تحوُّل في السباق نحو الذكاء الاصطناعي المتقدم

واجه الباحثون في مختبرات الذكاء الاصطناعي الرئيسية تأخيرات ونتائج مخيبة للآمال في السباق لإطلاق نموذج لغوي كبير يتفوق على نموذج أوبن إيه آي جي بي تي 4. (شترستوك).
تسعى شركات الذكاء الاصطناعي مثل أوبن إيه آي إلى التغلب على التأخيرات والتحديات غير المتوقعة في سعيها إلى تطوير نماذج لغوية أكبر حجماً من أي وقت مضى، هذه الشركات تبذل جهوداً حثيثة في تحسين تقنيات التدريب عبر أساليب مبتكرة تشبه التفكير البشري، وهو ما يهدف إلى جعل الخوارزميات «تفكر».
يؤكد عشرات العلماء والباحثين في مجال الذكاء الاصطناعي لرويترز أن هذه التقنيات التي تعتمد عليها نماذج مثل O1 الصادرة عن أوبن إيه آي، قد تغير قواعد اللعبة في السباق نحو تطوير الذكاء الاصطناعي، وتؤثر بشكل كبير في نوعية الموارد المطلوبة لهذه العمليات، من الطاقة إلى رقائق المعالجات.
رفضت أوبن إيه آي التعليق على هذه القصة، بعد إصدار روبوت الدردشة تشات جي بي تي قبل عامين، أكدت شركات التكنولوجيا التي استفادت تقييماتها بشكل كبير من طفرة الذكاء الاصطناعي علناً أن «توسيع نطاق» النماذج الحالية من خلال إضافة المزيد من البيانات وقوة الحوسبة سيؤدي باستمرار إلى تحسين نماذج الذكاء الاصطناعي.
صرَّح إيليا سوتسكيفر المؤسس المشارك لمختبرات الذكاء الاصطناعي سيف سوبر إنتليجنس (SSI) وأوبن إيه آي، لرويترز مؤخراً، أن النتائج المترتبة على توسيع نطاق التدريب المسبق -مرحلة تدريب نموذج الذكاء الاصطناعي الذي يستخدم قدراً هائلاً من البيانات غير المصنفة لفهم أنماط اللغة- قد وصلت إلى مرحلة الثبات.
قال سوتسكيفر «كان العقد الأول من القرن الحادي والعشرين عصر التوسع، والآن عدنا إلى عصر العجائب والاكتشاف مرة أخرى، الجميع يبحث عن الشيء التالي، إن توسيع نطاق التكنولوجيا الصحيحة مهم الآن أكثر من أي وقت مضى».
خلف الكواليس، واجه الباحثون في مختبرات الذكاء الاصطناعي الرئيسية تأخيرات ونتائج مخيبة للآمال في السباق لإطلاق نموذج لغوي كبير يتفوق على نموذج أوبن إيه آي جي بي تي 4 الذي يبلغ عمره ما يقرب من عامين، وفقاً لثلاثة مصادر مطلعة على الأمر.
يمكن أن تكلف ما تُسمى «عمليات التدريب» للنماذج الكبيرة عشرات الملايين من الدولارات من خلال تشغيل مئات الرقائق في وقت واحد، من المرجح أن يكون لديهم فشل ناتج عن الأجهزة نظراً لمدى تعقيد النظام؛ قد لا يعرف الباحثون الأداء النهائي للنماذج حتى نهاية التشغيل الذي قد يستغرق شهوراً.
هناك مشكلة أخرى، وهي أن نماذج اللغة الكبيرة تلتهم كميات هائلة من البيانات، وقد استنفدت نماذج الذكاء الاصطناعي جميع البيانات التي يمكن الوصول إليها بسهولة في العالم، كما أعاق نقص الطاقة عمليات التدريب، إذ تتطلب العملية كميات هائلة من الطاقة.