrainingClient) المسؤول عن عمليات التدريب والتحقق من النقاط (Checkpointing). ثالثاً، يُنشئ عميل التدريب عميل العينة (SamplingClient) الخاص بتوليد النصوص وحساب الاحتمالات أثناء التقييم. كما توفر الجلسة النشطة نقطة نهاية متوافقة مع واجهات OpenAI، مما يسمح باستخدام أكواد العملاء الحالية مباشرةً.
توزيع المسؤوليات في حلقات التعلم التعزيزي
في سياق التعلم التعزيزي، تتخذ حلقة التدريب شكلاً مميزاً يوضح تقسيم الأدوار بدقة. يقوم النظام أولاً بعينة من النموذج الحالي على وحدة معالجة الرسوميات، ثم ينتقل التحكم إلى كود بايثون المحلي للمطور لتقييم المخرجات باستخدام دالة مكافأة أو أداة تحقق. بعد ذلك، تُعاد النتائج إلى الخدمة لتنفيذ تحديث التدرجات على وحدة المعالجة، وأخيراً يتم تحديث العينة لتعكس النموذج المحدث. هذا التقسيم يضمن أن العمليات المكثفة حسابياً تتم على البنية التحتية المُدارة، بينما تبقى منطق التحكم والدفع في يد المطور.
نموذج فوترة مرن وموجه للنتائج
تتميز هذه الواجهات بنظام فوترة يعتمد على عدد الرموز المعالجة (Per-token billing) بدلاً من الفوترة بالساعة. هذا يعني أن المستخدم يدفع فقط مقابل الحسابات التي تستهلك موارد وحدة معالجة الرسوميات. إذا استغرقت دالة المكافأة عشر ثوانٍ للتشغيل على جهاز المستخدم المحلي، فإن لا يتم احتساب أي تكلفة على وحدة المعالجة خلال تلك الفترة. يوفر هذا النموذج مزايا عملية كبيرة، حيث لا توجد تكلفة للوقت الضائع في تحميل البيانات أو التصحيح، كما أن التكاليف تتناسب مع حجم البيانات وحجم التوليد، مما يجعل التنبؤ بالمصاريف أسهل مقارنةً باحتياطي وحدات المعالجة طوال مدة الجلسة.
أدوات عملية ومكتبات جاهزة للاستخدام
إلى جانب إطلاق الخدمة، أصدرت أمازون دفتر وصفات (Cookbook) يحتوي على وصفات جاهزة للتشغيل لتقنيات التكييف الدقيق والتعلم التعزيزي، والتي يمكن استخدامها كنماذج أولية لحلقات التدريب المخصصة. تشمل الأمثلة حلقة تعلم تعزيزي بسيطة على مسائل رياضيات للمدرسة الابتدائية (GSM8K)، بالإضافة إلى أحمال عمل حقيقية تتضمن التعلم التعزيزي على مسائل البرمجة التنافسية، حيث يتم تقييم الكود المولد من خلال تشغيله ضد اختبارات الوحدة. تستهدف هذه الأدوات فرق البحث في ما بعد التدريب والمحاذاة، وفرق التطوير التي تحتاج إلى خوارزميات مخصصة لا يمكن التعبير عنها عبر الإعدادات التقليدية.
المصادر
- AWS Machine Learning BlogWrite your own training loop — without managing GPUs — with Amazon SageMaker training session APIs
تابع التسلسل الزمني
تغطية الكيانات المرتبطة
أخبار مرتبطة
أمازون تتيح تطبيق ChatGPT على Bedrock في GovCloud للحكومات
تتيح أمازون الآن استخدام تطبيق ChatGPT عبر Amazon Bedrock في AWS GovCloud (US)، مما يوفر بنية آمنة للوكالات الحكومية مع التحكم الكامل في البيانات والوصول.
مواقع الويب الكبرى تغلق أبوابها أمام وكلاء الذكاء الاصطناعي
تواجه وكلاء الذكاء الاصطناعي المستقلة عوائق متزايدة من مواقع مثل أمازون وديلتا، مما يثير تساؤلات حول فائدتها العملية وقدرتها على تنفيذ المهام نيابة عن المستخدمين.
أمازون ترفع كفاءة تدريب نماذج MoE بنسبة 40% عبر EKS وEFA
تقدم أمازون ويب سيرفيسز معمارية جديدة لتدريب نماذج مزيج الخبراء (MoE) باستخدام التعلم المعزز، مما يحقق زيادة 40% في الإنتاجية عبر تكامل EKS وEFA وDeepEP.
جوجل تنضم إلى OpenAI وAnthropic في دعم إشارات حظر الزحف
تلتزم جوجل وOpenAI وAnthropic ومايكروسوفت باحترام توجيه جديد في robots.txt يتيح للمدونات التحكم في زحف بيانات تدريب الذكاء الاصطناعي التوليدي.
