تعمل شركة OpenAI وغيرها من شركات الذكاء الاصطناعي الرائدة على تطوير تقنيات تدريب جديدة للتغلب على القيود المفروضة على الأساليب الحالية. من خلال معالجة التأخيرات والتعقيدات غير المتوقعة في تطوير نماذج لغوية أكبر وأكثر قوة، تركز هذه التقنيات الجديدة على السلوك الشبيه بالإنسان لتعليم الخوارزميات كيفية “التفكير”.
يقال إن تقنيات التدريب الجديدة، التي يقودها عشرات من الباحثين والعلماء والمستثمرين في مجال الذكاء الاصطناعي، والتي تدعم نموذج “o1” الأخير لشركة OpenAI (المعروف سابقًا باسم Q* وStrawberry)، لديها القدرة على تحويل مشهد تطوير الذكاء الاصطناعي. قد تؤثر التطورات المبلغ عنها على أنواع أو كميات الموارد التي تحتاجها شركات الذكاء الاصطناعي بشكل مستمر، بما في ذلك الأجهزة المتخصصة والطاقة للمساعدة في تطوير نماذج الذكاء الاصطناعي.
تم تصميم نموذج o1 للتعامل مع المشكلات بطريقة تحاكي المنطق والتفكير البشري، وتقسيم العديد من المهام إلى خطوات. يستخدم النموذج أيضًا البيانات المتخصصة والتعليقات المقدمة من خبراء في صناعة الذكاء الاصطناعي لتعزيز أدائه.
منذ أن كشفت OpenAI عن ChatGPT في عام 2022، حدثت طفرة في ابتكارات الذكاء الاصطناعي، وتزعم العديد من شركات التكنولوجيا أن نماذج الذكاء الاصطناعي الحالية تتطلب التوسع، سواء كان ذلك من خلال كميات أكبر من البيانات أو موارد الحوسبة المحسنة. عندها فقط يمكن لنماذج الذكاء الاصطناعي أن تتحسن باستمرار.
الآن، أبلغ خبراء الذكاء الاصطناعي عن وجود قيود في توسيع نطاق نماذج الذكاء الاصطناعي. كان العقد الأول من القرن الحادي والعشرين فترة ثورية للتوسع، لكن إيليا سوتسكيفر، المؤسس المشارك لمختبرات الذكاء الاصطناعي Safe Superintelligence (SSI) وOpenAI، يقول إن تدريب نماذج الذكاء الاصطناعي، وخاصة في فهم هياكل اللغة وأنماطها، قد استقر.
“كان العقد الأول من القرن الحادي والعشرين هو عصر التوسع، والآن عدنا إلى عصر العجب والاكتشاف مرة أخرى. وقالوا إن توسيع نطاق الشيء الصحيح أصبح أكثر أهمية الآن.
في الآونة الأخيرة، واجه باحثو مختبر الذكاء الاصطناعي تأخيرات وتحديات في تطوير وإصدار نماذج لغوية كبيرة (LLM) أقوى من نموذج GPT-4 الخاص بـ OpenAI.
أولاً، هناك تكلفة تدريب النماذج الكبيرة، والتي غالباً ما تصل إلى عشرات الملايين من الدولارات. ونظرًا للتعقيدات التي تنشأ، مثل فشل الأجهزة بسبب تعقيد النظام، فإن التحليل النهائي لكيفية تشغيل هذه النماذج قد يستغرق شهورًا.
بالإضافة إلى هذه التحديات، تتطلب عمليات التدريب كميات كبيرة من الطاقة، مما يؤدي غالبًا إلى نقص الطاقة الذي يمكن أن يعطل العمليات ويؤثر على الشبكة الكهربائية الأوسع. هناك مشكلة أخرى وهي الكمية الهائلة من البيانات التي تستخدمها نماذج اللغات الكبيرة، لدرجة أن نماذج الذكاء الاصطناعي استخدمت جميع البيانات التي يمكن الوصول إليها في جميع أنحاء العالم.
يستكشف الباحثون تقنية تُعرف باسم “حساب وقت الاختبار” لتحسين نماذج الذكاء الاصطناعي الحالية عند التدريب أو أثناء مراحل الاستدلال. يمكن أن تتضمن الطريقة إنشاء إجابات متعددة في الوقت الفعلي لاتخاذ قرار بشأن مجموعة من أفضل الحلول. لذلك، يمكن للنموذج تخصيص موارد معالجة أكبر للمهام الصعبة التي تتطلب اتخاذ قرارات واستدلالًا شبيهًا بالإنسان. الهدف – جعل النموذج أكثر دقة وقدرة.
شارك نعوم براون، الباحث في OpenAI الذي ساعد في تطوير نموذج o1، مثالاً لكيفية تحقيق النهج الجديد لنتائج مذهلة. وفي مؤتمر TED للذكاء الاصطناعي في سان فرانسيسكو الشهر الماضي، أوضح براون أن “وجود روبوت يفكر لمدة 20 ثانية فقط في لعبة البوكر حصل على نفس الأداء المعزز مثل توسيع نطاق النموذج بمقدار 100 ألف مرة وتدريبه لمدة أطول بـ 100 ألف مرة”.
وبدلاً من مجرد زيادة حجم النموذج ووقت التدريب، يمكن أن يغير هذا كيفية معالجة نماذج الذكاء الاصطناعي للمعلومات ويؤدي إلى أنظمة أكثر قوة وكفاءة.
يُذكر أن مختبرات الذكاء الاصطناعي الأخرى تعمل على تطوير إصدارات من تقنية o1. وتشمل xAI وGoogle DeepMind وAnthropic. المنافسة في عالم الذكاء الاصطناعي ليست جديدة، ولكن يمكننا أن نرى تأثيرًا كبيرًا على سوق أجهزة الذكاء الاصطناعي نتيجة للتقنيات الجديدة. وقد تتأثر شركات مثل Nvidia، التي تهيمن حاليًا على توريد رقائق الذكاء الاصطناعي بسبب الطلب المرتفع على منتجاتها، بشكل خاص بتقنيات تدريب الذكاء الاصطناعي المحدثة.
أصبحت Nvidia الشركة الأكثر قيمة في العالم في أكتوبر، ويمكن أن يُعزى ارتفاع ثرواتها إلى حد كبير إلى استخدام رقائقها في مصفوفات الذكاء الاصطناعي. قد تؤثر التقنيات الجديدة على مكانة Nvidia في السوق، مما يجبر الشركة على تكييف منتجاتها لتلبية الطلب المتطور على أجهزة الذكاء الاصطناعي. من المحتمل أن يفتح هذا المزيد من السبل أمام منافسين جدد في سوق الاستدلال.
قد يكون هناك عصر جديد من تطوير الذكاء الاصطناعي في الأفق، مدفوعًا بمتطلبات الأجهزة المتطورة وطرق التدريب الأكثر كفاءة مثل تلك المنتشرة في نموذج o1. ومن الممكن إعادة تشكيل مستقبل كل من نماذج الذكاء الاصطناعي والشركات التي تقف وراءها، مما يفتح إمكانيات غير مسبوقة ومنافسة أكبر.
أنظر أيضا: الأنثروبيك تحث على تنظيم الذكاء الاصطناعي لتجنب الكوارث
هل تريد معرفة المزيد عن الذكاء الاصطناعي والبيانات الضخمة من قادة الصناعة؟ اطلع على معرض الذكاء الاصطناعي والبيانات الضخمة الذي يقام في أمستردام وكاليفورنيا ولندن. ويقام هذا الحدث الشامل في موقع مشترك مع أحداث رائدة أخرى بما في ذلك مؤتمر الأتمتة الذكية، وBlockX، وأسبوع التحول الرقمي، ومؤتمر الأتمتة الذكية.