تثبيت ثلاثة نماذج لغة عربية كبيرة البنية التحتية للذكاء الاصطناعي المحلي في الخليج: Falcon، الذي طوره معهد الابتكار التقني في أبوظبي وتصدّر نسخته مفتوحة المصدر Falcon 40B قوائم التنزيلات في 2023؛ وJais، النموذج ثنائي اللغة عربي-إنجليزي الذي بنته Inception بالتعاون مع Core42 وCerebras وجامعة أبوظبي للذكاء الاصطناعي في 2023؛ وALLaM، عائلة نماذج الدولة السعودية التي درّبتها هيئة البيانات والذكاء الاصطناعي SDAIA، وأصبحت بحلول 2026 متاحة عبر سحابة Bedrock من Amazon. وتحيط بها عائلة متنامية من النماذج العربية المضبوطة والأصغر والمتخصصة في قطاعات محددة.
الفرضية الكامنة وراءها جميعاً فجوة قابلة للقياس: النماذج الرائدة المدرّبة على نصوص إنجليزية وصينية بالدرجة الأولى تتعامل بشكل أضعف بشكل ملموس مع صرف اللغة العربية ولهجاتها وخطها المكتوب من اليمين إلى اليسار، ومعالجة ذلك تتطلب قصداً مقصوداً، ومدونات عربية منتقاة بعناية، وتقييماً باللغة العربية نفسها. وبالنسبة إلى قطاع الذكاء الاصطناعي في الخليج، تمثل النماذج العربية ضرورة للخدمات العامة واختبار مصداقية لادعاءات الذكاء الاصطناعي السيادي في آن واحد.
النماذج الثلاثة الرائدة
| النموذج | المطوّر | الأهمية |
|---|---|---|
| Falcon | معهد الابتكار التقني، أبوظبي | إصدارات مفتوحة المصدر منذ 2023؛ وFalcon 180B من أكبر النماذج المفتوحة في عامها؛ وإطلاق Falcon Arabic في 2025 |
| Jais | Inception مع Core42 وCerebras وMBZUAI | أول عائلة نماذج مفتوحة ثنائية اللغة عربي-إنجليزي، بقدرة 13B عند إطلاقها في 2023، ودُرّبت جزئياً على حواسيب Condor Galaxy الفائقة |
| ALLaM | SDAIA، السعودية | نماذج عربي-إنجليزي درّبتها الدولة بأحجام متعددة؛ مع نشر وطني وتوزيع سحابي |
لماذا كانت الأوزان المفتوحة مهمة
صدر Falcon وJais بأوزان مفتوحة في اللحظة التي كان المطورون حول العالم يبحثون فيها عن خيارات عملية بديلة عن GPT، وأرقام التنزيلات، حيث تصدّر Falcon 40B لفترة وجيزة قوائم Hugging Face، اشترت للمنطقة ما لم تحصل عليه تقنياتها الخليجية من قبل: حضوراً في وعي المطورين. والانفتاح أيضاً خيار سيادي، إذ يمكن استضافة النماذج على حوسبة وطنية، وتدقيقها، وضبطها للاستخدام الحكومي دون الاعتماد على واجهات برمجية خارجية، وهو ما ينسجم مع قواعد إقامة البيانات في البلدين.
الطريق السعودي: بيانات الدولة ونموذج الدولة
ما يميز ALLaM هو الوصول إلى البيانات. فـSDAIA تتولى الإشراف على برامج البيانات في المملكة، ودُرّبت ALLaM على مدونات عربي-إنجليزي منتقاة عبر المؤسسات الحكومية، وصدرت بأحجام متتابعة وأُدمجت في منصات الحكومة السعودية. وتوافرها في 2026 على AWS Bedrock، الذي أُعلن مع موجة الشراكات الأمريكية، وضع نموذجاً سعودي التدريب في كتالوج مزوّد سحابي أمريكي عملاق، وهو مؤشر ثنائي صغير في الاتجاهين.
ما الذي تُستخدم فيه النماذج فعلياً
- الخدمات الحكومية: المحادثات ومعالجة الوثائق الموجهة للمواطنين بالعربية، وهي حالة الاستخدام المحورية في البلدين.
- قطاع الأعمال: خدمة العملاء ومهام الامتثال حيث تهم دقة اللهجة والمصطلحات.
- الإعلام والمحتوى الديني: معالجة الفصحى للتطبيقات النشرية والمرجعية.
- البحث العلمي: معايير تقييم معالجة اللغة العربية العربية والتعاون الجامعي، وهي اليوم مجال عامل وليس موضوع ورش عمل.
ميزان النتائج بصراحة
ما تزال هناك فجوات. فمعايير التقييم العربي أقل نضجاً من الإنجليزية، ما يُدخل قدراً من عدم اليقين في مقارنات النماذج؛ وتغطية اللهجات، الخليجية والمصرية والشامية والمغاربية، غير متوازنة؛ كما أن أداء النماذج الإنجليزية الرائدة بالعربية يتحسن باستمرار، ما يضيّق الفجوة التي وُجدت النماذج المحلية لسدها. ويتركز الاستثمار أيضاً بشكل ساحق في البنية التحتية للحوسبة، مع فرق نماذج صغيرة نسبياً مقارنة بميزانيات الميغاواط.
والثقل المقابل هو نسب Jais نفسها: فقد دُرّب على حواسيب Cerebras Condor Galaxy في أبوظبي، وهي المنطق ذاته للحوسبة الوطنية الذي يحرك توسّع G42 في البنية التحتية، وتربط أجياله اللاحقة قصة النموذج بقصة الحوسبة، وهي حيث يتركز التمويل الخليجي فعلياً.
حجة السيادة بلغة مباشرة
لماذا تموّل الدول نماذج اللغة؟ الجواب الحاكمي هو الذي يقدمه المسؤولون: الخدمات العامة بالعربية لا ينبغي أن تعتمد على واجهات استدلال يتحكم مجلس أجنبي في سلوكها وتسعيرها وتعاملها مع البيانات، والدولة التي تدير واجهاتها مع مواطنيها على ذكاء مستأجر تكون قد أبرمت وظيفة مدنية. والجواب الاقتصادي مجاور: الذكاء الاصطناعي العربي فئة منتجات تمتد عبر أكثر من عشرين سوقاً، وامتلاك حضور موثوق فيها يضع الشركات الخليجية في موقع المورّد لمجتمع لغوي لا العميل لغيره. وكلا الجوابين يتلخص في جملة واحدة: طبقة اللغة بالغة الأهمية لتكون مستأجرة، والنماذج الثلاثة الرائدة في المنطقة هي الدليل العملي على هذه السياسة.
بناء نموذج عربي، تقنياً
ما يميز بناء النماذج العربية عن الإنجليزية هو مشكلة البيانات. فالنص العربي موجود بكميات هائلة، من مدونات كلاسيكية وأرشيفات صحفية ووسائل تواصل عبر عشرات اللهجات، لكنه مجزأ، وغير موحّد بشكل متسق، ومنحاز نحو لهجات وسجلات قليلة، لذا كان العمل الأصعب في القطاع هو انتقاء المدونات: تنظيف البيانات وترخيصها وموازنتها حتى يتعلم النموذج المدى الكامل للغة لا أضجع شرائحها. والتجزيء الرمزي هو الجبهة الثانية، فصرفية العربية الغنية تحشر المعنى في لواحق تفتتها المُجزّئات القياسية بكفاءة ضعيفة، والمُجزّئات العربية المخصصة تحسّن بشكل ملموس الأداء وتكلفة الحوسبة معاً. والتقييم هو الجبهة الثالثة، فقد بنى المجتمع مجموعات معايير عربية للاستدلال والمعرفة والسلامة، لكنها ما تزال أحدث وأقل شمولاً من نظيراتها الإنجليزية، ولهذا تحمل بطاقات النماذج هنا تحفظات أكثر من أي مكان آخر.
| التحدي | ما يفعله المطوّرون |
|---|---|
| جودة المدونات | الانتقاء والترخيص وموازنة اللهجات |
| الصرف | تجزيء رمزي واعٍ بالعربية |
| التقييم | مجموعات معايير عربية، ما تزال في طور النضج |
| تنوع اللهجات | بيانات تدريب متعددة اللهجات |
عالجت النماذج الثلاثة الرائدة هذه المشكلات بتركيزات مختلفة: فإصدارات Falcon المفتوحة حُسّنت لإعادة الاستخدام العالمي، وJais للتوازن ثنائي اللغة منذ إصدارها الأول، وALLaM للعربية المؤسسية التي تستخدمها الحكومات فعلياً، وتظهر الفروقات في النشر: مطورو العالم يضبطون Falcon، ومنصات الإمارات تشغّل خلفات Jais، وأنظمة الحكومة السعودية تشغّل ALLaM. وعائلة نماذج لكل سجل من سجلات اللغة هي ما يبدو عليه نظام بيئي ناضج، والعربية أقرب إليه من أي لغة خارج ثنائية الصينية-الإنجليزية.
لماذا يهم هذا
نماذج اللغة بنية تحتية لمستقبل لغة رقمياً: البحث والتعليم والحكومة والنشر. والعربية يتحدثها أكثر من 400 مليون شخص مع مخزون نماذج مفتوحة ضئيل، وقد اختارت دول الخليج امتلاك هذه الطبقة لا استئجارها، لأسباب ثقافية بقدر ما هي تجارية. وFalcon وJais وALLaM هي البرهان على أن هذا الاختيار قابل للتنفيذ، وأعداد تنزيلاتها ونشراتها وأجيالها اللاحقة هي المقياس الأكثر مصداقية والأكثر هدوءاً لذكاء المنطقة الاصطناعي.