كيفية إعداد بيئة تطوير الذكاء الاصطناعي على أوبونتو

الذكاء الاصطناعي (AI) هو واحد من أكثر المجالات إثارة وتطوراً بسرعة في التكنولوجيا اليوم. مع AI، أصبحت الآلات قادرة على أداء مهام كانت تتطلب سابقاً الذكاء البشري، مثل التعرف على الصور، ومعالجة اللغة الطبيعية، واتخاذ القرارات.

إذا كنت مبتدئاً وترغب في الغوص في تطوير الذكاء الاصطناعي، فإن لينكس هو خيار ممتاز لنظام التشغيل، حيث إنه قوي ومرن ويستخدم على نطاق واسع في مجتمع الذكاء الاصطناعي.

في هذا الدليل، سنرشدك خلال عملية إعداد بيئة تطوير الذكاء الاصطناعي على نظام أوبونتو الخاص بك.

ما تحتاجه للبدء

قبل أن تبدأ، دعنا نستعرض الأساسيات التي ستحتاجها لإعداد بيئة تطوير الذكاء الاصطناعي على لينكس:

• معرفة أساسية بسطر الأوامر: يجب أن تكون لديك بعض المعرفة بواجهة لينكس الطرفية و الأوامر الأساسية، حيث ستحتاج إلى تشغيل الأوامر فيها.
• بايثون: بايثون هي اللغة الأكثر شعبية لتطوير الذكاء الاصطناعي، حيث إن معظم مكتبات وأطر الذكاء الاصطناعي مكتوبة بلغة بايثون، لذا من الضروري أن تكون مثبتة.

بمجرد أن تكون لديك هذه العناصر جاهزة، دعنا نبدأ في إعداد بيئتك.

الخطوة 1: تحديث نظامك

الخطوة الأولى في إعداد أي بيئة تطوير هي التأكد من أن نظامك مُحدّث، وذلك سيضمن أن جميع حزم البرامج على نظامك هي أحدث الإصدارات وأنك لن تواجه أي مشاكل توافقية.

لتحديث نظامك، افتح الطرفية الخاصة بك وقم بتشغيل الأمر التالي:

sudo apt update && sudo apt upgrade -y

بعد اكتمال هذه العملية، سيكون نظامك جاهزًا لتثبيت أدوات الذكاء الاصطناعي.

الخطوة 2: تثبيت Python في أوبونتو

Python هي اللغة المفضلة لتطوير الذكاء الاصطناعي ومعظم الأطر الذكية مثل TensorFlow و PyTorch، تم بناؤها باستخدام Python، لذا من الضروري تثبيتها على نظامك.

للتحقق مما إذا كان Python مثبتًا بالفعل، قم بتشغيل:

python3 --version

إذا كان Python مثبتًا، يجب أن ترى رقم الإصدار، مثل Python 3.x.x. إذا لم يتم تثبيته، يمكنك تثبيته بتشغيل:

sudo apt install python3 python3-pip -y

بمجرد تثبيت Python، يمكنك التحقق من التثبيت عن طريق تشغيل:

python3 --version

يجب أن ترى عرض رقم إصدار Python.

الخطوة 3: تثبيت مكتبات الذكاء الاصطناعي في أوبونتو

بعد تثبيت Python، نحتاج الآن إلى تثبيت مكتبات الذكاء الاصطناعي التي ستساعدك في بناء وتدريب نماذج التعلم الآلي. أشهر مكتبتين للذكاء الاصطناعي هما TensorFlow و PyTorch، ولكن هناك غيرهما أيضًا.

إذا كنت تعمل على مشاريع ذكاء اصطناعي متعددة، فمن الجيد استخدام البيئات الافتراضية، حيث يسمح لك ذلك بعزل التبعيات لكل مشروع، لكي لا تتداخل مع بعضها البعض.

sudo apt install python3-venv
python3 -m venv myenv
source myenv/bin/activate

1. تثبيت TensorFlow في أوبونتو

TensorFlow هو أحد أكثر أطر الذكاء الاصطناعي استخدامًا، وخاصة في التعلم العميق، والذي يوفر أدوات لبناء وتدريب نماذج التعلم الآلي.

لتثبيت TensorFlow، قم بتشغيل الأمر التالي:

pip3 install tensorflow

2. تثبيت PyTorch في أوبونتو

PyTorch هو إطار ذكاء اصطناعي آخر شائع، معروف بشكل خاص بسهولة استخدامه والرسم البياني الحسابي الديناميكي، والذي يستخدم على نطاق واسع في البحث والنمذجة.

لتثبيت PyTorch، قم بتشغيل:

pip3 install torch torchvision

3. تثبيت Keras في أوبونتو

Keras هو واجهة برمجة تطبيقات الشبكات العصبية عالية المستوى التي تعمل فوق TensorFlow، مما يسهل بناء وتدريب نماذج التعلم العميق من خلال توفير واجهة بسيطة.

لتثبيت Keras، قم بتشغيل:

pip3 install keras

Keras مضمنة مع TensorFlow 2.x بشكل افتراضي، لذا إذا كنت قد قمت بالفعل بتثبيت TensorFlow، فلا تحتاج إلى تثبيت Keras بشكل منفصل.

4. تثبيت Scikit-learn

للمهام المتعلقة بالتعلم الآلي التي لا تتطلب التعلم العميق، Scikit-learn هي مكتبة رائعة، توفر أدوات للتصنيف، والانحدار، والتجميع، وأكثر.

لتثبيتها، قم بتشغيل:

pip3 install scikit-learn

5. تثبيت Pandas و NumPy في أوبونتو

باندا و نمباي هما مكتبات أساسية لمعالجة البيانات والتحليل، حيث تُستخدم للتعامل مع البيانات وأداء العمليات الرياضية.

لتثبيتهما، قم بتشغيل:

pip3 install pandas numpy

الخطوة 4: تثبيت دفتر Jupyter (اختياري)

دفتر Jupyter هو أداة مبنية على الويب تسمح لك بكتابة وتنفيذ رمز Python في بيئة تفاعلية وتُستخدم على نطاق واسع في تطوير الذكاء الاصطناعي لتجربة الرمز وتشغيل النماذج وتصوير البيانات.

لتثبيت دفتر Jupyter، قم بتشغيل:

pip3 install notebook

بعد التثبيت، يمكنك بدء دفتر Jupyter عن طريق التشغيل:

jupyter notebook

سيفتح ذلك علامة تبويب جديدة في متصفح الويب الخاص بك حيث يمكنك إنشاء دفاتر جديدة وكتابة الرمز ورؤية النتائج على الفور.

الخطوة 5: تثبيت برامج تشغيل وحدة المعالجة الرسومية (اختياري لتطوير الذكاء الاصطناعي بشكل أسرع)

إذا كان لديك GPU نفيديا متوافق على نظامك، يمكنك استخدامه لتسريع تدريب النماذج الذكاء الاصطناعي، خاصة النماذج العميقة التعلم، التي تتطلب الكثير من الطاقة الحسابية، واستخدام وحدة المعالجة الرسومية يمكن أن يقلل بشكل كبير من وقت التدريب.

لتثبيت برامج تشغيل وحدة المعالجة الرسومية الضرورية لبطاقات نفيديا، قم بتشغيل:

sudo apt install nvidia-driver-460

بعد اكتمال التثبيت، أعد تشغيل النظام الخاص بك لتطبيق التغييرات.

يجب أيضاً عليك تثبيت كودا (معمارية الجهاز الموحدة للحوسبة) و كودن (مكتبة تعميق الشبكات العصبية لـ كودا) لتمكين تنسورفلو و بايتورش من استخدام وحدة المعالجة الرسومية.

يمكنك العثور على تعليمات التثبيت لـ CUDA و cuDNN على موقع NVIDIA.

الخطوة 6: اختبار إعدادك

الآن بعد أن قمت بتثبيت Python، والمكتبات اللازمة للذكاء الاصطناعي، وأعددت بيئة افتراضية وبرامج تشغيل GPU بشكل اختياري، حان الوقت لاختبار إعدادك.

لاختبار TensorFlow، افتح مفسر Python عن طريق كتابة:

python3

ثم، قم باستيراد TensorFlow وتحقق من إصدارها:

import tensorflow as tf
print(tf.__version__)

يجب أن ترى رقم إصدار TensorFlow مطبوعًا على الشاشة. إذا لم تكن هناك أي أخطاء، فإن TensorFlow تم تثبيته بشكل صحيح.

بعد ذلك، اختبر PyTorch:

import torch
print(torch.__version__)

إذا كانت كلا المكتبتين تطبعان أرقام إصدارهما دون أي أخطاء، فإن إعدادك مكتمل.

الخطوة 7: ابدأ في بناء نماذج الذكاء الاصطناعي

مع إعداد بيئتك، يمكنك الآن البدء في بناء نماذج الذكاء الاصطناعي. إليك مثال بسيط عن كيفية إنشاء شبكة عصبية أساسية باستخدام TensorFlow و Keras.

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Define a simple model
model = Sequential([
    Dense(64, activation='relu', input_shape=(784,)),
    Dense(10, activation='softmax')
])

# Compile the model
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# Summary of the model
model.summary()

هذا الكود يعرف شبكة عصبية بسيطة مع طبقة مخفية واحدة وطبقة إخراج للتصنيف. يمكنك تدريب هذا النموذج باستخدام مجموعات بيانات مثل MNIST (الأرقام المكتوبة بخط اليد) أو CIFAR-10 (صور للأشياء).

الخاتمة

تهانينا! لقد نجحت في إعداد بيئة تطوير الذكاء الاصطناعي الخاصة بك على نظام التشغيل أوبونتو باستخدام بايثون, تينسورفلو, بايتورش, كيراس, و جوبيتر نوتبوك, الآن لديك جميع الأدوات التي تحتاجها للبدء في بناء وتدريب نماذج الذكاء الاصطناعي.

وأثناء استمرار رحلتك في مجال الذكاء الاصطناعي، يمكنك استكشاف مواضيع متقدمة أكثر مثل التعلم العميق، التعلم التعزيزي، ومعالجة اللغات الطبيعية. هناك العديد من الموارد عبر الإنترنت، البرامج التعليمية، والدورات المتاحة لمساعدتك على التعلم وتحسين مهاراتك.

تذكر، تطوير الذكاء الاصطناعي هو مجال مثير للإعجاب وله إمكانيات لا حصر لها. سواء أردت بناء سيارات تعمل ذاتيًا، أو إنشاء روبوتات دردشة متطورة، أو تحليل البيانات الكبيرة، فإن المهارات التي تكتسبها في مجال الذكاء الاصطناعي ستكون قيمة في العديد من مجالات التكنولوجيا.

نتمنى لك تجربة برمجية ممتعة، واستمتع برحلتك في عالم الذكاء الاصطناعي!