مصنف مفتوح المصدر
المصنِّف مفتوح المصدر هو نموذج تعلم آلي، يتم تدريبه مسبقًا عادةً أو تصميمه باستخدام أكواد ومجموعات بيانات متاحة للجمهور، ويتم إصداره بموجب ترخيص مفتوح المصدر. وظيفته الأساسية هي تعيين تسمية أو فئة محددة مسبقًا تلقائيًا لقطعة معينة من بيانات الإدخال، مثل النصوص أو الصور أو الملفات الصوتية.
على عكس النماذج الاحتكارية، يكون الكود المصدري، ومنهجيات التدريب، وغالبًا ما تكون أوزان النموذج متاحة للمجتمع، مما يسمح بالفحص والتعديل والنشر المحلي.
بالنسبة للشركات، يوفر اعتماد المصنفات مفتوحة المصدر مزايا كبيرة من حيث الشفافية والتحكم في التكاليف. فهو يقلل من مخاطر الارتباط بمزود خدمة واحد (vendor lock-in)، مما يسمح للمؤسسات بضبط النماذج بدقة لتناسب مشكلات أعمال متخصصة جدًا، دون الاعتماد على خدمات واجهة برمجة تطبيقات (API) باهظة الثمن ومغلقة الصندوق. هذا المستوى من التحكم بالغ الأهمية للصناعات الخاضعة للتنظيم.
تتضمن عملية التصنيف عمومًا عدة مراحل. أولاً، يتم تدريب النموذج على مجموعة بيانات كبيرة ومُصنَّفة ذات صلة بالفئات المطلوبة. غالبًا ما تتم إدارة عملية التدريب هذه باستخدام أطر عمل مفتوحة المصدر شائعة مثل TensorFlow أو PyTorch. بمجرد تدريبه، يتم نشر النموذج. عندما يتم إدخال بيانات جديدة وغير مرئية إلى المصنف، يطبق النموذج الأنماط التي تعلمها لإخراج التسمية الأكثر احتمالاً للفئة.
تُستخدم المصنفات مفتوحة المصدر على نطاق واسع في مختلف المجالات:
