صورة تكشف أن قوة حوسبة الذكاء الاصطناعي تطورت 670 مليون مرة خلال أكثر من 70 عاما، وفي المستقبل سيتفوق الذكاء الاصطناعي على البشر في جميع جوانب قدراته، والمثير حقا هو أن صناعة الذكاء الاصطناعي دخلت للتو مرحلة الجنين مرحلة ما قبل تفشي المرض.
ولدت أجهزة الكمبيوتر الإلكترونية في أربعينيات القرن العشرين، وفي غضون 10 سنوات من ظهور أجهزة الكمبيوتر، ظهر أول تطبيق للذكاء الاصطناعي في تاريخ البشرية.
وبعد أكثر من 70 عامًا، لا تستطيع نماذج الذكاء الاصطناعي الآن كتابة القصائد فحسب، بل يمكنها أيضًا إنشاء صور بناءً على المطالبات النصية، وحتى مساعدة البشر على اكتشاف هياكل بروتينية غير معروفة.
إذن، ما الذي دفع النمو الهائل لتكنولوجيا الذكاء الاصطناعي في مثل هذه الفترة القصيرة من الزمن؟
يتتبع مخطط طويل من "عالمنا في البيانات" تاريخ تطور الذكاء الاصطناعي من خلال التغييرات في قوة الحوسبة المستخدمة لتدريب نماذج الذكاء الاصطناعي كمقياس.
صورة كبيرة عالية الوضوح:
مصدر البيانات في الشكل يأتي من ورقة بحثية نشرها باحثون من معهد ماساتشوستس للتكنولوجيا وجامعات أخرى.
عنوان الورقة:
بالإضافة إلى الورقة، هناك أيضًا فريق بحثي قام بعمل جدول مرئي بناءً على بيانات هذه الورقة، ويمكن تكبير وتصغير الأيقونات للحصول على بيانات تفصيلية.
عنوان النموذج:
يقوم مؤلف المخطط بشكل أساسي بتقدير مقدار حساب تدريب كل نموذج من خلال حساب عدد العمليات ووقت GPU، أما بالنسبة للنموذج الذي سيتم اختياره كممثل لنموذج مهم، يحدد المؤلف بشكل أساسي من خلال ثلاث خصائص:
أهمية كبيرة: النظام له تأثير تاريخي كبير، ويحسن SOTA بشكل كبير، أو تم الاستشهاد به أكثر من 1000 مرة.
الصلة: يتضمن المؤلف فقط الأوراق التي تحتوي على نتائج تجريبية ومكونات التعلم الآلي الرئيسية، والهدف من الورقة هو تعزيز تطوير SOTA الحالي.
التفرد: إذا كانت ورقة بحثية أخرى تصف نفس النظام أكثر تأثيرًا، فسيتم استبعاد تلك الورقة من مجموعة بيانات المؤلف.
ثلاثة عصور من تطور الذكاء الاصطناعي
في خمسينيات القرن العشرين، قام عالم الرياضيات الأمريكي كلود شانون بتدريب فأر آلي يُدعى ثيسيوس على التنقل في متاهة وتذكر مساراتها، وهو أول مثال على التعلم الاصطناعي.
يعتمد ثيسيوس على 40 عملية للفاصلة العائمة (FLOPs). تُستخدم FLOPs بشكل شائع كمقياس لأداء حوسبة أجهزة الكمبيوتر. كلما زاد عدد FLOPs، زادت قوة الحوسبة وأصبح النظام أقوى.
تعد قوة الحوسبة وبيانات التدريب المتاحة والخوارزميات العناصر الثلاثة الرئيسية لتقدم الذكاء الاصطناعي. في العقود الأولى من تطور الذكاء الاصطناعي، نمت قوة الحوسبة المطلوبة وفقًا لقانون مور – تضاعفت قوة الحوسبة في حوالي 20 شهرًا.
ومع ذلك، بحلول الوقت الذي شهد فيه عام 2012 بداية عصر التعلم العميق مع AlexNet، وهو الذكاء الاصطناعي للتعرف على الصور، تم اختصار الوقت المضاعف بشكل كبير إلى ستة أشهر حيث استثمر الباحثون المزيد في الحوسبة والمعالجات.
ومع ظهور برنامج AlphaGo في عام 2015 - وهو برنامج كمبيوتر هزم لاعبي Go المحترفين من البشر - اكتشف الباحثون حقبة ثالثة: عصر نماذج الذكاء الاصطناعي واسعة النطاق ذات المتطلبات الحسابية الأكبر من جميع أنظمة الذكاء الاصطناعي السابقة.
التقدم المستقبلي لتكنولوجيا الذكاء الاصطناعي
إذا نظرنا إلى الوراء على مدى العقد الماضي، فقد نمت قوة الحوسبة بسرعة كبيرة لدرجة أنها تكاد تكون محيرة للعقل.
على سبيل المثال، كانت قوة الحوسبة المستخدمة لتدريب مينيرفا، وهو الذكاء الاصطناعي القادر على حل المسائل الرياضية المعقدة، تعادل ما يقرب من 6 ملايين ضعف تلك المستخدمة لتدريب AlexNet قبل عقد من الزمن.
هذا النمو في الحوسبة، إلى جانب العدد الهائل من مجموعات البيانات المتاحة والخوارزميات الأفضل، سمح للذكاء الاصطناعي بإحراز الكثير من التقدم في فترة زمنية قصيرة للغاية. اليوم، لا يستطيع الذكاء الاصطناعي الوصول إلى مستويات الأداء البشري فحسب، بل يتفوق على البشر في العديد من المجالات.
ستستمر قدرات الذكاء الاصطناعي في التفوق على البشر في جميع الجوانب
وكما هو واضح من الرسم البياني أعلاه، فقد تجاوز الذكاء الاصطناعي بالفعل الأداء البشري في العديد من المجالات، وسيتجاوز قريبًا الأداء البشري في مجالات أخرى أيضًا.
يوضح الشكل أدناه العام الذي وصل فيه الذكاء الاصطناعي إلى المستويات البشرية أو تجاوزها في القدرات المشتركة المستخدمة في العمل والحياة اليومية.
### إمكانية تطوير تكنولوجيا الذكاء الاصطناعي كافية
من الصعب القول ما إذا كان نمو الحوسبة سيحافظ على نفس الوتيرة. تتطلب النماذج واسعة النطاق المزيد والمزيد من القوة الحاسوبية للتدريب. وإذا لم يتمكن المعروض من الطاقة الحاسوبية من الاستمرار في النمو، فقد يؤدي ذلك إلى إبطاء تقدم تطوير تكنولوجيا الذكاء الاصطناعي.
وبالمثل، فإن استخدام جميع البيانات المتاحة حاليا لتدريب نماذج الذكاء الاصطناعي يمكن أن يعيق أيضا تطوير وتنفيذ نماذج جديدة.
ومع ذلك، في عام 2023، سوف تتدفق كمية كبيرة من رأس المال على صناعة الذكاء الاصطناعي، وخاصة الذكاء الاصطناعي التوليدي المتمثل في نماذج لغوية كبيرة. ولعل المزيد من الاختراقات على وشك الظهور، ويبدو أن العناصر الثلاثة المذكورة أعلاه والتي تعزز تطوير تكنولوجيا الذكاء الاصطناعي سيتم تحسينها وتطويرها في المستقبل.
وفي النصف الأول من عام 2023، وصل حجم تمويل الشركات الناشئة في صناعة الذكاء الاصطناعي إلى 14 مليار دولار أمريكي، وهو ما يزيد حتى عن إجمالي التمويل الذي تم الحصول عليه في السنوات الأربع الماضية.
لا يزال عدد كبير (78%) من الشركات الناشئة في مجال الذكاء الاصطناعي في المراحل الأولى من التطوير، وحتى 27% من الشركات الناشئة في مجال الذكاء الاصطناعي لم تجمع الأموال بعد.
هناك أكثر من 360 شركة تعمل في مجال الذكاء الاصطناعي، 27% منها لم تجمع الأموال بعد. وأكثر من نصفها عبارة عن مشاريع في مراحلها المبكرة أو سابقة، مما يشير إلى أن صناعة الذكاء الاصطناعي التوليدي بأكملها لا تزال في مرحلة مبكرة جدًا.
نظرًا للطبيعة كثيفة رأس المال لتطوير نماذج لغوية واسعة النطاق، تلقت فئة البنية التحتية للذكاء الاصطناعي التوليدي أكثر من 70% من التمويل منذ الربع الثالث من عام 2022، وهو ما يمثل 10% فقط من إجمالي حجم معاملات الذكاء الاصطناعي التوليدي. يأتي جزء كبير من التمويل من اهتمام المستثمرين بالبنية التحتية الناشئة مثل النماذج الأساسية وواجهات برمجة التطبيقات (APIs)، وعمليات التعلم الآلي (MLOps)، وتكنولوجيا قواعد البيانات المتجهة.
مراجع:
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
زادت قوة حوسبة الذكاء الاصطناعي بمقدار 680 مليون مرة خلال 70 عامًا، وشهدت ثلاث مراحل تاريخية الانفجار الهائل لتكنولوجيا الذكاء الاصطناعي
** المصدر: ** شينزييوان
ولدت أجهزة الكمبيوتر الإلكترونية في أربعينيات القرن العشرين، وفي غضون 10 سنوات من ظهور أجهزة الكمبيوتر، ظهر أول تطبيق للذكاء الاصطناعي في تاريخ البشرية.
وبعد أكثر من 70 عامًا، لا تستطيع نماذج الذكاء الاصطناعي الآن كتابة القصائد فحسب، بل يمكنها أيضًا إنشاء صور بناءً على المطالبات النصية، وحتى مساعدة البشر على اكتشاف هياكل بروتينية غير معروفة.
إذن، ما الذي دفع النمو الهائل لتكنولوجيا الذكاء الاصطناعي في مثل هذه الفترة القصيرة من الزمن؟
يتتبع مخطط طويل من "عالمنا في البيانات" تاريخ تطور الذكاء الاصطناعي من خلال التغييرات في قوة الحوسبة المستخدمة لتدريب نماذج الذكاء الاصطناعي كمقياس.
مصدر البيانات في الشكل يأتي من ورقة بحثية نشرها باحثون من معهد ماساتشوستس للتكنولوجيا وجامعات أخرى.
بالإضافة إلى الورقة، هناك أيضًا فريق بحثي قام بعمل جدول مرئي بناءً على بيانات هذه الورقة، ويمكن تكبير وتصغير الأيقونات للحصول على بيانات تفصيلية.
يقوم مؤلف المخطط بشكل أساسي بتقدير مقدار حساب تدريب كل نموذج من خلال حساب عدد العمليات ووقت GPU، أما بالنسبة للنموذج الذي سيتم اختياره كممثل لنموذج مهم، يحدد المؤلف بشكل أساسي من خلال ثلاث خصائص:
أهمية كبيرة: النظام له تأثير تاريخي كبير، ويحسن SOTA بشكل كبير، أو تم الاستشهاد به أكثر من 1000 مرة.
الصلة: يتضمن المؤلف فقط الأوراق التي تحتوي على نتائج تجريبية ومكونات التعلم الآلي الرئيسية، والهدف من الورقة هو تعزيز تطوير SOTA الحالي.
التفرد: إذا كانت ورقة بحثية أخرى تصف نفس النظام أكثر تأثيرًا، فسيتم استبعاد تلك الورقة من مجموعة بيانات المؤلف.
ثلاثة عصور من تطور الذكاء الاصطناعي
في خمسينيات القرن العشرين، قام عالم الرياضيات الأمريكي كلود شانون بتدريب فأر آلي يُدعى ثيسيوس على التنقل في متاهة وتذكر مساراتها، وهو أول مثال على التعلم الاصطناعي.
يعتمد ثيسيوس على 40 عملية للفاصلة العائمة (FLOPs). تُستخدم FLOPs بشكل شائع كمقياس لأداء حوسبة أجهزة الكمبيوتر. كلما زاد عدد FLOPs، زادت قوة الحوسبة وأصبح النظام أقوى.
تعد قوة الحوسبة وبيانات التدريب المتاحة والخوارزميات العناصر الثلاثة الرئيسية لتقدم الذكاء الاصطناعي. في العقود الأولى من تطور الذكاء الاصطناعي، نمت قوة الحوسبة المطلوبة وفقًا لقانون مور – تضاعفت قوة الحوسبة في حوالي 20 شهرًا.
ومع ظهور برنامج AlphaGo في عام 2015 - وهو برنامج كمبيوتر هزم لاعبي Go المحترفين من البشر - اكتشف الباحثون حقبة ثالثة: عصر نماذج الذكاء الاصطناعي واسعة النطاق ذات المتطلبات الحسابية الأكبر من جميع أنظمة الذكاء الاصطناعي السابقة.
التقدم المستقبلي لتكنولوجيا الذكاء الاصطناعي
إذا نظرنا إلى الوراء على مدى العقد الماضي، فقد نمت قوة الحوسبة بسرعة كبيرة لدرجة أنها تكاد تكون محيرة للعقل.
على سبيل المثال، كانت قوة الحوسبة المستخدمة لتدريب مينيرفا، وهو الذكاء الاصطناعي القادر على حل المسائل الرياضية المعقدة، تعادل ما يقرب من 6 ملايين ضعف تلك المستخدمة لتدريب AlexNet قبل عقد من الزمن.
ستستمر قدرات الذكاء الاصطناعي في التفوق على البشر في جميع الجوانب
يوضح الشكل أدناه العام الذي وصل فيه الذكاء الاصطناعي إلى المستويات البشرية أو تجاوزها في القدرات المشتركة المستخدمة في العمل والحياة اليومية.
من الصعب القول ما إذا كان نمو الحوسبة سيحافظ على نفس الوتيرة. تتطلب النماذج واسعة النطاق المزيد والمزيد من القوة الحاسوبية للتدريب. وإذا لم يتمكن المعروض من الطاقة الحاسوبية من الاستمرار في النمو، فقد يؤدي ذلك إلى إبطاء تقدم تطوير تكنولوجيا الذكاء الاصطناعي.
وبالمثل، فإن استخدام جميع البيانات المتاحة حاليا لتدريب نماذج الذكاء الاصطناعي يمكن أن يعيق أيضا تطوير وتنفيذ نماذج جديدة.
ومع ذلك، في عام 2023، سوف تتدفق كمية كبيرة من رأس المال على صناعة الذكاء الاصطناعي، وخاصة الذكاء الاصطناعي التوليدي المتمثل في نماذج لغوية كبيرة. ولعل المزيد من الاختراقات على وشك الظهور، ويبدو أن العناصر الثلاثة المذكورة أعلاه والتي تعزز تطوير تكنولوجيا الذكاء الاصطناعي سيتم تحسينها وتطويرها في المستقبل.
وفي النصف الأول من عام 2023، وصل حجم تمويل الشركات الناشئة في صناعة الذكاء الاصطناعي إلى 14 مليار دولار أمريكي، وهو ما يزيد حتى عن إجمالي التمويل الذي تم الحصول عليه في السنوات الأربع الماضية.
مراجع: