نماذج الذكاء الاصطناعي العربية: نهضة حقيقية أم مجرّد ترجمة؟

قبل سنتين، كانت اللغة العربية مهمّشة في عالم نماذج الذكاء الاصطناعي. اليوم، الوضع مختلف تماماً.

النماذج العربية البارزة

علام (Allam) — السعودية

• مطوّر من قبل SDAIA (الهيئة السعودية للبيانات والذكاء الاصطناعي).
• متدرّب على ٥٠٠ مليار رمز عربي.
• متفوّق في الفصحى والنصوص الدينية والقانونية.

جايس (Jais) — الإمارات

• بالتعاون بين Inception (G42) وMBZUAI.
• ١٣ مليار معامل، مفتوح المصدر.
• متميّز في الحوار العربي اليومي.

فنار (Fanar) — قطر

• تطوير QCRI.
• يدعم ١٧ لهجة عربية.
• يفهم الشعر العربي القديم.

نور (Noor) — التقنية للذكاء الاصطناعي

• نموذج تجاري متخصّص في المحتوى الإعلامي.

ما الذي يفعلونه فعلياً؟

• فهم أعمق للسياق الثقافي العربي.
• أداء أفضل في الفصحى من GPT.
• دعم اللهجات (خليجي، شامي، مصري، مغاربي).
• التزام بالقيم المحلّية.

ما الذي ينقص؟

• معظمها أصغر حجماً من GPT-5 وClaude 4.
• البنية التحتية لاستضافتها محدودة.
• المحتوى التدريبي العربي أقلّ كمّاً من الإنجليزي.

التوصية للمؤسّسات العربية استخدم النماذج العربية للمهام الحسّاسة ثقافياً، واستخدم النماذج الدولية للمهام التقنية المعقّدة. الدمج بينهما هو الحلّ الأمثل حالياً.