ما هو جوجل فيرتكس إيه آي؟

ما هو برنامج جوجل فيرتكس للذكاء الاصطناعي؟

إذا كنت قد جربت أدوات الذكاء الاصطناعي وتساءلت عن سرّ نجاحها الشامل - من التعديلات السريعة إلى الإنتاج مع المراقبة - فهذا هو الحل الذي تسمع عنه باستمرار. يجمع Vertex AI من جوجل بين بيئات تطوير النماذج، وعمليات تعلم الآلة (MLOps)، وربط البيانات، والبحث المتجهي في منصة واحدة متطورة للمؤسسات. ابدأ بخطوات بسيطة، ثم وسّع نطاق عملك. من النادر جدًا الحصول على كل هذه الميزات في مكان واحد.

فيما يلي شرحٌ مُبسطٌ ومباشر. سنجيب على السؤال الأساسي: ما هي تقنية الذكاء الاصطناعي من جوجل فيرتكس؟ وسنوضح أيضًا كيف تتناسب مع بنيتك التقنية، وما الذي يجب تجربته أولًا، وكيف تتغير التكاليف، ومتى تكون البدائل أكثر جدوى. استعدوا جيدًا. هناك الكثير من المعلومات، لكن الطريق أسهل مما يبدو. 🙂

مقالات قد ترغب في قراءتها بعد هذه المقالة:

🔗 ما هو مدرب الذكاء الاصطناعي؟
يشرح كيف يقوم مدربو الذكاء الاصطناعي بتحسين النماذج من خلال التعليقات البشرية والتصنيف.

🔗 ما هي المراجحة بالذكاء الاصطناعي: الحقيقة وراء المصطلح الرائج
يشرح بالتفصيل المراجحة في مجال الذكاء الاصطناعي، ونموذج أعمالها، وآثارها على السوق.

🔗 ما هو الذكاء الاصطناعي الرمزي: كل ما تحتاج لمعرفته
يتناول هذا الكتاب الاستدلال المنطقي للذكاء الاصطناعي الرمزي وكيف يختلف عن التعلم الآلي.

🔗 ما هي لغة البرمجة المستخدمة في الذكاء الاصطناعي؟
يقارن بين لغات البرمجة بايثون، وR، وغيرها من اللغات المستخدمة في تطوير وبحوث الذكاء الاصطناعي.

🔗 ما هو الذكاء الاصطناعي كخدمة؟
يشرح هذا المقال منصات الذكاء الاصطناعي كخدمة (AIaaS) وفوائدها، وكيف تستفيد الشركات من أدوات الذكاء الاصطناعي السحابية.

ما هو الذكاء الاصطناعي لـ Google Vertex؟ 🚀

Google Vertex AI عبارة عن منصة موحدة مُدارة بالكامل على Google Cloud لبناء واختبار ونشر وإدارة أنظمة الذكاء الاصطناعي - تغطي كلاً من التعلم الآلي الكلاسيكي والذكاء الاصطناعي التوليدي الحديث. وهي تجمع بين استوديو النماذج وأدوات الوكلاء وخطوط الأنابيب ودفاتر الملاحظات والسجلات والمراقبة والبحث المتجهي والتكاملات الوثيقة مع خدمات بيانات Google Cloud [1].

ببساطة: إنه المكان الذي تُنشئ فيه نماذج أولية باستخدام نماذج أساسية، وتُحسّنها، وتنشرها على نقاط نهاية آمنة، وتُؤتمت العمليات باستخدام خطوط الأنابيب، وتُبقي كل شيء تحت المراقبة والحوكمة. والأهم من ذلك، أنه يُنجز كل هذا في مكان واحد - وهو أمرٌ بالغ الأهمية أكثر مما يبدو في البداية [1].

نمط عملي سريع: غالبًا ما تقوم الفرق برسم نماذج أولية في الاستوديو، ثم تُنشئ دفتر ملاحظات بسيطًا لاختبار عمليات الإدخال والإخراج على بيانات حقيقية، ثم تُحوّل هذه العناصر إلى نموذج مُسجّل، ونقطة نهاية، ومسار بيانات بسيط. عادةً ما يُخصّص الأسبوع الثاني للمراقبة والتنبيهات. الهدف ليس إنجازات استثنائية، بل ضمان قابلية التكرار.

ما الذي يجعل تقنية الذكاء الاصطناعي من جوجل فيرتكس رائعة؟ ✅

  • منصة واحدة لدورة حياة المنتج - تصميم النموذج الأولي في الاستوديو، تسجيل الإصدارات، النشر للدفعات أو في الوقت الفعلي، ثم مراقبة الانحرافات والمشاكل. تقليل التعليمات البرمجية الوسيطة. عدد أقل من علامات التبويب. مزيد من الراحة [1].

  • نماذج Model Garden + Gemini - اكتشف وقم بتخصيص ونشر النماذج من Google والشركاء، بما في ذلك أحدث عائلة Gemini، للنصوص والأعمال متعددة الوسائط [1].

  • Agent Builder - بناء وكلاء متعدد الخطوات يركزون على المهام ويمكنهم تنسيق الأدوات والبيانات مع دعم التقييم ووقت التشغيل المُدار [2].

  • خطوط أنابيب لضمان الموثوقية - تنسيق بدون خوادم للتدريب والتقييم والضبط والنشر المتكرر. ستشكر نفسك عندما يحين وقت إعادة التدريب الثالثة [1].

  • البحث المتجهي على نطاق واسع - استرجاع متجهي عالي النطاق ومنخفض زمن الوصول لـ RAG والتوصيات والبحث الدلالي، مبني على البنية التحتية من الدرجة الإنتاجية لشركة Google [3].

  • إدارة الميزات باستخدام BigQuery - احتفظ ببيانات الميزات الخاصة بك في BigQuery وقم بتقديم الميزات عبر الإنترنت من خلال Vertex AI Feature Store دون تكرار متجر غير متصل بالإنترنت [4].

  • دفاتر Workbench - بيئات Jupyter المُدارة والمتصلة بخدمات Google Cloud (BigQuery، Cloud Storage، إلخ) [1].

  • خيارات الذكاء الاصطناعي المسؤولة - أدوات السلامة بالإضافة إلى في الاحتفاظ بالبيانات الصفرية (عند تكوينها بشكل مناسب) لأحمال العمل التوليدية [5].

الأجزاء الأساسية التي ستلمسها بالفعل 🧩

1) استوديو Vertex AI - حيث تنمو الأفكار 🌱

قم بتشغيل نماذج الأساس وتقييمها وضبطها في واجهة المستخدم. مثالي للتكرارات السريعة، والمطالبات القابلة لإعادة الاستخدام، والتسليم إلى الإنتاج بمجرد أن "ينجح" شيء ما [1].

٢) حديقة النماذج - كتالوج النماذج الخاص بك 🍃

مكتبة مركزية لنماذج جوجل وشركائها. تصفح، خصص، وانشر ببضع نقرات - نقطة انطلاق حقيقية بدلاً من البحث العشوائي [1].

3) أداة إنشاء الوكلاء - لأتمتة موثوقة 🤝

مع تطور الوكلاء من مرحلة العروض التوضيحية إلى العمل الفعلي، ستحتاج إلى أدوات وأساسيات وتنسيق. يوفر برنامج Agent Builder بنية أساسية (جلسات، بنك ذاكرة، أدوات مدمجة، تقييمات) حتى لا تنهار تجارب الوكلاء المتعددين تحت وطأة فوضى العالم الحقيقي [2].

4) خطوط الأنابيب - لأنك ستكرر نفسك على أي حال 🔁

قم بأتمتة عمليات التعلم الآلي والذكاء الاصطناعي العام باستخدام منسق بدون خادم. يدعم تتبع القطع الأثرية وعمليات التشغيل القابلة للتكرار - فكر في الأمر على أنه تكامل مستمر لنماذجك [1].

5) منصة العمل - دفاتر ملاحظات مُدارة بدون الحاجة إلى حلاقة شعر الياك 📓

أنشئ بيئات JupyterLab آمنة مع سهولة الوصول إلى BigQuery و Cloud Storage والمزيد. مفيدة للاستكشاف وهندسة الميزات والتجارب المضبوطة [1].

6) سجل النماذج - نظام ترقيم الإصدارات الذي يبقى 🗃️

تتبع النماذج والإصدارات وسلسلة النسب، وانشرها مباشرة على نقاط النهاية. يجعل السجل عمليات التسليم إلى قسم الهندسة أقل غموضًا بكثير [1].

7) البحث المتجهي - برنامج RAG لا يتقطع 🧭

توسيع نطاق الاسترجاع الدلالي باستخدام البنية التحتية الإنتاجية المتجهة من جوجل - مفيد للدردشة والبحث الدلالي والتوصيات حيث يكون زمن الاستجابة مرئيًا للمستخدم [3].

8) متجر الميزات - احتفظ بـ BigQuery كمصدر موثوق للبيانات 🗂️

إدارة وتقديم الميزات عبر الإنترنت من البيانات الموجودة في BigQuery. تقليل النسخ، وتقليل مهام المزامنة، وزيادة الدقة [4].

9) مراقبة النموذج - ثق، ولكن تحقق 📈

جدولة عمليات فحص الانحراف، وتعيين التنبيهات، ومراقبة جودة الإنتاج. بمجرد حدوث أي تغيير في حركة المرور، ستحتاج إلى هذا [1].

كيف يتناسب مع بنية بياناتك 🧵

  • BigQuery - التدريب باستخدام البيانات هناك، ودفع تنبؤات الدفعات مرة أخرى إلى الجداول، وربط التنبؤات بالتحليلات أو التنشيط في المراحل اللاحقة [1][4].

  • التخزين السحابي - تخزين مجموعات البيانات والقطع الأثرية ومخرجات النماذج دون إعادة اختراع طبقة الكائنات الثنائية الكبيرة [1].

  • Dataflow & friends - تشغيل معالجة البيانات المُدارة داخل خطوط الأنابيب للمعالجة المسبقة أو الإثراء أو الاستدلال المتدفق [1].

  • نقاط النهاية أو الدفعات - نشر نقاط النهاية في الوقت الفعلي للتطبيقات والوكلاء، أو تشغيل مهام الدفعات لتسجيل الجداول بأكملها - من المحتمل أن تستخدم كليهما [1].

حالات الاستخدام الشائعة التي تحقق نجاحًا فعليًا 🎯

  • الدردشة، والمساعدين، والوكلاء - مع ربط بياناتك، واستخدام الأدوات، وتدفقات متعددة الخطوات. تم تصميم Agent Builder من أجل الموثوقية، وليس مجرد التجديد [2].

  • البحث الدلالي والبحث باستخدام RAG - اجمع بين Vector Search و Gemini للإجابة على الأسئلة باستخدام محتواك الخاص. السرعة مهمة أكثر مما نتظاهر به [3].

  • التعلم الآلي التنبؤي - تدريب نماذج جدولية أو صورية، ونشرها على نقطة نهاية، ومراقبة الانحراف، وإعادة التدريب باستخدام خطوط الأنابيب عند تجاوز العتبات. أسلوب كلاسيكي، ولكنه بالغ الأهمية [1].

  • تفعيل التحليلات - كتابة التوقعات في BigQuery، وبناء شرائح الجمهور، وتغذية الحملات أو قرارات المنتج. حلقة رائعة عندما يلتقي التسويق بعلم البيانات [1][4].

جدول مقارنة - الذكاء الاصطناعي Vertex مقابل البدائل الشائعة 📊

لمحة سريعة. رأي شخصي نوعًا ما. يُرجى مراعاة أن الإمكانيات والأسعار تختلف باختلاف الخدمة والمنطقة.

منصة أفضل جمهور لماذا ينجح؟
فيرتكس إيه آي فرق العمل على Google Cloud، مزيج من الذكاء الاصطناعي العام والتعلم الآلي الاستوديو الموحد، وخطوط الأنابيب، والسجل، والبحث المتجهي، والروابط القوية مع BigQuery [1].
AWS SageMaker المؤسسات التي تعتمد على AWS أولاً وتحتاج إلى أدوات تعلم آلي متقدمة خدمة تعلم آلي ناضجة وكاملة دورة الحياة مع خيارات تدريب ونشر واسعة النطاق.
Azure ML تكنولوجيا المعلومات المؤسسية المتوافقة مع مايكروسوفت دورة حياة التعلم الآلي المتكاملة، وواجهة المستخدم المصممة، والحوكمة على Azure.
داتابريكس للتعلم الآلي فرق ليك هاوس، تدفقات تعتمد بشكل كبير على دفاتر الملاحظات سير عمل قوي قائم على البيانات وقدرات إنتاجية متقدمة في مجال التعلم الآلي.

نعم، الصياغة غير متناسقة - الجداول الحقيقية تكون كذلك أحيانًا.

التكاليف بلغة بسيطة 💸

أنت تدفع في الغالب مقابل ثلاثة أشياء:

  1. استخدام النموذج للمكالمات التوليدية - يتم تسعيرها حسب عبء العمل وفئة الاستخدام.

  2. الحوسبة لوظائف التدريب والضبط المخصصة.

  3. يُستخدم لخدمة نقاط النهاية عبر الإنترنت أو مهام الدفعات.

للحصول على الأرقام الدقيقة وآخر التحديثات، يُرجى مراجعة صفحات التسعير الرسمية لـ Vertex AI وعروضها التوليدية. نصيحة ستشكر نفسك عليها لاحقًا: راجع خيارات التزويد والحصص المخصصة لنقاط نهاية Studio مقابل نقاط نهاية الإنتاج قبل نشر أي شيء ذي حجم كبير [1][5].

الأمن والحوكمة والذكاء الاصطناعي المسؤول 🛡️

توفر Vertex AI إرشادات الذكاء الاصطناعي المسؤول وأدوات السلامة، بالإضافة إلى مسارات التكوين لتحقيق عدم الاحتفاظ بالبيانات لبعض أحمال العمل التوليدية (على سبيل المثال، عن طريق تعطيل التخزين المؤقت للبيانات وإلغاء الاشتراك في سجلات محددة عند الاقتضاء) [5]. ويمكن دمج ذلك مع الوصول القائم على الأدوار، والشبكات الخاصة، وسجلات التدقيق لإنشاءات متوافقة مع متطلبات الامتثال [1].

متى يكون الذكاء الاصطناعي في Vertex مثاليًا - ومتى يكون مبالغًا فيه 🧠

  • مثالي إذا كنت ترغب في بيئة واحدة للذكاء الاصطناعي العام والتعلم الآلي، وتكامل سلس مع BigQuery، ومسار إنتاج يشمل خطوط الأنابيب والسجل والمراقبة. وإذا كان فريقك يضم متخصصين في علوم البيانات وهندسة التطبيقات، فإن هذه الواجهة المشتركة ستكون مفيدة للغاية.

  • قد يكون هذا حلاً غير ضروري إذا كنت تحتاج فقط إلى استدعاء نموذج بسيط أو نموذج أولي لغرض واحد لا يتطلب إدارة أو إعادة تدريب أو مراقبة. في هذه الحالات، قد تكون واجهة برمجة تطبيقات أبسط كافية في الوقت الحالي.

لنكن صريحين: معظم النماذج الأولية إما تفشل أو تفشل فشلاً ذريعاً. شركة Vertex AI تتولى الحالة الثانية.

بداية سريعة - اختبار التذوق لمدة 10 دقائق ⏱️

  1. افتح برنامج Vertex AI Studio لإنشاء نموذج أولي وحفظ بعض التوجيهات التي تعجبك. اختبره باستخدام نصوصك وصورك الحقيقية [1].

  2. قم بتحويل أفضل موجه أوامر لديك إلى تطبيق أو دفتر ملاحظات بسيط من خلال Workbench . جميل وبسيط [1].

  3. قم بتسجيل نموذج الدعم الخاص بالتطبيق أو الأصل المعدل في سجل النماذج حتى لا تقوم برمي عناصر غير مسماة [1].

  4. أنشئ مسارًا يقوم بتحميل البيانات، وتقييم المخرجات، ونشر إصدار جديد خلف اسم مستعار. التكرار يتفوق على العمل البطولي [1].

  5. أضف خاصية المراقبة لرصد أي انحرافات وتعيين تنبيهات أساسية. ستشكر نفسك في المستقبل على ذلك [1].

اختياري ولكنه ذكي: إذا كانت حالة استخدامك تتطلب البحث أو المحادثة، فأضف البحث المتجهي والتأسيس منذ البداية. إنه الفرق بين الجيد والمفيد بشكل مدهش [3].

ما هي تقنية الذكاء الاصطناعي من جوجل فيرتكس؟ - النسخة المختصرة 🧾

ما هي منصة Google Vertex AI؟ إنها منصة Google Cloud المتكاملة لتصميم ونشر وإدارة أنظمة الذكاء الاصطناعي - من مرحلة التخطيط إلى مرحلة الإنتاج - مع أدوات مدمجة للوكلاء، وخطوط المعالجة، والبحث المتجهي، ودفاتر الملاحظات، والسجلات، والمراقبة. وهي مصممة بطرق تساعد الفرق على إطلاق منتجاتها [1].

نظرة سريعة على البدائل - اختيار المسار الصحيح 🛣️

إذا كنت تستخدم AWS بكثرة، فسيبدو SageMaker Azure ML . وإذا كان فريقك يستخدم دفاتر الملاحظات ومواقع الويب، فإن Databricks ML خيار ممتاز. لا يوجد خيار خاطئ، فغالبًا ما تحدد متطلبات حجم البيانات وحوكمتها ما إذا كان ذلك صحيحًا أم لا.

الأسئلة الشائعة - أسئلة سريعة 🧨

  • هل يقتصر Vertex AI على الذكاء الاصطناعي التوليدي فقط؟ لا، يغطي Vertex AI أيضًا تدريب وتقديم التعلم الآلي الكلاسيكي مع ميزات MLOps لعلماء البيانات ومهندسي التعلم الآلي [1].

  • هل يمكنني الاحتفاظ بـ BigQuery كمخزني الرئيسي؟ نعم - استخدم Feature Store للاحتفاظ ببيانات الميزات في BigQuery وتقديمها عبر الإنترنت دون تكرار مخزن غير متصل بالإنترنت [4].

  • هل يساعد الذكاء الاصطناعي Vertex في RAG؟ نعم - تم تصميم Vector Search من أجل ذلك ويتكامل مع بقية المكدس [3].

  • كيف يمكنني التحكم في التكاليف؟ ابدأ صغيرًا، وقم بالقياس، وراجع الحصص/التخصيص وتسعير فئات أحمال العمل قبل التوسع [1][5].

مراجع

[1] جوجل كلاود - مقدمة إلى Vertex AI (نظرة عامة على المنصة الموحدة) - اقرأ المزيد

[2] نظرة عامة على أداة إنشاء وكلاء الذكاء الاصطناعي - اقرأ المزيد

[3] جوجل كلاود - استخدم بحث Vertex AI Vector مع محرك Vertex AI RAG - اقرأ المزيد

[4] جوجل كلاود - مقدمة لإدارة الميزات في Vertex AI - اقرأ المزيد

[5] جوجل كلاود - الاحتفاظ ببيانات العملاء وعدم الاحتفاظ بالبيانات في Vertex AI - اقرأ المزيد

اكتشف أحدث تقنيات الذكاء الاصطناعي في متجر مساعدي الذكاء الاصطناعي الرسمي

معلومات عنا

العودة إلى المدونة