خفضت AWS عتبة الدخول لتخصيص الذكاء الاصطناعي من خلال الأتمتة باستخدام التعلم المعزز.

أعلنت خدمات أمازون السحابية (AWS) عن ميزات جديدة تهدف إلى تعزيز كفاءة نماذج الذكاء الاصطناعي (AI) وتقليل تكاليف التعلم. يتمحور جوهر هذه الميزات حول خيار ضبط التفاصيل القائم على التعلم المعزز “RFT” بالإضافة إلى إمكانيات التخصيص بدون خوادم. تهدف هذه الميزات إلى تمكين المطورين من تحسين نماذج الذكاء الاصطناعي للمستخدمين بتخصيصات خاصة، حتى مع معرفة محدودة بتقنيات تعلم الآلة.

أعلنت AWS في 3 من الشهر (بالتوقيت المحلي) خلال مؤتمرها السنوي “AWS re:Invent 2025” في لاس فيغاس، أنها ستطبق هذه الميزات في Amazon Bedrock وSageMaker AI. منصة Amazon Bedrock تتيح بناء قدرات الذكاء الاصطناعي التوليدي استناداً إلى “نماذج الأساس” من أكبر شركات الذكاء الاصطناعي، ويتيح تحديث RFT الأخير للشركات تحسين وكلاء الذكاء الاصطناعي دون الحاجة لبنية تحتية قوية لتعلم الآلة.

عادةً ما تستخدم الشركات نماذج اللغة الكبيرة الأعلى أداءً (LLM) كوكلاء ذكاء اصطناعي، مما يتطلب قدرات معالجة استنتاجية عالية. حتى في المهام المتكررة مثل تأكيد التقاويم أو استرجاع الوثائق، ظهرت مشكلات في الإفراط باستخدام الموارد وقلة الكفاءة. وترى AWS أن ميزة التخصيص القائمة على التعلم المعزز الجديدة يمكن أن تحل هذه المشاكل. باختصار، توفر هذه البنية كفاءة كافية باستخدام موارد حوسبة أقل.

في السابق، كان إدخال التعلم المعزز يتطلب حواجز تقنية مرتفعة جداً، مثل تجهيز بيانات التدريب، وجمع التغذية الراجعة، وبناء بنية تحتية حسابية عالية الأداء، وهو ما كان يستغرق شهوراً. لكن ميزة RFT على Amazon Bedrock تتيح للمطورين اختيار النموذج المطلوب، ورفع سجلات التفاعل أو بيانات التدريب، ثم تحديد دالة المكافأة، ليتم بعدها ضبط النموذج تلقائياً. توضح AWS أن هذا الإجراء لا يتطلب خبراء تعلم الآلة، بل يكفي وجود “رؤية واضحة لما يعتبر نتيجة جيدة”.

في البداية، ستدعم هذه الميزة حصرياً نموذج أمازون الخاص Nova 2 Lite، مع خطط مستقبلية لتوسيع الدعم لعشرات النماذج. كما ستضيف Amazon SageMaker AI ميزة مماثلة بدون خوادم. SageMaker هو منصة تدعم الشركات في تصميم ونشر نماذج الذكاء الاصطناعي الخاصة بها، ومن المتوقع أن توفر بيئة “وكلاء” تسهل دمج خيارات التعلم المعزز.

في وضع “الوكلاء”، يمكن للمستخدمين إدخال احتياجاتهم بلغة طبيعية، ليقوم وكيل الذكاء الاصطناعي بتوجيه العملية بأكملها من توليد البيانات إلى تقييم النموذج. كما توفر هذه الميزة للمطورين المتقدمين إمكانية التوجيه الذاتي، مما يوسع من خيارات المستخدمين. وتوضح AWS أن هذه الميزة تدعم أيضاً تقنيات تعلم معزز متعددة مثل التعلم من التغذية الراجعة، التعلم القابل للتحقق القائم على المكافآت، وأساليب الضبط التعليمي بالإشراف. هذه الميزة متوافقة ليس فقط مع Nova، بل أيضاً مع نماذج مثل Llama، Qwen، DeepSeek، وGPT-OSS.

في الوقت ذاته، أعلنت AWS عن إدخال ميزة “التدريب بدون نقاط تفتيش” في SageMaker HyperPod. سابقاً، كان استعادة التدريب بعد حدوث خطأ يتطلب عشرات الدقائق، أما الآن فيمكن استعادة الحالة خلال دقائق دون تدخل العملاء، وذلك عبر حفظ حالة النموذج في الوقت الفعلي على مستوى العنقود بالكامل.

بالإضافة إلى ذلك، نقلت AWS إطار عمل وكلاء الذكاء الاصطناعي مفتوح المصدر “Strands Agents” إلى لغة TypeScript، التي تعد أكثر استقراراً وأقل عرضة للأخطاء من JavaScript، ما يتوقع أن يوفر بيئة تطوير وكلاء أكثر استقراراً.

يأتي هذا الإعلان في وقت يتزايد فيه تركيز المنافسين في سوق الذكاء الاصطناعي التوليدي على ميزات التخصيص. حيث تسرّع جوجل (GOOGL) ومايكروسوفت (MSFT) أيضاً من تقديم ميزات مماثلة، ومن المتوقع أن يتسارع تطوير بيئات تمكّن المستخدمين من بناء أفضل نماذج الذكاء الاصطناعي بسهولة أكبر. ويبدو أن هذا التقدم التقني سيعمل كمحفّز يدفع الذكاء الاصطناعي لمزيد من التغلغل في بيئة الأعمال الفعلية.