لقد نشرت هذه الموجة من تطور الذكاء الاصطناعي تأثيرها في مختلف المجالات بسرعة كبيرة لدرجة أنها تجاوزت بالفعل توقعات معظم الناس. في الأسبوع الماضي، اعتقدت شركة Sequoia (Sequoia America) أن الذكاء الاصطناعي قد فتح فصله الثاني، ورسم خريطة جديدة للذكاء الاصطناعي وخريطة مكدس مطور LLM من منظور سيناريوهات التطبيق.
ومع ذلك، انطلاقًا من اتجاه الأموال، يبدو أن التطور الحالي للذكاء الاصطناعي لا يزال في مرحلة القتال بين الآلهة، ويبدو أن هذا النمط قد تبلور تقريبًا. بعد أن تلقت شركة OpenAI ما يقرب من 11 مليار دولار أمريكي من مايكروسوفت وغيرها وقدرت قيمتها بحوالي 29 مليار دولار أمريكي، أعلنت منافستها Anthropic أمس عن تحالف مع أمازون، وستستثمر فيه أمازون ما يصل إلى 4 مليارات دولار أمريكي، مما يجعل Anthropic في المرتبة الثانية بعد OpenAI. من حيث تمويل الشركات الناشئة في مجال الذكاء الاصطناعي.
بعد هذا التمويل، باستثناء شركة آبل، شكلت صناعة الذكاء الاصطناعي بشكل أساسي مثل هذا النمط من قتال الآلهة:
مايكروسوفت + أوبن إيه آي
جوجل + ديب مايند
ميتا + ميتااي
أمازون + أنثروبي
تسلا + XAI
بالطبع، باعتبارها مزودًا للبنية التحتية ذات المستوى الأدنى، من الواضح أن استراتيجية Nvidia هي أن الجميع يريدها، ولا يوجد موقف جدي تجاه أي شركة محددة. فيما يلي الوضع العام لشركات الذكاء الاصطناعي الـ 15. من منظور التقييم والتمويل، تمثل نماذج LLM الكبيرة جزءًا كبيرًا، وتم إنشاء 50٪ من شركات الذكاء الاصطناعي يونيكورن بعد عام 2021:
اليوم، شاركت a16z محادثاتها مع مؤسسي العديد من شركات الذكاء الاصطناعي الكبرى، معتقدة أننا في العصر الثالث للحوسبة، وناقشت 16 موضوعًا مثيرًا للاهتمام من منظور الحاضر والمستقبل وانفتاح الذكاء الاصطناعي. المشاركون في هذه المحادثة هم:
شريك a16z مارتن كاسادو
OpenAI CTO ميرا موراتي
المؤسس المشارك والرئيس التنفيذي لشركة Roblox ديفيد باسزوكي
المؤسس المشارك لشركة Figma والرئيس التنفيذي ديلان فيلد
المدير التنفيذي للتكنولوجيا في Microsoft ونائب الرئيس التنفيذي للذكاء الاصطناعي كيفن سكوت
المؤسس والرئيس التنفيذي لشركة insitro دافني كولر
المؤسس المشارك لشركة Databricks والرئيس التنفيذي علي قدسي
شخصية المؤسس المشارك والرئيس التنفيذي نعوم شازير
نظرًا لأن المقالة طويلة جدًا، ما يقرب من 10000 كلمة، فقد استخدمت الذكاء الاصطناعي لتجميعها بشكل مختصر. قد لا تكون بعض المصطلحات دقيقة. يمكن للأصدقاء المهتمين قراءة النص الأصلي باللغة الإنجليزية:
1 نحن في بداية العصر الثالث للحوسبة
مارتن كاسادو،a16z:
أعتقد حقًا أننا قد ندخل العصر الثالث للحوسبة. فقد نجحت الرقائق الدقيقة في خفض التكلفة الحدية للحسابات إلى الصِفر، كما خفضت شبكة الإنترنت التكلفة الحدية للتوزيع إلى الصِفر، والآن نجحت النماذج الضخمة في خفض التكلفة الحدية للإبداع إلى الصِفر. عندما حدثت العصور السابقة، لم تكن لديك أي فكرة عن الشركات الجديدة التي سيتم إنشاؤها. لم يتنبأ أحد بأمازون، ولم يتوقع أحد ياهو. يجب أن نستعد لموجة جديدة من الشركات الشهيرة. نعوم شازير، شخصية الذكاء الاصطناعي:
نحن حقًا في لحظة "الطائرة الأولى للأخوين رايت". لدينا بالفعل شيء يعمل وهو الآن مفيد لعدد كبير من سيناريوهات التطبيق. يبدو أن حجمه جيد جدًا وسيصبح أفضل. ولكن هناك المزيد من الإنجازات المستقبلية، لأن جميع علماء الذكاء الاصطناعي في العالم الآن يعملون بجد لتحسين هذه الأمور. كيفن سكوت، مايكروسوفت:
خاصة في السنوات القليلة الماضية، وربما بشكل خاص في الأشهر الـ 12 الماضية، مع إطلاق ChatGPT وGPT-4، يمكنك حقًا رؤية إمكانات هذه المنصة لتكون مثل الكمبيوتر الشخصي أو الهاتف الذكي. ستجعل مجموعة من التقنيات مجموعة من الأشياء الجديدة ممكنة، وسيقوم العديد من الأشخاص ببناء أشياء فوق هذه الأشياء الجديدة. ## 2 تتمتع هذه الموجة من الذكاء الاصطناعي التوليدي بمبادئ اقتصادية تعزز تحول السوق.
ولكي يتمكن الابتكار التكنولوجي من تحفيز تحول السوق، يجب أن تكون الفوائد الاقتصادية جذابة للغاية. ورغم حدوث العديد من التطورات التكنولوجية في دورات الذكاء الاصطناعي السابقة، فإنها كانت تفتقر إلى الفوائد الاقتصادية التحويلية. في الموجة الحالية من الذكاء الاصطناعي، نشهد بالفعل علامات مبكرة على التحسينات الاقتصادية بمقدار 10000 مرة (أو أكثر) في بعض حالات الاستخدام، ويبدو أن اعتماد الذكاء الاصطناعي وتطويره الناتج عن ذلك أسرع من أي تحول سابق أكثر من ذلك بكثير.
مارتن كاسادو،a16z:
إن تحول السوق لا يحدث من خلال التحسن الاقتصادي بمقدار عشرة أضعاف. لقد تم إنشاؤها عندما تكون أفضل بعشرة آلاف مرة من ذي قبل. لنفترض أنني أريد إنشاء صورة تحول نفسي إلى شخصية بيكسار. إذا استخدمت أحد نماذج الصور هذه، فإن تكلفة الاستدلال هي عُشر سنت، ولنفترض أن الأمر يستغرق ثانية واحدة. إذا ما قورنت بتعيين فنان رسومي، فلنفترض أن سعر الساعة هو 100 دولار. من حيث التكلفة والوقت، سترى فرقًا كبيرًا يتراوح من 4 إلى 5 مرات. بالنسبة للاقتصاديين، هذا هو نوع نقطة التحول التي يبحثون عنها، عندما يكون هناك بالفعل اضطراب كبير في السوق.
إذا كنت تريد مثالاً عن مدى الجنون الذي يمكن أن يصل إليه هذا الأمر، فلا أرى أي سبب يمنعك من إنشاء لعبة كاملة - نماذج ثلاثية الأبعاد، وشخصيات، وأصوات، وموسيقى، وقصة، وما إلى ذلك. تقوم الشركات الناشئة اليوم بكل هذه الأشياء، وإذا قارنت تكلفة مئات الملايين من الدولارات والسنوات بتكلفة بضعة دولارات، فسنجد الآن عدم تناسق في الاقتصاد على مستوى الإنترنت والرقائق الدقيقة.
3 بالنسبة لبعض سيناريوهات التطبيق المبكرة: الإبداع > الصحة
تعتبر الهلوسة مشكلة معروفة في نماذج LLM الكبيرة اليوم، ولكن بالنسبة لبعض التطبيقات، تعد القدرة على اختلاق الأشياء ميزة وليست خطأ. بالمقارنة مع حالات استخدام التعلم الآلي التطبيقي المبكر، حيث يكون الصواب على المستوى n أمرًا بالغ الأهمية (مثل السيارات ذاتية القيادة)، فإن العديد من حالات الاستخدام المبكر لـ LLMs (الأصدقاء والرفاق الافتراضيون، أو العصف الذهني للمفاهيم، أو بناء الألعاب عبر الإنترنت) تتميز بما يلي: التركيز في المجالات التي يكون فيها الإبداع أكثر أهمية من الصواب.
نعوم شازير، شخصية AI:
الترفيه صناعة تبلغ قيمتها 2 تريليون دولار سنويًا. والسر المظلم هو أن الترفيه يشبه أصدقائك الافتراضيين غير الموجودين. هذه حالة استخدام رائعة لأول مرة للذكاء الاصطناعي العام. إذا أردت تعيين طبيب، على سبيل المثال، فسيكون ذلك أبطأ بكثير لأنك يجب أن تكون حريصًا جدًا جدًا على عدم إعطاء معلومات خاطئة. ولكن مع الأصدقاء، يمكنك القيام بذلك بسرعة كبيرة، إنه مجرد متعة، ويصبح اختلاق الأشياء ميزة. ديفيد باسزوكي في لعبة roblox:
من بين 65 مليون مستخدم على Roblox، معظمهم لا ينشئون المحتوى بالمستوى الذي يرغبون فيه. لفترة طويلة، تخيلنا لعبة محاكاة Project Runway حيث يمكنك استخدام ماكينة الخياطة والنسيج ومحاكاة كل شيء بتقنية ثلاثية الأبعاد، ولكن حتى ذلك كان معقدًا بعض الشيء بالنسبة لمعظمنا. أعتقد الآن أنه عندما يظهر Project Runway على Roblox، سيكون عبارة عن مطالبة نصية أو مطالبة بالصورة أو مطالبة صوتية. لو كنت أساعدك في صنع هذا القميص، لقلت: أريد قميصًا من الجينز الأزرق، وبعض الأزرار، وقصة أنحف. في الواقع، أعتقد أننا سنشهد تسارعًا في عملية الخلق. حقل ديلان، الشكل:
في الوقت الحالي، نحن في مرحلة حيث يمكن للذكاء الاصطناعي إكمال المسودة الأولى، لكن الانتقال من ذلك إلى المنتج النهائي لا يزال صعبًا إلى حد ما وغالبًا ما يتطلب فريقًا للقيام بذلك. ولكن إذا تمكنت من جعل الذكاء الاصطناعي يقترح عناصر واجهة للأشخاص ويفعل ذلك بطريقة منطقية حقًا، فأعتقد أن ذلك سيفتح حقبة جديدة تمامًا من التصميم، مما يؤدي إلى إنشاء تصميمات سياقية تستجيب لنوايا المستخدم. أعتقد أن هذا سيكون عصرًا رائعًا لجميع المصممين للعمل بشكل تعاوني مع أنظمة الذكاء الاصطناعي هذه. ## 4 بالنسبة للأمثلة الأخرى، ستتحسن دقة برمجة "مساعد الطيار" مع الاستخدام البشري.
في حين أن الذكاء الاصطناعي لديه القدرة على تعزيز العمل البشري في العديد من المجالات، فإن برمجة "مساعدي الطيارين" أصبحت أول مساعد للذكاء الاصطناعي يتم اعتماده على نطاق واسع لعدة أسباب:
أولاً، غالبًا ما يكون المطورون من أوائل المتبنين للتقنيات الجديدة - حيث وجد تحليل نصائح ChatGPT في مايو/يونيو 2023 أن 30% من نصائح ChatGPT كانت ذات صلة بالبرمجة. ثانيًا، يتم تدريب أكبر حاملي شهادات الماجستير على مجموعات البيانات كثيفة الأكواد (مثل الإنترنت)، مما يجعلهم جيدين بشكل خاص في الاستجابة للاستفسارات المتعلقة بالبرمجة. وأخيرًا، الأشخاص الموجودون في الحلقة هم المستخدمون. لذا، على الرغم من أهمية الدقة، إلا أن المطور البشري الذي لديه مساعد طيار يعمل بالذكاء الاصطناعي يمكنه التكرار للوصول إلى الدقة بشكل أسرع من المطور البشري وحده.
مارتن كاسادو،a16z:
إذا كان عليك تنفيذ الأمر بالشكل الصحيح وكان هناك الكثير من حالات الاستخدام المعقدة، فإما أن تقوم بكل العمل الفني بنفسك أو تقوم بتعيين أشخاص. عادة نقوم بتوظيف الناس. هذه تكلفة متغيرة. ثانيًا، نظرًا لأن ذيل الحلول غالبًا ما يكون طويلاً جدًا - مثل العديد من الحالات الشاذة التي قد تحدث في القيادة الذاتية - فإن الاستثمار المطلوب للبقاء في المقدمة يزداد وتنخفض القيمة. وهذا يخلق اقتصادًا عكسيًا لتأثير الحجم.
إن ذلك الإنسان الموجود في الحلقة والذي كان في شركة مركزية أصبح الآن المستخدم، لذلك لم يعد يمثل تكلفة متغيرة للأعمال واقتصاديات تكلفة العمل. تم نقل الشخص الموجود في الحلقة، حتى تتمكن من القيام بالأشياء التي يكون فيها الصواب مهمًا، مثل تطوير التعليمات البرمجية، ولأنها متكررة، يتم تقليل كمية الأخطاء المتراكمة لأنك تحصل باستمرار على تعليقات وتصحيحات من المستخدمين. عندما يتمكن المطورون من الاستعلام عن روبوت محادثة يعمل بالذكاء الاصطناعي لمساعدتهم على كتابة التعليمات البرمجية واستكشاف الأخطاء وإصلاحها، فإن ذلك يغير طريقة إجراء التطوير بطريقتين مهمتين: 1) يجعل التطوير أسهل لعدد أكبر من الأشخاص. التعاون لأنه يحدث من خلال واجهة لغة طبيعية، 2) المطورين البشريين إنتاج المزيد من المنتجات والحفاظ عليها متدفقة لفترة أطول.
ميرا موراتي، OpenAI:
البرمجة تصبح أقل تجريدا. يمكننا في الواقع التحدث إلى أجهزة الكمبيوتر ذات النطاق الترددي العالي باللغة الطبيعية. نحن نستخدم التكنولوجيا وتساعدنا التكنولوجيا على فهم كيفية التعامل معها بدلاً من "برمجتها". كيفن سكوت، مايكروسوفت:
GitHub هو المثال الأول لهذا النموذج التجريبي المساعد الذي نحاول بناءه، وهو: كيف تأخذ العمل المعرفي الذي يقوم به شخص ما وتستخدم الذكاء الاصطناعي لمساعدته على أن يكون أكثر إنتاجية بشكل ملحوظ في القيام بأنواع معينة من العمل المعرفي ؟ والأفضل من ذلك كله، استنادًا إلى ما لاحظناه مع المطورين، أن الذكاء الاصطناعي يساعدهم على البقاء في حالة تدفق لفترة أطول مما كانوا يفعلون بخلاف ذلك.
لا تتعثر عندما تكتب جزءًا من التعليمات البرمجية وتفكر، "لا أعرف كيف أفعل هذا الشيء التالي. يجب أن أذهب للبحث عن الوثائق. يجب أن أسأل مهندسًا آخر ربما يعمل على "شيء ما." "إن القدرة على تحرير نفسك من التدفق قبل الخروج من حالة التدفق أمر ذو قيمة كبيرة. بالنسبة لأولئك الذين يفكرون في فائدة أدوات الذكاء الاصطناعي التوليدية المصممة لأغراض أخرى غير تطوير البرمجيات، فإن مفهوم حالات التدفق هذا يعد أمرًا مفيدًا يجب أخذه في الاعتبار. ديلان فيلد، فيجما:
يبدأ أفضل المصممين في التفكير أكثر في التعليمات البرمجية، ويبدأ أفضل المطورين في التفكير أكثر في التصميم. بعيدًا عن المصممين والمطورين، على سبيل المثال، إذا كنت تفكر في الأشخاص المنتجين، فربما كانوا يعملون على المواصفات من قبل، لكنهم الآن يعملون بشكل أكبر على نماذج بالحجم الطبيعي لتوصيل أفكارهم بشكل أكثر فعالية. في الأساس، سيسمح هذا لأي شخص في المؤسسة بالانتقال من الفكرة إلى التصميم، وربما حتى الإنتاج، بشكل أسرع. ولكن لا تزال بحاجة إلى صقل كل خطوة. أنت بحاجة إلى شخص يفكر فيه حقًا، "حسنًا، ما هي الأفكار التي سنستكشفها؟ كيف سنستكشفها؟" سوف ترغب في تعديل التصميمات، وسوف ترغب في التعامل معها بشكل صحيح، من المسودة الأولى إلى المنتج النهائي. ## 5 يمكن للجمع بين الذكاء الاصطناعي والبيولوجيا أن يسرع ظهور طرق جديدة لعلاج الأمراض ويكون له تأثير عميق على صحة الإنسان
إن علم الأحياء معقد بشكل لا يصدق، وربما يتجاوز قدرة العقل البشري على الفهم الكامل. ومع ذلك، فإن تقاطع الذكاء الاصطناعي وعلم الأحياء يمكن أن يسرع فهمنا لعلم الأحياء ويؤدي إلى بعض التطورات التكنولوجية الأكثر إثارة وتحويلية في عصرنا. تتمتع منصات علم الأحياء المعتمدة على الذكاء الاصطناعي بالقدرة على فتح رؤى بيولوجية لم تكن معروفة من قبل، مما يؤدي إلى اختراقات طبية جديدة، وطرق تشخيصية جديدة، والقدرة على اكتشاف المرض وعلاجه في وقت مبكر، وربما حتى منعه قبل حدوثه.
دافني كولر، مقدمة:
في أوقات معينة من تاريخنا، حققت بعض التخصصات العلمية خطوات مذهلة في فترة زمنية قصيرة نسبيًا. في الخمسينيات من القرن العشرين، كان التخصص هو الحوسبة، وكنا نستخدم هذه الآلات لإجراء العمليات الحسابية التي، حتى ذلك الحين، كان البشر وحدهم قادرين على إجرائها. ثم في التسعينيات، كان هناك هذا الاختلاف المثير للاهتمام. فمن ناحية، جلب لنا علم البيانات والإحصاء في نهاية المطاف التعلم الآلي الحديث والذكاء الاصطناعي. الجانب الآخر هو ما أعتقد أنه علم الأحياء الكمي، وهي المرة الأولى التي نبدأ فيها بقياس علم الأحياء على نطاق يتجاوز تتبع 3 جينات في تجربة استغرقت 5 سنوات.
الآن، عام 2020 هو آخر مرة يتقارب فيها التخصصان حقًا، مما يجلب لنا عصر البيولوجيا الرقمية، والقدرة على قياس علم الأحياء بدقة وحجم غير مسبوقين، وتفسير ما لا يمكن فهمه باستخدام التعلم الآلي وأدوات علم البيانات، وكميات هائلة من البيانات، ومختلفة. المقاييس البيولوجية، والأنظمة المختلفة، ومن ثم استخدام أدوات مثل تحرير الجينوم كريسبر لإعادة هذا الفهم إلى علم الأحياء الهندسي حتى نتمكن من جعل علم الأحياء يفعل أشياء لم يكن من المفترض أن يفعلها.
الآن، يمكننا أخيرًا قياس علم الأحياء على نطاق واسع، على المستوى الخلوي (وأحيانًا دون الخلوي) والمستوى العضوي. وهذا يمكننا، لأول مرة، من نشر التعلم الآلي بطريقة مفيدة حقًا.
لقد بنينا نموذجًا للغة البيولوجية. إنها مثل GPT، ولكن للخلايا. لدينا لغة الخلايا وكيف تبدو الخلايا. تقيس مئات الملايين من الخلايا في حالات مختلفة، وبعد ذلك، مثل نموذج لغة كبير للغة الطبيعية، مع كمية صغيرة من البيانات، يمكنك البدء في طرح السؤال، "حسنًا، كيف ينقل المرض الجين المسبب للمرض من أحد الجينات من مكان إلى آخر؟" "كيف ينقلك العلاج من حالة المرض إلى الحالة الصحية؟" هذا أمر قوي للغاية. كما هو الحال مع نماذج اللغات الأخرى، كلما زاد عدد البيانات التي تغذيها، كلما أصبحت أفضل. ## 6 إن وضع النموذج في أيدي المستخدمين سيساعدنا على اكتشاف سيناريوهات تطبيق جديدة
في حين أن التكرارات السابقة لنماذج الذكاء الاصطناعي كانت تهدف إلى التفوق على البشر في مهام معينة، فإن ماجستير إدارة الأعمال المعتمد على المحولات يتفوق في التفكير العام. ولكن مجرد قيامنا بإنشاء نموذج عام جيد لا يعني أننا قد توصلنا إلى كيفية تطبيقه على حالة استخدام محددة. مثلما يعد جلب البشر إلى الحلقة في شكل RLHF أمرًا بالغ الأهمية لتحسين أداء نماذج الذكاء الاصطناعي الحالية، فإن وضع التكنولوجيا الجديدة في أيدي المستخدمين وفهم كيفية استخدامها سيكون أمرًا أساسيًا لتحديد التطبيقات التي سيتم بناؤها بناءً على هذه الأساسيات. models.top.
كيفن سكوت، مايكروسوفت:
يجب أن نتذكر: النموذج ليس المنتج. كرجل أعمال، فهمك هو: من هم المستخدمون لديك؟ ما هي مشكلتهم؟ ماذا يمكنك أن تفعل لمساعدتهم؟ ثم حدد ما إذا كان الذكاء الاصطناعي يمثل بالفعل بنية تحتية مفيدة لحل مشكلات المستخدم - فهذا أمر ثابت. يشبه الذكاء الاصطناعي بنية تحتية جديدة ومثيرة للاهتمام تسمح لك بحل فئات جديدة من المشكلات أو حل الفئات القديمة من المشكلات بطرق أفضل. ميرا موراتي، OpenAI:
نحن لا نعرف بالضبط كيف سيبدو المستقبل، لذلك نحاول أن نجعل هذه الأدوات والتقنيات متاحة للكثير من الأشخاص الآخرين حتى يتمكنوا من التجربة ونتمكن من رؤية ما سيحدث. هذه هي الاستراتيجية التي كنا نستخدمها منذ البداية. في الأسبوع الذي سبق إطلاق ChatGPT، كنا قلقين من أنه لم يكن جيدًا بما فيه الكفاية. لقد رأينا جميعًا ما يحدث: لقد طرحناه هناك، ثم أخبرنا الناس أنه من الجيد اكتشاف حالات استخدام جديدة، وترون كل حالات الاستخدام الناشئة هذه. ## 7 سوف تتحسن ذكريات أصدقائك الذين يستخدمون الذكاء الاصطناعي
في حين أن البيانات والحسابات ومعلمات النموذج تعمل على تعزيز المنطق العام لطلاب LLM، فإن النوافذ السياقية تعمل على تشغيل ذاكرتهم قصيرة المدى. يتم قياس نوافذ السياق عادةً بعدد الرموز المميزة التي يمكنها التعامل معها. اليوم، يبلغ حجم معظم نوافذ السياق حوالي 32 كيلو بايت، ولكن تأتي نوافذ سياق أكبر، وتأتي معها القدرة على تشغيل مستندات أكبر مع سياق أكبر من خلال LLMs.
نعوم شازير،شخصية الذكاء الاصطناعي:
في الوقت الحالي، تستخدم النماذج التي نقدمها نوافذ السياق لآلاف من الرموز المميزة، مما يعني أن أصدقائك مدى الحياة سوف يتذكرون ما حدث في النصف ساعة الماضية. إذا تمكنت من تفريغ الكثير من المعلومات، فسوف تتحسن الأمور. يجب أن يكون قادرًا على تعلم مليار شيء عنك. عرض النطاق الترددي HBM موجود. داريو أمودي، أنثروبي:
الشيء الوحيد الذي أعتقد أنه لا يزال يتم الاستهانة به هو السياق الأطول والأشياء التي تأتي معه. أعتقد أن الناس لديهم هذه الصورة في أذهانهم حول امتلاك برنامج الدردشة الآلي هذا. "لقد طرحت عليه سؤالاً وأجابني على السؤال. ولكن يمكنك تحميل عقد قانوني والقول، "ما هي الشروط الخمسة الأكثر غرابة في هذا العقد القانوني؟" أو قم بتحميل بيان مالي وقل، "ملخص عن مكان وجود هذه الشركة. ما الذي يثير الدهشة مقارنة بما قاله هذا المحلل قبل أسبوعين؟ كل هذه المعرفة تتلاعب وتعالج كميات هائلة من البيانات التي يحتاج الناس إلى عدها." ساعات للقراءة. "أعتقد أن هذا أكثر احتمالاً مما يفعله الناس. لقد بدأنا للتو. " ## 8 تعد روبوتات الدردشة الصوتية والروبوتات وغيرها من طرق التفاعل مع الذكاء الاصطناعي مجالًا مهمًا للبحث
اليوم، يتفاعل معظم الأشخاص مع الذكاء الاصطناعي في شكل روبوتات الدردشة، ولكن ذلك لأن روبوتات الدردشة غالبًا ما تكون سهلة الإنشاء، وليس لأنها أفضل واجهة لكل حالة استخدام.
يركز العديد من المنشئين على تطوير طرق جديدة للمستخدمين للتفاعل مع نماذج الذكاء الاصطناعي من خلال الذكاء الاصطناعي متعدد الوسائط. سيتمكن المستخدمون من التفاعل مع النماذج متعددة الوسائط بنفس الطريقة التي يتفاعلون بها مع بقية العالم: من خلال الصور والنصوص والصوت والوسائط الأخرى. المضي قدمًا إلى أبعد من ذلك: يركز الذكاء الاصطناعي المتجسد على الذكاء الاصطناعي الذي يمكنه التفاعل مع العالم المادي، مثل السيارات ذاتية القيادة.
ميرا موراتي، OpenAI:
أعتقد أن النموذج الأساسي اليوم يمثل العالم بشكل جيد في النص. نحن نضيف طرائق أخرى، مثل الصور ومقاطع الفيديو، حتى تتمكن هذه النماذج من الحصول على صورة أكثر اكتمالا للعالم، على غرار الطريقة التي نفهم بها ونراقب العالم. نعوم شازير،شخصية الذكاء الاصطناعي:
ربما تريد سماع صوت، أو رؤية وجه، أو مجرد القدرة على التفاعل مع عدة أشخاص. يبدو الأمر كما لو تم انتخابك رئيسًا، ولديك سماعات رأس، وفريق كامل من الأصدقاء أو المستشارين. أو كأنك تدخل إلى "حانة ممتعة" والجميع يعرف اسمك ويسعدهم حضورك. دافني كولر، داخل:
الحدود المحتملة التالية لتأثير الذكاء الاصطناعي هي عندما يبدأ الذكاء الاصطناعي في التعامل مع العالم المادي. نحن جميعا نرى مدى صعوبة الأمر. لقد رأينا جميعًا مدى صعوبة بناء سيارة ذاتية القيادة مقارنة ببناء روبوت الدردشة، أليس كذلك؟ نحن نحرز تقدمًا كبيرًا في بناء روبوتات الدردشة، ولا تزال السيارات ذاتية القيادة تعيق سيارات الإطفاء في سان فرانسيسكو. من المهم أن نفهم هذا التعقيد، ولكن أيضًا حجم التأثير ## 9 هل سيكون لدينا بعض النماذج العامة، أو مجموعة من النماذج المتخصصة، أو مزيج من الاثنين معًا؟
ما هي حالات الاستخدام الأكثر ملاءمة للنماذج الأساسية "الذكاء العالي" الأكبر أو النماذج ومجموعات البيانات المتخصصة الأصغر؟ تمامًا مثل النقاش حول البنية السحابية مقابل هندسة الحافة منذ عقد من الزمن، تعتمد الإجابة على المبلغ الذي ترغب في دفعه، ومدى الدقة التي تريد أن تكون بها المخرجات، ومقدار زمن الوصول الذي يمكنك تحمله. قد تتغير الإجابات على هذه الأسئلة بمرور الوقت حيث يقوم الباحثون بتطوير أساليب أكثر كفاءة من الناحية الحسابية لضبط النماذج الأساسية الكبيرة لحالات استخدام محددة.
على المدى الطويل، قد نبالغ في التناوب بشأن النماذج التي سيتم استخدامها ولحالات الاستخدام لأننا ما زلنا في المراحل الأولى من بناء البنية التحتية والهندسة المعمارية لدعم الموجة القادمة من تطبيقات الذكاء الاصطناعي.
علي قدسي، Databricks:
إنه يشبه إلى حد ما عام 2000، حيث أن الإنترنت على وشك السيطرة على كل شيء، وكل ما يهم هو من يمكنه بناء أفضل جهاز توجيه. بلغت القيمة السوقية لشركة Cisco ذروتها عند 5 تريليون دولار أمريكي في عام 2000، متجاوزة Microsoft في ذلك الوقت. إذًا، من لديه أكبر LLM (نموذج اللغة)؟ ومن الواضح أن أي شخص يستطيع بناء أكبر وتدريبه بالكامل سيكون له السيطرة على كل الذكاء الاصطناعي والبشر في المستقبل. ولكن تمامًا كما هو الحال مع الإنترنت، سيأتي شخص آخر بأفكار مثل أوبر وقيادة سيارات الأجرة لاحقًا. سيكون هناك أشخاص آخرون يفكرون، "مرحبًا، أريد أن أرى ما يفعله أصدقائي على فيسبوك." يمكن أن تكون هذه فرصًا تجارية ضخمة، وليست شركات مثل OpenAI أو Databricks أو Anthropic فقط هي التي يمكنها بناء نموذج. سيناريوهات. يتطلب الأمر الكثير من الجهد لإنشاء طبيب تثق به. داريو أمودي، أنثروبي:
العامل الأكبر هو استثمار المزيد من المال. أغلى النماذج المصنعة اليوم تكلف حوالي 100 مليون دولار، زائد أو ناقص من حيث الحجم. قد نرى في العام المقبل نماذج من لاعبين متعددين تبلغ قيمتها حوالي مليار دولار، وبحلول عام 2025 سنرى نماذج بالمليارات أو حتى 10 مليارات دولار. يتم دمج هذا الاختلاف بمقدار 100x مع حقيقة أن حسابات H100 نفسها تصبح أسرع - وهي قفزة كبيرة بشكل خاص بسبب انخفاض الدقة. ضع كل هذه العوامل معًا، وإذا استمر تطبيق قوانين التوسع، فستكون هناك زيادة هائلة في القدرات. ميرا موراتي، OpenAI:
ذلك يعتمد على ما تريد القيام به. من الواضح أن أنظمة الذكاء الاصطناعي ستتولى الوظائف التي نقوم بها بشكل متزايد. فيما يتعلق بمنصة OpenAI، يمكنك أن ترى أنه حتى اليوم، نقدم العديد من النماذج من خلال واجهة برمجة التطبيقات، بدءًا من النماذج الصغيرة جدًا وحتى النماذج المتطورة. لا يحتاج المرء دائمًا إلى استخدام النموذج الأقوى أو الأكثر كفاءة. في بعض الأحيان يحتاجون فقط إلى نموذج يناسب حالة الاستخدام الخاصة بهم ويكون أكثر فعالية من حيث التكلفة. نريد أن يبني الأشخاص على نموذجنا وأن نمنحهم الأدوات اللازمة لتسهيل هذه العملية. نريد أن نمنحهم المزيد والمزيد من الوصول والتحكم حتى تتمكن من إحضار بياناتك الخاصة وتخصيص هذه النماذج. تحتاج حقًا إلى التركيز على الأشياء التي تتجاوز نطاق النموذج وتحديد المنتج. ديفيد باسزوكي في لعبة roblox:
في أي شركة مثل Roblox، من المحتمل أن يكون هناك 20 أو 30 تطبيقًا رأسيًا للمستخدم النهائي تكون مخصصة للغاية - تختلف تصفية اللغة الطبيعية تمامًا عن إنشاء ثلاثي الأبعاد - وعند المستخدم النهائي، نريد تشغيل جميع هذه التطبيقات. أثناء نزولنا [المكدس]، في شركة مثل شركتنا، قد يكون هناك تجمع طبيعي لنموذجين أو ثلاثة نماذج أكبر حجمًا وأكثر بدانة. لقد قمنا بضبط التخصصات التي نريد أن نكون قادرين على تدريبها وإجراء الكثير من الاستدلالات لتلك التخصصات بدقة شديدة. ## 10 متى يحظى الذكاء الاصطناعي بالاعتماد الكافي في المؤسسة، ماذا يحدث لمجموعات البيانات تلك؟
لا يزال تأثير الذكاء الاصطناعي التوليدي على المؤسسات في مراحله الأولية ــ ويرجع ذلك جزئيا إلى أن الشركات عادة ما تكون أبطأ في التحرك، وجزئيا لأنها أدركت قيمة مجموعات البيانات الخاصة بها ولا ترغب بالضرورة في تسليم البيانات إلى شركة أخرى. بغض النظر عن مدى قوة نموذجهم. تتطلب معظم حالات استخدام المؤسسات درجة عالية من الدقة، ولدى المؤسسات 3 خيارات لاختيار LLM: إنشاء LLM الخاصة بها، أو استخدام مزود خدمة LLM لبنائها لها، أو ضبط النموذج الأساسي - إن بناء LLM الخاص بك ليس بالأمر السهل. سهل.
علي قصدي، Databricks:
الشيء الوحيد الذي يحدث في أدمغة الرؤساء التنفيذيين ومجالس الإدارة هو أنهم يدركون: ربما أستطيع التغلب على منافسي. ربما يكون الكريبتونيت هو الذي يقتل أعدائك. لدي البيانات الخاصة بالذكاء الاصطناعي التوليدي، لذا فهم يفكرون، "يجب أن أبنيه بنفسي." يجب أن أملك الملكية الفكرية. هل ترغب في بناء LLM الخاص بك من الصفر؟ إنه ليس بالأمر التافه، ولا يزال يتطلب الكثير من وحدات معالجة الرسومات، ويكلف الكثير من المال، ويعتمد على مجموعة البيانات الخاصة بك وحالة الاستخدام.
لدينا الكثير من العملاء الذين يريدون نموذجًا أرخص وأصغر حجمًا ومخصصًا لهذا الغرض وبدقة وأداء عاليين جدًا. يقولون: "مرحبًا، هذا ما أريد أن أفعله. أريد أن أحصل على تصنيف جيد من هذه الصور لهذا العيب المحدد في عملية التصنيع." الدقة مهمة هناك. كل أوقية من الدقة يمكنك أن تعطيني التهم. هناك، ستكون أفضل حالًا إذا كان لديك مجموعة بيانات جيدة للتدريب عليها ويمكنك تدريب نموذج أصغر. سيكون زمن الاستجابة أسرع وأرخص، ونعم، يمكنك بالتأكيد الحصول على دقة تتفوق على النماذج الكبيرة حقًا. لكن النموذج الذي تبنيه لن يسليك في عطلات نهاية الأسبوع أو يساعد أطفالك في واجباتهم المدرسية. ##11 هل سيقودنا قانون التوسع إلى الذكاء الاصطناعي العام؟
تتبع LLM حاليًا قانون القياس: يتحسن أداء النموذج كلما قمت بإضافة المزيد من البيانات والحسابات، حتى لو ظلت البنية والخوارزميات كما هي. ولكن إلى متى يمكن أن تستمر هذه القاعدة؟ هل سيستمر إلى أجل غير مسمى، أم سيصل إلى حدوده الطبيعية قبل أن نطور الذكاء الاصطناعي العام؟
ميرا موراتي، OpenAI:
لا يوجد دليل على أننا لن نحصل على نماذج أفضل وأكثر قوة مع استمرارنا في توسيع نطاق الوصول إلى البيانات والحسابات. ما إذا كان هذا سيقودك إلى AGI - فهذا سؤال مختلف. قد تكون هناك بعض الاختراقات والتطورات الأخرى اللازمة على طول الطريق، ولكن أعتقد أنه لا يزال هناك طريق طويل لنقطعه فيما يتعلق بقوانين التوسع والحصول على الكثير من الفوائد من هذه النماذج الأكبر حجمًا. داريو أمودي، إنساني:
حتى لو لم تكن هناك تحسينات خوارزمية هنا وقمنا بالارتقاء إلى ما وصلنا إليه حتى الآن، فإن قانون التوسع سيستمر. نعوم شازير، شخصية AI:
هدفنا هو أن نصبح شركة AGI وشركة تقدم المنتج أولاً، والطريقة للقيام بذلك هي من خلال اختيار المنتجات المناسبة، وإجبارنا على القيام بأشياء قابلة للتعميم، وجعل النماذج أكثر ذكاءً، وجعلها شيئًا يريده الناس، وتسليمها. الخدمات بثمن بخس وعلى نطاق واسع. سوف يأخذنا قانون القياس شوطا طويلا. في الأساس، الحساب ليس باهظ الثمن. اليوم، تبلغ تكاليف التشغيل حوالي 10 إلى 18 دولارًا. إذا تمكنت من القيام بهذه الأشياء بكفاءة، فيجب أن تكون التكلفة أقل بكثير من قيمة وقتك. القدرة موجودة لتوسيع نطاق هذه الأشياء بأضعاف مضاعفة. ## 12 ما هي القدرات الناشئة؟
في حين أن بعض الناس يسارعون إلى استبعاد القدرة على توليد الذكاء الاصطناعي، فإن الذكاء الاصطناعي هو بالفعل أفضل بكثير من البشر في أداء مهام معينة وسيستمر في التحسن. لقد تمكن أفضل البناة من تحديد القدرات الناشئة الواعدة للذكاء الاصطناعي وبناء نماذج وشركات تعمل على توسيع نطاق هذه القدرات إلى قدرات موثوقة. وهم يدركون أن الحجم يميل إلى زيادة موثوقية القدرات الناشئة.
ميرا موراتي، OpenAI:
من المهم الانتباه إلى هذه الميزات الناشئة، حتى لو كانت غير موثوقة إلى حد كبير. وخاصة بالنسبة للأشخاص الذين يقومون ببناء الشركات اليوم، فأنت تريد حقًا أن تفكر، "حسنًا، ما هو الممكن اليوم؟ ماذا ترون اليوم؟ "لأن هذه النماذج ستصبح موثوقة بسرعة كبيرة. داريو أمودي، إنساني:
عندما أصدرنا GPT-2، ما كان يعتبر الأكثر إثارة للإعجاب في ذلك الوقت هو، "قم بإدخال هذه الأمثلة الخمسة للترجمة من الإنجليزية إلى الفرنسية مباشرة في نموذج اللغة، ثم قم بإدخال الجملة الإنجليزية السادسة، وستترجم في الواقع إلى الفرنسية . لقد كان مثل يا إلهي، إنه يفهم هذا النمط." كان ذلك جنونًا بالنسبة لنا، على الرغم من أنها كانت ترجمة سيئة. لكن وجهة نظرنا هي، "انظر، هذه مجرد بداية لرحلة مذهلة لأنه لا توجد حدود ويمكن أن تستمر في التوسع." لماذا لا تستمر تلك النماذج التي رأيناها من قبل في الوجود؟ هناك الكثير من الأهداف للتنبؤ بالكلمة التالية، وهناك الكثير الذي يمكنك تحديهم به، وهو أمر ناجح بالتأكيد. وبعد ذلك نظر إليه بعض الأشخاص وقالوا: "لقد صنعت أداة ترجمة روبوتية سيئة حقًا." ## 13 هل ستنخفض تكلفة خدمة هذه النماذج؟
وتعد التكاليف الحسابية واحدة من القيود الرئيسية التي تحول دون توسيع نطاق هذه النماذج، كما أن النقص الحالي في الرقائق يؤدي إلى ارتفاع التكاليف عن طريق الحد من العرض. ومع ذلك، إذا أنتجت Nvidia المزيد من H100s في العام المقبل، فمن المفترض أن يخفف ذلك من نقص وحدة معالجة الرسومات وربما يقلل تكاليف الحوسبة.
نعوم شازير، شخصية AI:
النموذج الذي نقدمه الآن استغرق تدريبه حوالي 2 مليون دولار في دورات الحوسبة في العام الماضي، ومن المحتمل أننا سنقوم بذلك مرة أخرى مقابل نصف مليون دولار. لذلك، سنقوم بطرح العشرات من نقاط الذكاء لأشياء أكثر ذكاءً قبل نهاية العام. أرى هذه الأشياء تتوسع بشكل كبير. ليس هذا باهظ الثمن. أعتقد أنني رأيت مقالًا بالأمس يفيد بأن Nvidia ستصنع 1.5M H100 أخرى في العام المقبل، والذي سيكون 2M H100.
وهذا يعادل حوالي ربع تريليون عملية في الثانية للشخص الواحد. وهذا يعني أنه لكل شخص على هذا الكوكب، في نموذج يحتوي على 100 مليار معلمة، يمكنه معالجة كلمة واحدة في الثانية. ولكن لا يستطيع الجميع الوصول إليها فعليًا، لذا فهي ليست باهظة الثمن. هذا الشيء قابل للتطوير للغاية إذا قمت به بشكل صحيح، ونحن نعمل بجد لتحقيق ذلك. داريو أمودي، إنساني:
نقطتي الأساسية هي أن الاستدلال لن يصبح باهظ الثمن. المنطق الأساسي لقانون القياس هو أنه إذا قمت بزيادة الحساب بعامل n، فأنت بحاجة إلى زيادة البيانات بعامل الجذر التربيعي لـ n وحجم النموذج بعامل الجذر التربيعي لـ n. ويعني هذا الجذر التربيعي في الأساس أن النموذج نفسه لن يصبح أكبر حجمًا، وأن الأجهزة ستصبح أسرع أثناء قيامك بذلك. أعتقد أن هذه الأشياء ستظل ذات صلة بالسنوات الثلاث أو الأربع القادمة. وبدون الابتكار المعماري، فإنها تصبح أكثر تكلفة قليلا. إذا كان هناك ابتكار معماري، وآمل أن يكون هناك، فسوف تصبح أرخص. ولكن حتى لو ظلت التكاليف الحسابية ثابتة، فإن تحسينات الكفاءة على مستوى النموذج تبدو حتمية، خاصة مع تدفق الكثير من المواهب إلى هذا المجال، وقد يكون الذكاء الاصطناعي نفسه أقوى أدواتنا لتحسين الطريقة التي يعمل بها الذكاء الاصطناعي.
داريو أمودي، إنساني:
عندما يصبح الذكاء الاصطناعي أكثر قوة، فإنه يؤدي بشكل أفضل في معظم المهام المعرفية. إحدى المهام المعرفية ذات الصلة هي الحكم على سلامة أنظمة الذكاء الاصطناعي وإجراء أبحاث السلامة في نهاية المطاف. هناك عنصر مرجعي ذاتي لهذا. يمكننا أن نرى ذلك من خلال القراءة داخل الشبكات العصبية، مثل مجال التفسير. يمكن لأنظمة الذكاء الاصطناعي القوية أن تساعدنا في تفسير نشاط الخلايا العصبية في أنظمة الذكاء الاصطناعي الأضعف. وغالبًا ما تخبرنا رؤى قابلية التفسير هذه عن كيفية عمل النموذج. عندما يخبروننا عن كيفية عمل النموذج، فإنهم غالبًا ما يقترحون طرقًا لتحسينه أو جعله أكثر كفاءة. أحد مجالات البحث الواعدة هو ضبط النماذج الكبيرة لحالات استخدام محددة دون تشغيل النموذج بأكمله.
علي قدسي، Databricks:
إذا قمت بإنشاء ألف نسخة من LLM كانت جيدة في آلاف الأشياء المختلفة، وكان عليك تحميل كل واحدة منها على وحدة معالجة الرسومات وتقديمها، فسيكون ذلك مكلفًا للغاية. الشيء الكبير الذي يبحث عنه الجميع الآن هو: هل هناك تقنية يمكنها الحصول على نتائج جيدة جدًا مع تعديلات طفيفة فقط؟ هناك العديد من التقنيات مثل ضبط البادئة، LoRA، CUBE LoRA، إلخ. ولكن لم يثبت نجاح أي حل لا تشوبه شائبة. ولكن شخص ما سوف تجد ذلك. ##14 كيف نقيس التقدم نحو الذكاء الاصطناعي العام؟
عندما نقوم بتوسيع هذه النماذج، كيف نعرف متى يتحول الذكاء الاصطناعي إلى ذكاء عام اصطناعي؟ عندما نسمع كثيرًا مصطلح الذكاء الاصطناعي العام (AGI)، قد يكون من الصعب تعريفه، ربما جزئيًا لأنه من الصعب قياسه.
تُستخدم المعايير الكمية مثل GLUE وSUPERGLUE منذ فترة طويلة كمقاييس موحدة لقياس أداء نموذج الذكاء الاصطناعي. ولكن مثل الاختبارات الموحدة التي نقدمها للبشر، تثير معايير الذكاء الاصطناعي سؤالاً: إلى أي مدى تقيس قدرة ماجستير في القانون على التفكير، وإلى أي مدى تقيس قدرته على اجتياز الاختبار؟
علي قدسي، Databricks:
أشعر نوعًا ما أن جميع المعايير هراء. تخيل لو أن جميع جامعاتنا قالت: "سنقدم لك الإجابات لتنظر إليها في الليلة السابقة للامتحان. ثم في اليوم التالي، سنطلب منك الإجابة على الأسئلة ومنحهم الدرجات." فجأة ، يمكن للجميع اجتياز الامتحان بسهولة.
على سبيل المثال، MMLU هو المعيار الذي يستخدمه العديد من الأشخاص لتقييم هذه النماذج. MMLU هو مجرد سؤال متعدد الخيارات على الإنترنت. اطرح سؤالاً، هل الإجابة أ أم ب أم ج أم د أم هـ؟ ثم سيخبرك بالإجابة الصحيحة. يمكن تدريبه عبر الإنترنت وإنشاء نموذج LLM قادر على التغلب عليه. كان الاختبار النوعي الأصلي للذكاء الاصطناعي العام هو اختبار تورينج، لكن إقناع البشر بأن الذكاء الاصطناعي هو إنسان ليس مشكلة صعبة. إن الحصول على الذكاء الاصطناعي للقيام بما يفعله البشر في العالم الحقيقي يمثل مشكلة صعبة. إذًا، ما هي الاختبارات التي يمكننا استخدامها لفهم وظائف هذه الأنظمة؟
حقل ديلان، الشكل:
ما نراه الآن من هذه الأنظمة هو أنه من السهل جعل الناس يعتقدون أنك إنسان، ولكن من الصعب فعل أشياء جيدة. يمكنني أن أطلب من GPT-4 تطوير خطة عمل وبيعها لك، لكن هذا لا يعني أنك ستستثمر. عندما يكون لديك بالفعل شركتان متنافستان - أحدهما يديره الذكاء الاصطناعي والآخر يديره البشر - وتختار الاستثمار في مجال الذكاء الاصطناعي، فهذا يقلقني. ديفيد باسزوكي في لعبة roblox:
لدي سؤال اختبار تورينج للذكاء الاصطناعي: إذا وضعنا الذكاء الاصطناعي في عام 1633 وتركناه يتدرب على جميع المعلومات المتاحة في ذلك الوقت، فهل يمكنه التنبؤ بما إذا كانت الأرض أو الشمس هي مركز النظام الشمسي - حتى لو كان ذلك صحيحًا؟ رغم أن 99.9% من المعلومات تقول أن الأرض هي مركز المجموعة الشمسية؟ أعتقد أن 5 سنوات هي على الحافة، ولكن إذا أجرينا اختبار تورينج للذكاء الاصطناعي خلال 10 سنوات، فمن المحتمل أن نقول الشمس. ##15 هل ما زال البشر بحاجة إلى المشاركة؟
غالبًا ما تحل التقنيات الجديدة محل بعض الوظائف والوظائف البشرية، ولكنها تفتح أيضًا مجالات جديدة تمامًا، وتزيد الإنتاجية، وتتيح المزيد من أنواع الوظائف لعدد أكبر من الناس. في حين أنه من السهل أن نتصور أن الذكاء الاصطناعي يقوم بأتمتة الوظائف الحالية، فمن الصعب للغاية أن نتصور المشاكل والإمكانيات القادمة التي سيجلبها الذكاء الاصطناعي.
مارتن كاسادو، a16z:
وببساطة شديدة، تنص مفارقة جيفونز على ما يلي: إذا كان الطلب مرنًا وانخفض السعر، فإن الطلب سيتجاوز التعويض. في كثير من الأحيان، يتم تعويضه بأكثر من ذلك بكثير. وهذا ينطبق بالتأكيد على الإنترنت. يمكنك الحصول على قيمة أكبر وإنتاجية أكبر. أنا شخصياً أعتقد أن الطلب يتسم بالمرونة عندما يتعلق الأمر بأتمتة أي أصل إبداعي أو وظيفة. كلما زاد إنتاجنا، زاد استهلاك الناس. ونحن نتطلع بشدة إلى توسع هائل في الإنتاجية، وتوفير عدد كبير من الوظائف الجديدة، والعديد من الأشياء الجديدة، تماما كما رأينا في عصر الرقائق الدقيقة والإنترنت. كيفن سكوت، مايكروسوفت:
لقد نشأت في ريف وسط فيرجينيا، حيث كان الاقتصاد يعتمد بشكل أساسي على زراعة التبغ، وتصنيع الأثاث، وصناعة النسيج. عندما تخرجت من المدرسة الثانوية، كانت الصناعات الثلاث قد انهارت للتو. عندما يتمكن الأشخاص في هذه المجتمعات من الوصول إلى أدوات قوية بشكل لا يصدق، فإنهم غالبًا ما يقومون بأشياء غير عادية، مما يخلق فرصًا اقتصادية لأنفسهم وأسرهم ومجتمعاتهم. إنهم يحلون المشكلات التي لا أستطيع أنت أو أنا حلها لأننا لا نرى المشهد العام للمشاكل في العالم. ليس لدينا وجهة نظرهم. أصبحت أدوات الذكاء الاصطناعي هذه الآن أسهل في الاستخدام من أي وقت مضى. يمكنك الآن القيام بأشياء مثيرة للاهتمام باستخدام هذه الأدوات وتصبح رائد أعمال في بلدة صغيرة في فيرجينيا دون الحصول على درجة الدكتوراه في علوم الكمبيوتر أو الخبرة في الذكاء الاصطناعي الكلاسيكي. عليك فقط أن تظل فضوليًا وريادة الأعمال. ديلان فيلد، فيجما:
إذا نظرت إلى كل تحول تكنولوجي أو تحول في النظام الأساسي حتى الآن، فقد أدى ذلك إلى المزيد من الأشياء التي يجب تصميمها. هناك مطبعة، ومن ثم عليك معرفة ما يجب وضعه على الصفحة. في الآونة الأخيرة مع الإنترنت عبر الهاتف المحمول، قد تعتقد، "حسنًا، هناك عدد أقل من وحدات البكسل، وهناك عدد أقل من المصممين." ولكن هذا ليس هو الحال، وذلك عندما شهدنا أكبر انفجار في عدد المصممين. ## 16 لم يكن هناك وقت أكثر إثارة من الآن لإنشاء شركة ناشئة في مجال الذكاء الاصطناعي (خاصة إذا كنت فيزيائيًا أو عالم رياضيات)
هذا وقت فريد ومثير لبناء الذكاء الاصطناعي: فالنماذج الأساسية تتوسع بسرعة، والاقتصاد يميل أخيرا لصالح الشركات الناشئة، وهناك الكثير من المشاكل التي يتعين حلها. تتطلب هذه المشكلات قدرًا كبيرًا من الصبر والمثابرة لحلها، وكان الفيزيائيون وعلماء الرياضيات حتى الآن مناسبين بشكل خاص لحلها. ولكن باعتباره مجالًا شابًا وسريع النمو، فإن الذكاء الاصطناعي مفتوح على مصراعيه، والآن هو الوقت المثالي لبنائه.
داريو أمودي، إنساني:
في أي لحظة، هناك نوعان من العوالم. الأول هو المجال الذي تكون فيه الخبرة والمعرفة المتراكمة غنية جدًا، ويستغرق الأمر سنوات عديدة لتصبح خبيرًا. يعتبر علم الأحياء مثالًا كلاسيكيًا - إذا كنت تعمل في علم الأحياء لمدة 6 أشهر فقط، فمن الصعب جدًا القيام بعمل رائد أو عمل على مستوى جائزة نوبل... والآخر هو مجال حديث جدًا أو يتطور بسرعة كبيرة. وكان الذكاء الاصطناعي، وإلى حد ما، أحد هذه الفئات. يمكن للأخصائيين العامين الموهوبين حقًا أن يتفوقوا في كثير من الأحيان على الأشخاص الذين عملوا في هذا المجال لفترة طويلة لأن الأمور تتغير بسرعة كبيرة. إذا كان هناك أي شيء، فإن وجود الكثير من المعرفة المسبقة يمكن أن يكون عيبًا. ميرا موراتي، OpenAI:
إحدى الوجبات السريعة المستفادة من المجال النظري للرياضيات هي أنك تحتاج إلى قضاء وقت طويل في التفكير في المشكلات. في بعض الأحيان، تغفو وتستيقظ بأفكار جديدة، وتجد الحل النهائي تدريجيًا على مدار أيام أو أسابيع. إنها ليست عملية ذات عوائد سريعة، وفي بعض الأحيان لا تكون أمرًا متكررًا. إنها تقريبًا طريقة تفكير مختلفة، حيث تقوم ببناء الحدس والانضباط لمواجهة المشكلة والثقة في نفسك لحلها. بمرور الوقت، ستكتسب حدسًا حول المشكلات التي تستحق العمل عليها حقًا. دافني كولر، في المقدمة:
لا يتحسن التعلم الآلي بمرور الوقت فحسب، بل تتحسن أيضًا الأدوات البيولوجية التي نعتمد عليها. في الماضي، لم تكن هناك تقنية كريسبر، بل كان هناك سيرنا فقط. ثم جاءت تقنية كريسبر لتحرير الجينات، والآن هناك تقنية كريسبر الرئيسية التي يمكن أن تحل محل مناطق جينية بأكملها. ونتيجة لذلك، فإن الأدوات التي نقوم ببنائها تتحسن شيئا فشيئا، مما يفتح لنا إمكانية معالجة المزيد من الأمراض بطرق أكثر جدوى. توجد العديد من الفرص عند تقاطع الذكاء الاصطناعي/التعلم الآلي مع مجالات البيولوجيا والطب. وهذا التقارب هو اللحظة التي تسمح لنا بإحداث تأثير هائل في العالم الذي نعيش فيه، باستخدام أدوات موجودة اليوم ولكنها لم تكن موجودة قبل خمس سنوات. كيفن سكوت، مايكروسوفت:
إذا فكرت في بعض التحولات الكبيرة التي حدثت في النظام الأساسي في الماضي، فإن الأشياء الأكثر قيمة على تلك الأنظمة الأساسية لم تكن الأشياء التي تم نشرها في أول عامين من تغيير النظام الأساسي. إذا كنت تفكر في المكان الذي تقضي فيه معظم الوقت على هاتفك الذكي، فهو ليس تطبيق مراسلة، أو متصفح ويب، أو عميل بريد إلكتروني. بل هو شيء جديد يتم إنشاؤه في غضون سنوات قليلة من إتاحة المنصة.
ما هي الأشياء التي كانت مستحيلة من قبل أصبحت الآن ممكنة؟ هذا ما يجب أن يفكر فيه الناس. لا تطارد الأشياء التافهة.
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.
a16z مقالة مكونة من 10000 كلمة: نحن ندخل العصر الثالث للحوسبة
لقد نشرت هذه الموجة من تطور الذكاء الاصطناعي تأثيرها في مختلف المجالات بسرعة كبيرة لدرجة أنها تجاوزت بالفعل توقعات معظم الناس. في الأسبوع الماضي، اعتقدت شركة Sequoia (Sequoia America) أن الذكاء الاصطناعي قد فتح فصله الثاني، ورسم خريطة جديدة للذكاء الاصطناعي وخريطة مكدس مطور LLM من منظور سيناريوهات التطبيق.
ومع ذلك، انطلاقًا من اتجاه الأموال، يبدو أن التطور الحالي للذكاء الاصطناعي لا يزال في مرحلة القتال بين الآلهة، ويبدو أن هذا النمط قد تبلور تقريبًا. بعد أن تلقت شركة OpenAI ما يقرب من 11 مليار دولار أمريكي من مايكروسوفت وغيرها وقدرت قيمتها بحوالي 29 مليار دولار أمريكي، أعلنت منافستها Anthropic أمس عن تحالف مع أمازون، وستستثمر فيه أمازون ما يصل إلى 4 مليارات دولار أمريكي، مما يجعل Anthropic في المرتبة الثانية بعد OpenAI. من حيث تمويل الشركات الناشئة في مجال الذكاء الاصطناعي.
بعد هذا التمويل، باستثناء شركة آبل، شكلت صناعة الذكاء الاصطناعي بشكل أساسي مثل هذا النمط من قتال الآلهة:
بالطبع، باعتبارها مزودًا للبنية التحتية ذات المستوى الأدنى، من الواضح أن استراتيجية Nvidia هي أن الجميع يريدها، ولا يوجد موقف جدي تجاه أي شركة محددة. فيما يلي الوضع العام لشركات الذكاء الاصطناعي الـ 15. من منظور التقييم والتمويل، تمثل نماذج LLM الكبيرة جزءًا كبيرًا، وتم إنشاء 50٪ من شركات الذكاء الاصطناعي يونيكورن بعد عام 2021:
اليوم، شاركت a16z محادثاتها مع مؤسسي العديد من شركات الذكاء الاصطناعي الكبرى، معتقدة أننا في العصر الثالث للحوسبة، وناقشت 16 موضوعًا مثيرًا للاهتمام من منظور الحاضر والمستقبل وانفتاح الذكاء الاصطناعي. المشاركون في هذه المحادثة هم:
نظرًا لأن المقالة طويلة جدًا، ما يقرب من 10000 كلمة، فقد استخدمت الذكاء الاصطناعي لتجميعها بشكل مختصر. قد لا تكون بعض المصطلحات دقيقة. يمكن للأصدقاء المهتمين قراءة النص الأصلي باللغة الإنجليزية:
1 نحن في بداية العصر الثالث للحوسبة
مارتن كاسادو،a16z:
أعتقد حقًا أننا قد ندخل العصر الثالث للحوسبة. فقد نجحت الرقائق الدقيقة في خفض التكلفة الحدية للحسابات إلى الصِفر، كما خفضت شبكة الإنترنت التكلفة الحدية للتوزيع إلى الصِفر، والآن نجحت النماذج الضخمة في خفض التكلفة الحدية للإبداع إلى الصِفر. عندما حدثت العصور السابقة، لم تكن لديك أي فكرة عن الشركات الجديدة التي سيتم إنشاؤها. لم يتنبأ أحد بأمازون، ولم يتوقع أحد ياهو. يجب أن نستعد لموجة جديدة من الشركات الشهيرة. نعوم شازير، شخصية الذكاء الاصطناعي:
نحن حقًا في لحظة "الطائرة الأولى للأخوين رايت". لدينا بالفعل شيء يعمل وهو الآن مفيد لعدد كبير من سيناريوهات التطبيق. يبدو أن حجمه جيد جدًا وسيصبح أفضل. ولكن هناك المزيد من الإنجازات المستقبلية، لأن جميع علماء الذكاء الاصطناعي في العالم الآن يعملون بجد لتحسين هذه الأمور. كيفن سكوت، مايكروسوفت:
خاصة في السنوات القليلة الماضية، وربما بشكل خاص في الأشهر الـ 12 الماضية، مع إطلاق ChatGPT وGPT-4، يمكنك حقًا رؤية إمكانات هذه المنصة لتكون مثل الكمبيوتر الشخصي أو الهاتف الذكي. ستجعل مجموعة من التقنيات مجموعة من الأشياء الجديدة ممكنة، وسيقوم العديد من الأشخاص ببناء أشياء فوق هذه الأشياء الجديدة. ## 2 تتمتع هذه الموجة من الذكاء الاصطناعي التوليدي بمبادئ اقتصادية تعزز تحول السوق.
ولكي يتمكن الابتكار التكنولوجي من تحفيز تحول السوق، يجب أن تكون الفوائد الاقتصادية جذابة للغاية. ورغم حدوث العديد من التطورات التكنولوجية في دورات الذكاء الاصطناعي السابقة، فإنها كانت تفتقر إلى الفوائد الاقتصادية التحويلية. في الموجة الحالية من الذكاء الاصطناعي، نشهد بالفعل علامات مبكرة على التحسينات الاقتصادية بمقدار 10000 مرة (أو أكثر) في بعض حالات الاستخدام، ويبدو أن اعتماد الذكاء الاصطناعي وتطويره الناتج عن ذلك أسرع من أي تحول سابق أكثر من ذلك بكثير.
مارتن كاسادو،a16z:
إن تحول السوق لا يحدث من خلال التحسن الاقتصادي بمقدار عشرة أضعاف. لقد تم إنشاؤها عندما تكون أفضل بعشرة آلاف مرة من ذي قبل. لنفترض أنني أريد إنشاء صورة تحول نفسي إلى شخصية بيكسار. إذا استخدمت أحد نماذج الصور هذه، فإن تكلفة الاستدلال هي عُشر سنت، ولنفترض أن الأمر يستغرق ثانية واحدة. إذا ما قورنت بتعيين فنان رسومي، فلنفترض أن سعر الساعة هو 100 دولار. من حيث التكلفة والوقت، سترى فرقًا كبيرًا يتراوح من 4 إلى 5 مرات. بالنسبة للاقتصاديين، هذا هو نوع نقطة التحول التي يبحثون عنها، عندما يكون هناك بالفعل اضطراب كبير في السوق. إذا كنت تريد مثالاً عن مدى الجنون الذي يمكن أن يصل إليه هذا الأمر، فلا أرى أي سبب يمنعك من إنشاء لعبة كاملة - نماذج ثلاثية الأبعاد، وشخصيات، وأصوات، وموسيقى، وقصة، وما إلى ذلك. تقوم الشركات الناشئة اليوم بكل هذه الأشياء، وإذا قارنت تكلفة مئات الملايين من الدولارات والسنوات بتكلفة بضعة دولارات، فسنجد الآن عدم تناسق في الاقتصاد على مستوى الإنترنت والرقائق الدقيقة.
3 بالنسبة لبعض سيناريوهات التطبيق المبكرة: الإبداع > الصحة
تعتبر الهلوسة مشكلة معروفة في نماذج LLM الكبيرة اليوم، ولكن بالنسبة لبعض التطبيقات، تعد القدرة على اختلاق الأشياء ميزة وليست خطأ. بالمقارنة مع حالات استخدام التعلم الآلي التطبيقي المبكر، حيث يكون الصواب على المستوى n أمرًا بالغ الأهمية (مثل السيارات ذاتية القيادة)، فإن العديد من حالات الاستخدام المبكر لـ LLMs (الأصدقاء والرفاق الافتراضيون، أو العصف الذهني للمفاهيم، أو بناء الألعاب عبر الإنترنت) تتميز بما يلي: التركيز في المجالات التي يكون فيها الإبداع أكثر أهمية من الصواب.
نعوم شازير، شخصية AI:
الترفيه صناعة تبلغ قيمتها 2 تريليون دولار سنويًا. والسر المظلم هو أن الترفيه يشبه أصدقائك الافتراضيين غير الموجودين. هذه حالة استخدام رائعة لأول مرة للذكاء الاصطناعي العام. إذا أردت تعيين طبيب، على سبيل المثال، فسيكون ذلك أبطأ بكثير لأنك يجب أن تكون حريصًا جدًا جدًا على عدم إعطاء معلومات خاطئة. ولكن مع الأصدقاء، يمكنك القيام بذلك بسرعة كبيرة، إنه مجرد متعة، ويصبح اختلاق الأشياء ميزة. ديفيد باسزوكي في لعبة roblox:
من بين 65 مليون مستخدم على Roblox، معظمهم لا ينشئون المحتوى بالمستوى الذي يرغبون فيه. لفترة طويلة، تخيلنا لعبة محاكاة Project Runway حيث يمكنك استخدام ماكينة الخياطة والنسيج ومحاكاة كل شيء بتقنية ثلاثية الأبعاد، ولكن حتى ذلك كان معقدًا بعض الشيء بالنسبة لمعظمنا. أعتقد الآن أنه عندما يظهر Project Runway على Roblox، سيكون عبارة عن مطالبة نصية أو مطالبة بالصورة أو مطالبة صوتية. لو كنت أساعدك في صنع هذا القميص، لقلت: أريد قميصًا من الجينز الأزرق، وبعض الأزرار، وقصة أنحف. في الواقع، أعتقد أننا سنشهد تسارعًا في عملية الخلق. حقل ديلان، الشكل:
في الوقت الحالي، نحن في مرحلة حيث يمكن للذكاء الاصطناعي إكمال المسودة الأولى، لكن الانتقال من ذلك إلى المنتج النهائي لا يزال صعبًا إلى حد ما وغالبًا ما يتطلب فريقًا للقيام بذلك. ولكن إذا تمكنت من جعل الذكاء الاصطناعي يقترح عناصر واجهة للأشخاص ويفعل ذلك بطريقة منطقية حقًا، فأعتقد أن ذلك سيفتح حقبة جديدة تمامًا من التصميم، مما يؤدي إلى إنشاء تصميمات سياقية تستجيب لنوايا المستخدم. أعتقد أن هذا سيكون عصرًا رائعًا لجميع المصممين للعمل بشكل تعاوني مع أنظمة الذكاء الاصطناعي هذه. ## 4 بالنسبة للأمثلة الأخرى، ستتحسن دقة برمجة "مساعد الطيار" مع الاستخدام البشري.
في حين أن الذكاء الاصطناعي لديه القدرة على تعزيز العمل البشري في العديد من المجالات، فإن برمجة "مساعدي الطيارين" أصبحت أول مساعد للذكاء الاصطناعي يتم اعتماده على نطاق واسع لعدة أسباب:
أولاً، غالبًا ما يكون المطورون من أوائل المتبنين للتقنيات الجديدة - حيث وجد تحليل نصائح ChatGPT في مايو/يونيو 2023 أن 30% من نصائح ChatGPT كانت ذات صلة بالبرمجة. ثانيًا، يتم تدريب أكبر حاملي شهادات الماجستير على مجموعات البيانات كثيفة الأكواد (مثل الإنترنت)، مما يجعلهم جيدين بشكل خاص في الاستجابة للاستفسارات المتعلقة بالبرمجة. وأخيرًا، الأشخاص الموجودون في الحلقة هم المستخدمون. لذا، على الرغم من أهمية الدقة، إلا أن المطور البشري الذي لديه مساعد طيار يعمل بالذكاء الاصطناعي يمكنه التكرار للوصول إلى الدقة بشكل أسرع من المطور البشري وحده.
مارتن كاسادو،a16z:
إذا كان عليك تنفيذ الأمر بالشكل الصحيح وكان هناك الكثير من حالات الاستخدام المعقدة، فإما أن تقوم بكل العمل الفني بنفسك أو تقوم بتعيين أشخاص. عادة نقوم بتوظيف الناس. هذه تكلفة متغيرة. ثانيًا، نظرًا لأن ذيل الحلول غالبًا ما يكون طويلاً جدًا - مثل العديد من الحالات الشاذة التي قد تحدث في القيادة الذاتية - فإن الاستثمار المطلوب للبقاء في المقدمة يزداد وتنخفض القيمة. وهذا يخلق اقتصادًا عكسيًا لتأثير الحجم. إن ذلك الإنسان الموجود في الحلقة والذي كان في شركة مركزية أصبح الآن المستخدم، لذلك لم يعد يمثل تكلفة متغيرة للأعمال واقتصاديات تكلفة العمل. تم نقل الشخص الموجود في الحلقة، حتى تتمكن من القيام بالأشياء التي يكون فيها الصواب مهمًا، مثل تطوير التعليمات البرمجية، ولأنها متكررة، يتم تقليل كمية الأخطاء المتراكمة لأنك تحصل باستمرار على تعليقات وتصحيحات من المستخدمين. عندما يتمكن المطورون من الاستعلام عن روبوت محادثة يعمل بالذكاء الاصطناعي لمساعدتهم على كتابة التعليمات البرمجية واستكشاف الأخطاء وإصلاحها، فإن ذلك يغير طريقة إجراء التطوير بطريقتين مهمتين: 1) يجعل التطوير أسهل لعدد أكبر من الأشخاص. التعاون لأنه يحدث من خلال واجهة لغة طبيعية، 2) المطورين البشريين إنتاج المزيد من المنتجات والحفاظ عليها متدفقة لفترة أطول.
ميرا موراتي، OpenAI:
البرمجة تصبح أقل تجريدا. يمكننا في الواقع التحدث إلى أجهزة الكمبيوتر ذات النطاق الترددي العالي باللغة الطبيعية. نحن نستخدم التكنولوجيا وتساعدنا التكنولوجيا على فهم كيفية التعامل معها بدلاً من "برمجتها". كيفن سكوت، مايكروسوفت:
GitHub هو المثال الأول لهذا النموذج التجريبي المساعد الذي نحاول بناءه، وهو: كيف تأخذ العمل المعرفي الذي يقوم به شخص ما وتستخدم الذكاء الاصطناعي لمساعدته على أن يكون أكثر إنتاجية بشكل ملحوظ في القيام بأنواع معينة من العمل المعرفي ؟ والأفضل من ذلك كله، استنادًا إلى ما لاحظناه مع المطورين، أن الذكاء الاصطناعي يساعدهم على البقاء في حالة تدفق لفترة أطول مما كانوا يفعلون بخلاف ذلك. لا تتعثر عندما تكتب جزءًا من التعليمات البرمجية وتفكر، "لا أعرف كيف أفعل هذا الشيء التالي. يجب أن أذهب للبحث عن الوثائق. يجب أن أسأل مهندسًا آخر ربما يعمل على "شيء ما." "إن القدرة على تحرير نفسك من التدفق قبل الخروج من حالة التدفق أمر ذو قيمة كبيرة. بالنسبة لأولئك الذين يفكرون في فائدة أدوات الذكاء الاصطناعي التوليدية المصممة لأغراض أخرى غير تطوير البرمجيات، فإن مفهوم حالات التدفق هذا يعد أمرًا مفيدًا يجب أخذه في الاعتبار. ديلان فيلد، فيجما:
يبدأ أفضل المصممين في التفكير أكثر في التعليمات البرمجية، ويبدأ أفضل المطورين في التفكير أكثر في التصميم. بعيدًا عن المصممين والمطورين، على سبيل المثال، إذا كنت تفكر في الأشخاص المنتجين، فربما كانوا يعملون على المواصفات من قبل، لكنهم الآن يعملون بشكل أكبر على نماذج بالحجم الطبيعي لتوصيل أفكارهم بشكل أكثر فعالية. في الأساس، سيسمح هذا لأي شخص في المؤسسة بالانتقال من الفكرة إلى التصميم، وربما حتى الإنتاج، بشكل أسرع. ولكن لا تزال بحاجة إلى صقل كل خطوة. أنت بحاجة إلى شخص يفكر فيه حقًا، "حسنًا، ما هي الأفكار التي سنستكشفها؟ كيف سنستكشفها؟" سوف ترغب في تعديل التصميمات، وسوف ترغب في التعامل معها بشكل صحيح، من المسودة الأولى إلى المنتج النهائي. ## 5 يمكن للجمع بين الذكاء الاصطناعي والبيولوجيا أن يسرع ظهور طرق جديدة لعلاج الأمراض ويكون له تأثير عميق على صحة الإنسان
إن علم الأحياء معقد بشكل لا يصدق، وربما يتجاوز قدرة العقل البشري على الفهم الكامل. ومع ذلك، فإن تقاطع الذكاء الاصطناعي وعلم الأحياء يمكن أن يسرع فهمنا لعلم الأحياء ويؤدي إلى بعض التطورات التكنولوجية الأكثر إثارة وتحويلية في عصرنا. تتمتع منصات علم الأحياء المعتمدة على الذكاء الاصطناعي بالقدرة على فتح رؤى بيولوجية لم تكن معروفة من قبل، مما يؤدي إلى اختراقات طبية جديدة، وطرق تشخيصية جديدة، والقدرة على اكتشاف المرض وعلاجه في وقت مبكر، وربما حتى منعه قبل حدوثه.
دافني كولر، مقدمة:
في أوقات معينة من تاريخنا، حققت بعض التخصصات العلمية خطوات مذهلة في فترة زمنية قصيرة نسبيًا. في الخمسينيات من القرن العشرين، كان التخصص هو الحوسبة، وكنا نستخدم هذه الآلات لإجراء العمليات الحسابية التي، حتى ذلك الحين، كان البشر وحدهم قادرين على إجرائها. ثم في التسعينيات، كان هناك هذا الاختلاف المثير للاهتمام. فمن ناحية، جلب لنا علم البيانات والإحصاء في نهاية المطاف التعلم الآلي الحديث والذكاء الاصطناعي. الجانب الآخر هو ما أعتقد أنه علم الأحياء الكمي، وهي المرة الأولى التي نبدأ فيها بقياس علم الأحياء على نطاق يتجاوز تتبع 3 جينات في تجربة استغرقت 5 سنوات. الآن، عام 2020 هو آخر مرة يتقارب فيها التخصصان حقًا، مما يجلب لنا عصر البيولوجيا الرقمية، والقدرة على قياس علم الأحياء بدقة وحجم غير مسبوقين، وتفسير ما لا يمكن فهمه باستخدام التعلم الآلي وأدوات علم البيانات، وكميات هائلة من البيانات، ومختلفة. المقاييس البيولوجية، والأنظمة المختلفة، ومن ثم استخدام أدوات مثل تحرير الجينوم كريسبر لإعادة هذا الفهم إلى علم الأحياء الهندسي حتى نتمكن من جعل علم الأحياء يفعل أشياء لم يكن من المفترض أن يفعلها. الآن، يمكننا أخيرًا قياس علم الأحياء على نطاق واسع، على المستوى الخلوي (وأحيانًا دون الخلوي) والمستوى العضوي. وهذا يمكننا، لأول مرة، من نشر التعلم الآلي بطريقة مفيدة حقًا. لقد بنينا نموذجًا للغة البيولوجية. إنها مثل GPT، ولكن للخلايا. لدينا لغة الخلايا وكيف تبدو الخلايا. تقيس مئات الملايين من الخلايا في حالات مختلفة، وبعد ذلك، مثل نموذج لغة كبير للغة الطبيعية، مع كمية صغيرة من البيانات، يمكنك البدء في طرح السؤال، "حسنًا، كيف ينقل المرض الجين المسبب للمرض من أحد الجينات من مكان إلى آخر؟" "كيف ينقلك العلاج من حالة المرض إلى الحالة الصحية؟" هذا أمر قوي للغاية. كما هو الحال مع نماذج اللغات الأخرى، كلما زاد عدد البيانات التي تغذيها، كلما أصبحت أفضل. ## 6 إن وضع النموذج في أيدي المستخدمين سيساعدنا على اكتشاف سيناريوهات تطبيق جديدة
في حين أن التكرارات السابقة لنماذج الذكاء الاصطناعي كانت تهدف إلى التفوق على البشر في مهام معينة، فإن ماجستير إدارة الأعمال المعتمد على المحولات يتفوق في التفكير العام. ولكن مجرد قيامنا بإنشاء نموذج عام جيد لا يعني أننا قد توصلنا إلى كيفية تطبيقه على حالة استخدام محددة. مثلما يعد جلب البشر إلى الحلقة في شكل RLHF أمرًا بالغ الأهمية لتحسين أداء نماذج الذكاء الاصطناعي الحالية، فإن وضع التكنولوجيا الجديدة في أيدي المستخدمين وفهم كيفية استخدامها سيكون أمرًا أساسيًا لتحديد التطبيقات التي سيتم بناؤها بناءً على هذه الأساسيات. models.top.
كيفن سكوت، مايكروسوفت:
يجب أن نتذكر: النموذج ليس المنتج. كرجل أعمال، فهمك هو: من هم المستخدمون لديك؟ ما هي مشكلتهم؟ ماذا يمكنك أن تفعل لمساعدتهم؟ ثم حدد ما إذا كان الذكاء الاصطناعي يمثل بالفعل بنية تحتية مفيدة لحل مشكلات المستخدم - فهذا أمر ثابت. يشبه الذكاء الاصطناعي بنية تحتية جديدة ومثيرة للاهتمام تسمح لك بحل فئات جديدة من المشكلات أو حل الفئات القديمة من المشكلات بطرق أفضل. ميرا موراتي، OpenAI:
نحن لا نعرف بالضبط كيف سيبدو المستقبل، لذلك نحاول أن نجعل هذه الأدوات والتقنيات متاحة للكثير من الأشخاص الآخرين حتى يتمكنوا من التجربة ونتمكن من رؤية ما سيحدث. هذه هي الاستراتيجية التي كنا نستخدمها منذ البداية. في الأسبوع الذي سبق إطلاق ChatGPT، كنا قلقين من أنه لم يكن جيدًا بما فيه الكفاية. لقد رأينا جميعًا ما يحدث: لقد طرحناه هناك، ثم أخبرنا الناس أنه من الجيد اكتشاف حالات استخدام جديدة، وترون كل حالات الاستخدام الناشئة هذه. ## 7 سوف تتحسن ذكريات أصدقائك الذين يستخدمون الذكاء الاصطناعي
في حين أن البيانات والحسابات ومعلمات النموذج تعمل على تعزيز المنطق العام لطلاب LLM، فإن النوافذ السياقية تعمل على تشغيل ذاكرتهم قصيرة المدى. يتم قياس نوافذ السياق عادةً بعدد الرموز المميزة التي يمكنها التعامل معها. اليوم، يبلغ حجم معظم نوافذ السياق حوالي 32 كيلو بايت، ولكن تأتي نوافذ سياق أكبر، وتأتي معها القدرة على تشغيل مستندات أكبر مع سياق أكبر من خلال LLMs.
نعوم شازير،شخصية الذكاء الاصطناعي:
في الوقت الحالي، تستخدم النماذج التي نقدمها نوافذ السياق لآلاف من الرموز المميزة، مما يعني أن أصدقائك مدى الحياة سوف يتذكرون ما حدث في النصف ساعة الماضية. إذا تمكنت من تفريغ الكثير من المعلومات، فسوف تتحسن الأمور. يجب أن يكون قادرًا على تعلم مليار شيء عنك. عرض النطاق الترددي HBM موجود. داريو أمودي، أنثروبي:
الشيء الوحيد الذي أعتقد أنه لا يزال يتم الاستهانة به هو السياق الأطول والأشياء التي تأتي معه. أعتقد أن الناس لديهم هذه الصورة في أذهانهم حول امتلاك برنامج الدردشة الآلي هذا. "لقد طرحت عليه سؤالاً وأجابني على السؤال. ولكن يمكنك تحميل عقد قانوني والقول، "ما هي الشروط الخمسة الأكثر غرابة في هذا العقد القانوني؟" أو قم بتحميل بيان مالي وقل، "ملخص عن مكان وجود هذه الشركة. ما الذي يثير الدهشة مقارنة بما قاله هذا المحلل قبل أسبوعين؟ كل هذه المعرفة تتلاعب وتعالج كميات هائلة من البيانات التي يحتاج الناس إلى عدها." ساعات للقراءة. "أعتقد أن هذا أكثر احتمالاً مما يفعله الناس. لقد بدأنا للتو. " ## 8 تعد روبوتات الدردشة الصوتية والروبوتات وغيرها من طرق التفاعل مع الذكاء الاصطناعي مجالًا مهمًا للبحث
اليوم، يتفاعل معظم الأشخاص مع الذكاء الاصطناعي في شكل روبوتات الدردشة، ولكن ذلك لأن روبوتات الدردشة غالبًا ما تكون سهلة الإنشاء، وليس لأنها أفضل واجهة لكل حالة استخدام.
يركز العديد من المنشئين على تطوير طرق جديدة للمستخدمين للتفاعل مع نماذج الذكاء الاصطناعي من خلال الذكاء الاصطناعي متعدد الوسائط. سيتمكن المستخدمون من التفاعل مع النماذج متعددة الوسائط بنفس الطريقة التي يتفاعلون بها مع بقية العالم: من خلال الصور والنصوص والصوت والوسائط الأخرى. المضي قدمًا إلى أبعد من ذلك: يركز الذكاء الاصطناعي المتجسد على الذكاء الاصطناعي الذي يمكنه التفاعل مع العالم المادي، مثل السيارات ذاتية القيادة.
ميرا موراتي، OpenAI:
أعتقد أن النموذج الأساسي اليوم يمثل العالم بشكل جيد في النص. نحن نضيف طرائق أخرى، مثل الصور ومقاطع الفيديو، حتى تتمكن هذه النماذج من الحصول على صورة أكثر اكتمالا للعالم، على غرار الطريقة التي نفهم بها ونراقب العالم. نعوم شازير،شخصية الذكاء الاصطناعي:
ربما تريد سماع صوت، أو رؤية وجه، أو مجرد القدرة على التفاعل مع عدة أشخاص. يبدو الأمر كما لو تم انتخابك رئيسًا، ولديك سماعات رأس، وفريق كامل من الأصدقاء أو المستشارين. أو كأنك تدخل إلى "حانة ممتعة" والجميع يعرف اسمك ويسعدهم حضورك. دافني كولر، داخل:
الحدود المحتملة التالية لتأثير الذكاء الاصطناعي هي عندما يبدأ الذكاء الاصطناعي في التعامل مع العالم المادي. نحن جميعا نرى مدى صعوبة الأمر. لقد رأينا جميعًا مدى صعوبة بناء سيارة ذاتية القيادة مقارنة ببناء روبوت الدردشة، أليس كذلك؟ نحن نحرز تقدمًا كبيرًا في بناء روبوتات الدردشة، ولا تزال السيارات ذاتية القيادة تعيق سيارات الإطفاء في سان فرانسيسكو. من المهم أن نفهم هذا التعقيد، ولكن أيضًا حجم التأثير ## 9 هل سيكون لدينا بعض النماذج العامة، أو مجموعة من النماذج المتخصصة، أو مزيج من الاثنين معًا؟
ما هي حالات الاستخدام الأكثر ملاءمة للنماذج الأساسية "الذكاء العالي" الأكبر أو النماذج ومجموعات البيانات المتخصصة الأصغر؟ تمامًا مثل النقاش حول البنية السحابية مقابل هندسة الحافة منذ عقد من الزمن، تعتمد الإجابة على المبلغ الذي ترغب في دفعه، ومدى الدقة التي تريد أن تكون بها المخرجات، ومقدار زمن الوصول الذي يمكنك تحمله. قد تتغير الإجابات على هذه الأسئلة بمرور الوقت حيث يقوم الباحثون بتطوير أساليب أكثر كفاءة من الناحية الحسابية لضبط النماذج الأساسية الكبيرة لحالات استخدام محددة.
على المدى الطويل، قد نبالغ في التناوب بشأن النماذج التي سيتم استخدامها ولحالات الاستخدام لأننا ما زلنا في المراحل الأولى من بناء البنية التحتية والهندسة المعمارية لدعم الموجة القادمة من تطبيقات الذكاء الاصطناعي.
علي قدسي، Databricks:
إنه يشبه إلى حد ما عام 2000، حيث أن الإنترنت على وشك السيطرة على كل شيء، وكل ما يهم هو من يمكنه بناء أفضل جهاز توجيه. بلغت القيمة السوقية لشركة Cisco ذروتها عند 5 تريليون دولار أمريكي في عام 2000، متجاوزة Microsoft في ذلك الوقت. إذًا، من لديه أكبر LLM (نموذج اللغة)؟ ومن الواضح أن أي شخص يستطيع بناء أكبر وتدريبه بالكامل سيكون له السيطرة على كل الذكاء الاصطناعي والبشر في المستقبل. ولكن تمامًا كما هو الحال مع الإنترنت، سيأتي شخص آخر بأفكار مثل أوبر وقيادة سيارات الأجرة لاحقًا. سيكون هناك أشخاص آخرون يفكرون، "مرحبًا، أريد أن أرى ما يفعله أصدقائي على فيسبوك." يمكن أن تكون هذه فرصًا تجارية ضخمة، وليست شركات مثل OpenAI أو Databricks أو Anthropic فقط هي التي يمكنها بناء نموذج. سيناريوهات. يتطلب الأمر الكثير من الجهد لإنشاء طبيب تثق به. داريو أمودي، أنثروبي:
العامل الأكبر هو استثمار المزيد من المال. أغلى النماذج المصنعة اليوم تكلف حوالي 100 مليون دولار، زائد أو ناقص من حيث الحجم. قد نرى في العام المقبل نماذج من لاعبين متعددين تبلغ قيمتها حوالي مليار دولار، وبحلول عام 2025 سنرى نماذج بالمليارات أو حتى 10 مليارات دولار. يتم دمج هذا الاختلاف بمقدار 100x مع حقيقة أن حسابات H100 نفسها تصبح أسرع - وهي قفزة كبيرة بشكل خاص بسبب انخفاض الدقة. ضع كل هذه العوامل معًا، وإذا استمر تطبيق قوانين التوسع، فستكون هناك زيادة هائلة في القدرات. ميرا موراتي، OpenAI:
ذلك يعتمد على ما تريد القيام به. من الواضح أن أنظمة الذكاء الاصطناعي ستتولى الوظائف التي نقوم بها بشكل متزايد. فيما يتعلق بمنصة OpenAI، يمكنك أن ترى أنه حتى اليوم، نقدم العديد من النماذج من خلال واجهة برمجة التطبيقات، بدءًا من النماذج الصغيرة جدًا وحتى النماذج المتطورة. لا يحتاج المرء دائمًا إلى استخدام النموذج الأقوى أو الأكثر كفاءة. في بعض الأحيان يحتاجون فقط إلى نموذج يناسب حالة الاستخدام الخاصة بهم ويكون أكثر فعالية من حيث التكلفة. نريد أن يبني الأشخاص على نموذجنا وأن نمنحهم الأدوات اللازمة لتسهيل هذه العملية. نريد أن نمنحهم المزيد والمزيد من الوصول والتحكم حتى تتمكن من إحضار بياناتك الخاصة وتخصيص هذه النماذج. تحتاج حقًا إلى التركيز على الأشياء التي تتجاوز نطاق النموذج وتحديد المنتج. ديفيد باسزوكي في لعبة roblox:
في أي شركة مثل Roblox، من المحتمل أن يكون هناك 20 أو 30 تطبيقًا رأسيًا للمستخدم النهائي تكون مخصصة للغاية - تختلف تصفية اللغة الطبيعية تمامًا عن إنشاء ثلاثي الأبعاد - وعند المستخدم النهائي، نريد تشغيل جميع هذه التطبيقات. أثناء نزولنا [المكدس]، في شركة مثل شركتنا، قد يكون هناك تجمع طبيعي لنموذجين أو ثلاثة نماذج أكبر حجمًا وأكثر بدانة. لقد قمنا بضبط التخصصات التي نريد أن نكون قادرين على تدريبها وإجراء الكثير من الاستدلالات لتلك التخصصات بدقة شديدة. ## 10 متى يحظى الذكاء الاصطناعي بالاعتماد الكافي في المؤسسة، ماذا يحدث لمجموعات البيانات تلك؟
لا يزال تأثير الذكاء الاصطناعي التوليدي على المؤسسات في مراحله الأولية ــ ويرجع ذلك جزئيا إلى أن الشركات عادة ما تكون أبطأ في التحرك، وجزئيا لأنها أدركت قيمة مجموعات البيانات الخاصة بها ولا ترغب بالضرورة في تسليم البيانات إلى شركة أخرى. بغض النظر عن مدى قوة نموذجهم. تتطلب معظم حالات استخدام المؤسسات درجة عالية من الدقة، ولدى المؤسسات 3 خيارات لاختيار LLM: إنشاء LLM الخاصة بها، أو استخدام مزود خدمة LLM لبنائها لها، أو ضبط النموذج الأساسي - إن بناء LLM الخاص بك ليس بالأمر السهل. سهل.
علي قصدي، Databricks:
الشيء الوحيد الذي يحدث في أدمغة الرؤساء التنفيذيين ومجالس الإدارة هو أنهم يدركون: ربما أستطيع التغلب على منافسي. ربما يكون الكريبتونيت هو الذي يقتل أعدائك. لدي البيانات الخاصة بالذكاء الاصطناعي التوليدي، لذا فهم يفكرون، "يجب أن أبنيه بنفسي." يجب أن أملك الملكية الفكرية. هل ترغب في بناء LLM الخاص بك من الصفر؟ إنه ليس بالأمر التافه، ولا يزال يتطلب الكثير من وحدات معالجة الرسومات، ويكلف الكثير من المال، ويعتمد على مجموعة البيانات الخاصة بك وحالة الاستخدام. لدينا الكثير من العملاء الذين يريدون نموذجًا أرخص وأصغر حجمًا ومخصصًا لهذا الغرض وبدقة وأداء عاليين جدًا. يقولون: "مرحبًا، هذا ما أريد أن أفعله. أريد أن أحصل على تصنيف جيد من هذه الصور لهذا العيب المحدد في عملية التصنيع." الدقة مهمة هناك. كل أوقية من الدقة يمكنك أن تعطيني التهم. هناك، ستكون أفضل حالًا إذا كان لديك مجموعة بيانات جيدة للتدريب عليها ويمكنك تدريب نموذج أصغر. سيكون زمن الاستجابة أسرع وأرخص، ونعم، يمكنك بالتأكيد الحصول على دقة تتفوق على النماذج الكبيرة حقًا. لكن النموذج الذي تبنيه لن يسليك في عطلات نهاية الأسبوع أو يساعد أطفالك في واجباتهم المدرسية. ##11 هل سيقودنا قانون التوسع إلى الذكاء الاصطناعي العام؟
تتبع LLM حاليًا قانون القياس: يتحسن أداء النموذج كلما قمت بإضافة المزيد من البيانات والحسابات، حتى لو ظلت البنية والخوارزميات كما هي. ولكن إلى متى يمكن أن تستمر هذه القاعدة؟ هل سيستمر إلى أجل غير مسمى، أم سيصل إلى حدوده الطبيعية قبل أن نطور الذكاء الاصطناعي العام؟
ميرا موراتي، OpenAI:
لا يوجد دليل على أننا لن نحصل على نماذج أفضل وأكثر قوة مع استمرارنا في توسيع نطاق الوصول إلى البيانات والحسابات. ما إذا كان هذا سيقودك إلى AGI - فهذا سؤال مختلف. قد تكون هناك بعض الاختراقات والتطورات الأخرى اللازمة على طول الطريق، ولكن أعتقد أنه لا يزال هناك طريق طويل لنقطعه فيما يتعلق بقوانين التوسع والحصول على الكثير من الفوائد من هذه النماذج الأكبر حجمًا. داريو أمودي، إنساني:
حتى لو لم تكن هناك تحسينات خوارزمية هنا وقمنا بالارتقاء إلى ما وصلنا إليه حتى الآن، فإن قانون التوسع سيستمر. نعوم شازير، شخصية AI:
هدفنا هو أن نصبح شركة AGI وشركة تقدم المنتج أولاً، والطريقة للقيام بذلك هي من خلال اختيار المنتجات المناسبة، وإجبارنا على القيام بأشياء قابلة للتعميم، وجعل النماذج أكثر ذكاءً، وجعلها شيئًا يريده الناس، وتسليمها. الخدمات بثمن بخس وعلى نطاق واسع. سوف يأخذنا قانون القياس شوطا طويلا. في الأساس، الحساب ليس باهظ الثمن. اليوم، تبلغ تكاليف التشغيل حوالي 10 إلى 18 دولارًا. إذا تمكنت من القيام بهذه الأشياء بكفاءة، فيجب أن تكون التكلفة أقل بكثير من قيمة وقتك. القدرة موجودة لتوسيع نطاق هذه الأشياء بأضعاف مضاعفة. ## 12 ما هي القدرات الناشئة؟
في حين أن بعض الناس يسارعون إلى استبعاد القدرة على توليد الذكاء الاصطناعي، فإن الذكاء الاصطناعي هو بالفعل أفضل بكثير من البشر في أداء مهام معينة وسيستمر في التحسن. لقد تمكن أفضل البناة من تحديد القدرات الناشئة الواعدة للذكاء الاصطناعي وبناء نماذج وشركات تعمل على توسيع نطاق هذه القدرات إلى قدرات موثوقة. وهم يدركون أن الحجم يميل إلى زيادة موثوقية القدرات الناشئة.
ميرا موراتي، OpenAI:
من المهم الانتباه إلى هذه الميزات الناشئة، حتى لو كانت غير موثوقة إلى حد كبير. وخاصة بالنسبة للأشخاص الذين يقومون ببناء الشركات اليوم، فأنت تريد حقًا أن تفكر، "حسنًا، ما هو الممكن اليوم؟ ماذا ترون اليوم؟ "لأن هذه النماذج ستصبح موثوقة بسرعة كبيرة. داريو أمودي، إنساني:
عندما أصدرنا GPT-2، ما كان يعتبر الأكثر إثارة للإعجاب في ذلك الوقت هو، "قم بإدخال هذه الأمثلة الخمسة للترجمة من الإنجليزية إلى الفرنسية مباشرة في نموذج اللغة، ثم قم بإدخال الجملة الإنجليزية السادسة، وستترجم في الواقع إلى الفرنسية . لقد كان مثل يا إلهي، إنه يفهم هذا النمط." كان ذلك جنونًا بالنسبة لنا، على الرغم من أنها كانت ترجمة سيئة. لكن وجهة نظرنا هي، "انظر، هذه مجرد بداية لرحلة مذهلة لأنه لا توجد حدود ويمكن أن تستمر في التوسع." لماذا لا تستمر تلك النماذج التي رأيناها من قبل في الوجود؟ هناك الكثير من الأهداف للتنبؤ بالكلمة التالية، وهناك الكثير الذي يمكنك تحديهم به، وهو أمر ناجح بالتأكيد. وبعد ذلك نظر إليه بعض الأشخاص وقالوا: "لقد صنعت أداة ترجمة روبوتية سيئة حقًا." ## 13 هل ستنخفض تكلفة خدمة هذه النماذج؟
وتعد التكاليف الحسابية واحدة من القيود الرئيسية التي تحول دون توسيع نطاق هذه النماذج، كما أن النقص الحالي في الرقائق يؤدي إلى ارتفاع التكاليف عن طريق الحد من العرض. ومع ذلك، إذا أنتجت Nvidia المزيد من H100s في العام المقبل، فمن المفترض أن يخفف ذلك من نقص وحدة معالجة الرسومات وربما يقلل تكاليف الحوسبة.
نعوم شازير، شخصية AI:
النموذج الذي نقدمه الآن استغرق تدريبه حوالي 2 مليون دولار في دورات الحوسبة في العام الماضي، ومن المحتمل أننا سنقوم بذلك مرة أخرى مقابل نصف مليون دولار. لذلك، سنقوم بطرح العشرات من نقاط الذكاء لأشياء أكثر ذكاءً قبل نهاية العام. أرى هذه الأشياء تتوسع بشكل كبير. ليس هذا باهظ الثمن. أعتقد أنني رأيت مقالًا بالأمس يفيد بأن Nvidia ستصنع 1.5M H100 أخرى في العام المقبل، والذي سيكون 2M H100. وهذا يعادل حوالي ربع تريليون عملية في الثانية للشخص الواحد. وهذا يعني أنه لكل شخص على هذا الكوكب، في نموذج يحتوي على 100 مليار معلمة، يمكنه معالجة كلمة واحدة في الثانية. ولكن لا يستطيع الجميع الوصول إليها فعليًا، لذا فهي ليست باهظة الثمن. هذا الشيء قابل للتطوير للغاية إذا قمت به بشكل صحيح، ونحن نعمل بجد لتحقيق ذلك. داريو أمودي، إنساني:
نقطتي الأساسية هي أن الاستدلال لن يصبح باهظ الثمن. المنطق الأساسي لقانون القياس هو أنه إذا قمت بزيادة الحساب بعامل n، فأنت بحاجة إلى زيادة البيانات بعامل الجذر التربيعي لـ n وحجم النموذج بعامل الجذر التربيعي لـ n. ويعني هذا الجذر التربيعي في الأساس أن النموذج نفسه لن يصبح أكبر حجمًا، وأن الأجهزة ستصبح أسرع أثناء قيامك بذلك. أعتقد أن هذه الأشياء ستظل ذات صلة بالسنوات الثلاث أو الأربع القادمة. وبدون الابتكار المعماري، فإنها تصبح أكثر تكلفة قليلا. إذا كان هناك ابتكار معماري، وآمل أن يكون هناك، فسوف تصبح أرخص. ولكن حتى لو ظلت التكاليف الحسابية ثابتة، فإن تحسينات الكفاءة على مستوى النموذج تبدو حتمية، خاصة مع تدفق الكثير من المواهب إلى هذا المجال، وقد يكون الذكاء الاصطناعي نفسه أقوى أدواتنا لتحسين الطريقة التي يعمل بها الذكاء الاصطناعي.
داريو أمودي، إنساني:
عندما يصبح الذكاء الاصطناعي أكثر قوة، فإنه يؤدي بشكل أفضل في معظم المهام المعرفية. إحدى المهام المعرفية ذات الصلة هي الحكم على سلامة أنظمة الذكاء الاصطناعي وإجراء أبحاث السلامة في نهاية المطاف. هناك عنصر مرجعي ذاتي لهذا. يمكننا أن نرى ذلك من خلال القراءة داخل الشبكات العصبية، مثل مجال التفسير. يمكن لأنظمة الذكاء الاصطناعي القوية أن تساعدنا في تفسير نشاط الخلايا العصبية في أنظمة الذكاء الاصطناعي الأضعف. وغالبًا ما تخبرنا رؤى قابلية التفسير هذه عن كيفية عمل النموذج. عندما يخبروننا عن كيفية عمل النموذج، فإنهم غالبًا ما يقترحون طرقًا لتحسينه أو جعله أكثر كفاءة. أحد مجالات البحث الواعدة هو ضبط النماذج الكبيرة لحالات استخدام محددة دون تشغيل النموذج بأكمله.
علي قدسي، Databricks:
إذا قمت بإنشاء ألف نسخة من LLM كانت جيدة في آلاف الأشياء المختلفة، وكان عليك تحميل كل واحدة منها على وحدة معالجة الرسومات وتقديمها، فسيكون ذلك مكلفًا للغاية. الشيء الكبير الذي يبحث عنه الجميع الآن هو: هل هناك تقنية يمكنها الحصول على نتائج جيدة جدًا مع تعديلات طفيفة فقط؟ هناك العديد من التقنيات مثل ضبط البادئة، LoRA، CUBE LoRA، إلخ. ولكن لم يثبت نجاح أي حل لا تشوبه شائبة. ولكن شخص ما سوف تجد ذلك. ##14 كيف نقيس التقدم نحو الذكاء الاصطناعي العام؟
عندما نقوم بتوسيع هذه النماذج، كيف نعرف متى يتحول الذكاء الاصطناعي إلى ذكاء عام اصطناعي؟ عندما نسمع كثيرًا مصطلح الذكاء الاصطناعي العام (AGI)، قد يكون من الصعب تعريفه، ربما جزئيًا لأنه من الصعب قياسه.
تُستخدم المعايير الكمية مثل GLUE وSUPERGLUE منذ فترة طويلة كمقاييس موحدة لقياس أداء نموذج الذكاء الاصطناعي. ولكن مثل الاختبارات الموحدة التي نقدمها للبشر، تثير معايير الذكاء الاصطناعي سؤالاً: إلى أي مدى تقيس قدرة ماجستير في القانون على التفكير، وإلى أي مدى تقيس قدرته على اجتياز الاختبار؟
علي قدسي، Databricks:
أشعر نوعًا ما أن جميع المعايير هراء. تخيل لو أن جميع جامعاتنا قالت: "سنقدم لك الإجابات لتنظر إليها في الليلة السابقة للامتحان. ثم في اليوم التالي، سنطلب منك الإجابة على الأسئلة ومنحهم الدرجات." فجأة ، يمكن للجميع اجتياز الامتحان بسهولة. على سبيل المثال، MMLU هو المعيار الذي يستخدمه العديد من الأشخاص لتقييم هذه النماذج. MMLU هو مجرد سؤال متعدد الخيارات على الإنترنت. اطرح سؤالاً، هل الإجابة أ أم ب أم ج أم د أم هـ؟ ثم سيخبرك بالإجابة الصحيحة. يمكن تدريبه عبر الإنترنت وإنشاء نموذج LLM قادر على التغلب عليه. كان الاختبار النوعي الأصلي للذكاء الاصطناعي العام هو اختبار تورينج، لكن إقناع البشر بأن الذكاء الاصطناعي هو إنسان ليس مشكلة صعبة. إن الحصول على الذكاء الاصطناعي للقيام بما يفعله البشر في العالم الحقيقي يمثل مشكلة صعبة. إذًا، ما هي الاختبارات التي يمكننا استخدامها لفهم وظائف هذه الأنظمة؟
حقل ديلان، الشكل:
ما نراه الآن من هذه الأنظمة هو أنه من السهل جعل الناس يعتقدون أنك إنسان، ولكن من الصعب فعل أشياء جيدة. يمكنني أن أطلب من GPT-4 تطوير خطة عمل وبيعها لك، لكن هذا لا يعني أنك ستستثمر. عندما يكون لديك بالفعل شركتان متنافستان - أحدهما يديره الذكاء الاصطناعي والآخر يديره البشر - وتختار الاستثمار في مجال الذكاء الاصطناعي، فهذا يقلقني. ديفيد باسزوكي في لعبة roblox:
لدي سؤال اختبار تورينج للذكاء الاصطناعي: إذا وضعنا الذكاء الاصطناعي في عام 1633 وتركناه يتدرب على جميع المعلومات المتاحة في ذلك الوقت، فهل يمكنه التنبؤ بما إذا كانت الأرض أو الشمس هي مركز النظام الشمسي - حتى لو كان ذلك صحيحًا؟ رغم أن 99.9% من المعلومات تقول أن الأرض هي مركز المجموعة الشمسية؟ أعتقد أن 5 سنوات هي على الحافة، ولكن إذا أجرينا اختبار تورينج للذكاء الاصطناعي خلال 10 سنوات، فمن المحتمل أن نقول الشمس. ##15 هل ما زال البشر بحاجة إلى المشاركة؟
غالبًا ما تحل التقنيات الجديدة محل بعض الوظائف والوظائف البشرية، ولكنها تفتح أيضًا مجالات جديدة تمامًا، وتزيد الإنتاجية، وتتيح المزيد من أنواع الوظائف لعدد أكبر من الناس. في حين أنه من السهل أن نتصور أن الذكاء الاصطناعي يقوم بأتمتة الوظائف الحالية، فمن الصعب للغاية أن نتصور المشاكل والإمكانيات القادمة التي سيجلبها الذكاء الاصطناعي.
مارتن كاسادو، a16z:
وببساطة شديدة، تنص مفارقة جيفونز على ما يلي: إذا كان الطلب مرنًا وانخفض السعر، فإن الطلب سيتجاوز التعويض. في كثير من الأحيان، يتم تعويضه بأكثر من ذلك بكثير. وهذا ينطبق بالتأكيد على الإنترنت. يمكنك الحصول على قيمة أكبر وإنتاجية أكبر. أنا شخصياً أعتقد أن الطلب يتسم بالمرونة عندما يتعلق الأمر بأتمتة أي أصل إبداعي أو وظيفة. كلما زاد إنتاجنا، زاد استهلاك الناس. ونحن نتطلع بشدة إلى توسع هائل في الإنتاجية، وتوفير عدد كبير من الوظائف الجديدة، والعديد من الأشياء الجديدة، تماما كما رأينا في عصر الرقائق الدقيقة والإنترنت. كيفن سكوت، مايكروسوفت:
لقد نشأت في ريف وسط فيرجينيا، حيث كان الاقتصاد يعتمد بشكل أساسي على زراعة التبغ، وتصنيع الأثاث، وصناعة النسيج. عندما تخرجت من المدرسة الثانوية، كانت الصناعات الثلاث قد انهارت للتو. عندما يتمكن الأشخاص في هذه المجتمعات من الوصول إلى أدوات قوية بشكل لا يصدق، فإنهم غالبًا ما يقومون بأشياء غير عادية، مما يخلق فرصًا اقتصادية لأنفسهم وأسرهم ومجتمعاتهم. إنهم يحلون المشكلات التي لا أستطيع أنت أو أنا حلها لأننا لا نرى المشهد العام للمشاكل في العالم. ليس لدينا وجهة نظرهم. أصبحت أدوات الذكاء الاصطناعي هذه الآن أسهل في الاستخدام من أي وقت مضى. يمكنك الآن القيام بأشياء مثيرة للاهتمام باستخدام هذه الأدوات وتصبح رائد أعمال في بلدة صغيرة في فيرجينيا دون الحصول على درجة الدكتوراه في علوم الكمبيوتر أو الخبرة في الذكاء الاصطناعي الكلاسيكي. عليك فقط أن تظل فضوليًا وريادة الأعمال. ديلان فيلد، فيجما:
إذا نظرت إلى كل تحول تكنولوجي أو تحول في النظام الأساسي حتى الآن، فقد أدى ذلك إلى المزيد من الأشياء التي يجب تصميمها. هناك مطبعة، ومن ثم عليك معرفة ما يجب وضعه على الصفحة. في الآونة الأخيرة مع الإنترنت عبر الهاتف المحمول، قد تعتقد، "حسنًا، هناك عدد أقل من وحدات البكسل، وهناك عدد أقل من المصممين." ولكن هذا ليس هو الحال، وذلك عندما شهدنا أكبر انفجار في عدد المصممين. ## 16 لم يكن هناك وقت أكثر إثارة من الآن لإنشاء شركة ناشئة في مجال الذكاء الاصطناعي (خاصة إذا كنت فيزيائيًا أو عالم رياضيات)
هذا وقت فريد ومثير لبناء الذكاء الاصطناعي: فالنماذج الأساسية تتوسع بسرعة، والاقتصاد يميل أخيرا لصالح الشركات الناشئة، وهناك الكثير من المشاكل التي يتعين حلها. تتطلب هذه المشكلات قدرًا كبيرًا من الصبر والمثابرة لحلها، وكان الفيزيائيون وعلماء الرياضيات حتى الآن مناسبين بشكل خاص لحلها. ولكن باعتباره مجالًا شابًا وسريع النمو، فإن الذكاء الاصطناعي مفتوح على مصراعيه، والآن هو الوقت المثالي لبنائه.
داريو أمودي، إنساني:
في أي لحظة، هناك نوعان من العوالم. الأول هو المجال الذي تكون فيه الخبرة والمعرفة المتراكمة غنية جدًا، ويستغرق الأمر سنوات عديدة لتصبح خبيرًا. يعتبر علم الأحياء مثالًا كلاسيكيًا - إذا كنت تعمل في علم الأحياء لمدة 6 أشهر فقط، فمن الصعب جدًا القيام بعمل رائد أو عمل على مستوى جائزة نوبل... والآخر هو مجال حديث جدًا أو يتطور بسرعة كبيرة. وكان الذكاء الاصطناعي، وإلى حد ما، أحد هذه الفئات. يمكن للأخصائيين العامين الموهوبين حقًا أن يتفوقوا في كثير من الأحيان على الأشخاص الذين عملوا في هذا المجال لفترة طويلة لأن الأمور تتغير بسرعة كبيرة. إذا كان هناك أي شيء، فإن وجود الكثير من المعرفة المسبقة يمكن أن يكون عيبًا. ميرا موراتي، OpenAI:
إحدى الوجبات السريعة المستفادة من المجال النظري للرياضيات هي أنك تحتاج إلى قضاء وقت طويل في التفكير في المشكلات. في بعض الأحيان، تغفو وتستيقظ بأفكار جديدة، وتجد الحل النهائي تدريجيًا على مدار أيام أو أسابيع. إنها ليست عملية ذات عوائد سريعة، وفي بعض الأحيان لا تكون أمرًا متكررًا. إنها تقريبًا طريقة تفكير مختلفة، حيث تقوم ببناء الحدس والانضباط لمواجهة المشكلة والثقة في نفسك لحلها. بمرور الوقت، ستكتسب حدسًا حول المشكلات التي تستحق العمل عليها حقًا. دافني كولر، في المقدمة:
لا يتحسن التعلم الآلي بمرور الوقت فحسب، بل تتحسن أيضًا الأدوات البيولوجية التي نعتمد عليها. في الماضي، لم تكن هناك تقنية كريسبر، بل كان هناك سيرنا فقط. ثم جاءت تقنية كريسبر لتحرير الجينات، والآن هناك تقنية كريسبر الرئيسية التي يمكن أن تحل محل مناطق جينية بأكملها. ونتيجة لذلك، فإن الأدوات التي نقوم ببنائها تتحسن شيئا فشيئا، مما يفتح لنا إمكانية معالجة المزيد من الأمراض بطرق أكثر جدوى. توجد العديد من الفرص عند تقاطع الذكاء الاصطناعي/التعلم الآلي مع مجالات البيولوجيا والطب. وهذا التقارب هو اللحظة التي تسمح لنا بإحداث تأثير هائل في العالم الذي نعيش فيه، باستخدام أدوات موجودة اليوم ولكنها لم تكن موجودة قبل خمس سنوات. كيفن سكوت، مايكروسوفت:
إذا فكرت في بعض التحولات الكبيرة التي حدثت في النظام الأساسي في الماضي، فإن الأشياء الأكثر قيمة على تلك الأنظمة الأساسية لم تكن الأشياء التي تم نشرها في أول عامين من تغيير النظام الأساسي. إذا كنت تفكر في المكان الذي تقضي فيه معظم الوقت على هاتفك الذكي، فهو ليس تطبيق مراسلة، أو متصفح ويب، أو عميل بريد إلكتروني. بل هو شيء جديد يتم إنشاؤه في غضون سنوات قليلة من إتاحة المنصة. ما هي الأشياء التي كانت مستحيلة من قبل أصبحت الآن ممكنة؟ هذا ما يجب أن يفكر فيه الناس. لا تطارد الأشياء التافهة.