البحث التوليدي

هناك العديد من العوامل التي تؤخذ في الاعتبار عند اختيار النماذج التي ستعمل بشكل جيد لمشروعك.

قد يقيد ترخيص النموذج كيفية استخدامه. فعلى سبيل المثال، قد يمنع ترخيص النموذج من استخدامه كجزء من تطبيق تجاري.

لمجموعة البيانات المستخدمة في تدريب النموذج تأثير مباشر في أداء النموذج في تطبيق محدد، كما تؤثِّر بشكل كبير في احتمال توليد النموذج لإجابات غير منطقية، أو مسيئة، أو غير مرغوب فيها ببساطة. وبالمثل، النماذج المدرَّبة على بيانات محمية بحقوق الطبع والنشر أو بيانات خاصة قد تعرِّض مستخدميها للمسؤولية القانونية. تقدِّم IBM شفافية كاملة حول بيانات التدريب وتعويض المستخدمين عن أي دعاوى قانونية ناشئة عن نماذجها.

حجم النموذج، أي عدد المعاملات التي تم تدريبه عليها، وحجم نافذة السياق، أي طول مقطع النص الذي يمكن للنموذج معالجته، يؤثِّران في أداء النموذج ومتطلبات الموارد، وبالتالي في التكلفة وسرعة المعالجة. رغم الإغراء باتِّباع فلسفة "الأكبر أفضل" واختيار نموذج بـ 20 مليار معاملة، قد لا تبرر متطلبات الموارد والتحسين المحتمل في الدقة هذا الاختيار. أظهرت الدراسات الحديثة أن النماذج الصغرى قد تتفوق بشكل كبير على النماذج الكبرى في بعض الحلول.

يمكن لأي ضبط دقيق يتم تطبيقه على نموذج ما أن يؤثر على ملاءمته لمهمة ما. على سبيل المثال، تقدم شركة IBM نسختين من نموذج Granite: إحداهما نسخة مضبوطة لتطبيقات الدردشة العامة، والنسخة الأخرى مضبوطة لاتباع التعليمات.

تشمل الاعتبارات الأخرى عند اختيار النموذج ما يلي:

• اختيار معلمات النموذج، على سبيل المثال درجة حرارة النموذج التي تتحكم في التوازن بين توليد نصوص شبيهة بالنص البشري وتقديم استجابات واقعية. سيؤدي ضبط درجة حرارة النموذج على قيمة عالية إلى توليد استجابات متسقة ولكن من المحتمل أن تكون غير مثيرة للاهتمام أو موجزة للغاية، في حين أن ضبط درجة الحرارة على قيمة منخفضة يضيف تنوعًا أكبر في الاستجابات، ولكنه قد يؤدي أيضًا إلى عدم القدرة على التنبؤ في طول المحتوى ومضمونه.

• اختيار وتنفيذ ضوابط الحماية للنموذج لمنع النتائج غير الفعالة أو المسيئة.

• يجب أيضًا أخذ لغة بيانات العميل واستفسارات المستخدم في الاعتبار. الغالبية العظمى من النماذج اللغوية الكبيرة تم تدريبها على نصوص باللغة الإنجليزية، وغالبًا ما تستطيع الترجمة بين الإنجليزية ولغات أخرى بدرجات متفاوتة من الكفاءة. التطبيقات التي تتطلب دعم لغات متعددة أو دعمًا محليًا قد تحتاج إلى استخدام عدة نماذج مدرَّبة على كل لغة مدعومة، أو إضافة خطوة ترجمة لتحويل المدخلات متعددة اللغات إلى الإنجليزية أو لغة أساسية أخرى.

قد يريد بعض العملاء وجود آلية لتلقي الملاحظات بهدف تحسين استجابات النظام بشكل مستمر. مع مرور الوقت، يمكن أن تساعد هذه الملاحظات على تحسين تكوين Watson Discovery (مثل تعديل معايير البحث) وضبط النموذج اللغوي الكبير بدقة أكبر.

قد يريد العملاء في الصناعات المنظمة إضافة طبقة مراقبة إضافية للالتزام باللوائح، وتوفير الشفافية للمستخدمين حول كيفية معالجة استفساراتهم ودور الذكاء الاصطناعي في توليد الردود.

كما هو الحال مع أي نظام متكامل، تجب مراقبة الأداء ورضا المستخدمين وأي مشكلات محتملة بشكل مستمر. كُن مستعدًا لتوسيع البنية التحتية مع زيادة طلب المستخدمين.