أحدث الأخبار مع #ألينللذكاءالاصطناعي

أخبار مصر

كيف تعيد تقنية التقطير رسم مشهد الذكاء الاصطناعي؟ #البوابة_التقنية #تقنية #الذكاء_الاصطناعي #جوجل

في عالم يشهد تسارعًا محمومًا في سباق تطوير الذكاء الاصطناعي، يبرز سؤال أساسي يشغل أذهان الكثيرين، وهو: كم تبلغ تكلفة تأسيس شركة متخصصة في الذكاء الاصطناعي؟ الإجابة ليست رقمًا ثابتًا، بل واقع ديناميكي يتغير يومًا بعد يوم، ويعود ذلك إلى عدة عوامل رئيسية، أبرزها: انخفاض تكاليف الحوسبة، وظهور تقنيات مبتكرة مثل (التقطير) Distillation، التي أصبحت حديث الساعة، والتي سهلت بناء نماذج لغوية كبيرة بجودة عالية وبتكاليف قليلة.ومع ذلك تقنية (التقطير) ليست ابتكارًا جديدًا، ولكنها اكتسبت أهمية استثنائية في سباق الذكاء الاصطناعي، فقد أصبحت بمنزلة ثورة في مجال تطوير النماذج اللغوية، إذ تسمح هذه التقنية بإنشاء نماذج لغوية كبيرة عالية الجودة بتكلفة أقل، مما يفتح الباب أمام الشركات الناشئة والمطورين المستقلين للمنافسة في سوق كان حكرًا على الشركات العملاقة. ولكن، هل هذا التطور يمثل فرصة ذهبية للجميع، أم أنه يحمل في طياته مخاطر وتحديات جديدة؟لذلك سنغوص في هذا المقال، في تفاصيل تقنية (التقطير)، لنكتشف كيف تغير قواعد اللعبة في عالم الذكاء الاصطناعي، وما الآثار المترتبة على هذا التطور، سواء على الشركات الناشئة، أو الشركات العملاقة، أو مستقبل الذكاء الاصطناعي ككل؟تقنية التقطير.. مفهوم قديم بتطبيقات حديثة:يكمن جوهر تقنية التقطير في استخلاص المعرفة من نموذج ذكاء اصطناعي ضخم لتطوير نموذج أصغر يتمتع بقدرات مشابهة ولكن بتكلفة أقل.ففي هذه العملية، يُستخدم نموذج كبير الحجم، يتميز بقدرات متقدمة في توليد الاستجابات وتحديد مسارات التفكير يمكن تشبيه بالمُعلِّم لتدريب نموذج أصغر حجمًا وأقل تعقيدًا يمكن تشبيه بالطالب على محاكاة سلوك النموذج الأكبر، إذ يتعلم النموذج الأصغر كيفية توليد استجابات مماثلة واتباع مسارات التفكير نفسها التي يتبعها النموذج الأكبر. ويقلل هذا النهج من الحاجة إلى موارد حوسبة ضخمة، مما يجعل تطوير الذكاء الاصطناعي أكثر كفاءة واقتصادية.أمثلة على قوة تقنية التقطير: أثارت شركة الذكاء الاصطناعي الصينية الناشئة (DeepSeek) ضجة كبيرة في هذا المجال من خلال تطوير نماذج تنافس نماذج (OpenAI) بتكلفة تدريب تقدر بنحو 5 ملايين دولار فقط، وقد تسبب هذا الإنجاز في ظهور حالة من الذعر في سوق الأسهم، وتسبب في خسارة شركة إنفيديا لما يصل إلى 600 مليار دولار من قيمتها السوقية مؤقتًا، بسبب المخاوف من انخفاض الطلب على الرقاقات الإلكترونية، وهو انخفاض لم يتحقق بعد.وعلى صعيد آخر، نجح فريق من جامعة (كاليفورنيا بيركلي)، في تدريب نموذجين جديدين بتكلفة تبلغ أقل من 1000 دولار، وفقًا لبحث نُشر في شهر يناير الماضي، وفي مطلع فبراير، نجح باحثون من جامعات ستانفورد وواشنطن ومعهد ألين للذكاء الاصطناعي في تدريب نموذج تفكير عملي بتكلفة أقل بكثير، كما ورد في ورقة بحثية، وقد كانت تقنية التقطير هي العامل المشترك في تحقيق هذه الإنجازات.دور تقنية التقطير في خفض التكاليف: تُعدّ تقنية التقطير أداة حيوية للمطورين، إذ يستخدمونها مع تقنية الضبط الدقيق، لتحسين أداء النماذج خلال مرحلة التدريب، ولكن بتكلفة أقل بكثير مقارنة بالطرق التقليدية.ويستخدم المطورون هاتين التقنيتين بنحو متكامل لتزويد النماذج بخبرات ومهارات محددة، مما يسمح بإنشاء نماذج متخصصة وفعالة بتكلفة معقولة، فعلى سبيل المثال، يمكن استخدام نموذج عام مثل نموذج (Llama) من ميتا وتقطيره باستخدام نموذج آخر ليصبح خبيرًا في قانون الضرائب الأمريكي.كما يمكن استخدام نموذج الاستدلال (DeepSeek-R1) لتقطير نموذج (Llama) لتعزيز قدراته الاستدلالية، مما يسمح للنموذج بتوليد إجابات أكثر تفصيلًا وشرح عملية الوصول إليها خطوة بخطوة.وقد سلطت شركة (SemiAnalysis) في تحليل نشرته في شهر يناير، الضوء على الإمكانات الثورية التي تحملها تقنية (التقطير) في مجال الذكاء الاصطناعي، إذ أكد المحللون أن الجزء الأكثر إثارة للاهتمام في ورقة نموذج (R1)، هو القدرة على تحويل النماذج الصغيرة غير الاستدلالية إلى نماذج استدلالية من خلال ضبطها بدقة باستخدام مخرجات نموذج استدلالي، ويعني ذلك أن تقنية التقطير لا تقتصر على تقليل حجم النماذج فحسب، بل يمكنها أيضًا تحسين قدراتها الاستدلالية.وبالإضافة إلى التكلفة المنخفضة، التي تُعدّ ميزة كبيرة في مجال الذكاء الاصطناعي، أصدرت شركة (DeepSeek) نسخ مقطرة من نماذج مفتوحة المصدر أخرى، باستخدام نموذج الاستدلال R1 كنموذج مُعلِّم.وتُعدّ نماذج (DeepSeek) الكاملة الحجم، بالإضافة إلى أكبر إصدارات (Llama)، نماذج ضخمة جدًا بحيث لا يمكن تشغيلها إلا في أجهزة متخصصة، وهنا يأتي دور التقطير في حل هذه المشكلة، إذ يتيح إنشاء نماذج أصغر حجمًا وأكثر قابلية للتشغيل في الأجهزة العادية، بما يشمل: الأجهزة المحمولة وأجهزة الحافة.ومن ثم؛ فقد تمثل الإنجاز الأهم لشركة DeepSeek في اكتشاف أن النماذج المقطرة لم تفقد جودتها مع تصغير حجمها، بل على العكس، فقد تحسن أدائها. ويمثل ذلك نقلة نوعية في مجال تقنية التقطير، إذ يثبت أنه يمكن إنشاء نماذج ذكاء اصطناعي أصغر حجمًا وأكثر كفاءة دون التضحية بالجودة.تاريخ تقنية التقطير وتطورها: تعود جذور تقنية (التقطير) إلى ورقة بحثية نُشرت عام 2015، بتوقيع رواد الذكاء الاصطناعي البارزين في جوجل، جيف دين وجيفري هينتون، بالإضافة إلى أوريول فينيالز، نائب رئيس أبحاث (DeepMind) في جوجل. ومع ذلك، فقد كشف فينيالز حديثًا أن الورقة رُفضت من مؤتمر (NeurIPS) المرموق آنذاك، بسبب عدم تقدير تأثيرها المحتمل في المجال.ولكن اليوم، بعد مرور عقد من الزمن، أصبحت تقنية التقطير في قلب…..لقراءة المقال بالكامل، يرجى الضغط على زر 'إقرأ على الموقع الرسمي' أدناه