قابلیت جدید آمازون سیج‌میکر؛ کنترل دقیق چرخه آموزش مدل‌های هوش مصنوعی بدون درگیری با مدیریت GPU

یک ایجنت هوش مصنوعی ممکن است کلامی بسیار متقاعدکننده داشته باشد، اما در انجام وظیفه‌ای که برایش تعیین شده کاملاً ناکام بماند. آموزش دادن به یک ایجنت برای انتخاب ابزار مناسب، پیروی از فرآیندهای کاری سازمانی و تشخیص نتیجه موفق، به چیزی فراتر از دسترسی صرف به یک مدل قدرتمند نیاز دارد. برای تیم‌هایی که خودشان دست‌به‌کار سفارشی‌سازی مدل‌ها می‌شوند، این مسیر معمولاً به معنای سرشاخ شدن با مدیریت زیرساخت‌های پردازشی گران‌قیمت در تک‌تک آزمایش‌ها است.

اکنون بخش خدمات ابری آمازون (AWS) با معرفی جلسات آموزش (Training Sessions)، قابلیت جدیدی در پلتفرم توسعه و استقرار یادگیری ماشین خود یعنی Amazon SageMaker AI، دقیقاً همین چالش دوم را هدف گرفته است.

آمازون در تاریخ ۲۲ اکتبر دسترسی عمومی به این قابلیت را اعلام کرد؛ راهکاری که به توسعه‌دهندگان اجازه می‌دهد نحوه یادگیری مدل‌های موجود را با جزئیات کامل کنترل کنند، در حالی که مدیریت و نگهداری پردازنده‌های گرافیکی (GPU) کاملاً بر عهده خود آمازون است.

در این سازوکار، تیم‌های توسعه فرآیند آموزش را می‌نویسند و معیارهای سنجش موفقیت را تعریف می‌کنند؛ در سوی مقابل، سیج‌میکر وظیفه تخصیص منابع پردازشی، هماهنگی میان پردازنده‌ها، بازیابی خودکار پس از خطاها و ذخیره گام‌به‌گام پیشرفت آموزش را بر عهده می‌گیرد.

برای سازمان‌هایی که به دنبال توسعه ایجنت‌های تخصصی هستند، جذابیت اصلی این سرویس در ترکیب انعطاف‌پذیری بالا با کاهش چشمگیر بار عملیاتی نهفته است. هر تیمی می‌تواند سازوکارهای بازخورد اختصاصی خود را بدون نیاز به ساخت زیرساخت‌های پیچیده آزمایش کند. با این حال، اینکه آیا این روش به خلق مدلی بهتر یا ارزان‌تر ختم می‌شود یا خیر، همچنان به نوع تسک، کیفیت داده‌های آموزشی و دقت ارزیابی‌ها وابسته خواهد بود.

تفاوت سازوکار جدید با امکانات پیشین سیج‌میکر چیست؟

سیج‌میکر سال‌ها است که از فاین‌تیون (بهینه‌سازی اختصاصی) پشتیبانی می‌کند. آمازون در سپتامبر ۲۰۲۳ با انتشار مستنداتی، شخصی‌سازی مدل Llama 2 را از طریق پلتفرم JumpStart و به کمک رابط بصری یا کیت توسعه پایتون (Python SDK) در دسترس قرار داده بود.

علاوه بر این، برنامه‌نویسان می‌توانستند اسکریپت‌های آموزشی اختصاصی خود را وارد بخش SageMaker Training Jobs کنند. این روش انعطاف‌پذیری فوق‌العاده‌ای ارائه می‌داد و آمازون پیکربندی سرورها را بر عهده می‌گرفت، اما مسئولیت تصمیم‌گیری درباره مواردی چون نوع نمونه‌ها (Instance Types)، محیط‌های آموزشی و تنظیمات پیچیده پردازش توزیع‌شده همچنان بر دوش مشتریان بود. بنابراین، پیاده‌سازی منطق آموزش سفارشی به‌خودی‌خود مفهوم تازه‌ای در سیج‌میکر به شمار نمی‌رود.

آمازون در دسامبر ۲۰۲۵ قابلیت سفارشی‌سازی بدون سرور (Serverless) را اضافه کرد که به تیم‌ها امکان می‌داد مدل‌های مورد نظر و تکنیک‌های آموزشی را انتخاب کنند و انتخاب منابع محاسباتی را به آمازون بسپارند. به گفته این شرکت، یادگیری تقویتی چندمرحله‌ای مدیریت‌شده نیز پیش از معرفی قابلیت کنونی در دسترس بوده است.

قابلیت Training Sessions کنترل برنامه‌نویسی بسیار دقیق‌تر و جزئی‌تری را با همان رویکرد بدون سرور ترکیب می‌کند. توسعه‌دهندگان می‌توانند تک‌تک عملیات‌ها شامل تولید پاسخ، محاسبه به‌روزرسانی‌ها و اعمال تغییرات روی وزن‌ها را مستقیماً از طریق فراخوانی API مدیریت کنند، در حالی که آمازون اجرای سنگین محاسبات را روی GPU به پیش می‌برد. کد توسعه‌دهنده می‌تواند ترتیب مراحل را تغییر دهد، اهداف یادگیری سفارشی تعریف کند و فازهای مختلف آموزش را با یکدیگر ترکیب نماید.

این دستاورد در واقع روشی نوین برای اجرای مراحل پس‌آموزش (Post-training) سفارشی با کمترین نیاز به تنظیم زیرساخت است. چنین قابلیتی دامنه انعطاف سرویس‌های بدون سرور آمازون را گسترش می‌دهد و به معنای ورود اولیه فاین‌تیون یا یادگیری تقویتی به سیج‌میکر نیست.

این میزان از انعطاف‌پذیری به‌ویژه برای ایجنت‌هایی که عملکرد موفقشان به زنجیره‌ای از اقدامات گوناگون متکی است، نقشی حیاتی دارد. به‌عنوان نمونه، یک ایجنت پشتیبانی داخلی ممکن است نیاز داشته باشد مستندات را بررسی کند، وضعیت حساب کاربری را بسنجد و در صورت نیاز تیکت را به سطوح بالاتر ارجاع دهد. فرآیند آموزش چنین ایجنتی می‌تواند حل موفقیت‌آمیز مشکل را با پاداش همراه کند و در عین حال، اقدامات غیرمجاز را با جریمه پاسخ دهد.

بیانیه آمازون هر دو روش LoRA (که تنها بخش‌های الحاقی و کوچکی از مدل را آموزش می‌دهد) و فاین‌تیون کامل (که تمام پارامترهای مدل را به‌روزرسانی می‌کند) را در دل این سرویس جامع بدون سرور تشریح کرده است. کتابچه راهنمای فعلی این جلسات آموزشی نحوه پیاده‌سازی LoRA را نشان می‌دهد و یادداشت رسمی وبلاگ آمازون هنوز سازگاری هر دو روش را با تک‌تک مدل‌ها مشخص نکرده است، هرچند هر دو رویکرد برای بهینه‌سازی مدل‌های از پیش‌آموزش‌دیده به کار می‌روند.

چرخه آموزش چگونه کار می‌کند؟

آمازون در این سازوکار حجم کار را میان کد اختصاصی مشتری و سرویس مدیریت‌شده خود تقسیم می‌کند.

نرم‌افزار مشتری روند آزمایش را هدایت می‌کند، ایجنت را به ابزارها یا محیط‌های شبیه‌سازی‌شده متصل می‌سازد و رفتارهای آن را امتیازدهی می‌کند. از سوی دیگر، سیج‌میکر تمام محاسبات سنگین پردازشی مورد نیاز برای تولید پاسخ‌ها و اعمال تغییرات در مدل را به انجام می‌رساند.

آمازون برای شفاف‌سازی این موضوع، روش «بهینه‌سازی سیاست نسبی گروهی» (GRPO) را مثال می‌زند: مدل در پاسخ به یک پرامپت چندین خروجی مختلف تولید می‌کند، سپس تابع امتیازدهی مشتری این پاسخ‌ها را ارزیابی کرده و سرویس آموزشی با تکیه بر امتیازهای نسبی آن‌ها، فرآیند به‌روزرسانی وزن‌ها را هدایت می‌کند. این چرخه پیوسته با مدل به‌روزرسانی‌شده تکرار می‌شود.

بر اساس توضیحات کتابچه راهنمای آموزشی آمازون، مدل در فاصله میان مراحل عملیاتی همچنان در حافظه پردازنده گرافیکی باقی می‌ماند. این ساختار به توسعه‌دهندگان اجازه می‌دهد فرآیند را متوقف کرده، نتایج را بررسی کنند و روند آموزش را تغییر دهند؛ در عین حال، آزمایش‌های یادگیری تقویتی می‌توانند بدون نیاز به راه‌اندازی و استقرار یک اندپوینت مجزا برای استنتاج، پاسخ‌های مورد نیاز خود را مستقیماً تولید کنند.

این کتابچه راهنما نمونه‌های متعددی را برای فاین‌تیون مکالمه، حل مسائل ریاضی، برنامه‌نویسی و یادگیری ترجیحات انسانی ارائه کرده است. آمازون همچنین اعلام کرده که اسکیل‌های اختصاصی ایجنت را برای دستیارهای کدنویسی فراهم آورده تا وظایف آماده‌سازی، آموزش، ارزیابی و استقرار را به شکلی روان‌تر انجام دهند؛ ابزارهایی که شامل پشتیبانی از Kiro، Claude Code، Codex و GitHub Copilot می‌شوند.

با این حال، این تسهیلات هرگز جایگزین قضاوت فنی مهندسان نمی‌شوند. مشتری همچنان باید خودش مشخص کند که مدل چه مفاهیمی را باید فرا بگیرد، آیا سیستم پاداش‌دهی رفتار مدنظر را به درستی تقویت می‌کند و آیا بهینه‌سازی‌های به‌دست‌آمده در مواجهه با سناریوها و داده‌های جدید نیز پایدار باقی می‌مانند یا خیر.

نخستین مشتریان سازمانی به سراغ بررسی خسارت و کار با ابزارها رفته‌اند

آمازون از شرکت‌های ImagineSoftware و Karini AI به‌عنوان نخستین پذیرندگان این سرویس یاد کرده است.

شرکت ImagineSoftware از این بستر برای توسعه مدلی مبتنی بر یادگیری تقویتی بهره برده است که ادعاهای رد شده در حوزه بیمه سلامت را اولویت‌بندی می‌کند. راب گونتارک، معاون ارشد بخش علوم داده این شرکت، کنترل کامل بر تک‌تک مراحل آموزش را ویژگی برجسته این ابزار می‌داند.

گونتارک در بیانیه آمازون تأکید کرد: «جلسات آموزشی قابلیت‌های پایه‌ای و درستی را در اختیار ما قرار داد تا بتوانیم به سمت عملکردی در سطح محیط عملیاتی واقعی حرکت کنیم.»

شرکت Karini AI نیز از این سرویس برای سفارشی‌سازی مدل gpt-oss-20b استفاده کرد تا ایجنتی بسازد که در چند گام پیوسته با گراف دانش Amazon Neptune تعامل می‌کند. نیتین واق، مدیرعامل این مجموعه، بر کاهش بار راه‌اندازی و توانایی ازسرگیری فرآیند آموزش از نقاط ذخیره‌شده تأکید دارد.

واق در این باره اشاره کرد: «این قابلیت ضمن فراهم کردن آزادی عمل مورد نیاز توسعه‌دهندگان، بار سنگین مدیریت عملیات را از دوش آن‌ها برداشت.»

این نمونه‌ها نشان‌دهنده سبک جریان‌های کاری تخصصی مدنظر آمازون هستند. با این وجود، این گزارش‌ها بازگشت سرمایه (ROI) را به‌شکل عددی و دقیق اثبات نمی‌کنند، چراکه در اطلاعیه منتشرشده هیچ آمار مقایسه‌ای ملموسی درباره ارتقای دقت، هزینه‌های نهایی یا سرعت استقرار ارائه نشده است.

تغییر معادلات مالی با محاسبه هزینه بر اساس توکن

آمازون اعلام کرده است که دریافت هزینه به‌جای رزرو مداوم ظرفیت سخت‌افزاری پردازنده‌های گرافیکی، بر مبنای توکن‌های پردازش‌شده محاسبه می‌شود؛ یعنی واحد کلمات و متونی که مدل آن‌ها را پردازش می‌کند. جالب اینکه در طول مدتی که کد امتیازدهی مشتری مشغول ارزیابی یک دسته از داده‌ها است، کنتور محاسبه هزینه آموزش متوقف می‌شود.

این رویکرد زمانی که تحلیل نتایج میان به‌روزرسانی‌های متوالی مدل زمان زیادی ببرد، صرفه‌جویی محسوسی ایجاد می‌کند. با این حال، متوقف ماندن هزینه در لحظات بیکاری به معنای رایگان شدن کل برنامه نیست؛ زیرا تیم‌ها همچنان باید هزینه‌های محاسباتی جانبی، فضای ذخیره‌سازی، سرویس‌های ارزیابی و استنتاج نهایی در محیط واقعی را در بودجه‌بندی خود لحاظ کنند.

مستندات فنی آمازون فاکتور هزینه‌ها را به سه بخش پردازش ورودی، تولید پاسخ و فرآیند آموزش تفکیک می‌کند. از همین رو، انجام یک مقایسه مالی دقیق نیازمند برآورد هر سه فاکتور در طول چرخه‌های تکرار آزمایش‌ها خواهد بود.

در یادداشت رونمایی این محصول، ارقام دقیق دلاری یا نمونه‌ای از صورت‌حساب کل یک دوره آموزشی اعلام نشده و آمازون کاربران را به صفحه قیمت‌گذاری رسمی سیج‌میکر ارجاع می‌دهد. بنابراین صرف پرداخت بر مبنای توکن، به‌خودی‌خود تضمین نمی‌کند که هزینه نهایی این سرویس ارزان‌تر از اجرای همان فرآیند روی زیرساخت‌های سخت‌افزاری اختصاصی تمام شود.

چهار مدل در فاز آغازین با تفاوت‌های منطقه‌ای

بیانیه منتشرشده پشتیبانی از مدل‌های gpt-oss-20b، gemma-4-31B-it، Qwen3.6-27B و Qwen3.8-27B را در گام اول تأیید می‌کند.

بررسی جدول عمومی مدل‌ها نشان می‌دهد که موقعیت‌های منطقه‌ای برای سه مدل نخست مشخص شده است، اما هنوز مناطقی که مدل Qwen3.8-27B در آن‌ها در دسترس خواهد بود معین نشده‌اند.

در کتابچه راهنمای آمازون، مناطق ویرجینیای شمالی، اورگان و بمبئی به‌عنوان دیتاسنترهای پشتیبانی‌شده معرفی شده‌اند. جدول مشخصات مدل‌ها نشان می‌دهد که مدل GPT-OSS-20B در هر سه منطقه فعال است، اما مدل‌های Gemma-4-31B-it و Qwen-3.6-27B فعلاً در اورگان و بمبئی ارائه می‌شوند.

مستندات این سرویس همچنین سهمیه پیش‌فرض دو جلسه فاین‌تیون هم‌زمان را در نظر گرفته که البته از سوی کاربر قابل افزایش و تنظیم است.

توسعه‌دهندگان می‌توانند کار خود را از محیط توسعه محلی با استفاده از کیت توسعه پایتون و کتابچه راهنما آغاز کنند یا مستقیماً درون محیط SageMaker Studio به کار بپردازند. آمازون برای مسیر SDK از سیستم‌های لینوکس و مک‌او‌اس همراه با نسخه‌های پایتون ۳٫۱۰ تا ۳٫۱۲ پشتیبانی می‌کند.

ورود زیرساخت سازمانی آمازون به بازاری پررقابت

آمازون در حال ورود به بازاری جاافتاده از خدمات آموزشی است که طراحی الگوریتم را از مدیریت سخت‌افزاری پردازنده‌های گرافیکی تفکیک کرده‌اند. به‌عنوان مثال، پلتفرم Tinker متعلق به Thinking Machines Lab رویکردی بسیار نزدیک را با ارائه رابط‌هایی برای تولید پاسخ، به‌روزرسانی مدل‌ها و ذخیره روند پیشرفت دنبال می‌کند. فهرست قیمت‌های منتشرشده آن نیز به شکلی مشابه، هزینه‌ها را میان پردازش ورودی، نمونه‌برداری و آموزش تفکیک کرده است.

برای سازمان‌هایی که پیش از این مشتری سرویس‌های آمازون بوده‌اند، مزیت بالقوه اصلی در هماهنگی یکپارچه این آموزش با زیرساخت‌ها و لایه‌های نظارتی موجود آن‌ها نهفته است.

به گفته آمازون، این جلسات بر پایه نقش‌های دسترسیِ تعیین‌شده توسط مشتری کار می‌کنند و امکان ادغام با کلیدهای رمزنگاری اختصاصی و تنظیمات شبکه‌های خصوصی را دارا هستند. داده‌های آموزشی و چک‌پوینت‌های ذخیره‌شده مدل همگی درون حافظه ابری S3 اختصاصی مشتری در منطقه جغرافیایی انتخابی او باقی می‌مانند. این شرکت همچنین تضمین کرده که از داده‌های کاربران یا وزن‌های بهینه‌سازی‌شده آن‌ها برای آموزش مدل‌های دیگر استفاده نمی‌کند.

در این گزارش همچنین به ابزارهای ارزیابی پیش از استقرار، تنظیم چارچوب‌های ایمنی (Guardrails) و مانیتورینگ از طریق CloudWatch پس از استقرار اشاره شده است. البته این ابزارها تنها تدابیر کنترلی در دست تیم‌ها هستند و دلیلی بر این نیستند که مدل سفارشی‌سازی‌شده به‌صورت خودکار تمامی الزامات دقت یا ایمنی را برآورده سازد.

آمازون علاوه بر این تصریح می‌کند که مدل‌های شخصی‌سازی‌شده می‌توانند برای پاسخگویی روی سیج‌میکر مستقر شوند و برخی مدل‌های منتخب نیز قابلیت انتقال به Amazon Bedrock را دارند. این تمایز اهمیت دارد؛ چراکه اطلاعیه تأیید نمی‌کند تمام مدل‌های پشتیبانی‌شده از گزینه‌های استقرار یکسانی برخوردار باشند.

برای مشتریان تجاری، معیار نهایی و ملموس این است که آیا چنین کنترلی روی فرآیند آموزش، مشکلی واقعی و قابل سنجش از کسب‌وکارشان را حل می‌کند یا خیر. یک آزمایش آزمایشی سودمند می‌تواند مدل بهینه‌سازی‌شده را از نظر میزان موفقیت در تکمیل وظایف، نرخ خطا و هزینه تمام‌شده کل عملیات در برابر راهکارهای موجود به محک بگذارد.

قابلیت Training Sessions می‌تواند بار مربوط به مدیریت زیرساخت را در چنین آزمایش‌هایی به حداقل برساند؛ با این حال، وظیفه سخت‌تر همچنان بر دوش خود سازمان‌ها باقی می‌ماند: تعریف شفاف رفتار مطلوب و اثبات اینکه مدل واقعاً آن رفتار را آموخته است.