#أحدث الأخبار مع #نماذج_المنطقالعربية١٣-٠٥-٢٠٢٥علومالعربيةتقرير: التحسينات في نماذج الذكاء الاصطناعي الاستدلالي تتباطأ قريباًيشير تحليل أجرته مؤسسة إيبوك، وهي مؤسسة بحثية غير ربحية في مجال الذكاء الاصطناعي، إلى أن قطاع الذكاء الاصطناعي قد لا يتمكن من تحقيق مكاسب هائلة في الأداء من نماذج الذكاء الاصطناعي المنطقية لفترة أطول. ووفقًا لنتائج التقرير، قد يتباطأ التقدم في هذه النماذج خلال عام واحد فقط. أدت نماذج المنطق، مثل o3 من "OpenAI"، إلى مكاسب كبيرة في معايير الذكاء الاصطناعي في الأشهر الأخيرة، وخاصةً تلك التي تقيس مهارات الرياضيات والبرمجة. تستطيع هذه النماذج تطبيق المزيد من الحوسبة على المشكلات، مما يُحسّن أدائها، إلا أن الجانب السلبي يكمن في أنها تستغرق وقتًا أطول من النماذج التقليدية لإكمال المهام، بحسب تقرير نشره موقع "تك كرانش" واطلعت عليه "العربية Business". تُطوَّر نماذج الاستدلال بتدريب نموذج تقليدي أولًا على كمية هائلة من البيانات، ثم تطبيق تقنية تُسمى التعلم التعزيزي، والتي تُعطي النموذج "تغذية راجعة" فعّالة حول حلوله للمشكلات الصعبة. حتى الآن، لم تُطبِّق مختبرات الذكاء الاصطناعي الرائدة، مثل "OpenAI"، قدرًا هائلًا من قوة الحوسبة على مرحلة التعلم التعزيزي في تدريب نموذج الاستدلال، وفقًا لشركة إيبوك. قالت شركة OpenAI بأنها استخدمت حوسبة أكثر بحوالي عشرة أضعاف لتدريب o3 مقارنةً بسابقتها o1، وتتوقع "إيبوك" أن معظم هذه الحوسبة خُصصت للتعلم المُعزّز. وكشف الباحث في "OpenAI"، دان روبرتس، مؤخرًا أن الخطط المستقبلية للشركة تدعو إلى إعطاء الأولوية للتعلم المُعزّز لاستخدام قوة حوسبة أكبر بكثير، حتى من تلك المستخدمة في تدريب النموذج الأولي. ولكن لا يزال هناك حد أقصى لمقدار الحوسبة التي يمكن تطبيقها على التعلم المُعزّز، وفقًا لتقرير "إيبوك". يوضح جوش يو، المحلل في شركة إيبوك، أن مكاسب الأداء الناتجة عن تدريب نماذج الذكاء الاصطناعي القياسية تتضاعف أربع مرات سنويًا، بينما تتضاعف مكاسب الأداء الناتجة عن التعلم المعزز عشرة أضعاف كل ثلاثة إلى خمسة أشهر. ويضيف أن تقدم تدريب التفكير المنطقي "سيقترب على الأرجح من المستوى العام بحلول عام 2026". يرتكز تحليل "إيبوك" على عدد من الافتراضات، ويعتمد جزئيًا على التعليقات العامة الصادرة عن مسؤولي شركات الذكاء الاصطناعي. ولكنه يُشير أيضًا إلى أن نماذج الاستدلال المُوسّعة قد تُشكّل تحديًا لأسباب أخرى غير الحوسبة، منها ارتفاع التكاليف العامة للأبحاث. وقال يو: "إذا كانت هناك تكاليف عامة مُستمرة تتطلبها الأبحاث، فقد لا تتوسع نماذج الاستدلال بالقدر المتوقع". وتابع قائلا: "يُعدّ التوسع السريع في الحوسبة عنصرًا بالغ الأهمية في تطور نماذج الاستدلال، لذا من الجدير متابعة هذا الأمر عن كثب". واضاف: "أي مؤشر على أن نماذج الاستدلال قد تصل في المستقبل القريب إلى مستوى قوي، من المرجح أن يُقلق قطاع الذكاء الاصطناعي، الذي استثمر موارد هائلة في تطوير هذه الأنواع من النماذج". وبحسب يو، فقد أظهرت الدراسات بالفعل أن نماذج الاستدلال، التي قد تكون مكلفة للغاية في التشغيل، تعاني من عيوب خطيرة، مثل الميل إلى الهلوسة أكثر من بعض النماذج التقليدية.
العربية١٣-٠٥-٢٠٢٥علومالعربيةتقرير: التحسينات في نماذج الذكاء الاصطناعي الاستدلالي تتباطأ قريباًيشير تحليل أجرته مؤسسة إيبوك، وهي مؤسسة بحثية غير ربحية في مجال الذكاء الاصطناعي، إلى أن قطاع الذكاء الاصطناعي قد لا يتمكن من تحقيق مكاسب هائلة في الأداء من نماذج الذكاء الاصطناعي المنطقية لفترة أطول. ووفقًا لنتائج التقرير، قد يتباطأ التقدم في هذه النماذج خلال عام واحد فقط. أدت نماذج المنطق، مثل o3 من "OpenAI"، إلى مكاسب كبيرة في معايير الذكاء الاصطناعي في الأشهر الأخيرة، وخاصةً تلك التي تقيس مهارات الرياضيات والبرمجة. تستطيع هذه النماذج تطبيق المزيد من الحوسبة على المشكلات، مما يُحسّن أدائها، إلا أن الجانب السلبي يكمن في أنها تستغرق وقتًا أطول من النماذج التقليدية لإكمال المهام، بحسب تقرير نشره موقع "تك كرانش" واطلعت عليه "العربية Business". تُطوَّر نماذج الاستدلال بتدريب نموذج تقليدي أولًا على كمية هائلة من البيانات، ثم تطبيق تقنية تُسمى التعلم التعزيزي، والتي تُعطي النموذج "تغذية راجعة" فعّالة حول حلوله للمشكلات الصعبة. حتى الآن، لم تُطبِّق مختبرات الذكاء الاصطناعي الرائدة، مثل "OpenAI"، قدرًا هائلًا من قوة الحوسبة على مرحلة التعلم التعزيزي في تدريب نموذج الاستدلال، وفقًا لشركة إيبوك. قالت شركة OpenAI بأنها استخدمت حوسبة أكثر بحوالي عشرة أضعاف لتدريب o3 مقارنةً بسابقتها o1، وتتوقع "إيبوك" أن معظم هذه الحوسبة خُصصت للتعلم المُعزّز. وكشف الباحث في "OpenAI"، دان روبرتس، مؤخرًا أن الخطط المستقبلية للشركة تدعو إلى إعطاء الأولوية للتعلم المُعزّز لاستخدام قوة حوسبة أكبر بكثير، حتى من تلك المستخدمة في تدريب النموذج الأولي. ولكن لا يزال هناك حد أقصى لمقدار الحوسبة التي يمكن تطبيقها على التعلم المُعزّز، وفقًا لتقرير "إيبوك". يوضح جوش يو، المحلل في شركة إيبوك، أن مكاسب الأداء الناتجة عن تدريب نماذج الذكاء الاصطناعي القياسية تتضاعف أربع مرات سنويًا، بينما تتضاعف مكاسب الأداء الناتجة عن التعلم المعزز عشرة أضعاف كل ثلاثة إلى خمسة أشهر. ويضيف أن تقدم تدريب التفكير المنطقي "سيقترب على الأرجح من المستوى العام بحلول عام 2026". يرتكز تحليل "إيبوك" على عدد من الافتراضات، ويعتمد جزئيًا على التعليقات العامة الصادرة عن مسؤولي شركات الذكاء الاصطناعي. ولكنه يُشير أيضًا إلى أن نماذج الاستدلال المُوسّعة قد تُشكّل تحديًا لأسباب أخرى غير الحوسبة، منها ارتفاع التكاليف العامة للأبحاث. وقال يو: "إذا كانت هناك تكاليف عامة مُستمرة تتطلبها الأبحاث، فقد لا تتوسع نماذج الاستدلال بالقدر المتوقع". وتابع قائلا: "يُعدّ التوسع السريع في الحوسبة عنصرًا بالغ الأهمية في تطور نماذج الاستدلال، لذا من الجدير متابعة هذا الأمر عن كثب". واضاف: "أي مؤشر على أن نماذج الاستدلال قد تصل في المستقبل القريب إلى مستوى قوي، من المرجح أن يُقلق قطاع الذكاء الاصطناعي، الذي استثمر موارد هائلة في تطوير هذه الأنواع من النماذج". وبحسب يو، فقد أظهرت الدراسات بالفعل أن نماذج الاستدلال، التي قد تكون مكلفة للغاية في التشغيل، تعاني من عيوب خطيرة، مثل الميل إلى الهلوسة أكثر من بعض النماذج التقليدية.
١٣-٠٥-٢٠٢٥
