عن الدورة
يؤدي الصعود السريع لتطبيقات الذكاء الاصطناعي إلى إحداث أثر تحويلي في المجتمع، إذ يعيد تشكيل أعمالنا وحياتنا الشخصية. وإلى جانب ذلك، فإن الانتشار الواسع للأجهزة المحمولة—التي أصبحت قادرة اليوم على تشغيل ونشر النماذج اللغوية الكبيرة (LLMs) لحل مشكلات واقعية—يمثل المرحلة التطورية التالية والمثيرة في مسار تطوير تطبيقات الذكاء الاصطناعي. تجيب هذه الدورة عن ثلاثة أسئلة أساسية مرتبطة بصعود الذكاء الاصطناعي على الأجهزة المحمولة: (1) ما الاتجاهات التقنية التي تدفع الذكاء الاصطناعي نحو “الحافة”؟ (2) ما الأدوات والتقنيات المطلوبة لنشر النماذج اللغوية (LMs) على الأجهزة المحمولة العاملة بمعالجات Arm؟ (3) لماذا تُعد Arm المنصة الأكثر جاهزية للاستفادة من مزايا النماذج اللغوية على الحافة؟ سنبدأ رحلة تعلمك عبر تعريفك بأساسيات الذكاء الاصطناعي على الحافة، وكيفية نشر النماذج اللغوية على جهاز محمول يعتمد على Arm. ستتعرف على مفاهيم محورية مثل المعالجة على الجهاز (On-device processing)، وكفاءة استهلاك الطاقة، والاستدلال في الزمن الحقيقي. كما ستستكشف أسس نشر نماذج الذكاء الاصطناعي على الحافة، بما في ذلك تقنيات التكميم (Quantisation) وضغط النماذج (Model Compression)، إلى جانب تطوير تطبيقات تستفيد من النماذج اللغوية الكبيرة، مع فهم اعتبارات الأمن والخصوصية المرتبطة بتشغيل الذكاء الاصطناعي على الأجهزة الطرفية.
ماذا ستتعلم
- فهم الاتجاهات التقنية التي تدفع الذكاء الاصطناعي نحو الحافة، خصوصاً على الأجهزة المحمولة.
- فهم المفاهيم الأساسية في الذكاء الاصطناعي على الأجهزة المحمولة: المعالجة على الجهاز، وكفاءة الطاقة، والاستدلال في الزمن الحقيقي.
- تعلم كيفية تدريب النماذج اللغوية باستخدام بيانات خاصة بمجال محدد.
- فهم أساسيات نشر نماذج الذكاء الاصطناعي على الحافة، بما في ذلك التكميم وتقنيات ضغط النماذج.
- تعلم كيفية تطوير تطبيقات باستخدام النماذج اللغوية الكبيرة (LLMs).
- تقدير قضايا الأمن والخصوصية المرتبطة بالذكاء الاصطناعي على الحافة.
المتطلبات المسبقة
- خبرة في البرمجة.
- فهم أساسي لتعلم الآلة والذكاء الاصطناعي.
المدرسون
PD Dr. Michele Magno
Privatdozent/in at the Department of Information Technology and Electrical Engineering
Pietro Bonazzi
Student / Studiengang Gemeinsames Doktorat D-ITET