مقدمة في Vertex AI

نظرًا لتطور المناظر الطبيعية السريع للذكاء الاصطناعي، فإن واحدة من أكبر العوائق التي يتعرض لها قادة التكنولوجيا غالبًا هي الانتقال من كونها “تجريبية” إلى كونها “جاهزة للشركات”. في حين أن بوتات الدردشة التفاعلية وسطحات التفاعل تساعد في خيال الجمهور، لا يمكن للشركات النجاح مع واجهة دردشة فقط. في عصر حيث المنافسة أكثر عدوانية من أي وقت مضى، تحتاج الشركات إلى نظام بيئي قوي ومتسع وأمني، وهذا ما يحاول جوجل تقديمه مع Vertex AI، منصة الذكاء الاصطناعي والتعلم الآلي الموحدة لجوجل كلاود.

تحاول Vertex AI تعزيز نفسها كالعصب للدماغ للتكامل مع البنية السحابية الحديثة، وتقدم مجموعة شاملة من الميزات التي تصل بين الفجوة بين نماذج الأساس الخام والمتطلبات الإنتاجية. Vertex AI ليست مجرد غطاء لنماذج اللغة الكبيرة (LLMs)، بل هي نظام موحد للتعلم الآلي والذكاء الاصطناعي (ML/AI) يعامل الذكاء الاصطناعي كمواطن من الدرجة الأولى للبنية السحابية الحديثة.

في قلب Vertex AI يقع Model Garden، سوق مركزي يوفر الوصول إلى أكثر من 200 نموذج أساسي معالج، بما في ذلك Gemini 2.5 Pro، الذي يضم نافذة سياق توكن ضخمة تبلغ 2 مليون توكن. في هذه المقالة، سنقوم بتفكيك هندسة Vertex AI، واستكشاف كيف يخدم Model Garden كمتجر التطبيقات للذكاء، وننظر إلى الركائز الفنية التي تجعل هذه المنصة العمود الفقري للجيل التالي من البرمجيات الشركات.

الهندسة الأساسية: منصة موحدة

Vertex AI ليست مجموعة من الأدوات غير المتوافقة، بل نظام بيئي موحد للبيانات والذكاء الاصطناعي مصمم لجسر الفجوة بين تجزئة البيانات والأدوات والفرق التي تعاني منها التعلم الآلي حتى اليوم. تقليديًا، يتم تطوير الذكاء الاصطناعي في بيئات معزولة، وأحيانًا يتم تخزين البيانات في مستودعات متعددة. على سبيل المثال، قد تخزن المنظمات بيانات العملاء في مستودعات SQL بينما يتم إلقاء الوثائق غير المهيكلة في بحيرة البيانات. عندما يتم عزل البيانات، يرى الذكاء الاصطناعي فقط “الحقيقة الجزئية”، مما يؤدي إلى نتائج متحيزة أو معدلات هلوسة عالية لأنها تفتقر إلى السياق الكامل للمؤسسة.

تحاول Vertex AI دمج دورة الحياة بأكملها، من استهلاك البيانات الخام في BigQuery و Cloud Storage إلى مراقبة الإنتاج، وتعمل بشكل أساسي كـ “نسيج رابط” بين هذه الفجوات. Vertex AI تدمج بشكل طبيعي مع Cloud Storage و BigQuery، مما يسمح للنماذج بالحصول على البيانات دون أنابيب استخراج وتحويل وتحميل معقدة.

الأساس: جهاز الحاسوب الفائق لجوجل

تقع طبقة GenAI من Vertex AI على رأس هندسة جهاز الحاسوب الفائق لجوجل، نظام حوسبة متكامل يتكون من:

TPU v5p & v5e (وحدات معالجة التنسور)

وحدات معالجة التنسور المخصصة لجوجل هي دوائر متكاملة تطبيقية مخصصة مصممة خصيصًا للضرب Матрикс الذي يحدد التعلم العميق.

• TPU v5p (الأداء): هذا هو المسرع الرئيسي للتدريب على نطاق ضخم. يمكن أن يتوسع كلpod من TPU v5p إلى 8,960 شريحة متصلة بواسطة Inter-Chip Interconnect الأعلى لجوجل (ICI) عند 4,800 جيجابيت في الثانية. بالنسبة لمدير التكنولوجيا، هذا يعني تدريبًا أسرع 2.8 مرة لنموذج GPT-3 الحجم (175B معامل) مقارنة بالجيل السابق، مما يقلل بشكل كبير من وقت التسويق.
• TPU v5e (الكفاءة): مصمم لل أداء “مُثلى التكلفة”، v5e هو الحصان للتدريب على نطاق متوسط والاستدلال عالي الإنتاجية. يوفر حتى 2.5 مرة أفضل أداء للتكلفة، مما يجعله الخيار المثالي للشركات التي تحتاج إلى تشغيل الاستدلال 24/7 دون ميزانية ضخمة.

NVIDIA H100/A100 GPUs للتنوع

في حين أن وحدات معالجة التنسور مخصصة، يعتمد العديد من فرق التطوير على نظام NVIDIA CUDA. توفر Vertex AI دعمًا من الدرجة الأولى لأحدث أجهزة NVIDIA:

• NVIDIA H100 (Hopper): مثالي للتعديل الدقيق لأكبر النماذج المفتوحة المصدر (مثل Llama 3.1 405B) التي تتطلب نطاقًا كبيرًا من عرض النطاق الترددي.
• جupiter Networking: لمنع “عقبة الشبكة”، يستخدم جوجل شبكة نسيج مركز البيانات جوبيتر. هذا يضمن أن البيانات تتحرك بين وحدات معالجة الرسومات بسرعة البرق، مع دعم RDMA (الوصول المباشر إلى الذاكرة عن بُعد) لتجاوز عبء المعالجة المركزية وتقديم أداء قريب من المحلي عبر العقد الموزعة.

التوجيه الديناميكي

التغيير الفني الأكثر أهمية في Vertex AI هو التوجيه الديناميكي. في بيئة تراثية، إذا فشلت عقدة معالجة الرسومات أثناء تشغيل التدريب لمدة ثلاثة أسابيع، قد ينهار العمل كله.

• الاستجابة التلقائية: Vertex AI، التي تعمل غالبًا بواسطة جوجل كلاود إنجن (GKE) تحت الغطاء، تتميز bằng “الاستجابة الذاتية” للعقد. إذا تم اكتشاف عطل الأجهزة، يتم نقل الحمل تلقائيًا إلى عقدة صحية.
• مجدول العمل الديناميكي: يسمح هذا الأداة للفرق بطلب السعة بناءً على الضرورة. يمكنك اختيار Flex Start (أرخص، يبدأ عندما تكون السعة متاحة) أو السعة المضمونة للإصدارات الحاسمة.
• التدريب بدون خادم: لمساعدة الفرق التي تريد إدارة البنية التحتية صفر، يسمح Vertex AI التدريب بدون خادم للفرق بتقديم رمزهم وبياناتهم؛ يقدم المنصة الكلستر، ويقوم بالعمل، ويفككها – ويتحمل فقط ثانية الحوسبة المستخدمة.

نقاط الدخول الثلاث: الاكتشاف، التجربة، والتحكم الآلي

للموافقة مع مختلف الشخصيات الفنية – من علماء البيانات إلى مطورين التطبيقات – توفر Vertex AI ثلاث نقاط دخول رئيسية:

• Model Garden: سوق الاكتشاف.
• Vertex AI Studio: ملعب التجربة.
• Vertex AI Agent Builder: مصنع التحكم الآلي.

Model Garden: سوق الاكتشاف

Model Garden لجوجل كلاود هي منصة مركزية داخل جوجل كلاود لاكتشاف وتجريب وتخصيص وتحميل مجموعة واسعة من نماذج الذكاء الاصطناعي، بما في ذلك نماذج متعددة الوسائط (رؤية، نص، رمز) لمختلف الاحتياجات التجارية، وتوفر دمجًا سلسًا مع أدوات Vertex AI لعمليات التعلم الآلي الموحدة.

يقسم Model Garden نماذجه إلى ثلاث فئات متميزة، مما يسمح للمهندسين بالتوازن بين الأداء والتكلفة والسيطرة:

1. نماذج جوجل (النماذج الأولى): هذه هي نماذج متعددة الوسائط الرائدة المتاحة داخل Vertex AI، وتوفر جوجل هذه النماذج بأحجام مختلفة، تتراوح من Pro مع منطق معقد إلى Flash مع تأخير منخفض، وحجم كبير، مما يسمح للمطورين بتحسين نماذجهم وفقًا لاستخداماتهم.
2. نماذج طرف ثالث (نماذج مملوكة): من خلال الشراكات الاستراتيجية، توفر Vertex AI وصولًا إلى “نموذج كخدمة” (MaaS) لنماذج مثل Anthropic (Claude 3.5) و Mistral AI. بدلاً من إدارة فواتير وأدلة أمان منفصلة لخمس مقدمي خدمات الذكاء الاصطناعي مختلفين، يمكن لفريق التكنولوجيا الوصول إلى جميعهم من خلال مشروع جوجل كلاود الحالي، باستخدام تنسيق واجهة برمجة التطبيقات الموحد.
3. نماذج مفتوحة المصدر ووزن مفتوح: تتضمن هذه الفئة Meta’s Llama 3.2، Mistral، و Gemma المملوكة لجوجل. هذه النماذج مثالية للشركات التي تريد نشر النماذج داخل شبكتها الافتراضية الخاصة (VPC) لضمان عزل البيانات الأقصى.

في بيئة غير موحدة، يتطلب نشر نموذج مفتوح المصدر مثل Llama إعداد بيئة PyTorch وتكوين سائق CUDA وإدارة غلاف Flask أو FastAPI.

ي消 Model Garden هذه “مرحلة المعالجة” من خلال نقاط النهاية الموحدة:

• نشر بلمسة واحدة: بالنسبة للعديد من النماذج، يؤدي النقر على “نشر” تلقائيًا إلى توفير الموارد اللازمة لوحدات معالجة التنسور/الرسومات، وغرف النموذج في حاوية جاهزة للإنتاج، وتوفير نقطة نهاية واجهة برمجة التطبيقات.
• دمج Hugging Face: الآن يسمح Vertex AI للمطورين بنشر النماذج مباشرة من Hugging Face Hub إلى نقطة نهاية Vertex، مما يوفر توسيعًا شبه لا نهائي للذكاء المتاح.
• اتصال الخدمة الخاصة (PSC): بالنسبة للصناعات الخاضعة للتنظيم بشدة، يمكن نشر النماذج باستخدام اتصال الخدمة الخاصة، مما يضمن أن نقطة نهاية النموذج لا يتم الكشف عنها أبدًا على الإنترنت العام – مما يحافظ على حركة البيانات بشكل صارم داخل الشبكة الشركة.

Vertex AI Studio: ملعب التجربة

في حين أن Model Garden يتعلق بالاختيار، Vertex AI Studio يتعلق بالدقة. يمكن مقارنة Vertex AI Studio بالمجمعات والمنبهات التي تظهر في عالم البرمجيات التقليدية. Vertex AI Studio هو مساحة العمل حيث يتم تشكيل النماذج الخام إلى أدوات أعمال محددة من خلال مزيج من هندسة البرومبت، واختبار متعدد الوسائط، وضبط المعاملات المتقدم.

البروتوتايب المتعدد الوسائط: ما وراء النص

أحد الميزات البارزة في الاستوديو هي دعمه الأصلي لمتعددة الوسائط. في حين أن منصات أخرى تتطلب ترميزًا معقدًا لمعالجة بيانات غير نصية، يسمح Vertex AI Studio لك بتحميل الملفات مباشرة إلى الواجهة لاختبار قدرات Gemini 2.5.

• ذكاء الفيديو: يمكنك تحميل مفتاح تقني مدته 45 دقيقة وطلب من النموذج “تحديد كل مرة يتم ذكر واجهة برمجة تطبيقات معينة وتقديم ملخص موصوف بالتوقيت.”
• تحليل الوثائق: بدلاً من قراءة النص فقط، يمكن للنموذج تحليل التخطيط البصري لملف PDF يصل إلى 1,000 صفحة، وفهم العلاقة بين الرسومات والجداول والنص المحيط.
• تنفيذ الرمز: يsupports Studio الآن تنفيذ الرمز في الملعب. إذا سألت النموذج حل مشكلة رياضية معقدة أو تحليل ملف CSV، يمكن للنموذج كتابة وتنفيذ الرمز في بيئة آمنة محمولة لتقديم إجابة محققة.

التخصيص المتقدم: مسار الضبط

عندما تصل هندسة البرومبت (Zero-shot أو Few-shot) إلى الحد الأقصى، يوفر Vertex AI Studio المعدات الثقيلة: ضبط النموذج.

1. التحسين الدقيق الموجه (SFT): يقدم المطورون مجموعة بيانات من “البرومبت/الاستجابة” (مثاليًا 100+ مثال). هذا يعلم النموذج أن يتبنى صوت علامة تجارية معينة، أو تنسيق الإخراج (مثل JSON مخصص)، أو жарونات محددة بالصناعة.
2. مخزن السياق: بالنسبة للشركات التي تتعامل مع مجموعات بيانات كبيرة وثابتة (مثل مكتبة قانونية أو قاعدة بيانات)، يسمح Studio ب مخزن السياق. هذا يسمح لك “بتحميل الملفات” مليون توكن من البيانات إلى ذاكرة النموذج، مما يقلل بشكل كبير من التأخير والتكاليف لمعاملات لاحقة.
3. التنسيق (المعلم-الطالب): هذا هو تحرك معماري رفيع المستوى. يمكنك استخدام نموذج ضخم (Gemini 2.5 Pro) “لتحديث” نموذج أصغر وأسرع (Gemini 2.0 Flash). النتيجة هي نموذج خفيف الأداء يعمل على مستوى “Pro” ولكن ي चलत بسرعة ويتكلف “Flash”.

Vertex AI Agent Builder: مصنع التحكم الآلي

Vertex AI Agent Builder هو إطار عمل توجيه عالي المستوى يسمح للمطورين بإنشاء هذه الوكلاء من خلال دمج نماذج الأساس مع بيانات الشركات وواجهات برمجة التطبيقات الخارجية.

هندسة “الحقيقة”: التأصيل و RAG

العقبة الفنية الرئيسية للذكاء الاصطناعي في الشركات هي الهلوسة. يحل Agent Builder هذه المشكلة من خلال محرك تأصيل متقدم.

• التأصيل مع بحث جوجل: بالنسبة للاستفسارات التي تتطلب معرفة العالم في الوقت الفعلي (مثل “ما هي معدلات الرهن العقاري الحالية في نيويورك؟”)، يمكن للوكيل إجراء بحث جوجل، واستخراج الحقائق، وذكر مصادره.
• بحث Vertex AI (RAG كخدمة): بدلاً من بناء قاعدة بيانات متجهة يدوية (Pinecone، Weaviate)، يمكن للمطورين استخدام بحث Vertex AI لتحويل مستنداتهم (PDFs، HTML، BigQuery). يتعامل تلقائيًا مع خطوات “التجزئة” و “التضمين” و “الاسترجاع”، مما يضمن أن الوكيل ي回答 فقط بناءً على “مصدر الحقيقة” الداخلي.
• محرك RAG لجوجل: لتطبيقات مخصصة على نطاق واسع، يسمح هذا الخدمة الإدارة ببحث هجين (مزيج من نتائج متجهة ونتائج كلمات رئيسية) لتحسين الدقة بنسبة تصل إلى 30% أكثر من مخرجات LLM القياسية.

توجيه الوكيل المتعدد (بروتوكول A2A)

تتطلب سير عمل الشركات المتقدمة غالبًا وكلاء متخصصين يعملون معًا. يطرح Vertex AI بروتوكول الوكيل إلى الوكيل (A2A)، معيار مفتوح يسمح:

• “الوكيل السفر”: يتحدث إلى “وكيل المالية” لضمان حجز رحلة ضمن الميزانية الشركة.
• التوافق: نظرًا لاستخدام بروتوكول مفتوح، يمكن للوكلاء بنيت على Vertex التواصل مع أولئك المبنيين على إطارات عمل أخرى مثل LangChain أو CrewAI.

مجموعة المطور: ADK و محرك الوكيل

للمجموعة “منصة التكنولوجيا”، يوفر Agent Builder مسارين متميزين:

1. واجهة بدون كود: واجهة سحب وإفلات للبروتوتايب السريع وتكوين المستخدم.
2. حزمة تطوير الوكيل (ADK): أداة كود أولية للهندسة. يسمح ب “البرومبت كود”، ودمج التحكم في الإصدار، وتنفيذ Vertex AI محرك الوكيل – وقت تشغيل يدير تثبيت الدورة، وتوسيع النطاق، وإدارة الحالة تلقائيًا.

الختام: من “ماذا لو” إلى “ماذا بعد”

الانتقال من عرض ذكاء اصطناعي ممتع إلى تطبيق شركات جاهز للإنتاج كان دائمًا “وادي الموت” لمشاريع التحول الرقمي. كما هو موضح، صممت Vertex AI خصيصًا لجسر هذه الفجوة. من خلال توحيد الفجوات المتجزئة للبيانات والبنية التحتية وتنسيق النموذج، نقلت جوجل كلاود المحادثة بعيدًا عن القوة الخام لنماذج اللغة الكبيرة وباتجاه النضج التشغيلي لدورة حياة الذكاء الاصطناعي.