فتح Digest محرر مجانًا
تختار رولا خالاف ، محررة FT ، قصصها المفضلة في هذه النشرة الإخبارية الأسبوعية.
هل ينتمي المستقبل إلى حفنة من وكلاء الذكاء الاصطناعي الواسع النطاق الذين يتنقلون في العالم نيابة عنا-خلفاء ChatGpts و Claudes و Groks الذين يسعون إلى التعامل مع أي مهمة تقريبًا ترميها عليهم؟ أو هل سيتم ملؤها من قبل مجموعة من المساعدين الرقميين المتخصصين ، كل تدريب على القيام بمهمة ضيقة واستدعاء فقط عند الحاجة؟
يبدو أن مزيجًا من الاثنين محتمل ، لكن الوتيرة الهائلة للتغيير قد تركت حتى القادة في هذا المجال يعترفون بأن لديهم فكرة ضئيلة عن كيفية ظهور الأشياء لمدة عام أو عامين.
بالنسبة لمؤيدي فكرة “One AI لحكمهم جميعًا” ، كان هناك الكثير من التطورات المشجعة. على سبيل المثال ، أضاف Openai ميزة التسوق إلى ChatGpt هذا الأسبوع تشير إلى كيفية إعادة ترتيب وكلاء الذكاء الاصطناعى المخصصة لاقتصاديات التجارة الإلكترونية. باستخدام استعلام واحد للحصول على chatbot لإجراء أبحاث المنتج الخاصة بك وتوصية الشراء تهدد بتخريب “القمع” بأكمله الذي اعتمدت عليه العلامات التجارية لتوجيه المشترين ، مما يضع Openai كثيرًا في المركز.
قد تجذب التقدم مثل هذه أكبر قدر من الاهتمام ، ولكن وراء الكواليس ، بدأ جيل جديد من الوكلاء الأكثر تخصصًا في التبلور. هذه الوعد بأن تكون مستهدفة بشكل ضيق و – أحد الاعتبارات الرئيسية – أرخص بكثير ، سواء للبناء أو الجري.
قدم مؤتمر Meta's Llamacon Developer هذا الأسبوع لمحة عن حالة اللعب. وضعت شركة الشبكات الاجتماعية رهانها على القدرة على تكييف “أوزانها المفتوحة” ، نماذج الذكاء الاصطناعى لها شكل محدود من بنية مفتوحة المصدر. هذا يمكّن الآخرين من استخدام النماذج وتكييفها ، حتى لو لم يتمكنوا من رؤية كيفية تدريبهم بالضبط.
إحدى العلامات التي تفيد بأن Meta قد بلغت عصبًا في عالم التكنولوجيا الأوسع ، وهي تنزيل 1.2 مليار من طرازات Llama “المفتوحة” التي كانت عليها في العامين الأوليين. تضمنت الغالبية العظمى من هذه الإصدارات من LLAMA أن المطورين الآخرين تكيفوا لاستخدامات معينة ومن ثم إتاحة أي شخص للتنزيل.
تقنيات تحويل نماذج الأوزان المفتوحة هذه إلى أدوات مفيدة تتطور بسرعة. التقطير ، على سبيل المثال – تشبع نماذج صغيرة مع بعض الذكاء من أكبر بكثير – أصبح تقنية شائعة. تحتفظ الشركات التي لديها نماذج “مغلقة” ، مثل Openai ، بالحق في تحديد كيفية ويل يمكن تقطير نماذجها. في عالم الأوزان المفتوحة ، بالمقارنة ، فإن المطورين أحرار في تكييف النماذج كما يريدون.
لقد تم اختيار الاهتمام بإنشاء المزيد من النماذج المتخصصة في الأشهر الأخيرة ، حيث تحول المزيد من تركيز تطوير الذكاء الاصطناعي إلى ما وراء التدريب الأولي المكثف بين البيانات-ومكلف للغاية-لأكبر النماذج. بدلاً من ذلك ، يتم إنشاء جزء كبير من الصلصة الخاصة في أحدث الصلصة في الخطوات التي تأتي بعد ذلك-في “ما بعد التدريب” ، والتي تستخدم غالبًا تقنية تُعرف باسم التعلم المعزز لتشكيل النتائج ، وفي ما يسمى مرحلة الاختبار التي تستخدمها نماذج التفكير للعمل من خلال مشكلة.
وفقًا لعلي غودسي ، الرئيس التنفيذي لشركة DataBricks ، يتضمن أحد أشكال ما بعد التدريب القوية التي تم التقاطها استخدام بيانات الملكية للشركة لتشكيل النماذج في مرحلة التعلم التعزيز ، مما يجعلها أكثر موثوقية للاستخدام التجاري. وتحدث في حدث Meta ، قال إن هذا ممكن فقط مع النماذج المفتوحة.
هناك خدعة جديدة مفضلة أخرى كانت الجمع بين أفضل أجزاء النماذج المفتوحة المختلفة. بعد أن صدمت Deepseek عالم الذكاء الاصطناعى بنجاح نموذج التفكير المنخفض التكلفة R1 ، على سبيل المثال ، تعلم المطورين الآخرون بسرعة كيفية نسخ “آثار” تفكيره-أنماط الفكر خطوة بخطوة والتي أظهرت كيف عملت من خلال مشكلة-وتشغيلها على قمة LAMA's Meta ، ،
تعد هذه التقنيات وغيرها بموجة مدية من العوامل الذكية التي تتطلب أجهزة أقل تكلفة وتستهلك طاقة أقل بكثير.
بالنسبة لبناة النماذج ، في هذه الأثناء ، يضيف إلى خطر الإصابة بالسلع – أن البدائل الأرخص ستقوض نماذجها الأكثر تكلفة والمتقدمة.
لكن أكبر الفائزين على الإطلاق ، مع تكلفة سقوط الذكاء الاصطناعى ، يمكن أن يكونوا المستخدمين: الشركات التي لديها ما هو مخصص لتصميم الوكلاء المتخصصين وتضمينه في عمليات العمل اليومية.
