.png "ما هو Google Vertex AI؟ الدليل الشامل لمنصة الذكاء الاصطناعي من Google Cloud") |
| Google Vertex AI |
إذا كنت تبحث عن طريقة لبناء تطبيق يعتمد على الذكاء الاصطناعي، أو تدريب نموذج تعلم آلي، أو إنشاء Chatbot باستخدام Gemini، فمن المحتمل أن تصادف اسم Google Vertex AI. لكن Vertex AI ليس مجرد واجهة للوصول إلى Gemini، بل هو مجموعة متكاملة من الأدوات والخدمات التي تغطي مراحل متعددة من تطوير نماذج وتطبيقات الذكاء الاصطناعي، من التجربة واختيار النموذج وحتى التخصيص والنشر والمراقبة.
والأهم أن منظومة Google تغيّرت بشكل ملحوظ خلال الفترة الأخيرة مع التركيز المتزايد على Generative AI وAI Agents وGrounding وRAG. لذلك فإن بعض الشروحات القديمة عن Vertex AI لم تعد تعكس الصورة الكاملة للمنصة الحالية. وتصف Google حاليًا Gemini Enterprise Agent Platform بأنه تطور لمنظومة Vertex AI، مع استمرار وجود خدمات ووثائق Vertex AI ضمن Google Cloud.
باختصار| Vertex AI هو بيئة Google Cloud لبناء واختبار وتخصيص ونشر وإدارة حلول الذكاء الاصطناعي وتعلم الآلة، وتشمل قدراته الوصول إلى نماذج Gemini ونماذج أخرى، أدوات تطوير التطبيقات التوليدية، Model Garden، أدوات التقييم، وخدمات تشغيل الوكلاء الذكيين.
ما هو Vertex AI؟
Vertex AI هو منصة ذكاء اصطناعي وتعلم آلي ضمن Google Cloud صممت لتجميع مراحل دورة حياة نموذج الذكاء الاصطناعي في بيئة واحدة.
بدل أن يستخدم فريق التطوير خدمة منفصلة لتجهيز البيانات، وأخرى لتدريب النموذج، وأخرى لنشره، وأخرى لمراقبة الأداء، توفر Vertex AI مجموعة مترابطة من الأدوات لهذه المهام.
وتوضح Google أن Vertex AI يدعم تدريب ونشر نماذج تعلم الآلة، واستخدام النماذج الجاهزة، والنماذج التوليدية، بالإضافة إلى أدوات دورة حياة ML وMLOps.
| المهمة | ما الذي يوفره Vertex AI؟ |
|---|---|
| اختيار النموذج | Model Garden ومجموعة من النماذج الجاهزة |
| التجربة | Vertex AI Studio وأدوات تطوير النماذج والتطبيقات |
| البيانات | التكامل مع خدمات Google Cloud ومصادر البيانات المختلفة |
| التخصيص | تخصيص أو ضبط بعض النماذج حسب حالة الاستخدام |
| Generative AI | Gemini والنماذج التوليدية الأخرى |
| RAG وGrounding | ربط إجابات النموذج بمعلومات خارجية أو بيانات المؤسسة |
| AI Agents | إنشاء ونشر وإدارة الوكلاء الذكيين |
| النشر | تشغيل النماذج والتطبيقات في بيئة Google Cloud |
| المراقبة | أدوات للتتبع والتقييم والمراقبة التشغيلية |
هل Vertex AI هو نفسه Gemini؟
لا. وهذه من أكثر النقاط التي تسبب الالتباس عند المبتدئين.
Gemini هو عائلة من نماذج الذكاء الاصطناعي متعددة الوسائط من Google، بينما Vertex AI هو منصة Google Cloud التي تتيح للمطورين والمؤسسات استخدام نماذج Gemini وغيرها لبناء تطبيقات وحلول AI.
يمكن تبسيط العلاقة بهذا الشكل|
- Gemini| النموذج الذي يفهم ويولد المحتوى.
- Vertex AI| البيئة والخدمات التي تساعدك على بناء تطبيق يستخدم هذه النماذج وتشغيله وإدارته.
- Google Cloud| البنية السحابية الأوسع التي تستضيف هذه الخدمات وتربطها بخدمات البيانات والحوسبة والأمان.
ولهذا يمكن أن تستخدم Gemini بشكل مباشر في بعض منتجات Google، بينما يستخدم المطور Vertex AI عندما يريد بناء حل مخصص داخل بيئة Google Cloud.
لماذا أنشأت Google منصة Vertex AI؟
المشكلة في مشاريع الذكاء الاصطناعي ليست دائمًا إنشاء النموذج نفسه. في المشاريع الحقيقية توجد سلسلة طويلة من المهام| تجهيز البيانات، التدريب، الاختبار، إدارة الإصدارات، النشر، التوسع، المراقبة، الأمان والتكامل مع التطبيقات.
Vertex AI يحاول تقليل عدد الأدوات المنفصلة التي يحتاجها الفريق لإدارة هذه الدورة.
ولهذا تصف Google Vertex AI بأنه منصة تجمع بين هندسة البيانات وعلوم البيانات وهندسة تعلم الآلة ضمن مجموعة أدوات مشتركة.
أهم مكونات Vertex AI
1. Vertex AI Studio
Vertex AI Studio هو مساحة عمل لتجربة نماذج الذكاء الاصطناعي وبناء واختبار التعليمات البرمجية النصية Prompts والتفاعل مع النماذج التوليدية.
وهو مفيد خصوصًا في مرحلة التجربة، عندما تريد معرفة النموذج الأنسب قبل تحويل الفكرة إلى تطبيق فعلي.
يمكن استخدامه لاستكشاف قدرات النماذج، مقارنة التعليمات، اختبار أنواع مختلفة من المدخلات، والعمل على تطبيقات تعتمد على النص والصورة وغيرها من الوسائط.
وقد أعادت Google تصميم تجربة Vertex AI Studio لتكون أكثر تركيزًا على نماذج الذكاء الاصطناعي التوليدي متعددة الوسائط والنماذج المتاحة عبر Model Garden.
2. Model Garden
إذا كنت لا تريد استخدام نموذج واحد فقط من Google، فهنا تظهر أهمية Model Garden.
Model Garden عبارة عن مكتبة للنماذج تتيح اكتشاف النماذج واختبارها وتخصيصها ونشرها. وتشمل نماذج Google ونماذج مختارة من شركاء ونماذج مفتوحة المصدر.
وهذا يجعل Vertex AI مختلفًا عن منصة توفر نموذجًا واحدًا فقط؛ إذ يستطيع فريق التطوير اختيار النموذج وفق المهمة والتكلفة ومتطلبات الأداء.
3. Gemini على Vertex AI
تتيح Google استخدام نماذج Gemini لبناء تطبيقات قادرة على التعامل مع أنواع متعددة من البيانات.
ومن أمثلة الاستخدامات|
- توليد النصوص.
- تلخيص المستندات.
- تحليل المحتوى.
- فهم الصور.
- إنشاء تطبيقات محادثة.
- المساعدة في البرمجة.
- بناء تطبيقات متعددة الوسائط.
وتشير وثائق Google إلى أن Vertex AI يوفر الوصول إلى نماذج توليدية للتعامل مع النصوص والصور وغيرها من الوسائط.
4. Vertex AI Agent Engine
أصبحت الوكلاء الذكيون AI Agents أحد أهم الاتجاهات في المنصة.
الوكيل الذكي لا يكتفي بتوليد إجابة نصية، بل يمكن تصميمه ليستخدم أدوات ومصادر بيانات وينفذ خطوات لتحقيق هدف محدد.
يوفر Vertex AI Agent Engine خدمات تساعد المطورين على نشر الوكلاء وإدارتهم وتوسيع نطاق تشغيلهم في بيئة إنتاجية. وتشمل قدراته التشغيل المُدار، وإدارة السياق، والمراقبة والتكامل مع أدوات Google Cloud.
وهذا مهم، على سبيل المثال، عند بناء وكيل لخدمة العملاء يستطيع قراءة قاعدة معرفة الشركة ثم استخدام أدوات أو واجهات API لتنفيذ إجراءات معينة بدل الاكتفاء بإجابة عامة.
5. Grounding وRAG
واحدة من أكبر مشكلات نماذج اللغة هي أنها قد تنتج إجابة تبدو مقنعة لكنها غير صحيحة.
هنا يأتي دور Grounding وRetrieval-Augmented Generation (RAG).
الفكرة بسيطة| بدل الاعتماد فقط على المعرفة التي اكتسبها النموذج أثناء التدريب، يتم تزويده بمعلومات ذات صلة من مصدر خارجي وقت إنشاء الإجابة.
يمكن أن يكون المصدر|
- مستندات الشركة.
- قاعدة معرفة.
- موقع ويب.
- بيانات داخلية.
- محرك بحث.
- قاعدة بيانات أو نظام مؤسسي.
وتوضح Google أن Grounding يمكن أن يربط نماذج Vertex AI ببيانات المؤسسة أو بمصادر مثل Google Search، بهدف جعل الإجابات أكثر ارتباطًا بالمعلومات المتاحة.
كيف يعمل Vertex AI عمليًا؟
 |
| Google Vertex AI |
يمكن تصور المشروع على أنه سلسلة مراحل بدل النظر إلى Vertex AI كمنتج واحد.
- تحديد المشكلة| ما الذي تريد من الذكاء الاصطناعي أن يفعله؟
- اختيار النموذج| هل تحتاج نموذجًا جاهزًا مثل Gemini أم نموذجًا متخصصًا؟
- التجربة| اختبار Prompts والنتائج.
- إضافة البيانات| استخدام Grounding أو RAG عندما تكون البيانات الخاصة ضرورية.
- التخصيص| ضبط النموذج عندما تكون التعليمات والبيانات الخارجية غير كافية.
- التقييم| قياس جودة الإجابات والأداء.
- النشر| وضع النموذج أو التطبيق في بيئة إنتاجية.
- المراقبة| متابعة الأداء والتكلفة والسلوك بعد الإطلاق.
وهذه الدورة هي إحدى النقاط التي تميز Vertex AI عن تجربة استخدام Chatbot جاهز؛ فأنت لا تتعامل فقط مع واجهة محادثة، بل مع بيئة لبناء منتج يعتمد على الذكاء الاصطناعي.
ماذا يمكنك أن تبني باستخدام Vertex AI؟
| حالة الاستخدام | مثال | التقنيات المناسبة |
|---|---|---|
| خدمة العملاء | مساعد يجيب عن أسئلة العملاء | Gemini + RAG + Agent |
| البحث الداخلي | البحث داخل مستندات الشركة | Grounding + Search |
| تحليل المستندات | استخراج المعلومات من ملفات طويلة | Gemini + Document processing |
| المساعد البرمجي | تفسير أو إنشاء الكود | Gemini |
| التوصيات | اقتراح منتجات أو محتوى | ML + بيانات المستخدم |
| الرؤية الحاسوبية | تحليل الصور والفيديو | نماذج متعددة الوسائط وML |
| AI Agent | وكيل ينفذ مهامًا متعددة | Agent Engine + Models + Tools |
هل تحتاج إلى تدريب نموذج من الصفر؟
في معظم مشاريع الذكاء الاصطناعي الحديثة، لا.
وهذه نقطة مهمة جدًا للمبتدئين.
إذا كان هدفك إنشاء Chatbot أو مساعد ذكي، فمن المنطقي عادةً أن تبدأ بنموذج جاهز ثم تضيف إليه التعليمات المناسبة والبيانات المطلوبة وربما Grounding أو RAG.
أما التدريب المخصص فيصبح أكثر منطقية عندما تكون لديك مشكلة متخصصة أو متطلبات لا يمكن تحقيقها بالـ prompting والـ grounding وحدهما.
يدعم Vertex AI خيارات مختلفة للتدريب، منها AutoML والتدريب المخصص، إلى جانب استخدام النماذج الجاهزة.
Vertex AI وAutoML| ما الفرق؟
AutoML مناسب عندما تريد تدريب نماذج لتطبيقات محددة دون بناء كل تفاصيل عملية التدريب بنفسك.
أما Custom Training فيمنح فريق تعلم الآلة تحكمًا أكبر في طريقة التدريب والكود والإعدادات.
| الخيار | مناسب لمن؟ | مستوى التحكم |
|---|---|---|
| نماذج جاهزة | معظم تطبيقات Generative AI | منخفض إلى متوسط |
| AutoML | الفرق التي تريد تبسيط التدريب | متوسط |
| Custom Training | علماء ومهندسي ML | مرتفع |
| تخصيص النماذج | المشاريع التي تحتاج سلوكًا أو أداءً متخصصًا | مرتفع نسبيًا |
كيف تبدأ باستخدام Vertex AI؟
الخطوة الأولى| إنشاء مشروع Google Cloud
تحتاج إلى مشروع داخل Google Cloud لإدارة الموارد وواجهات API والصلاحيات والفوترة.
الخطوة الثانية| تفعيل الخدمات المطلوبة
بعد إنشاء المشروع، فعّل APIs والخدمات التي يحتاجها تطبيقك. لا تفترض أن كل خدمات Vertex AI تعمل تلقائيًا دون إعداد.
الخطوة الثالثة| اختيار النموذج
ابدأ من Model Garden أو الأدوات المتاحة في Vertex AI لاختيار النموذج الذي يتوافق مع مهمتك.
يجب أن تختبر ما يحدث عندما لا يعرف النموذج الإجابة، وليس فقط عندما يعرفها.
الخطأ الرابع| إطلاق Chatbot دون اختبار الهلوسة
يجب أن تختبر ما يحدث عندما لا يعرف النموذج الإجابة، وليس فقط عندما يعرفها.
الخطأ الخامس| اعتبار النموذج هو التطبيق بالكامل
النموذج مجرد جزء من النظام. التطبيق الحقيقي يحتاج إلى إدارة الهوية والصلاحيات والبيانات والأدوات والتسجيل والمراقبة والتعامل مع الأخطاء.
ماذا عن Google-CloudVertexBot؟ وهل له علاقة بـ Google Search؟
هذه نقطة تستحق التوضيح لأن بعض المقالات الحديثة تخلط بين Vertex AI كمنصة وبين Google-CloudVertexBot كزاحف.
Google-CloudVertexBot هو User Agent مخصص لعمليات الزحف المرتبطة بخدمات Vertex AI، وليس Googlebot المستخدم لفهرسة نتائج Google Search التقليدية. وتشير وثائق Google المتعلقة بالزواحف إلى أن هذا الزاحف مخصص لاستخدامات مرتبطة ببناء تجارب ووكلاء تعتمد على محتوى المواقع، ويمكن التحكم فيه عبر robots.txt وفق الحالة المناسبة.
وهذا يعني أن وجود Google-CloudVertexBot في سجلات موقعك لا يعني تلقائيًا أن Google أعادت فهرسة صفحاتك في محرك البحث.
كما يجب عدم الخلط بينه وبين Google-Extended، وهو عنصر تحكم مختلف يتعلق بكيفية استخدام المحتوى في سياقات نماذج Google وليس بديلًا عن Googlebot.
هل تحتاج المواقع إلى llms.txt من أجل Vertex AI؟
لا ينبغي التعامل مع llms.txt باعتباره شرطًا عامًا لظهور الموقع في Google Search أو كبديل عن robots.txt.
إذا كان هدفك التحكم في الزحف إلى موقعك، فابدأ بالآليات الرسمية التي توثقها Google للزواحف والسياسات المناسبة لحالة الاستخدام، ولا تضف ملفًا لمجرد أن الآخرين يضيفونه.
Vertex AI في 2026| لماذا تغيرت الصورة؟
المقالات القديمة عن Vertex AI كانت تركز بدرجة أكبر على ML التقليدي، التدريب، AutoML، Workbench وMLOps.
أما المنظومة الحالية فأصبحت تشمل بشكل واضح تطبيقات Generative AI، نماذج Gemini، Model Garden، Grounding، RAG، والوكلاء الذكيين.
وتشير وثائق Google الحالية إلى أن منصة Gemini Enterprise Agent Platform تمثل تطورًا لمنظومة Vertex AI، وتوفر بيئة موحدة لبناء ونشر وحوكمة وتحسين الوكلاء المؤسسيين.
ولهذا عند قراءة مقال قديم عن Vertex AI، من المهم التحقق من تاريخ المعلومات واسم الخدمة الحالي قبل اتباع خطواته حرفيًا.
أسئلة شائعة عن Vertex AI
ما هو Vertex AI باختصار؟
Vertex AI هو منصة من Google Cloud لبناء واختبار وتخصيص ونشر وإدارة نماذج وتطبيقات الذكاء الاصطناعي وتعلم الآلة، وتشمل استخدام نماذج Gemini وخدمات مرتبطة بالـ Generative AI وAI Agents.
هل Vertex AI هو Gemini؟
لا. Gemini هو عائلة من نماذج الذكاء الاصطناعي، بينما Vertex AI هو منصة Google Cloud التي توفر أدوات وخدمات لبناء تطبيقات تستخدم هذه النماذج وغيرها.
هل يمكن بناء Chatbot باستخدام Vertex AI؟
نعم. يمكن استخدام نماذج Gemini مع أدوات Vertex AI لبناء تطبيقات محادثة، ويمكن إضافة Grounding أو RAG عندما يحتاج التطبيق إلى الاستناد إلى بيانات خاصة أو حديثة.
هل Vertex AI مناسب للمبتدئين؟
يمكن للمبتدئ تجربة بعض الأدوات بصريًا، لكن بناء تطبيق إنتاجي متكامل يحتاج عادةً إلى معرفة بأساسيات Google Cloud وواجهات API والبرمجة والبيانات، بحسب تعقيد المشروع.
هل Vertex AI مجاني؟
لا، الاستخدام ليس مجانيًا بشكل عام. التكلفة تعتمد على النماذج والخدمات وحجم الاستخدام. وقد تتوفر أرصدة تجريبية للعملاء الجدد وفق عروض Google الحالية.
ما هو Model Garden؟
هو مكتبة داخل منظومة Vertex AI تساعد المطورين على اكتشاف واختبار وتخصيص ونشر مجموعة من النماذج من Google وشركائها ونماذج مختارة مفتوحة المصدر.
ما الفرق بين RAG وFine-tuning؟
RAG يضيف معلومات خارجية إلى سياق الطلب أثناء إنشاء الإجابة، بينما Fine-tuning يغير سلوك النموذج باستخدام بيانات تدريب مخصصة. اختيار أحدهما يعتمد على المشكلة التي تريد حلها.
هل Vertex AI مناسب لبناء AI Agent؟
نعم. توفر منظومة Vertex AI خدمات مخصصة لتطوير ونشر وإدارة الوكلاء الذكيين، ومن بينها Agent Engine.
هل يؤثر Google-CloudVertexBot على ترتيب الموقع في Google؟
لا ينبغي الخلط بينه وبين Googlebot الخاص ببحث Google. Google-CloudVertexBot مرتبط بعمليات الزحف الخاصة بحالات استخدام Vertex AI، وليس بزحف البحث العام.
الخلاصة |
Vertex AI ليس مجرد مكان للوصول إلى Gemini، بل هو جزء من منظومة Google Cloud لبناء حلول الذكاء الاصطناعي وتعلم الآلة من مرحلة التجربة وحتى التشغيل في بيئة إنتاجية.
إذا كان هدفك مجرد استخدام الذكاء الاصطناعي بشكل شخصي، فقد لا تحتاج إلى Vertex AI أصلًا. أما إذا كنت تريد بناء تطبيق مخصص، أو Chatbot يعتمد على بياناتك، أو نظام RAG، أو AI Agent، أو مشروع ML يحتاج إلى نشر ومراقبة وتوسع، فهنا تظهر قيمة المنصة بوضوح.
والأهم عند تعلم Vertex AI في 2026 هو عدم الاعتماد على الشروحات القديمة دون التحقق من أسماء الخدمات والنماذج وواجهات البرمجة. المنظومة تتغير بسرعة، وأصبحت Generative AI وGrounding وAgents جزءًا محوريًا من طريقة استخدام Google Cloud للذكاء الاصطناعي.
للدخول للموقع من هنا ( Google Vertex AI)
أفضل نقطة بداية ليست اختيار أقوى نموذج، وإنما تحديد المشكلة التي تريد حلها، ثم اختيار النموذج والأدوات والبنية التي تحقق النتيجة المطلوبة بأقل تعقيد وتكلفة ممكنة.
