واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs): نصائح لسد الفجوة

عند زيارة بلد لا تتقن لغته، قد تعتمد على صديق لترجمة المحادثات أو تستخدم تطبيق ترجمة عند السؤال عن الاتجاهات. بذلك، لن يكون عليك تعلم اللغة بالكامل، خاصةً إذا كانت الرحلة قصيرة.

في مجال النماذج اللغوية الكبيرة (LLMs)، تعمل واجهات برمجة التطبيقات (APIs) كمترجمات، مما يسمح بتبادل البيانات بسلاسة بين النماذج اللغوية الكبيرة وتطبيقات الذكاء الاصطناعي (AI). هذه الواجهات تساعد في دمج قدرات معالجة اللغة الطبيعية (NLP) وفهم اللغة الطبيعية في الأنظمة البرمجية.

من خلال واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs)، يمكن للشركات الاستفادة من نماذج الذكاء الاصطناعي في مهام سير عملها. يمكن لتجار التجزئة عبر الإنترنت ربط روبوت محادثة لخدمة العملاء بنموذج لغوي لتحسين الاستجابات، مما يخلق تفاعلًا أكثر طبيعية وجاذبية. وبالمثل، يمكن للشركات ربط مساعد البرمجة المدعوم بالذكاء الاصطناعي بنموذج لغوي كبير لتحليل الكود وإنشائه بكفاءة أكبر.

تعتمد واجهات برمجة تطبيقات النماذج اللغوية الكبيرة عادةً على بنية الطلب والاستجابة التي تتبع سلسلة من الخطوات:

1. يرسل التطبيق طلبًا - عادةً في شكل طلب بروتوكول نقل النص التشعبي (HTTP) - إلى واجهة برمجة التطبيقات. قبل الإرسال، يحول التطبيق الطلب أولاً إلى صيغة البيانات المطلوبة لواجهة برمجة التطبيقات (عادةً صيغة JavaScript Object Notation أو JSON). يحتوي هذا الطلب على معلومات مثل إصدار النموذج والموجِّه الفعلي والمعلمات الأخرى.

2. بعد أن تتلقى واجهة برمجة التطبيقات الطلب، تقوم بإعادة توجيهه إلى النموذج اللغوي الكبير (LLM) لمعالجته.

3. يستفيد نموذج التعلم الآلي من مهاراته في معالجة اللغة الطبيعية (NLP)، سواء في كتابة المحتوى، أو الإجابة عن الأسئلة، أو تحليل المشاعر، أو توليد النصوص، أو تلخيص النصوص، لإنتاج استجابة يقوم بإرسالها إلى واجهة برمجة التطبيقات.

4. تقوم واجهة برمجة التطبيقات بإرسال هذه الاستجابة مرة أخرى إلى التطبيق.

للوصول إلى واجهة برمجة تطبيقات النموذج اللغوي الكبير، يحتاج المستخدمون إلى التسجيل لدى المزود الذي اختاروه وإنشاء مفاتيح API للمصادقة.

التسعير هو عنصر مهم في واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs)، حيث يقدم مزوّدو الخدمات خطط أسعارٍ متنوعة بناءً على نماذجهم.

لفهم كيفية عمل تسعير واجهة برمجة تطبيقات النموذج اللغوي الكبير، يجب أولاً استيعاب مفهوم الرموز المميزة. في النماذج اللغوية، حيث تمثل الرموز المميزة وحدات قابلة للقراءة آليًا من النص. يمكن أن يكون الرمز المميز حرفًا، أو علامة ترقيم، أو جزءًا من كلمة، أو كلمة كاملة.

الرموز المميزة هي أصغر وحدات من النص يمكن للنموذج قراءتها ومعالجتها كمدخلات وتوليدها كمخرجات. وهي تُعد الأساس لتسعير الخدمات. تعتمد معظم مقدمي الخدمات على نموذج تسعير قائم على الاستخدام، حيث يتم فرض رسوم على الوصول إلى واجهة برمجة تطبيقات النماذج اللغوية الكبيرة (LLM API) لكل ألف أو مليون رمز مميز، مع تحديد أسعار منفصلة للرموز المميزة للمدخلات والمخرجات.

يعكس هذا التسعير القائم على الرموز المميزة التكاليف الحسابية ومعالجة البيانات المرتبطة بتشغيل النماذج اللغوية الكبيرة (LLMs). كما أنه يوفر الشفافية والمرونة، مما يتيح استيعاب أنماط الاستخدام المختلفة بين الشركات.

يؤدي دمج بيانات المؤسسة أو خدماتها مع طبقة الذكاء الاصطناعي التي توفرها واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) إلى تطبيقات أكثر قوة في العالم الحقيقي. فيما يلي بعض الفوائد التي تقدمها هذه الواجهات:

• سهولة الوصول: تتيح للشركات الاستفادة من القدرات اللغوية للذكاء الاصطناعي دون الحاجة إلى معرفة متعمقة أو خبرة واسعة في الذكاء الاصطناعي. كما أنها لن تحتاج إلى الاستثمار في تطوير نماذجها الخاصة أو تحمل تكاليف البنية التحتية المرتبطة بها.
• التخصيص: توفر واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) للمنظمات إمكانية الضبط الدقيق للنماذج اللغوية الكبيرة لتناسب المهام أو المجالات الخاصة بالمؤسسة.
• التحديثات الدورية: يعمل مقدمو الخدمات على تحديث خوارزمياتهم بانتظام لتحسين الأداء ومواكبة التطورات السريعة في مجال الذكاء الاصطناعي.
• قابلية التوسع: تستطيع واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) التعامل مع عدد كبير من الطلبات في الوقت نفسه، مما يسمح لها بالتوسع مع نمو الأعمال.

على الرغم من هذه الفوائد، فإن استخدام واجهات برمجة تطبيقات النماذج اللغوية الكبيرة ينطوي أيضًا على بعض التحديات، منها:

• التكلفة: قد تكون هذه الواجهات مكلفة، خاصة عند استخدامها بكميات كبيرة أو على نطاق واسع. يجب على المؤسسات إدارة تكاليفها بفعالية لتعظيم القيمة المستفادة من هذه الواجهات.
• الثغرات الأمنية: يمكن للمهاجمين استغلال نقاط نهاية واجهات برمجة التطبيقات لأغراض خبيثة، مثل استخراج بيانات حساسة، أو تثبيت برامج ضارة، أو تنفيذ هجوم موزع لحجب الخدمة عبر إرسال عدد هائل من الطلبات.

تفتح واجهات برمجة تطبيقات النماذج اللغوية الكبيرة آفاقًا جديدة للمؤسسات لتحقيق أقصى استفادة من تطبيقاتها عبر الذكاء الاصطناعي. فيما يلي خمس تقنيات لمساعدة الشركات على استخدام LLM APIs بكفاءة أكبر:

حدد النموذج اللغوي الذي يناسب حالة استخدامك. ابدأ بالميزات الأساسية ثم انتقل تدريجيًا إلى الميزات الأكثر تقدمًا.

على سبيل المثال، إذا كنت بحاجة فقط إلى تحليل المشاعر، فقد يكون نموذج أصغر وأقدم وأكثر كفاءة من حيث التكلفة كافيًا. أما إذا كنت تحتاج إلى استجابات فورية في تطبيقات مثل روبوتات المحادثة لخدمة العملاء أو تطبيقات الترجمة، فقد يكون من الأفضل اختيار نموذج أكبر وأحدث. أما المهام الأكثر تعقيدًا فقد تتطلب أحدث وأقوى نماذج الذكاء الاصطناعي.

حتى أن بعض مزوّدي الخدمات يوفرون واجهات برمجة التطبيقات ونماذج مصممة خصيصًا لحالات استخدام معينة. تستهدف واجهة برمجة التطبيقات OpenAI Assistants API تطوير مساعدي الذكاء الاصطناعي، بينما توفر Mistral واجهات برمجة تطبيقات مخصصة لمهام البرمجة ومهام رؤية الكمبيوتر. يمكنك أيضًا الاستفادة من واجهات برمجة التطبيقات القابلة للضبط الدقيق لتكييف النموذج باستخدام بيانات التدريب الخاصة بمنظمتك.

يمكن أن تتراكم تكلفة استخدام واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) بسرعة، لذا من المهم مراقبة استهلاكك. توفر معظم الجهات المزودة للخدمة لوحات معلومات أو أدوات لمتابعة استخدام الرموز المميزة وتحديد حدود إنفاق شهرية لإدارة التكاليف. احرص على البقاء مطلعًا على تغييرات التسعير والخوارزميات التي قد تتناسب بشكل أفضل مع ميزانيتك وتوفر لك قيمة أكبر.

يقدم بعض مقدمي الخدمات أسعاراً أقل أو خصومات على خدمات معينة. على سبيل المثال، توفر واجهة برمجة التطبيقات Gemini API من Google، مثل OpenAI، خيارًا أقل تكلفة للتخزين المؤقت للسياق، حيث يتم تخزين مجموعة من رموز الإدخال في ذاكرة تخزين مؤقت لاسترجاعها في الطلبات اللاحقة. هذه الممارسة مفيدة عندما يتم تمرير محتوى متكرر إلى النموذج - سواء كانت تعليمات متكررة من روبوت المحادثة أو استعلامات متكررة لمجموعة البيانات أو تصحيحات أخطاء مماثلة لقاعدة بيانات.

وفي الوقت نفسه، تقدم OpenAI خصومات على المعالجة المجمعة عبر واجهة برمجة التطبيقات Batch API (وتوفر كل من Anthropic وMistral واجهات برمجة تطبيقات مماثلة). يمكن أن تكون هذه المعالجة غير المتزامنة خيارًا فعالًا من حيث التكلفة عند إرسال مجموعات من الطلبات على مجموعات البيانات الكبيرة التي لا تتطلب استجابات فورية، مثل تلخيص المستندات الطويلة أو تصنيف المحتوى.

استفد من الفئات المجانية لاستخدام واجهات برمجة تطبيقات النماذج اللغوية الكبيرة. رغم أن هذه الفئات المجانية تأتي بقيود على عدد الرموز المميزة أو معدل الاستخدام، إلا أنها قد تكون خيارًا مثاليًا للمؤسسات ذات الميزانية المحدودة لاختبار التطبيقات أو بناء النماذج الأولية.

يعد أمن واجهة برمجة التطبيقات أمرًا ضروريًا لأي منظمة. فيما يلي بعض الطرق لتأمين تفاعلات واجهة برمجة التطبيقات مع النماذج اللغوية الكبيرة (LLMs):

• قم بتنفيذ بروتوكولات أمان لتشفير المعلومات التي تمر عبر واجهة برمجة تطبيقات النموذج اللغوي الكبير (LLM API)، مما يضمن حماية البيانات أثناء نقلها.
• وضع سياسات للتحكم في الوصول بحيث يمكن للمستخدمين المصرح لهم فقط الوصول إلى مفاتيح واجهة برمجة التطبيقات وتقييد الوصول إلى واجهة برمجة التطبيقات نفسها.
• إزالة أي معلومات حساسة من مجموعات البيانات قبل إرسالها من خلال واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs).
• تقييم التدابير والسياسات الأمنية الخاصة بمزود واجهة برمجة التطبيقات الذي اخترته.

تُحدد الرموز المميزة التكلفة، لذا يمكن أن يساعد تقليل عدد الرموز المميزة المُدخلة في تحسين الأداء وخفض التكلفة. تتمثل إحدى طرق تقليل عدد الرموز المميزة المُدخلة في تحسين الرمز المميز، الذي يعتمد بشكل كبير على أساليب هندسة الموجِّهات.

فيما يلي بعض استراتيجيات تحسين الرموز المميزة:

• قم بإنشاء موجِّهات واضحة وموجزة، مستخدمًا لغة مباشرة وتعليمات محددة.
• إذا لم يكن بالإمكان تجنب الموجِّهات الطويلة، فقم بتقسيمها إلى أجزاء أصغر وأكثر وضوحًا.
• احذف البيانات الزائدة عن الحاجة والتفاصيل غير الضرورية.
• قدِّم أمثلة قصيرة وعالية التمثيل بتنسيق منظم ومتسق من حيث السياق، بحيث تتضمن فقط المعلومات الضرورية للنموذج لفهم المهمة.

بعد تطبيق تقنيات التحسين ذات الصلة، استمر في تحسين الموجِّهات بناءً على مخرجات النموذج. ثم تحقق من هذه المخرجات لضمان دقتها وصحتها.

راقب أنماط الاستخدام لمعرفة ما إذا كانت تتماشى مع ميزانيتك، وتأكد من تنفيذ النموذج الأكثر فعالية من حيث التكلفة. استخدم حلول مراقبة واجهة برمجة التطبيقات لتتبع أداء واجهة برمجة تطبيقات النموذج اللغوي الكبير وفقًا للمقاييس الرئيسية مثل وقت الاستجابة، وزمن الانتقال، ومعدلات الخطأ، مما يساعد على زيادة فعالية النموذج الذي اخترته.

تشهد واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) نموًا متسارعًا في السوق. يمتلك العديد من مطوري النماذج اللغوية الكبيرة واجهات برمجة التطبيقات الخاصة بهم، بينما توفر جهات مزودة خارجية إمكانية الوصول إلى نماذج لغوية كبيرة متعددة.

تحتفظ شركة التحليلات المعيارية المستقلة Artificial Analysis بلوحة تصنيف API LLM شهيرة (يوجد الرابط خارج موقع ibm.com) والتي تقارن وتصنف نقاط نهاية واجهة برمجة التطبيقات المختلفة وفقًا لمقاييس مثل زمن الانتقال وسرعة الإخراج والجودة والتكلفة.

فيما يلي بعض أشهر واجهات برمجة تطبيقات النماذج اللغوية الكبيرة:

شركة أبحاث الذكاء الاصطناعي Anthropic توفر واجهات برمجة تطبيقات (الرابط موجود خارج موقع ibm.com) لعائلة النماذج اللغوية الكبيرة Claude. وتشمل هذه النماذج Claude 3.5 Sonnet, أحدث عروض الشركة المتميزة; وClaude 3.5 Haiku، نموذجها الأسرع والأكثر فعالية من حيث التكلفة؛ وClaude 3 Opus، نموذج قوي للمهام المعقدة. تتوفر واجهات برمجة التطبيقات أيضا للإصدارات الأقدم مثل Claude 3 Haiku و Claude 3 Sonnet.

هناك ثلاث طرق يمكن من خلالها الوصول إلى واجهة برمجة التطبيقات (الرابط موجود خارج موقع ibm.com): إما من خلال وحدة التحكم عبر الويب الخاصة بشركة Anthropic، أو عبر مكتبات المطورين في Python وTypeScript المتاحة على GitHub، أو عبر منصات الشركاء مثل Amazon Bedrock وGoogle Cloud Vertex AI.

توفر شركة الذكاء الاصطناعي Cohere واجهة برمجة التطبيقات الخاصة بها (الرابط خارج ibm.com) لنموذج Command R+، وهو نموذج لغوي كبير (LLM) مصمم خصيصًا لحالات الاستخدام المؤسسية، بالإضافة إلى Command R، وهو نموذج ذكاء اصطناعي توليدي محسَّن للتوليد المعزز بالاسترجاع (RAG) والذكاء الاصطناعي الفاعل. يمكن للمطورين الوصول إلى واجهة برمجة تطبيقات Cohere (الرابط خارج ibm.com) باستخدام أداة سطر الأوامر الخاصة بشركة Cohere أو من خلال مكتبات Go، Java، Python، وTypeScript المتاحة على GitHub.

توفر Google واجهات برمجة تطبيقات (الرابط موجود خارج موقع ibm.com) لمجموعة نماذج Gemini اللغوية الكبيرة. تتضمن هذه النماذج Gemini 1.5 Flash، وهو أسرع نموذج ذكاء اصطناعي متعدد الوسائط؛ وGemini 1.5 Flash-8B، وهو أصغر نموذج لديها؛ وGemini 1.5 Pro، وهو نموذج الجيل التالي لديها؛ وGemini 1.0 Pro، وهو نموذج الجيل الأول لديها.

يمكن للمطورين الوصول إلى واجهة برمجة تطبيقات Gemini (يوجد الرابط خارج موقع ®ibm.com) عبر Google AI Studio وGoogle Cloud Vertex AI. كما تتوفر مكتبات تطوير البرامج بلغات برمجة مختلفة.

IBM® Granite™ هي سلسلة IBM الرائدة من نماذج الأساس الخاصة بالنماذج اللغوية الكبيرة. يمكن للمطورين استخدام واجهات برمجة التطبيقات على منصة IBM watsonx للوصول إلى نماذج Granite 3.0، وتحديدًا Granite 3.0 2B Instruct وGranite 3.0 8B Instruct، وهي نماذج مضبوطة على التعليمات تحتوي على 2 و8 مليار معلمة. كما تتوفر نماذج Granite 3.0 مفتوحة المصدر عبر شركاء المنصات مثل Google Vertex AI وHugging Face.

Llama هي مجموعة نماذج الذكاء الاصطناعي مفتوحة المصدر من Meta. يمكن الوصول إلى نماذج Llama 3، ولا سيما الإصدارات 3.1، عبر واجهات برمجة التطبيقات (APIs) لشركاء Meta ضمن نظامها البنائي (الرابط موجود خارج موقع ibm.com).

كما أطلقت Meta مجموعة Llama Stack (الرابط موجود خارج موقع ibm.com) لتبسيط تطوير ونشر تطبيقات الذكاء الاصطناعي القائمة على نماذج Llama. تتألف Llama Stack من مجموعة من واجهات برمجة التطبيقات القابلة للتشغيل المتبادل، والتي تشمل وكلاء الذكاء الاصطناعي، والاستدلال، والذاكرة، والأمان، وغيرها.

توفر Mistral AI نقاط نهاية مختلفة لواجهات برمجة التطبيقات (الرابط خارج ibm.com) لنماذجها الرئيسية مثل Mistral Large وMistral Small وMinistral، بالإضافة إلى نماذجها المجانية، بما في ذلك Mistral NeMo وMistral 7B. كما تقدم الشركة واجهة برمجة تطبيقات للضبط. يمكن الوصول إلى واجهة برمجة تطبيقات Mistral عبر منصة التطوير الخاصة بها La Plateforme أو عبر شركاء المنصات مثل IBM watsonx وMicrosoft Azure AI.

توفر OpenAI، الشركة التي طورت ChatGPT، واجهات برمجة تطبيقات لنماذجها المتعددة (الرابط موجود خارج موقع ibm.com). تشمل واجهات برمجة التطبيقات هذه أحدث نماذج المحولات التوليدية المدربة مسبقا (GPT) GPT-4o و GPT-4o mini، ونماذج OpenAI GPT الأقدم مثل GPT-4 Turbo و GPT-3.5 Turbo.

تعتمد نماذج توليد النصوص لدى OpenAI على نقطة نهاية واجهة برمجة التطبيقات الخاصة بإكمال المحادثات، كما توفر أيضًا واجهة برمجة تطبيقات للصور لنموذج توليد الصور الخاص بها، وواجهة برمجة تطبيقات للصوت لنموذج تحويل النص إلى كلام (text-to-speech)، وواجهة برمجة تطبيقات في الوقت الفعلي لتطبيقات ذات زمن انتقال قصير. يمكن للمطوّرين الوصول إلى واجهة برمجة التطبيقات OpenAI من خلال منصة OpenAI ومكتبات تطوير البرمجيات المتاحة بلغات برمجة مختلفة.

تؤدي واجهات برمجة تطبيقات النماذج اللغوية الكبيرة (LLM APIs) دورًا أساسيًا في مسار عمل الذكاء الاصطناعي. فمن خلال دمج قوة الاستدلال التي توفرها النماذج اللغوية الكبيرة مع سهولة استخدام الواجهات البرمجية، تسد LLM APIs الفجوة بين النماذج اللغوية الكبيرة وتطبيقات المؤسسات. إن فهم الآليات الداخلية لواجهات برمجة تطبيقات النماذج اللغوية الكبيرة وكيفية استخدامها بفعالية يمكن أن يساعد الشركات في دمج الذكاء الاصطناعي بسلاسة ضمن أنظمتها.