الفوضى في مجال الذكاء الاصطناعي: من المتحولون إلى معركة المائة نموذج
في الشهر الماضي، اندلعت حرب شديدة في مجال الذكاء الاصطناعي تُسمى "حرب الحيوانات". من جهة، هناك نموذج الألاما الذي أطلقته إحدى شركات التكنولوجيا الكبرى، والذي نال شعبية كبيرة بين المطورين بسبب طبيعته مفتوحة المصدر. ومن جهة أخرى، هناك النموذج الكبير المسمى "الصقر"، الذي تصدر قائمة نماذج اللغة المفتوحة المصدر بعد ظهوره في مايو.
من المثير للاهتمام أن مطور "الصقر" ليس شركة تكنولوجيا، بل هو معهد أبحاث يقع في الإمارات العربية المتحدة. ثم تم اختيار وزير الذكاء الاصطناعي في الإمارات ضمن قائمة "أكثر 100 شخصية تأثيرًا في مجال الذكاء الاصطناعي" التي أصدرتها مجلة تايم.
اليوم، دخل مجال الذكاء الاصطناعي مرحلة "جنون جماعي". طالما أن هناك دول وشركات تتمتع بالقدرة المالية الكافية، فإنها جميعًا تعمل على إنشاء نماذج لغوية كبيرة خاصة بها. فقط في الدول الخليجية، هناك أكثر من لاعب واحد في هذه المنافسة.
اشتكى أحد المستثمرين قائلاً: "في ذلك الوقت، كنت أستهين بابتكارات نماذج الأعمال في الإنترنت، وكنت أعتقد أنه لا توجد حواجز. لم أتوقع أن ريادة الأعمال في التكنولوجيا الصلبة والنماذج الكبيرة لا تزال عبارة عن معركة بين مئات النماذج..."
كيف أصبحت التكنولوجيا الصعبة التي كانت تعتبر صعبة للغاية، تمثل نموذجًا موحدًا لكل دولة وتنتشر في كل مكان؟
Transformer غيّر قواعد اللعبة
إن قدرة الدول والشركات الحالية على تحقيق أحلامها في النماذج الكبيرة تعود إلى الورقة الشهيرة التي نُشرت في عام 2017 بعنوان "الانتباه هو كل ما تحتاجه". لقد كشفت هذه الورقة عن خوارزمية Transformer، مما جعلها نقطة الانطلاق لهذه الموجة الحالية من الذكاء الاصطناعي. النماذج الكبيرة اليوم، بغض النظر عن الجنسية، تُبنى جميعها على أساس Transformer.
قبل ذلك، كانت "تعليم الآلات القراءة" تعتبر مشكلة أكاديمية معترف بها. عندما يقرأ البشر، لا يركزون فقط على الكلمات والعبارات الحالية، بل يجمعون أيضًا بين السياق لفهم المعنى. كانت الشبكات العصبية المبكرة صعبة في تحقيق ذلك، حتى ظهور الشبكات العصبية المتكررة RNN في عام 2014، مما أحدث突破ًا.
ومع ذلك، تعاني الشبكات العصبية المتكررة (RNN) من مشكلة الكفاءة المنخفضة، مما يجعل من الصعب معالجة عدد كبير من المعلمات. جاءتTransformer لحل هذه المشكلة، حيث استبدلت التشفير المكاني بتصميم الحلقة الخاص بـ RNN، مما سمح بالحساب المتوازي وزيادة كفاءة التدريب بشكل كبير. وقد أدت هذه التغييرات إلى دخول الذكاء الاصطناعي عصر النماذج الكبيرة.
أصبح Transformer بسرعة الخيار السائد في مجال معالجة اللغة الطبيعية. لقد حول النموذج الكبير من البحث النظري إلى مجرد مشكلة هندسية - طالما أن هناك ما يكفي من القدرة الحاسوبية والبيانات، يمكن لأي شركة تمتلك القدرة التقنية بناء نموذج كبير.
كما قال أحد علماء الكمبيوتر، فإن الذكاء الاصطناعي أصبح تقنية عامة، مشابهة للكهرباء والإنترنت. على الرغم من أن النماذج الكبيرة لبعض الشركات لا تزال تتفوق، يتوقع المحللون أن تتمكن شركات التكنولوجيا الكبرى الأخرى قريبًا من إنشاء منتجات بمستوى مماثل.
التفكير وراء معركة المئة نموذج
حتى يوليو من هذا العام، بلغ عدد النماذج الكبيرة المحلية 130 نموذجًا، متجاوزًا الولايات المتحدة. بالإضافة إلى الصين والولايات المتحدة، أطلقت بعض الدول الغنية الأخرى نماذجها الكبيرة، مثل اليابان والإمارات والهند وكوريا الجنوبية.
تذكرنا هذه الوضعية بفقاعة الإنترنت. لكن الدخول إلى الساحة بسهولة لا يعني أن الجميع يمكن أن يصبح عملاقاً في عصر الذكاء الاصطناعي. على سبيل المثال، نموذج المصدر المفتوح، فإن مجتمع المطورين النشط هو القوة التنافسية الأساسية له. أحد عمالقة وسائل التواصل الاجتماعي يدرك هذا جيداً، وقد أصبحت سلسلته من نماذج المصدر المفتوح بمثابة بوصلة في هذا المجال.
ومع ذلك، لا تزال معظم النماذج الكبيرة تعاني من فجوة واضحة في الأداء مقارنةً بالمنتجات الرائدة. تظهر نتائج اختبار AgentBench الأخيرة أن الدرجة الثانية أقل من ثلثي الدرجة الأولى. تنبع هذه الفجوة من الفرق في الفرق العلمية الممتازة التي تمتلكها الشركات الرائدة والخبرة المتراكمة على مدى فترة طويلة.
القدرة الأساسية للنماذج الكبيرة لا تكمن فقط في عدد المعلمات، ولكن في بناء النظام البيئي ( للنماذج المفتوحة المصدر ) أو القدرة على الاستدلال البحت ( للنماذج المغلقة المصدر ). مع تطور المجتمع المفتوح المصدر، قد تتقارب أداء النماذج الكبيرة المختلفة.
التحدي الأكبر هو في الترويج التجاري. باستثناء بعض الاستثناءات، لم تتمكن معظم شركات الذكاء الاصطناعي من إيجاد نموذج ربح بعد استثمارات ضخمة. حتى الشركات الرائدة في هذا القطاع تواجه صعوبات في تسعير منتجات الذكاء الاصطناعي.
أصبح ارتفاع تكلفة قوة الحوسبة عقبة أمام تطوير الصناعة. وبتقديرات، قد تتجاوز نفقات الشركات التكنولوجية العالمية على بنية النماذج الكبيرة السنوية دخلها بكثير، مما يترك فجوة كبيرة.
على الرغم من أن المنتجات الرائدة لبعض الشركات قد أثارت هذه الثورة في الذكاء الاصطناعي، لا يزال هناك شك في القيمة التي يمكن أن يخلقها الاعتماد فقط على تدريب النماذج الكبيرة. مع تزايد المنافسة وزيادة النماذج مفتوحة المصدر، قد تواجه شركات النماذج الكبيرة البحتة ضغطًا أكبر.
مثلما أن نجاح iPhone 4 لا يعتمد فقط على معالجه، بل لأنه قادر على تشغيل مجموعة متنوعة من التطبيقات. قد تظهر القيمة الحقيقية في مجال الذكاء الاصطناعي أيضًا من خلال التطبيقات المحددة.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 22
أعجبني
22
5
مشاركة
تعليق
0/400
SignatureCollector
· 08-03 13:36
رقصة الشياطين؟ الأفضل أن نسميها سباق الموديلات المتعددة
شاهد النسخة الأصليةرد0
GateUser-2fce706c
· 08-01 18:24
رمز الثروة أمامنا، وما لا يمكن الإمساك به هو حمقى
شاهد النسخة الأصليةرد0
CoffeeOnChain
· 08-01 18:24
آه، لقد أصبحت لعبة رأس المال مرة أخرى
شاهد النسخة الأصليةرد0
MEV_Whisperer
· 08-01 18:16
ما هو الممتع في تداول العملات الرقمية مقارنة بالذكاء الاصطناعي
تتفتح نماذج الذكاء الاصطناعي الكبيرة في جميع الاتجاهات، ولكن من الصعب تجاريتها.
الفوضى في مجال الذكاء الاصطناعي: من المتحولون إلى معركة المائة نموذج
في الشهر الماضي، اندلعت حرب شديدة في مجال الذكاء الاصطناعي تُسمى "حرب الحيوانات". من جهة، هناك نموذج الألاما الذي أطلقته إحدى شركات التكنولوجيا الكبرى، والذي نال شعبية كبيرة بين المطورين بسبب طبيعته مفتوحة المصدر. ومن جهة أخرى، هناك النموذج الكبير المسمى "الصقر"، الذي تصدر قائمة نماذج اللغة المفتوحة المصدر بعد ظهوره في مايو.
من المثير للاهتمام أن مطور "الصقر" ليس شركة تكنولوجيا، بل هو معهد أبحاث يقع في الإمارات العربية المتحدة. ثم تم اختيار وزير الذكاء الاصطناعي في الإمارات ضمن قائمة "أكثر 100 شخصية تأثيرًا في مجال الذكاء الاصطناعي" التي أصدرتها مجلة تايم.
اليوم، دخل مجال الذكاء الاصطناعي مرحلة "جنون جماعي". طالما أن هناك دول وشركات تتمتع بالقدرة المالية الكافية، فإنها جميعًا تعمل على إنشاء نماذج لغوية كبيرة خاصة بها. فقط في الدول الخليجية، هناك أكثر من لاعب واحد في هذه المنافسة.
اشتكى أحد المستثمرين قائلاً: "في ذلك الوقت، كنت أستهين بابتكارات نماذج الأعمال في الإنترنت، وكنت أعتقد أنه لا توجد حواجز. لم أتوقع أن ريادة الأعمال في التكنولوجيا الصلبة والنماذج الكبيرة لا تزال عبارة عن معركة بين مئات النماذج..."
كيف أصبحت التكنولوجيا الصعبة التي كانت تعتبر صعبة للغاية، تمثل نموذجًا موحدًا لكل دولة وتنتشر في كل مكان؟
Transformer غيّر قواعد اللعبة
إن قدرة الدول والشركات الحالية على تحقيق أحلامها في النماذج الكبيرة تعود إلى الورقة الشهيرة التي نُشرت في عام 2017 بعنوان "الانتباه هو كل ما تحتاجه". لقد كشفت هذه الورقة عن خوارزمية Transformer، مما جعلها نقطة الانطلاق لهذه الموجة الحالية من الذكاء الاصطناعي. النماذج الكبيرة اليوم، بغض النظر عن الجنسية، تُبنى جميعها على أساس Transformer.
قبل ذلك، كانت "تعليم الآلات القراءة" تعتبر مشكلة أكاديمية معترف بها. عندما يقرأ البشر، لا يركزون فقط على الكلمات والعبارات الحالية، بل يجمعون أيضًا بين السياق لفهم المعنى. كانت الشبكات العصبية المبكرة صعبة في تحقيق ذلك، حتى ظهور الشبكات العصبية المتكررة RNN في عام 2014، مما أحدث突破ًا.
ومع ذلك، تعاني الشبكات العصبية المتكررة (RNN) من مشكلة الكفاءة المنخفضة، مما يجعل من الصعب معالجة عدد كبير من المعلمات. جاءتTransformer لحل هذه المشكلة، حيث استبدلت التشفير المكاني بتصميم الحلقة الخاص بـ RNN، مما سمح بالحساب المتوازي وزيادة كفاءة التدريب بشكل كبير. وقد أدت هذه التغييرات إلى دخول الذكاء الاصطناعي عصر النماذج الكبيرة.
أصبح Transformer بسرعة الخيار السائد في مجال معالجة اللغة الطبيعية. لقد حول النموذج الكبير من البحث النظري إلى مجرد مشكلة هندسية - طالما أن هناك ما يكفي من القدرة الحاسوبية والبيانات، يمكن لأي شركة تمتلك القدرة التقنية بناء نموذج كبير.
كما قال أحد علماء الكمبيوتر، فإن الذكاء الاصطناعي أصبح تقنية عامة، مشابهة للكهرباء والإنترنت. على الرغم من أن النماذج الكبيرة لبعض الشركات لا تزال تتفوق، يتوقع المحللون أن تتمكن شركات التكنولوجيا الكبرى الأخرى قريبًا من إنشاء منتجات بمستوى مماثل.
التفكير وراء معركة المئة نموذج
حتى يوليو من هذا العام، بلغ عدد النماذج الكبيرة المحلية 130 نموذجًا، متجاوزًا الولايات المتحدة. بالإضافة إلى الصين والولايات المتحدة، أطلقت بعض الدول الغنية الأخرى نماذجها الكبيرة، مثل اليابان والإمارات والهند وكوريا الجنوبية.
تذكرنا هذه الوضعية بفقاعة الإنترنت. لكن الدخول إلى الساحة بسهولة لا يعني أن الجميع يمكن أن يصبح عملاقاً في عصر الذكاء الاصطناعي. على سبيل المثال، نموذج المصدر المفتوح، فإن مجتمع المطورين النشط هو القوة التنافسية الأساسية له. أحد عمالقة وسائل التواصل الاجتماعي يدرك هذا جيداً، وقد أصبحت سلسلته من نماذج المصدر المفتوح بمثابة بوصلة في هذا المجال.
ومع ذلك، لا تزال معظم النماذج الكبيرة تعاني من فجوة واضحة في الأداء مقارنةً بالمنتجات الرائدة. تظهر نتائج اختبار AgentBench الأخيرة أن الدرجة الثانية أقل من ثلثي الدرجة الأولى. تنبع هذه الفجوة من الفرق في الفرق العلمية الممتازة التي تمتلكها الشركات الرائدة والخبرة المتراكمة على مدى فترة طويلة.
القدرة الأساسية للنماذج الكبيرة لا تكمن فقط في عدد المعلمات، ولكن في بناء النظام البيئي ( للنماذج المفتوحة المصدر ) أو القدرة على الاستدلال البحت ( للنماذج المغلقة المصدر ). مع تطور المجتمع المفتوح المصدر، قد تتقارب أداء النماذج الكبيرة المختلفة.
التحدي الأكبر هو في الترويج التجاري. باستثناء بعض الاستثناءات، لم تتمكن معظم شركات الذكاء الاصطناعي من إيجاد نموذج ربح بعد استثمارات ضخمة. حتى الشركات الرائدة في هذا القطاع تواجه صعوبات في تسعير منتجات الذكاء الاصطناعي.
أصبح ارتفاع تكلفة قوة الحوسبة عقبة أمام تطوير الصناعة. وبتقديرات، قد تتجاوز نفقات الشركات التكنولوجية العالمية على بنية النماذج الكبيرة السنوية دخلها بكثير، مما يترك فجوة كبيرة.
على الرغم من أن المنتجات الرائدة لبعض الشركات قد أثارت هذه الثورة في الذكاء الاصطناعي، لا يزال هناك شك في القيمة التي يمكن أن يخلقها الاعتماد فقط على تدريب النماذج الكبيرة. مع تزايد المنافسة وزيادة النماذج مفتوحة المصدر، قد تواجه شركات النماذج الكبيرة البحتة ضغطًا أكبر.
مثلما أن نجاح iPhone 4 لا يعتمد فقط على معالجه، بل لأنه قادر على تشغيل مجموعة متنوعة من التطبيقات. قد تظهر القيمة الحقيقية في مجال الذكاء الاصطناعي أيضًا من خلال التطبيقات المحددة.