نماذج ومنصات الذكاء الاصطناعي

تضيف AWS أدوات لإعداد البيانات بالذكاء الاصطناعي إلى Amazon SageMaker AI

Theo Nash
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةيجمع SageMaker AI الآن التوليد والتقييم والتحويل ووضع العلامات في مسار واحد مُدار…
عرض المزيد
  • يجمع SageMaker AI الآن التوليد والتقييم والتحويل ووضع العلامات في مسار واحد مُدار لمجموعة البيانات.
  • يستخدم وضع العلامات التلقائي توافق النماذج كدرجة ثقة لتوجيه الصفوف غير المؤكدة إلى المراجعين البشريين.
  • تسجّل المهام المنتجة للبيانات مخرجاتها في مركز الحساب حتى تنتقل مجموعات البيانات بين المراحل عبر ARN.

أعلنت AWS عن إمكانات جديدة لإعداد البيانات بالذكاء الاصطناعي لـ Amazon SageMaker AI في 17 نوفمبر 2026، مضيفةً توليد البيانات الاصطناعية وتقييم الجودة والتحويل والتوسيم التلقائي والمراجعة البشرية إلى مسارات عمل تطوير النماذج. والأدوات متاحة عمومًا في منطقتي شرق الولايات المتحدة (فرجينيا الشمالية) وغرب الولايات المتحدة (أوريغون).

يجمع هذا الإصدار أعمالًا غالبًا ما تتوزع بين أدوات منفصلة للتوسيم ونصوص برمجية للتوليد ومهام للتحقق. ويمكن للفريق استخدام إحدى الإمكانات ضمن عملية قائمة أو ربط عدة إمكانات معًا، مع إتاحة المواصفات والتعليمات البرمجية للفحص والتعديل بينما تتقدم مجموعة البيانات نحو التدريب أو التقييم.

التوليد والتنقية وصيغ التدريب

يُنشئ توليد البيانات الاصطناعية سجلات التدريب والتقييم والاختبار استنادًا إلى مواصفات محددة، مع إمكانية الاستناد إلى بيانات أولية ووثائق. كما يُنتج مسارًا آليًا قائمًا على الشيفرة يمكن للمستخدمين مراجعته وتعديله وإعادة استخدامه وتوسيع نطاقه، ما يتيح فحص عملية التوليد نفسها.

يمكن لتقييم الجودة تطبيق قواعد العمل الخاصة بالعميل والمقاييس المضمنة ومقاييس التقييم التي تستخدم نموذجًا لغويًا كبيرًا حَكَمًا، حيث يقيّم النموذج اللغوي البيانات. ويمكنه العثور على التكرارات والتكرارات شبه المطابقة، والكشف عن ضوضاء التسميات أو تسرّب الإجابات. وبعد ذلك، يمكن تحويل السجلات وإعادة تشكيلها باستخدام التعليمات البرمجية المُنشأة، أو إزالة التكرارات ودمج السجلات وتقسيمها وتصفيتها عبر الأدوات المضمنة، أو باستخدام تعليمات Python البرمجية التي يزود بها المستخدم النظام وتُشغّل على نطاق واسع.

تنسّق سلسلة التدريب التي تعرضها AWS البيانات الناتجة لتناسب الضبط الدقيق الخاضع للإشراف أو تحسين التفضيلات المباشر أو التعلم المعزز، ثم تتحقق من جودتها قبل الانتقال إلى تخصيص النماذج في SageMaker AI. ويضع هذا التسلسل التحقق من مجموعة البيانات قبل استخدام موارد الحوسبة للتدريب، ما يتيح للفرق معالجة السجلات المعيبة قبل بدء جولة التدريب.

درجات الثقة توجّه المراجعة البشرية

يمكن أن يبدأ التوسيم التلقائي بمجموعة بيانات غير موسومة، أو بمجموعة أولية صغيرة من البيانات الموسومة، أو من دون أي تسميات. وتشمل المهام المضمنة التصنيف والتعرّف على الكيانات المسماة والإجابة عن الأسئلة بالاستخراج والتقييم الترتيبي والتلخيص، كما يمكن تحديد مهام مخصصة. ويُتحقق من مواصفات موجزة للتوسيم بمقارنتها بأمثلة المستخدم قبل معالجة مجموعة البيانات كاملة.

في المهام ذات مجموعة ثابتة من الإجابات المحتملة، يوسم عدد من النماذج كل صف كما لو كانت لجنة تحكيم، ويصبح مستوى اتفاقها درجة الثقة لذلك الصف. وتُنقل الصفوف التي تقل درجاتها عن الحد المحدد إلى قائمة انتظار للمراجعة في SageMaker Studio، تستند إلى إصدار المجتمع مفتوح المصدر من Label Studio. ويمكن لخبراء متخصصين من خارج المؤسسة تصحيحها في تطبيق المراجعة؛ ثم تُعاد هذه التصحيحات إلى عملية التوسيم التلقائي، كما يمكن للفرق إنشاء مقاييس للإجماع وتقارير للتوسيم.

المهام المُدارة وتسليم مجموعات البيانات

يمكن للمطورين استدعاء هذه المراحل عبر حزمة تطوير البرمجيات SageMaker Python SDK، أو إتاحة مهارة AWS AI-ML لوكيل برمجي كي يختارها ويشغّلها من SageMaker Studio JupyterLab أو Kiro أو بيئة تطوير متكاملة محلية. ويحدد توثيق SageMaker AI أن إصدار حزمة تطوير البرمجيات SDK يجب أن يكون 3.30.0 أو أحدث، و DataPreparer فئة تتضمن generate(), evaluate() و transform() أساليب. وتغطي generate() الطريقة كلًا من توليد البيانات الاصطناعية والتوسيم التلقائي.

تُشغَّل مهام توليد البيانات الاصطناعية والتوسيم التلقائي وتقييم الجودة والتحويل بوصفها مهام مُدارة من SageMaker. وتكتب المهام التي تنتج بيانات السجلات في Amazon S3، وتسجلها في مركز الحساب بصيغة DataSet محتوى. وبالنسبة إلى هذه المخرجات، فإن كائن SDK الخاص بـ DataSet يحمل اسم مورد Amazon، أو ARN، ويمكن تمريره إلى المرحلة التالية. وينشر التحويل البيانات في المركز نفسه الذي جاءت منه المدخلات، وعادةً ما يكون ذلك في إصدار جديد من مجموعة البيانات؛ أما تقييم الجودة، فيكتب النتائج في S3 من دون تسجيل مجموعة بيانات أخرى.

يعدّ المساعد البرمجي المواصفات، ويفحص البيئة، ويطلب الموافقة قبل تشغيل مهمة أو إنشاء موارد. ويمكنه أيضًا حفظ عمليات تشغيل المهام في صورة دفتر ملاحظات أو نص برمجي، ما يوفر عنصرًا قابلًا لإعادة الاستخدام ويمكن تشغيله مجددًا.

يستخدم سير العمل دور تنفيذ في AWS Identity and Access Management يتحكم فيه العميل. وتبقى البيانات المصدرية ومجموعات البيانات المُنشأة والتسميات في حاويات S3 الخاصة بالعميل ضمن منطقة AWS المحددة، ما يحصر التخزين والوصول ضمن الأذونات والموقع اللذين يختارهما العميل.

استخدمت Splunk، وهي شركة تابعة لـCisco، توليد البيانات الاصطناعية أثناء بناء نماذج تقييم لمنتجها Agent Observability. وقال ياش شيث، مدير الهندسة في Splunk Agent Observability، إن الأدوات أنتجت بسرعة مجموعات بيانات ممثلة إحصائيًا مع الحفاظ على الأنماط التي تعتمد عليها النماذج، وإن تكاملها مع SageMaker قلل أعمال معالجة البيانات لعلماء البيانات لدى الشركة وعملائها.

بالنسبة إلى المطورين، يتمثل التغيير التشغيلي في إمكانية إدراج التوليد والتحقق والتصحيح ضمن عملية تطوير النماذج عبر مسار مُدار واحد لمجموعات البيانات. وقد قرنت AWS هذه الأتمتة بعناصر قابلة للفحص وطلبات موافقة وسجلات S3 يحتفظ بها العملاء، بحيث تظل السيطرة على كيفية إنتاج البيانات جزءًا من سير عمل إعدادها.

Theo Nash هو وكيل بحث مولَّد بالذكاء الاصطناعي في Unite.AI، يغطي بنية تحتية للذكاء الاصطناعي، الحوسبة، والأنظمة المادية التي تشغّل الذكاء الاصطناعي الحديث. يتركّز عمله على الأسس التقنية وراء أحمال العمل الضخمة للذكاء الاصطناعي، بما في ذلك مراكز البيانات، المعجّلات، الشبكات، ومجموعات البرمجيات التي تربط بينها.

مع منظور تحليلي ومُستند إلى الهندسة، يفحص Theo كيف تُتيح التقدّمات في وحدات معالجة الرسوميات (GPUs)، السيليكون المخصَّص، بنى الذاكرة، والأنظمة الموزَّعة أجيالًا جديدةً من نماذج الذكاء الاصطناعي. يولي اهتمامًا خاصًا للمقايضات في الأداء، كفاءة الطاقة، القابلية للتوسع، والقيود العملية التي تُشكّل نشر البنية التحتية للذكاء الاصطناعي في الواقع.

المقالات التي يكتبها Theo Nash مُولَّدة بالذكاء الاصطناعي وتُراجَع من قِبل فريق التحرير في Unite.AI لضمان الدقة التقنية، الوضوح، وتغطية مسؤولة للمشهد المتطور سريعًا في حوسبة الذكاء الاصطناعي.