أرشيف الوسم: نماذج ذكاء اصطناعي

شركة ميتا تطلق نموذج الذكاء الاصطناعي الجديد Llama 3.1

كُتب يوم بواسطة

أعلنت شركة ميتا Meta في شهر أبريل/نيسان الماضي أنها كانت تعمل على أول نموذج في مجال الذكاء الاصطناعي: نموذج مفتوح المصدر بأداء يضاهي أفضل النماذج الخاصة من شركات مثل OpenAI.

واليوم وصل هذا النموذج حيث أصدرت ميتا نموذج الذكاء الاصطناعي Llama 3.1، وهو أكبر نموذج مفتوح المصدر للذكاء الاصطناعي على الإطلاق.

والذي تدعي الشركة أنه يتفوق في الأداء على كل من GPT-4o و Claude 3.5 Sonnet في العديد من المعايير.

كما أنها ستتيح مساعدها Meta AI المستند إلى Llama في المزيد من البلدان واللغات مع إضافة ميزة يمكنها إنشاء صور بناءً على التشابه المحدد مع شخص ما.

ويتوقع الرئيس التنفيذي مارك زوكربيرج الآن أن يكون Meta AI هو المساعد الأكثر استخدامًا على نطاق واسع بحلول نهاية هذا العام، متجاوزًا ChatGPT.

ويعد Llama 3.1 أكثر تعقيدًا بكثير من نماذج Llama 3 الأصغر حجمًا الذي صدر قبل بضعة أشهر.

حيث يحتوي هذا الإصدار على 405 مليار معلمة وتم تدريبه باستخدام أكثر من 16,000 وحدة معالجة رسوميات H100 باهظة الثمن من Nvidia.

ولم تكشف Meta عن تكلفة تطوير Llama 3.1، ولكن استنادًا إلى تكلفة شرائح Nvidia وحدها، من السهل تخمين أنها كانت مئات الملايين من الدولارات.

وقال زوكربيرج إن نماذج الذكاء الاصطناعي مفتوحة المصدر سوف تتفوق على النماذج الاحتكارية، وتتحسن بالفعل بشكل أسرع، على غرار الطريقة التي أصبح بها نظام Linux نظام تشغيل مفتوح المصدر يشغل معظم الهواتف والخوادم والأدوات الذكية.

ويتوقع زوكربيرج أن يتم تنفيذ نفس الديناميكية مع الذكاء الاصطناعي، حيث كتب: “أعتقد أن إصدار Llama 3.1 سيكون نقطة انعطاف في الصناعة حيث يبدأ معظم المطورين في استخدام المصادر المفتوحة بشكل أساسي”.

وتعمل Meta مع أكثر من عشرين شركة، بما في ذلك Microsoft و Amazon و Google و Nvidia و Databricks، لمساعدة المطورين على نشر إصداراتهم الخاصة المعتمدة على Llama 3.1.

وقالت الشركة أيضاً إن Llama 3.1 يكلف ما يقرب من نصف تكلفة GPT-4o من OpenAI للتشغيل في الإنتاج.

ليس من المستغرب أن Meta لا تقول الكثير عن البيانات التي استخدمتها لتدريب Llama 3.1. يقول الأشخاص الذين يعملون في شركات الذكاء الاصطناعي إنهم لا يكشفون عن هذه المعلومات لأنها سر تجاري، بينما يقول النقاد إنه تكتيك لتأخير الهجمة الحتمية لدعاوى حقوق النشر القادمة.

وسيتم الوصول إلى Llama 3.1 لأول مرة خلال الأسبوع الحالي عبر واتساب WhatsApp وموقع Meta AI في الولايات المتحدة، يليه Instagram و Facebook في الأسابيع المقبلة.

وسيتم تحديثه لدعم اللغات الجديدة أيضًا، بما في ذلك الفرنسية والألمانية والهندية والإيطالية والإسبانية.

في حين أن نموذج المعلمة الأكثر تقدمًا في Llama 3.1 والذي يبلغ 405 مليارًا متاح مجانًا للاستخدام في Meta AI، فإن المساعد سيعتمد على نموذج أصغر (يبلغ 70 مليارًا معلمة) بعد تجاوز عدد معين من المطالبات في الأسبوع الواحد.

كما سيأتي المساعد Meta AI أيضًا إلى نظارة الواقع الافتراضي Quest في الأسابيع المقبلة، لتحل محل واجهة الأوامر الصوتية الخاصة بها.

وكما هو الحال مع تطبيقه في نظارات Meta Ray-Ban، ستتمكن من استخدام Meta AI في Quest للتعرف على ما تنظر إليه والتعرف عليه أثناء وجودك في وضع العبور الخاص بسماعات الرأس والذي يعرض العالم الحقيقي من خلال الشاشة.

مقالات قد تعجبك

شاومي تكشف عن هاتفها القابل للطي Mix Fold 4
شاومي تكشف رسمياً عن هاتف Mix Flip القابل للطي
سعر ومواصفات هاتف Redmi K70 Extreme Edition من شاومي
ما هو اختراق بطاقة سيم SIM؟ وكيف يتم؟ وكيفية معرفة إن كان رقم هاتفك مخترقاً؟
كيفية استخدام برنامج MoniMaster لحماية الأطفال من محتوى الإنترنت الضار

شركة OpenAI تطلق نموذج الذكاء الاصطناعي GPT-4o Mini

كُتب يوم بواسطة

أطلقت شركة OpenAI نموذجًا أخف وأرخص للمطورين يُسمّى GPT-4o Mini، بسعر أقل بكثير من النماذج كاملة الحجم، ويُقال إنه أكثر قدرة من GPT-3.5.

ويؤدي إنشاء التطبيقات باستخدام نماذج OpenAI إلى تكبّد فاتورة ضخمة، الأمر الذي دفع للمطورين الذين ليس لديهم القدرة على تحمل تكاليف هذا الأمر اختيار نماذج أرخص مثل Google Gemini 1.5 Flash أو Anthropic’s Claude 3 Haiku.

والآن سيتمكن مستخدمو ChatGPT في الخطط المجانية و Plus و Team استخدام GPT-4o Mini بدلاً من GPT-3.5 Turbo، مع إمكانية وصول مستخدمي Enterprise لهذا النموذج في الأسبوع المقبل.

وهذا يعني أن GPT-3.5 لن يكون متاحاً لمستخدمي ChatGPT بعد الآن، ولكنه سيظل متاحًا للمطورين عبر واجهة برمجة التطبيقات إذا كانوا يفضلون عدم التبديل إلى GPT-4o Mini.

وقالت الشركة إنّ GPT-3.5 سيتم إيقافها عن واجهة برمجة التطبيقات (API) في وقت ما، لكنهم غير متأكدين من الموعد المحدد لذلك.

سيدعم النموذج الجديد خفيف الوزن أيضًا النص والصور في واجهة برمجة التطبيقات (API)، وتقول الشركة إنها ستتعامل قريبًا مع جميع المدخلات والمخرجات متعددة الوسائط مثل الفيديو والصوت.

مع كل هذه الإمكانات، قد يبدو هذا بمثابة مساعدين افتراضيين أكثر قدرة يمكنهم فهم خط سير رحلتك وإنشاء الاقتراحات، ومع ذلك فإن هذا النموذج مخصص لمهام بسيطة.

حقق هذا النموذج الجديد درجة 82 بالمائة في اختبار فهم اللغة متعدد المهام (MMLU)، وهو اختبار قياسي يتكون من حوالي 16000 سؤال متعدد الاختيارات عبر 57 موضوعًا أكاديميًا.

عندما تم تقديم MMLU لأول مرة في عام 2020، كانت معظم النماذج سيئة جدًا في استخدامه، وكان هذا هو الهدف نظرًا لأن النماذج أصبحت متقدمة جدًا بالنسبة للاختبارات المعيارية السابقة.

سجل GPT-3.5 سبعين بالمائة في هذا المعيار، و GPT-4o عند 88.7 بالمائة، وتدعي جوجل Google أن نموذجها Gemini Ultra حصل على أعلى درجة على الإطلاق بنسبة 90 بالمائة.

بالنسبة للمطورين المتعطشين لبناء تطبيقات الذكاء الاصطناعي بتكلفة رخيصة، فإن إطلاق GPT-4o Mini يمنحهم أداة أخرى لإضافتها إلى مخزونهم.

حيث سمحت شركة OpenAI لشركة Ramp الناشئة في مجال التكنولوجيا المالية باختبار النموذج، باستخدام GPT-4o Mini لبناء أداة تستخرج بيانات النفقات من الإيصالات.

لذلك، بدلاً من المرور عبر مربعات النص، يمكن للمستخدم تحميل صورة للإيصال الخاص به ويقوم النموذج بفرز كل شيء له.

كما قام برنامج Superhuman للبريد الإلكتروني أيضًا باختبار GPT-4o Mini واستخدمه لإنشاء ميزة الاقتراح التلقائي للردود على البريد الإلكتروني.

مقالات قد تعجبك

ميزة في هواتف Galaxy Z Fold 6 و Z Flip 6 لتحويل الخربشات الرسومية إلى صور واقعية
إنستغرام تسمح بإضافة عدة مسارات صوتية إلى مقاطع Reels
آبل ستساعد في استعادة الصور المحذوفة والتالفة في آيفون وآيباد
كيفية البقاء آمنًا على شبكات الواي فاي العامة: نصائح أساسية باستخدام VPN
كيفية استخدام ميزة المشاركة مع الأجهزة القريبة AirDrop في ويندوز 11

جوجل تكشف رسمياً عن نموذج PaLM 2 للذكاء الاصطناعي

كُتب يوم بواسطة

أعلنت شركة جوجل Google عن PaLM 2 وهو أحدث نموذج لغة ذكاء اصطناعي للشركة، ومنافس الأنظمة المتطورة الأخرى مثل GPT-4 من OpenAI.

وتم الإعلان عن هذا النموذج في مؤتمر المطورين الخاص بالشركة الذي ركز بشكل أساسي على الذكاء الاصطناعي.

ميزات PaLM 2

وقال سوندار بيتشاي، الرئيس التنفيذي لجوجل على خشبة المسرح إن PaLM 2 أقوى في المنطق والاستدلال، وذلك بفضل التدريب الواسع في هذا المجال.

وقد تم تدريبه أيضًا على نصوص متعددة اللغات (أكثر من 100 لغة).

فيما قال سلاف بيتروف، كبير مديري الأبحاث في Google، للصحفيين في مائدة مستديرة قبل إعلان النموذج إن PaLM 2 أفضل بكثير في مجموعة من المهام القائمة على النصوص بما في ذلك التفكير والترميز والترجمة.

وأظهر بيتروف مثالاً على قدرات PaLM 2 متعددة اللغات، من خلال فهم الترجمة السياقية والمصطلحات في لغات مختلفة.

مع إعطاء مثال للعبارة الألمانية ‘Ich verstehe nur Bahnhof’، والتي تُترجم حرفيًا إلى “أنا أفهم محطة القطار فقط”، ولكنها تترجم اصطلاحياً “لا أفهم ما تقوله”.

مثال على الفهم السياقي للجمل في PaLM 2. الصورة: جوجل

سيتوفر النظام الجديد بأربعة أحجام تسمى من الأصغر إلى الأكبر كما يلي: Gecko و Otter و Bison و Unicorn.

وقد تم ضبطه وفقًا للبيانات الخاصة بالمجال لأداء مهام معينة لعملاء المؤسسات.

فكر في هذه التعديلات مثل أخذ هيكل شاحنة أساسي وإضافة محرك جديد أو مصد أمامي لإنجاز مهام معينة أو العمل بشكل أفضل في تضاريس معينة.

فمثلاً هناك نسخة من PaLM تم تدريبها على البيانات الصحية (Med-PaLM 2)، والتي تقول Google إنها يمكن أن تجيب على أسئلة مشابهة لتلك الموجودة في امتحان الترخيص الطبي بالولايات المتحدة بمستوى خبير.

وإصدار آخر مدرب على بيانات الأمن السيبراني (Sec-PaLM 2 ) يستطيع أن يشرح سلوك البرامج النصية الضارة المحتملة ويساعد في اكتشاف التهديدات في التعليمات البرمجية.

سيكون كلا الطرازين متاحين للاختبار بداية عبر جوجل كلاود Google Cloud.

وقالت الشركة إن PaLM 2 يتم استخدامها بالفعل في 25 ميزة ومنتج تابع للشركة، بما في ذلك Bard، برنامج المحادثة التجريبي للشركة.

يتم استخدامه أيضًا لتشغيل الميزات في تطبيقات Google Workspace مثل المستندات والعروض التقديمية وجداول البيانات.

والجدير بالذكر أن Google تقول إن الإصدار الأخف من PaLM 2، صغير بما يكفي للتشغيل على الهواتف المحمولة، ومعالجة 20 رمزًا في الثانية، أي ما يعادل تقريبًا 16 أو 17 كلمة.

لم تذكر Google الأجهزة التي تم استخدامها لاختبار هذا الطراز، لكنها اكتفت بالقول إنها أحدث الهواتف.

إن تصغير مثل هذه النماذج اللغوية أمر مهم، لأن هذه الأنظمة مكلفة للتشغيل في السحابة، والقدرة على استخدامها محليًا سيكون لها فوائد أخرى، مثل تحسين الخصوصية.

تكمن المشكلة في أن الإصدارات الأصغر من النماذج اللغوية هي حتماً أقل قدرة من الأكبر.

مثال على قدرات التفكير المحسنة لـ PaLM 2. الصورة: جوجل

وتأمل جوجل من خلال PaLM 2 أن تسد فجوة الذكاء الاصطناعي بينها وبين ومنافسيها مثل مايكروسوفت Microsoft، التي كانت تدفع بقوة أدوات لغة الذكاء الاصطناعي إلى مجموعة برامج Office الخاصة بها.

تقدم Microsoft الآن ميزات AI التي تساعد في تلخيص المستندات وكتابة رسائل البريد الإلكتروني وإنشاء شرائح للعروض التقديمية وغير ذلك الكثير.

ستحتاج Google إلى الحفاظ على التكافؤ مع الشركة أو تخاطر بأن يُنظر إليها على أنها بطيئة في تنفيذ أبحاث الذكاء الاصطناعي الخاصة بها.

تحديات ومشاكل PaLM 2

على الرغم من أن PaLM 2 هي بالتأكيد خطوة للأمام بالنسبة لعمل Google في نماذج لغة الذكاء الاصطناعي، إلا أنها تعاني من مشاكل وتحديات مشتركة في التكنولوجيا على نطاق أوسع.

على سبيل المثال فقد بدأ بعض الخبراء في التشكيك في شرعية بيانات التدريب المستخدمة لإنشاء نماذج لغوية.

عادةً ما يتم استخراج هذه البيانات من الإنترنت وغالبًا ما تتضمن نصًا محميًا بحقوق الطبع والنشر وكتب إلكترونية مقرصنة.

استجابت شركات التكنولوجيا التي تصنع هذه النماذج عمومًا برفض الإجابة عن أسئلة حول مصدر بيانات التدريب الخاصة بهم.

واصلت Google هذا النهج في وصفها لـ PaLM 2، مشيرةً فقط إلى أن مجموعة تدريب النظام تكونت من مجموعة متنوعة من المصادر: مستندات الويب والكتب والرموز والرياضيات وبيانات المحادثة، دون تقديم مزيد من التفاصيل.

هناك أيضًا مشاكل متأصلة في إخراج النماذج اللغوية مثل “الهلوسة”، أو ميل هذه الأنظمة إلى تكوين المعلومات ببساطة.

وقال نائب رئيس Google للأبحاث Zoubin Ghahramani أنه، وفي هذا الصدد، فإن PaLM 2 بمثابة تحسين على النماذج السابقة.

وأشار إلى أن المجال ككل لا يزال أمامه طريق طويل لمكافحة المعلومات الخاطئة والهلوسات التي قد يولدها الذكاء الاصطناعي.

مقالات قد تعجبك

ميتا تختبر نسخة من واتساب على الساعات الذكية العاملة بنظام Wear OS
المساعد الذكي Copilot يحصل على مزيد من الميزات الجديدة
واتساب تعلن عن ميزات جديدة تتعلق باستطلاعات الرأي والتسميات التوضيحية
مصطلحات تقنية أغلبنا يلفظها بشكل خاطئ
لماذا يُطلق على جهاز الكمبيوتر اسم كمبيوتر شخصي PC؟

باحثون يعلّمون الذكاء الاصطناعي التفكير كالكلاب

كُتب يوم بواسطة

ماذا يمكن أن يتعلم الذكاء الاصطناعي من الكلاب؟

حسب مجموعة من الباحثين من جامعة Washington ومعهد Allen للذكاء الاصطناعي فإن الإجابة هي: الكثير من الأشياء!

قام هؤلاء الباحثون مؤخراً بتدريب الشبكات العصبية لتفسير سلوك الكلاب وتوقعها، ويقولون أن نتائجهم تظهر أن الحيوانات يمكن أن توفر مصدراً جديداً لبيانات التدريب لأنظمة الذكاء الاصطناعي، بما في ذلك تلك المستخدمة للسيطرة على الروبوتات.

لتدريب الذكاء الاصطناعي على التفكير كالكلاب، احتاج الباحثون أولاً إلى البيانات، حيث تم جمع البيانات على شكل أشرطة فيديو ومعلومات الحركة التي تم التقاطها من كلب واحد من سلسلة الملموت الألاسكي ويدعى Kelp.

تم أخذ ما مجموعه 380 مقطع فيديو قصير من كاميرا GoPro مثبتة على رأس الكلب، إلى جانب بيانات الحركة التي تم جمعها من أجهزة الاستشعار الموجودة على ساقيه وجسمه.

حيث كان يتم تسجيل حركات Kelp بنفس الطريقة التي تستخدم بها هوليوود تقنية التقاط الحركة لتسجيل حركة الممثلين الذين يلعبون أدواراً لشخصيات خيالية أو وحوش.

وكان تسجيل الحركة لهذا الكلب مستمراً وهو يمارس حياته اليومية في المشي واللعب والذهاب إلى الحديقة.

حلل الباحثون سلوك Kelp باستخدام التعلم العميق، وهو تقنية ذكاء اصطناعي يمكن استخدامها لتحليل الأنماط المختلفة من البيانات.

وفي هذه الحالة فهذا يعني مطابقة بيانات الحركة لأطراف Kelp والبيانات المرئية من GoPro مع أنشطة الكلب المختلفة.

بحيث يمكن للشبكة العصبية الناتجة التي تم تدريبها على هذه المعلومات أن تتنبأ بما يمكن أن يفعله الكلب في مواقف معينة، على سبيل المثال إذا رأى شخصاً يرمي كرة فإنه سيعرف أن رد فعل الكلب سيكون الجري وراء الكرة لالتقاطها.

أوضحت الكاتبة Kiana Ehsani أن القدرة التنبؤية لنظام الذكاء الاصطناعي كانت دقيقة للغاية، ولكن فقط في فترات قصيرة.

من المعروف أن الكلاب تبرهن بوضوح على الذكاء المرئي، فهي تتعرف على الطعام والعقبات التي أمامها وغير ذلك من الأجسام والبشر والحيوانات، فهل تُظهر الشبكة العصبية المدربة على التصرف نفس الذكاء مثل الكلاب؟

اتضح أن الإجابة هي نعم، لكن في قدرة محدودة للغاية، حيث قام الباحثون بتطبيق اختبارين على الشبكة العصبية، وطلبوا منها تحديد المشاهد المختلفة.

حيث تمكنت الشبكة العصبية من إكمال هذه المهام بدقة متناهية باستخدام البيانات الأساسية التي كانت تمتلكها لحركات الكلاب ومكان وجودها.

إن البرنامج الذي تم ابتكاره لا يمثل بأي حال من الأحوال نموذجاً لدماغ الكلب أو وعيه، وإنما ما يفعله هو تعلّم بعض القواعد الأساسية للغاية من مجموعة محدودة من البيانات.

ولكن يبدو أن هذه هي المرة الأولى التي يتم فيها التعلم من كلب، حيث يمكن أن تكون الحيوانات مصدراً مفيداً لبيانات التدريب.

ما زال البحث في بدايته وهو مجرد عرض بسيط لكيفية التعلم من الحيوانات، وهناك حاجة إلى المزيد من العمل قبل أن يكون هذا النموذج مثمراً ومفيداً في التطبيق العملي.

 

مقالات قد تعجبك:
ذكاء اصطناعي يمكنه تحديد أمراض العين من خلال الصور فقط
دورة للذكاء الاصطناعي من مايكروسوفت لتضيفها إلى الـCV
دورات مجانية من جوجل عن الذكاء الاصطناعي وتعلم الآلات
جوجل تستخدم الذكاء الاصطناعي للتنبؤ بتأخر الرحلات الجوية
وصول ميزة التحديد التلقائي للأشخاص باستخدام الذكاء الاصطناعي إلى فوتوشوب