عندما رأيت أداة ذكاء اصطناعي صغيرة تجيب عن الأسئلة بشكل طبيعي، كان أول ما خطر ببالي: أليست جاهزة للاستخدام؟ لكن إتاحتها للآخرين مسألة مختلفة تمامًا. فلا بد من إعادة تقييم سلاسة الاتصال وأمان نقطة الدخول.

لفت انتباهي هذا الأمر أثناء اطلاعي هذه المرة على درس النماذج اللغوية الكبيرة من @Acurast. يشرح الدرس الرسمي طريقة تشغيل نماذج GGUF على معالج الهاتف، مع استخدام خادم llama المدمج للاستدلال، كما يوفّر واجهة API متوافقة مع OpenAI. ويمكن للتطبيقات التي تستخدم هذا النوع من الواجهات أن تتصل مباشرةً بنموذج يعمل على الهاتف، بمجرد تعديل بعض الإعدادات.

واللافت أن الدرس استخدم localtunnel لإتاحة الوصول الخارجي إلى النموذج، مع تنبيه رسمي إلى أن هذا المثال غير آمن، وينبغي عدم استخدامه مباشرةً في بيئة الإنتاج. فالنموذج يعمل، ويمكن استدعاء واجهة API، لكن العمل على جانب الأمان لا يزال في بدايته. كان هذا تنبيهًا عمليًا ومهمًا.

ثم اكتشفت أن #Acurast لديه دليل مستقل للأنفاق، يتيح الوصول الخارجي إلى الخدمات الموجودة على الهاتف عبر نفق عكسي، مع دعم HTTPS وإمكانية التحقق من نطاق تملكه. وهذا حل مختلف عن localtunnel في الدرس السابق. وحتى مع استخدام HTTPS، لا بد من مراجعة المصادقة الخاصة بالتطبيق وصلاحيات الوصول، بندًا بندًا.

أقدّر أن الجهة الرسمية تتحدث بصراحة عن هذه القيود. إن تشغيل نماذج الذكاء الاصطناعي على الهاتف أمر مثير للاهتمام بحد ذاته، لكن الانتقال من مثال يعمل إلى خدمة يستخدمها الآخرون على المدى الطويل يتطلب معالجة كثير من التفاصيل. ما يريده المستخدم العادي بسيط: أن يفتح الخدمة ويستخدمها، دون أن يضطر إلى التساؤل عمّا إذا كانت نقطة الدخول التي يتصل بها آمنة.

👉 https://hub.acurast.com/rebellion?ref=apksoh