الذكاء الاصطناعي مفتوح المصدر

يعود مفهوم الذكاء الاصطناعي إلى منتصف القرن العشرين، عندما وضع علماء الحاسوب مثل آلان تورينج وجون مكارثي الأسس لنظريات وخوارزميات الذكاء الاصطناعي الحديثة. ^{[ 14 ]} أُعيد تنفيذ أحد الأشكال المبكرة للذكاء الاصطناعي، وهو برنامج معالجة اللغة الطبيعية " إليزا " ، ونُشر عام 1977 بواسطة جيف شراغر كبرنامج بلغة بيسك، وسرعان ما تُرجم إلى العديد من اللغات الأخرى. ركزت أبحاث الذكاء الاصطناعي المبكرة على تطوير أنظمة الاستدلال الرمزي وأنظمة الخبراء القائمة على القواعد . ^{[ 15 ]}

خلال هذه الفترة، بدأت فكرة البرمجيات مفتوحة المصدر بالتبلور، حيث دعا روادٌ مثل ريتشارد ستالمان إلى البرمجيات الحرة كوسيلة لتعزيز التعاون والابتكار في البرمجة. ^{[ 16 ]} وكانت مؤسسة البرمجيات الحرة ، التي أسسها ستالمان عام 1985، من أوائل المنظمات الكبرى التي روجت لفكرة البرمجيات التي يمكن استخدامها وتعديلها وتوزيعها بحرية. وقد أثرت أفكار هذه الحركة لاحقًا على تطوير الذكاء الاصطناعي مفتوح المصدر، حيث بدأ المزيد من المطورين يدركون الفوائد المحتملة للتعاون المفتوح في إنشاء البرمجيات، بما في ذلك نماذج وخوارزميات الذكاء الاصطناعي. ^{[ 17 ] [ 18 ]}

في تسعينيات القرن العشرين، بدأت البرمجيات مفتوحة المصدر تكتسب زخماً متزايداً، ^{[ 19 ]} كما أدى صعود التعلم الآلي والأساليب الإحصائية إلى تطوير أدوات ذكاء اصطناعي أكثر عملية. وفي عام 1993، تم إطلاق مستودع الذكاء الاصطناعي التابع لجامعة كارنيجي ميلون، والذي يضم مجموعة متنوعة من البرمجيات المتاحة للجميع. ^{[ 20 ]}

في أوائل العقد الأول من القرن الحادي والعشرين، بدأ الذكاء الاصطناعي مفتوح المصدر في الانتشار، مع إصدار مكتبات وأطر عمل أساسية أكثر سهولة في الاستخدام ومتاحة لأي شخص لاستخدامها والمساهمة فيها. ^{[ 21 ]}

تم إصدار مكتبة OpenCV في عام 2000 ^{[ 22 ]} مع مجموعة متنوعة من خوارزميات الذكاء الاصطناعي التقليدية مثل أشجار القرار ، وخوارزمية أقرب الجيران (kNN)، وخوارزمية بايز البسيطة ، وآلات المتجهات الداعمة (SVM). ^{[ 23 ]}

تم إصدار إطار عمل التعلم العميق مفتوح المصدر باسم Torch في عام 2002 وأصبح مفتوح المصدر مع Torch7 في عام 2011، وتم تعزيزه لاحقًا بواسطة PyTorch و TensorFlow . ^{[ 24 ]}

تم إصدار AlexNet في عام 2012. ^{[ 25 ]}

تأسست OpenAI عام 2015 بهدف إنشاء ذكاء اصطناعي مفتوح المصدر يُفيد البشرية، وذلك جزئيًا على الأقل للمساعدة في التوظيف خلال المراحل الأولى من تأسيس المنظمة. ^{[ 26 ]} تم إطلاق GPT-1 عام 2018.

مع الإعلان عن GPT-2 في عام 2019، خططت OpenAI في البداية لإبقاء شفرة المصدر لنماذجها سرية، مُعللةً ذلك بمخاوف بشأن التطبيقات الخبيثة. ^{[ 27 ]} ولكن بعد أن واجهت OpenAI ردود فعل سلبية من الجمهور، نشرت شفرة المصدر لـ GPT-2 على GitHub بعد ثلاثة أشهر من إطلاقه. ^{[ 27 ]} ولم تنشر OpenAI شفرة المصدر أو الأوزان المُدرّبة مُسبقًا لنموذج GPT-3. ^{[ 28 ]} عند إطلاق GPT-3، كان GPT-2 لا يزال أقوى نموذج لغوي مفتوح المصدر في العالم. وشهد عام 2022 أيضًا ظهور نماذج أكبر وأكثر قوة بموجب تراخيص ذات مستويات انفتاح متفاوتة، بما في ذلك OPT من Meta. ^{[ 29 ]}

استشارت مبادرة المصادر المفتوحة خبراءً على مدار عامين لوضع تعريفٍ لمصطلح "المصادر المفتوحة" يُلبي احتياجات برامج ونماذج الذكاء الاصطناعي. ويتعلق الجانب الأكثر إثارةً للجدل بالوصول إلى البيانات، إذ تُدرَّب بعض النماذج على بيانات حساسة لا يُمكن نشرها. في عام 2024، نشرت المبادرة تعريف الذكاء الاصطناعي مفتوح المصدر 1.0 (OSAID 1.0). ^{[ 1 ] [ 2 ] [ 3 ]} ويشترط هذا التعريف النشر الكامل للبرنامج المستخدم في معالجة البيانات، وتدريب النموذج، واستخلاص النتائج منه. أما بالنسبة للبيانات، فيشترط فقط الوصول إلى تفاصيل البيانات المستخدمة في تدريب الذكاء الاصطناعي، لكي يتمكن الآخرون من فهمها وإعادة إنشائها. ^{[ 2 ]}

في عام 2023، أُصدرت نماذج Llama 1 و2 من Meta، المتاحة بأوزانها ، ونماذج Mistral وMixtral مفتوحة المصدر من Mistral AI ، ^{[ 30 ] [ 31 ]} إلى جانب نماذج MosaicML الأصغر حجمًا مفتوحة المصدر. ^{[ 32 ] [ 33 ]} شكّل إصدار نماذج Llama علامة فارقة في إثارة الاهتمام بالنماذج مفتوحة المصدر والأوزان. ^{[ 34 ]} في عام 2024، أصدرت Meta مجموعة من نماذج الذكاء الاصطناعي الكبيرة، بما في ذلك Llama 3.1 405B، التي نافست النماذج الأقل انفتاحًا. ^{[ 35 ]} وقد أُثير جدل حول وصف Meta لـ Llama بأنها مفتوحة المصدر، نظرًا لرخصة برمجيات Llama التي تحظر استخدامها لبعض الأغراض، ولعدم إفصاح Meta عن مصدر البيانات المستخدمة في تدريب النماذج. ^{[ 36 ] [ 37 ] [ 38 ]}

أصدرت شركة DeepSeek نموذجها V3 LLM في ديسمبر 2024، ونموذجها R1 للاستدلال في 20 يناير 2025، وكلاهما كنموذجين مفتوحي الأوزان بموجب ترخيص MIT. ^{[ 39 ] [ 40 ]} وقد ساهم هذا الإصدار في التعريف على نطاق واسع بتبني الصين استخدام وبناء أنظمة ذكاء اصطناعي أكثر انفتاحًا كوسيلة لتقليل الاعتماد على البرمجيات الغربية وقيودها، فضلًا عن تمكين قطاعاتها من الوصول إلى ذكاء اصطناعي أكثر تطورًا بشكل أسرع. ^{[ 41 ]} ومنذ ذلك الحين، أصبحت المشاريع الصينية أكثر انتشارًا في جميع أنحاء العالم، كما أنها ساهمت في تقليص الفجوة، ولو جزئيًا، مع النماذج الأمريكية الرائدة ذات الملكية الفكرية. ^{[ 41 ] [ 42 ] [ 43 ]}

منذ إطلاق نموذج ChatGPT الخاص بشركة OpenAI في أواخر عام 2022، لم يُصدر سوى عدد قليل من نماذج اللغة الكبيرة مفتوحة المصدر بالكامل (من حيث الأوزان والبيانات والبرمجيات، إلخ). وفي سبتمبر 2025، أضاف اتحاد سويسري نموذجًا مفتوح المصدر بالكامل يُدعى Apertus إلى هذه القائمة المختصرة . ^{[ 44 ] [ 45 ]}

في ديسمبر 2025، أنشأت مؤسسة لينكس مؤسسة الذكاء الاصطناعي الوكيل ، التي تولت السيطرة على بعض بروتوكولات الذكاء الاصطناعي الوكيل مفتوحة المصدر وغيرها من التقنيات التي أنشأتها OpenAI و Anthropic و Block . ^{[ 46 ] [ 47 ]}

ابتداءً من نوفمبر 2024، بدأت شركة لايتريكس بإصدار نماذج الفيديو LTX كأوزان مفتوحة. ^{[ 48 ] [ 49 ]}

في قطاع الرعاية الصحية ، استُخدم الذكاء الاصطناعي مفتوح المصدر في التشخيص ، ورعاية المرضى ، وخيارات العلاج الشخصية . ^{[ 53 ]} كما استُخدمت المكتبات مفتوحة المصدر في التصوير الطبي لمهام مثل الكشف عن الأورام ، مما حسّن سرعة ودقة عمليات التشخيص. ^{[ 54 ] [ 53 ]} بالإضافة إلى ذلك، تُمكّن مكتبة OpenChem، وهي مكتبة مفتوحة المصدر مُصممة خصيصًا لتطبيقات الكيمياء والبيولوجيا، من تطوير نماذج تنبؤية لاكتشاف الأدوية ، مما يُساعد الباحثين على تحديد المركبات المحتملة للعلاج. ^{[ 55 ]}

اعتمدت شركات دفاعية أمريكية، مثل لوكهيد مارتن وأوراكل ، نماذج لاما من شركة ميتا، التي وصفتها ميتا بأنها مفتوحة المصدر، بعد الكشف عن تعديلات غير مصرح بها أجراها باحثون صينيون تابعون لجيش التحرير الشعبي الصيني . ^{[ 56 ] [ 57 ]} وقد اعترضت مبادرة المصادر المفتوحة وغيرها على استخدام ميتا مصطلح " مفتوح المصدر" لوصف لاما، نظرًا لاحتواء ترخيص لاما على سياسة استخدام مقبولة تحظر حالات الاستخدام التي تشمل استخدامات غير عسكرية أمريكية. ^{[ 38 ]} استخدم باحثون صينيون إصدارًا سابقًا من لاما لتطوير أدوات مثل تشات بيت، المُحسّنة للاستخبارات العسكرية ودعم اتخاذ القرارات، مما دفع ميتا إلى توسيع شراكاتها مع الشركات الأمريكية لضمان إمكانية استخدام هذه التقنية استراتيجيًا للأمن القومي. ^{[ 57 ]} وتشمل هذه التطبيقات الآن تحسينات في مجالات الخدمات اللوجستية والصيانة والأمن السيبراني. ^{[ 57 ]}

تشير افتتاحية في مجلة Nature إلى أن الرعاية الطبية قد تعتمد على نماذج الذكاء الاصطناعي التي يمكن إيقافها في أي وقت، ويصعب تقييمها، وقد تهدد خصوصية المرضى. ^{[ 11 ] [ 58 ]} ويقترح مؤلفوها أن تتعاون مؤسسات الرعاية الصحية والباحثون الأكاديميون والأطباء والمرضى وشركات التكنولوجيا في جميع أنحاء العالم لبناء نماذج مفتوحة المصدر للرعاية الصحية، بحيث يكون الوصول إلى الشفرة البرمجية الأساسية والنماذج الرئيسية سهلاً، ويمكن تعديلها بحرية باستخدام مجموعات البيانات الخاصة. ^{[ 11 ]}

يصعب فرض رقابة على النماذج مفتوحة المصدر مقارنة بالنماذج مغلقة المصدر. ^{[ 58 ]}

ساهمت عمليات التعاون واسعة النطاق، كتلك التي شهدناها في تطوير أطر عمل مفتوحة المصدر مثل TensorFlow وPyTorch، في تسريع التقدم في مجال التعلم الآلي والتعلم العميق. ^{[ 59 ]} كما أن طبيعة هذه المنصات مفتوحة المصدر تُسهّل التكرار والتحسين السريع، حيث يمكن للمساهمين من جميع أنحاء العالم اقتراح تعديلات وتحسينات على الأدوات الحالية. ^{[ 59 ]}

تتيح البرمجيات مفتوحة المصدر للدول والمنظمات التي لا تملك عادةً إمكانية الوصول إلى النماذج الاحتكارية، وسيلةً لاستخدام الذكاء الاصطناعي والاستثمار فيه بتكلفة أقل. ^{[ 4 ] [ 60 ] [ 61 ]} وهذا بدوره يُسهم في إنشاء بيئة حاضنة للشركات الأخرى لتقديم خدماتها. ^{[ 52 ]}

إحدى مزايا الذكاء الاصطناعي مفتوح المصدر هي الشفافية المتزايدة التي يوفرها مقارنةً بالبدائل مغلقة المصدر. ^{[ 34 ]} تسمح جوانب المصادر المفتوحة في النماذج بفحص الخوارزميات والبرمجيات، مما يعزز المساءلة ويساعد المطورين على فهم كيفية وصول النموذج إلى استنتاجاته. ^{[ 34 ]} بالإضافة إلى ذلك، تسمح نماذج الأوزان المفتوحة، مثل لاما والانتشار المستقر ، للمطورين بالوصول المباشر إلى معلمات النموذج، مما قد يُسهّل تقليل التحيز وزيادة العدالة في تطبيقاتهم. ^{[ 34 ]} يمكن أن تساعد هذه الشفافية في إنشاء أنظمة ذات مخرجات قابلة للقراءة البشرية، أو ما يُعرف بـ" الذكاء الاصطناعي القابل للتفسير "، وهو ما يُعدّ مصدر قلق متزايد الأهمية، لا سيما في التطبيقات بالغة الأهمية مثل الرعاية الصحية والعدالة الجنائية والتمويل، حيث يمكن أن تكون عواقب القرارات التي تتخذها أنظمة الذكاء الاصطناعي كبيرة. ^{[ 62 ]}

تفتقر النماذج مفتوحة المصدر إلى آليات كافية لمنع استخدامها في أنشطة خبيثة. ^{[ 58 ]} قد يسمح الذكاء الاصطناعي مفتوح المصدر لجماعات الإرهاب البيولوجي بإزالة آليات الضبط الدقيق وغيرها من الضمانات في نماذج الذكاء الاصطناعي. ^{[ 10 ] [ 4 ] [ 58 ]} من الخطوات المقترحة للحد من هذه الأضرار اشتراط تقييم مخاطر النماذج واجتيازها معيارًا محددًا قبل نشرها. ^{[ 58 ]} خلص تقرير صادر عن البيت الأبيض في يوليو 2024 إلى عدم وجود أدلة كافية لتقييد الكشف عن أوزان النماذج، ^{[ 63 ]} على الرغم من أن عددًا من الخبراء في عام 2024 بدوا أكثر اهتمامًا بالتطورات المستقبلية من القدرات الحالية. ^{[ 58 ]}

أشار المسؤولون التنفيذيون الذين فضلوا النماذج الخاصة في عام 2025 إلى المخاوف الأمنية والأداء كعوامل رئيسية لذلك. ^{[ 64 ]}

قد تكون تكلفة تدريب مجموعات البيانات للنماذج مفتوحة المصدر بالكامل باهظة للغاية بالنسبة للعديد من المشاريع. ^{[ 4 ] [ 52 ]}