منذ ذلك الحين ظهرت تقنية DeepSeek على الساحة في شهر يناير، وازداد الزخم حول نماذج الذكاء الاصطناعي الصينية مفتوحة المصدر. يدفع بعض الباحثين نحو اتباع نهج أكثر انفتاحًا لبناء الذكاء الاصطناعي، والذي يسمح بتوزيع عملية صنع النماذج في جميع أنحاء العالم.
تقوم شركة Prime Intellect، وهي شركة ناشئة متخصصة في الذكاء الاصطناعي اللامركزي، حاليًا بتدريب نموذج لغة كبير الحدود، يسمى INTELLECT-3، باستخدام نوع جديد من التعلم المعزز الموزع من أجل الضبط الدقيق. ويقول فينسنت فايسر، الرئيس التنفيذي للشركة، إن النموذج سيوضح طريقة جديدة لبناء نماذج ذكاء اصطناعي مفتوحة تنافسية باستخدام مجموعة من الأجهزة في مواقع مختلفة بطريقة لا تعتمد على شركات التكنولوجيا الكبرى.
يقول فايسر إن عالم الذكاء الاصطناعي منقسم حاليًا بين أولئك الذين يعتمدون على النماذج الأمريكية المغلقة وأولئك الذين يستخدمون العروض الصينية المفتوحة. تعمل تقنية Prime Intellect على تطوير الذكاء الاصطناعي من خلال السماح لعدد أكبر من الأشخاص ببناء وتعديل الذكاء الاصطناعي المتقدم لأنفسهم.
لم يعد تحسين نماذج الذكاء الاصطناعي مجرد مسألة تكثيف بيانات التدريب والحوسبة. تستخدم النماذج الحدودية اليوم التعلم المعزز للتحسين بعد اكتمال عملية التدريب المسبق. هل تريد أن يتفوق نموذجك في الرياضيات، أو يجيب على الأسئلة القانونية، أو يلعب سودوكو؟ اطلب منه تحسين نفسه من خلال الممارسة في بيئة يمكنك من خلالها قياس النجاح والفشل.
يقول لي فايسر: “إن بيئات التعلم المعزز هذه أصبحت الآن بمثابة عنق الزجاجة أمام توسيع نطاق القدرات فعليًا”.
لقد أنشأ Prime Intellect إطارًا يتيح لأي شخص إنشاء بيئة تعلم معززة مخصصة لمهمة معينة. تجمع الشركة بين أفضل البيئات التي أنشأها فريقها والمجتمع لضبط INTELLECT-3.
حاولت تشغيل بيئة لحل ألغاز Wordle، أنشأها ويل براون، الباحث في Prime Intellect، وشاهدت نموذجًا صغيرًا يحل ألغاز Wordle (كان الأمر أكثر منهجية مني، لأكون صادقًا). إذا كنت باحثًا في الذكاء الاصطناعي يحاول تحسين نموذج ما، فسأقوم بتدوير مجموعة من وحدات معالجة الرسومات وأمارس النموذج مرارًا وتكرارًا بينما تقوم خوارزمية التعلم المعزز بتعديل أوزانه، وبالتالي تحويل النموذج إلى Wordle master.
