بقلم: يوسف | محرر أدوات الذكاء الاصطناعي · صوت تحريري بإشراف بشري
لم يعد الأمر يستلزم أكثر من نقرة واحدة: أعلنت Hugging Face وAmazon SageMaker AI عن تكامل مباشر يُوصّل صفحة النماذج على Hugging Face بسير عمل SageMaker Studio، دون إعداد يدوي أو تهيئة أذونات أو تنقّل بين لوحات تحكم متعددة.
قبل هذا التكامل، كان المطوّر الذي يكتشف نموذجاً على Hugging Face يمرّ بسلسلة من الخطوات المُرهقة: فتح AWS Console، إنشاء domain في SageMaker، ضبط أذونات IAM، وأحياناً طلب رفع حصة GPU. هذا الاحتكاك يكسر التدفق تماماً بين لحظة الإلهام ولحظة التجريب. التكامل الجديد يختصر هذا المسار كله إلى زرَّين.
على صفحات النماذج المدعومة، يظهر الآن خياران تحت قائمة “Deploy”: الأول هو Customize on SageMaker AI الذي يفتح صفحة Model Customization في Studio مع النموذج المُحمَّل مسبقاً وجاهزاً لضبطه الدقيق، والثاني هو Deploy on SageMaker AI الذي يفتح صفحة Deployment مع النموذج مُهيَّأً مسبقاً لنشره كـ endpoint. في الحالتين، يحتفظ السياق بنفسه داخل Studio — لا حاجة للبحث عن النموذج مجدداً.
ثلاث قدرات جديدة تشكّل جوهر هذا الإطلاق:
- روابط عميقة من Hugging Face إلى SageMaker Studio: النقر على أي من الزرَّين يأخذك مباشرةً إلى واجهة العمل المناسبة داخل Studio مع تحميل النموذج آلياً، متجاوزاً كل خطوات الإعداد التقليدية.
- أذونات مُهيَّأة مسبقاً: بيئات Studio الجديدة المنشأة عبر هذا التدفق تأتي مع سياسة AmazonSageMakerModelCustomizationCoreAccess مُرفقة آلياً، وتغطّي أربعة أساليب للضبط الدقيق: الضبط الخاضع للإشراف (SFT)، وتحسين التفضيل المباشر (DPO)، والتعلم المعزز بمكافآت قابلة للتحقق (RLVR)، والتعلم المعزز من ردود فعل الذكاء الاصطناعي (RLAIF). أما البيئات القائمة فتحصل على رسائل إرشادية مع روابط للتوثيق.
- رؤية مباشرة لحصص GPU: عند اختيار نوع instance للنشر أو التدريب، تُعرض الآن حصص GPU المتاحة مباشرةً داخل قائمة الاختيار — G5 وG6 وغيرها — دون الحاجة للتنقل إلى صفحة Service Quotas. وإن احتجت لطلب رفع الحد، يُعيد Studio توجيهك مباشرةً إلى صفحة الطلب المناسبة.
التجربة عملياً تسير على أربع خطوات: تبدأ بتصفّح النماذج على Hugging Face والنقر على “Deploy” ثم اختيار “Amazon SageMaker AI”، فتُطلب منك تسجيل الدخول إلى AWS إن لم يكن لديك جلسة نشطة. بعدها تصل مباشرةً إلى صفحة العمل المناسبة في Studio — إما Model Customization أو Endpoint Deployment — مع النموذج محمَّلاً. تُهيّئ المعاملات كبيانات التدريب والـ hyperparameters ونوع الـ instance، ثم ترسل المهمة. وبعد النشر، يمكنك اختبار الـ endpoint مباشرةً من واجهة الاختبار داخل Studio.
يستهدف هذا التكامل بشكل خاص فرق enterprise التي تبني على نماذج مفتوحة الأوزان. Mark McQuade، المؤسس والرئيس التنفيذي لـ Arcee AI، وصف المشكلة التي يحلّها بدقة: “النماذج المفتوحة كانت تفتقر إلى هذا النوع من التجربة — أوزان مفتوحة تملكها، تعمل في سحابة تتحكم فيها.” التكامل يُكمل هذه الفجوة بربط اكتشاف النموذج على Hugging Face بالنشر داخل بيئة AWS الخاصة بك دون أي أسلاك يدوية.
ما يجدر ذكره هو أن التكامل يعمل مع النماذج المدعومة فقط، وليس كل نموذج على المنصة. كما أن البيئات القائمة لن تحصل على الإعداد التلقائي للأذونات — بل ترشادات وروابط للتوثيق. مع ذلك، تبقى الخطوة منطقية: الاحتكاك التقني الذي كان يفصل بين اكتشاف النموذج وتجريبه كان يكلّف وقتاً حقيقياً، والتكامل يعالج هذه الفجوة بشكل مباشر. يمكنك تجربته الآن عبر Amazon SageMaker JumpStart أو مباشرةً من صفحات النماذج على Hugging Face.
