نماذج الذكاء الاصطناعي العربية: إلى أين وصلنا حتى الآن؟

تواصل الدول العربية السعي لتطوير نماذجها الخاصة، مستهدفة الحصول على مكانة مؤثرة في المستقبل الرقمي.

أظهرت السنوات الأخيرة وجود نماذج عربية عدة تعكس رغبة المنطقة في لعب دور رئيسي في هذا المجال الحيوي.

يطرح السؤال الأبرز: هل يمكن لهذه النماذج منافسة عمالقة عالميين مثل تشات جي بي تي وجيمناي وغروك أم تظل مجرد بدائل مكملة للنماذج الغربية بحاجة إلى تطوير؟

أبرز نماذج الذكاء الاصطناعي التي أطلقتها الدول العربية

هيوماين تشات

يقدم نموذج هيوماين تشات كجيل جديد من علامة Allam، وهو أول نموذج عربي عام ومجاني بالكامل، ويتفاعل باللغتين العربية والإنجليزية مع تركيز خاص على العربية الفصحى واللهجات المحلية كالسعودية والمصرية والأردنية واللبنانية مع تصميم يعكس الهوية الثقافية والقيم المحلية.

ويقتصر استخدامه حالياً على المملكة، لكنه مُخطط لإطلاقه في بقية منطقة الشرق الأوسط خلال أكتوبر.

أرامكو ميتابرين

أعلنت أرامكو عن نموذج أرامكو ميتابرين وهو من أضخم النماذج الصناعية في العالم، يضم 250 مليار معامل.

يُدرب على 7 تريليونات نقطة بيانات تمتد عبر 90 عاماً من العمليات النفطية والهندسية، ويُستخدم داخلياً لدعم موظفي الشركة في حل المشكلات الصناعية المعقدة وتحسين الكفاءة التشغيلية من خلال الذكاء اللغوي والتحليلات اللحظية والحوسبة الكمية.

تندرج هذه الجهود ضمن خطة المملكة لرفع مساهمة الذكاء الاصطناعي في الناتج المحلي الإجمالي إلى 12% بحلول 2030.

نور

نور واحد من نماذج اللغة العربية الكبيرة أطلقه معهد الابتكار التكنولوجي في أبوظبي عام 2022 بالتعاون مع لايت أون الفرنسية وبحجم 10 مليارات معامل.

دُرب على أكبر مجموعة بيانات عربية تضم نصوصاً من الويب والكتب والصحافة والشعر والمعلومات التقنية بهدف فهم عميق للفصحى، وهو متاح للأكاديميين والباحثين دون طرحه للعامة.

فالكون

فالكون سلسلة إماراتية بارزة في مجال النماذج اللغوية الكبيرة، بدأت بـ Falcon-40B في مايو 2023 كخطوة مفتوحة المصدر بحجم 40 مليار معامل ثم تطورت إلى Falcon-180B في سبتمبر 2023 بحجم 180 مليار معامل وتدريب يصل إلى 3.5 تريليون رمز.

يُعد من أقوى النماذج المفتوحة المصدر عالمياً ومتاحاً للمطورين عبر منصات مثل هجينغ فيس، ثم أطلق المعهد في 2025 Falcon H1 بنهج هجيني لزيادة سرعة الاستدلال مع تقليل استهلاك الذاكرة وتتراوح أحجامه من 500 مليون إلى 34 مليار معامل، مع دعم أكثر من 100 لغة عبر تشفير متعدد اللغات.

كما ظهر Falcon Arabic كنموذج مخصص للعربية بحجم 7 مليارات معامل، مدرب على العربية الفصحى واللهجات الإقليمية ويُزعم أن أداؤه ينافس نماذج تفوقه حجماً بعشر مرات.

JAIS

JAIS نموذج لغوي مفتوح المصدر طورته شركة جي 24 الإماراتية وجامعة محمد بن زايد للذكاء الاصطناعي مع سيريبراس سيستمز، إلا أن الشركة سحبت الموارد منه وتركت إكماله والتركيز على ميزات مبنية على نماذج طورتها شركات أخرى مثل OpenAI.

فنار

فنار نموذج لغوي طوره معهد قطر لبحوث الحوسبة بالتعاون مع وزارة الاتصالات وتكنولوجيا المعلومات القطرية وجهات مختلفة، ودُرب على نحو 1.3 تريليون رمز نصي و300 مليار كلمة عربية من مصادر تراثية وثقافية ودينية لضمان اتساق النموذج مع الهوية القطرية.

يمتاز بفهم عميق للهجة القطرية واللهجات العربية، ويدعم الترجمة والتلخيص والإجابة عن الأسئلة وتوليد الصور والصوت عبر تطبيقات متعددة الوسائط. ويتضمن فنار 7B كنسخة أساسية وFanar Prime بقوة 9B.

عقل

عقل هو نموذج الذكاء الاصطناعي المصري من شركة وايد بوت بدعم سعودي، وهو أول نموذج مصري ضخم بحجم 7 مليارات معامل.

دُرب على العربية بلهجاتها إضافة إلى الإنجليزية والفارسية والتركية والعبرية، وهو مخصص للاستخدام المؤسسي وليس كنموذج مفتوح للعامة.

يظل المشروع الوطني المصري الرسمي قيد التنفيذ ضمن استراتيجية الذكاء الاصطناعي 2025-2030، ولم يُعلن عن إطلاق نموذج حكومي آخر حتى الآن.

كيف استعانت النماذج العربية بالخبرات العالمية؟

اعتمدت النماذج والشركات المشاركة على شراكات تقنية عالمية للاستفادة من بنية تحتية وخبرات في تطوير وتدريب نماذج الذكاء الاصطناعي العربية.

تعاونت هيوماين مع Groq لتوفير نماذج لغوية مفتوحة المصدر على منصة GroqCloud داخل السعودية، واستثمرت في بنية سحابية وبنى حوسبة عالية الأداء عبر AWS وAMD لتطوير البنية التحتية للذكاء الاصطناعي.

عززت الإمارات التعاون التقني مع NVIDIA لتسهيل نشر فالكون على نطاق مؤسسي، حيث جرى دمج Falcon H1 في منصة خدمات NVIDIA السحابية، فيما تعاونت قطر مع Google Cloud لاستضافة وتدريب فنار.

هل نماذج الذكاء الاصطناعي العربية بدائل حقيقية لنظيراتها العالمية؟

أثبتت نماذج عربية مثل فالكون أرابيك ونور قدراتها في اللغة العربية وتفوقت في إنتاج النصوص والتعامل مع المهام العربية مقارنة بنظائرها الأكبر حجماً، وتظهر المنطقة قدرتها على المنافسة في سياق العربية تحديداً.

تقدم هذه النماذج إضافة مهمة لسد فجوة لغوية وثقافية وتدعم بنية تحتية للذكاء الاصطناعي في المنطقة، كما أنها تقرب المستخدم العربي من تقنيات الذكاء الاصطناعي بلغته ولهجته وتعزز توفرها محلياً.

لكن يظل الطريق طويلاً أمامها للوصول إلى اختراق عالمي، إذ تحتاج إلى تدريب على تريليونات الرموز وتحسيناً مستمراً وتبسيطاً في الاستخدام اللغوي والحوار ورفع مستوى الأداء عبر تنوع لغوي وتكامل مع بنى إنتاجية واقتصادية أوسع.