يُعتبر تشغيل نماذج الذكاء الاصطناعي دون اتصال بالإنترنت أمرًا مثاليًا، ولكنه عادةً ما يتطلب أجهزة قوية وباهظة الثمن. مع ذلك، ليس هذا هو الحال دائمًا: يُقدم نموذج DeepSeek R1 خيارًا عمليًا للأجهزة ذات القدرات المحدودة، كما أنه سهل التثبيت بشكلٍ مُذهل.
روابط سريعة
ماذا يعني تشغيل روبوت دردشة بالذكاء الاصطناعي محليًا؟
عند استخدام روبوتات المحادثة القائمة على الذكاء الاصطناعي عبر الإنترنت مثل ChatGPT، تتم معالجة طلباتك على خوادم OpenAI، مما يعني أن جهازك لا يقوم بالمهمة الشاقة. أنت بحاجة إلى اتصال إنترنت مستمر للتواصل مع روبوتات الدردشة بالذكاء الاصطناعي، ولن تتحكم بشكل كامل في بياناتك أبدًا. تتطلب نماذج اللغات الكبيرة التي تشغل روبوتات الدردشة بالذكاء الاصطناعي، مثل ChatGPT وGemini وClaude وما إلى ذلك، متطلبات تشغيل عالية للغاية نظرًا لاعتمادها على وحدات معالجة الرسومات (GPUs) ذات سعة ذاكرة فيديو (VRAM) كبيرة. لهذا السبب، تعتمد معظم نماذج الذكاء الاصطناعي على السحابة.
يتم تثبيت روبوت المحادثة المحلي للذكاء الاصطناعي مباشرة على جهازك، مثل أي برنامج آخر. هذا يعني أنك لست بحاجة إلى اتصال إنترنت مستمر لاستخدام روبوت محادثة الذكاء الاصطناعي ويمكنك إرسال طلب في أي وقت. DeepSeek-R1 هو نموذج لغة كبير محلي يمكن تثبيته على العديد من الأجهزة. ويُعد نموذجه المقطر 7B (سبعة مليارات معلمة) نسخة أصغر مُحسّنة تعمل بشكل جيد على الأجهزة متوسطة المدى، مما يسمح لي بإنشاء استجابات ذكاء اصطناعي دون معالجة سحابية. بعبارات بسيطة، هذا يعني استجابات أسرع وخصوصية أفضل وتحكمًا كاملاً في بياناتي.
كيفية تثبيت DeepSeek-R1 على الكمبيوتر المحمول
يُعدّ تشغيل DeepSeek-R1 على جهازك أمرًا بسيطًا نسبيًا، ولكن ضع في اعتبارك أنك تستخدم إصدارًا أقل قوة من روبوت الدردشة بالذكاء الاصطناعي القائم على الويب من DeepSeek. يستخدم روبوت الدردشة بالذكاء الاصطناعي من DeepSeek حوالي 671 مليار معلمة، بينما يحتوي DeepSeek-R1 على حوالي 7 مليارات معلمة.
يمكنك تنزيل DeepSeek-R1 واستخدامه على جهاز الكمبيوتر الخاص بك باتباع الخطوات التالية:
- انتقل إلى موقع Ollama الإلكتروني وقم بتنزيل أحدث إصدار. ثم، ثبّته على جهازك مثل أي تطبيق آخر.
- افتح Terminal، واكتب الأمر التالي:
ollama run deepseek-r1:7b
سيؤدي ذلك إلى تنزيل نموذج DeepSeek-R1 7B على جهاز الكمبيوتر الخاص بك، مما يسمح لك بإدخال استعلامات في Terminal وتلقي ردود. إذا واجهت مشكلات في الأداء أو تعطل، فحاول استخدام نموذج أقل تطلبًا عن طريق استبدال 7b بـ 1.5b في الأمر أعلاه.
على الرغم من أن النموذج يعمل بشكل جيد في Terminal، إذا كنت تريد واجهة مستخدم كاملة الميزات مع تنسيق نصي مناسب مثل ChatGPT، يمكنك أيضًا استخدام تطبيق مثل Chatbox.
تشغيل DeepSeek محليًا ليس مثاليًا – ولكنه فعال
كما ذكرنا سابقًا، لن تكون الاستجابات بجودة (أو سرعة!) استجابات روبوت الدردشة الذكي الخاص بـ DeepSeek عبر الإنترنت، نظرًا لأنه يستخدم نموذجًا أكثر قوة ويعالج كل شيء في السحابة. ولكن دعونا نرى مدى أداء النماذج الأصغر.
حل المسائل الرياضية
لاختبار أداء نموذج ٧ مليار معامل، قمتُ بإعطائه معادلة وطلبت منه حل تكاملها. لقد كنتُ سعيدًا جدًا بأدائه، خاصةً وأن النماذج الأساسية غالبًا ما تواجه صعوبة في الرياضيات. تُظهر هذه التجربة قدرة النماذج اللغوية الكبيرة على التعامل مع مسائل التفاضل والتكامل، وهو ما يُبشّر بإمكانيات كبيرة في مجالات مثل الفيزياء والهندسة.
صحيح أن هذه ليست المسألة الأكثر تعقيدًا، ولكن هذا هو بالضبط ما يجعل تشغيل نموذج لغة كبير محليًا مفيدًا للغاية. يتعلق الأمر بوجود أداة متاحة بسهولة للتعامل مع الاستفسارات البسيطة على الفور بدلاً من الاعتماد على السحابة الإلكترونية في كل شيء. هذا النهج يُحسّن من سرعة الاستجابة ويُقلل من الاعتماد على الاتصال بالإنترنت، وهو أمر بالغ الأهمية في تطبيقات الذكاء الاصطناعي التفاعلية.
تصحيح الأخطاء في الكود
من أفضل استخدامات تشغيل نموذج DeepSeek-R1 محليًا هو مساعدته في مشاريع الذكاء الاصطناعي. فهو مفيدٌ للغاية، خاصةً عندما أكتب الكود على متن الطائرات حيث لا يتوفر اتصال بالإنترنت، وأعتمد بشكل كبير على نماذج اللغات الكبيرة في تصحيح الأخطاء. لاختبار مدى فعاليته، قمتُ بتزويده بهذا الكود مع إضافة خطأ بسيط متعمد.
لقد تعامل مع الكود بسهولة، لكن تجدر الإشارة إلى أنني كنتُ أشغّله على جهاز MacBook Air M1 بذاكرة موحدة تبلغ 8 جيجابايت فقط. (الذاكرة الموحدة هي ذاكرة مشتركة بين وحدة المعالجة المركزية ووحدة معالجة الرسومات وغيرها من أجزاء نظام على رقاقة.)
مع فتح بيئة التطوير المتكاملة وعدة علامات تبويب في المتصفح، تأثر أداء جهاز MacBook الخاص بي بشكل كبير – اضطررتُ إلى إغلاق كل شيء بالقوة لاستعادة استجابته. إذا كان لديك 16 جيجابايت من ذاكرة الوصول العشوائي أو حتى وحدة معالجة رسومات متوسطة المستوى، فمن المحتمل ألا تواجه هذه المشكلات.
لقد اختبرتُه أيضًا مع قواعد أكواد أكبر، لكنه علق في حلقة تفكير، لذلك لا أنصح بالاعتماد عليه كبديل كامل للنماذج الأكثر قوة. ومع ذلك، فإنه لا يزال مفيدًا لإنشاء مقاطع كود صغيرة بسرعة.
حل الألغاز
أثار فضولي أيضًا معرفة مدى كفاءة النموذج في التعامل مع الألغاز والتفكير المنطقي، لذا اختبرته بمسألة Monty Hall، والتي حلها بسهولة، ولكنني بدأت أُقدّر DeepSeek بالفعل لسبب آخر.
كما هو موضح في الصورة، لا يقتصر الأمر على إعطائك الإجابة فحسب، بل يرشدك خلال عملية التفكير بأكملها، موضحًا كيفية توصلّه إلى الحل. وهذا يُوضّح أنه يُفكّر من خلال المسألة بدلاً من مجرد استدعاء إجابة محفوظة من بيانات التدريب الخاصة به. يُشير هذا إلى قدرة DeepSeek على معالجة المعلومات واستنتاج الحلول بطريقة تُحاكي التفكير البشري، وهو ما يُعدّ خطوة مُهمّة في تطوير نماذج الذكاء الاصطناعي.
عمليات البحث
يُعد انقطاع المعرفة أحد أكبر عيوب تشغيل نموذج لغة كبير محليًا. نظرًا لأنه لا يمكنه الوصول إلى الإنترنت، قد يكون العثور على معلومات موثوقة حول الأحداث الأخيرة أمرًا صعبًا. كان هذا القيد واضحًا في اختباراتي، لكنه ازداد سوءًا عندما طلبت لمحة موجزة عن جهاز iPhone الأصلي – فقد ولّد ردًا غير دقيق ومضحكًا بشكل غير مقصود.
من الواضح أن أول جهاز iPhone لم يُطلق بنظام iOS 5، ولم يأتِ بعد “iPhone 3” غير الموجود. لقد أخطأ في كل شيء تقريبًا. اختبرته ببضعة أسئلة أساسية أخرى، لكن عدم الدقة استمر.
بعد تعرض DeepSeek لاختراق بيانات، شعرت بالاطمئنان لمعرفة أنه يمكنني تشغيل هذا النموذج محليًا دون القلق بشأن تعرض بياناتي للخطر. على الرغم من أنه ليس مثاليًا، إلا أن امتلاك مساعد ذكاء اصطناعي غير متصل بالإنترنت يُعد ميزة كبيرة. أود أن أرى المزيد من النماذج مثل هذه مدمجة في الأجهزة الاستهلاكية مثل الهواتف الذكية، خاصة بعد خيبة أملي من Apple Intelligence.