تسعى شركات الذكاء الاصطناعي، مثل أوبن أيه آي إلى التغلب على التأخيرات والتحديات غير المتوقعة في السعي إلى تطوير نماذج لغوية كبيرة أكثر من أي وقت مضى. يأتي ذلك بواسطة تطوير تقنيات تدريب تستخدم طرقًا أكثر شبهًا بالبشر لكي تفكر الخوارزميات.

وقال عشرات العلماء والباحثين والمستثمرين في مجال الذكاء الاصطناعي وفق رويترز : إنهم يعتقدون أن هذه التقنيات، التي تقف وراء نموذج o1 الذي أصدرته أوبن أيه آي مؤخرًا، يمكن أن تعيد تشكيل سباق التسلح في مجال الذكاء الاصطناعي.

كما أن لها تأثيرات على أنواع الموارد التي تطلبها شركات الذكاء الاصطناعي بنهم. بداية من الطاقة وحتى أنواع الرقائق.

من ناحية أخرى، رفضت الشركة التعليق على هذه القصة. بعد إصدار روبوت الدردشة Chat GPT قبل عامين.

كيف تتعاون أوبن أيه آي مع منافسيها؟ أكدت شركات التكنولوجيا، التي استفادت من طفرة الذكاء الاصطناعي، أن توسيع نطاق النماذج الحالية من خلال إضافة المزيد من البيانات وقوة الحوسبة، سيؤدي باستمرار إلى تحسين نماذج الذكاء الاصطناعي.

وقال إيليا سوتسكيفر؛ المؤسس المشارك لمختبرات الذكاء الاصطناعي Safe Superintelligence (SSI) و OpenAI، وفق رويترز ، مؤخرًا أن نتائج توسيع نطاق التدريب المسبق. هي مرحلة تدريب نموذج الذكاء الاصطناعي الذي يستخدم كمية هائلة من البيانات غير الموسومة لفهم أنماط اللغة وهياكلها قد استقرت.

وينسب إلى سوتسكيفر الفضل على نطاق واسع باعتباره من أوائل المدافعين عن تحقيق قفزات هائلة في تقدم الذكاء الاصطناعي التوليدي. ذلك من خلال استخدام المزيد من البيانات وقوة الحوسبة في التدريب المسبق. وهو ما أدى في النهاية إلى إنشاء Chat GPT. وترك سوتسكيفر Open AI في وقت سابق من هذا العام ليؤسس SSI .

عصر ازدهار التكنولوجيا قال كان العقد الأول من القرن الحادي والعشرين هو عصر التوسع. والآن عدنا إلى عصر العجائب والاكتشافات مرة أخرى. الجميع يبحث عن الشيء التالي.

وأضاف سوتسكيفر : توسيع نطاق الشيء الصحيح مهم الآن أكثر من أي وقت مضى .

ويمكن أن تكلف ما يسمى بـ عمليات التشغيل التدريبية للنماذج الكبيرة عشرات الملايين من الدولارات خلال تشغيل مئات الرقائق في وقت واحد.

ومن المرجح أن تتعرض هذه النماذج للفشل الناجم عن الأجهزة نظرًا لمدى تعقيد النظام، وقد لا يعرف الباحثون الأداء النهائي للنماذج حتى نهاية التشغيل؛ ما قد يستغرق شهورًا.

المشكلة الأخرى، أن النماذج اللغوية الكبيرة تلتهم كميات هائلة من البيانات. فقد استنفدت نماذج الذكاء الاصطناعي جميع البيانات التي يمكن الوصول إليها بسهولة في العالم. كما أعاق نقص الطاقة أيضًا عمليات التدريب؛ حيث تتطلب العملية كميات هائلة من الطاقة.

تحديات تطوير الذكاء الاصطناعي وللتغلب على هذه التحديات، يستكشف الباحثون حساب وقت الاختبار ، وهي تقنية تعزز نماذج الذكاء الاصطناعي الحالية خلال ما يسمى بمرحلة الاستدلال ، أو عندما يتم استخدام النموذج.

على سبيل المثال، بدلًا من اختيار إجابة واحدة على الفور، يمكن للنموذج توليد وتقييم احتمالات متعددة في الوقت الحقيقي، ليختار في النهاية أفضل مسار للمضي قدمًا.

توجد مشكلة أخرى، وهي أن النماذج اللغوية الكبيرة تلتهم كميات هائلة من البيانات. وقد استنفدت نماذج الذكاء الاصطناعي جميع البيانات التي يسهل الوصول إليها في العالم.

كما أعاق نقص الطاقة أيضا عمليات التدريب، حيث تتطلب العملية.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه

هذا المحتوى مقدم من مجلة رواد الأعمال