ما الذكاء الاصطناعي التوليدي، وما النماذج الأساسية، وما سبب أهميتهما؟

منذ إطلاقه في نوفمبر 2022، استحوذ ChatGPT من OpenAI على خيال المستهلكين وقادة المؤسسات من خلال إثبات الإمكانات التي يمتلكها الذكاء الاصطناعي التوليدي لتغيير طرق حياتنا وعملنا بشكل جذري. مع استمرار اتساع نطاق هذا التأثير على المجتمع، لا تزال الشركات والمؤسسات الحكومية تتسابق للرد، من خلال وضع سياسات حول استخدام الموظفين للتقنية أو حتى تقييد الوصول إلى ChatGPT.

أما الأكثر حكمة بينهم، فقد بدأوا بالفعل في تقييم الطرق التي يمكنهم من خلالها تطبيق الذكاء الاصطناعي داخل مجموعاتهم، والاستعداد لمستقبل أصبح حاضرًا بالفعل. أما الأكثر تقدمًا بينهم، فإنهم ينتقلون من التفكير في الذكاء الاصطناعي كإضافة ثانوية، إلى إعادة تصور مسارات العمل الحيوية مع وضع الذكاء الاصطناعي في صميمها.

سوق الذكاء الاصطناعي التوليدي العالمي يقترب من نقطة تحول، مع تقييم بقيمة 8 مليار دولار أمريكي ومعدل نمو سنوي مركب يقدر بنحو %34.6 بحلول عام 2030. ومن المتوقع أن تظل أكثر من 85 مليون وظيفة شاغرة بحلول ذلك الوقت، فإن إنشاء عمليات أكثر ذكاءً باستخدام الذكاء الاصطناعي والطباعة أمر ضروري لتقديم الكفاءة والفعالية والتجربة التي يتوقعها قادة الأعمال والأطراف المعنية.

يقدم الذكاء الاصطناعي التوليدي فرصة جذابة لتعزيز جهود الموظفين وجعل المؤسسة أكثر إنتاجية. لكن بينما يقوم قادة الإدارة العليا بالبحث في حلول الذكاء الاصطناعي التوليدي، يكشفون المزيد من الأسئلة: أي حالات الاستخدام ستقدم أكبر قيمة لعملي؟ ما هي تقنية الذكاء الاصطناعي الأنسب لاحتياجاتي؟ هل هي آمنة؟ هل هي مستدامة؟ كيف يتم إدارتها؟ وكيف أضمن نجاح مشاريع الذكاء الاصطناعي الخاصة بي؟

بعد العمل مع نموذج الأساس لعدة سنوات، طورت IBM Consulting، وIBM Technology، وIBM Research وجهة نظر متجذرة حول ما يتطلبه الأمر لاستخلاص القيمة من نشر الذكاء الاصطناعي بمسؤولية عبر المؤسسة.

كما يوحي الاسم، يقوم الذكاء الاصطناعي التوليدي بتوليد الصور أو الموسيقى أو الكلام أو الرموز البرمجية أو الفيديو أو النص، بينما يفسر ويتعامل مع البيانات الموجودة مسبقاً. لا يُعد الذكاء الاصطناعي التوليدي مفهومًا جديدًا: فقد تطورت تقنيات التعلم الآلي التي يقوم عليها الذكاء الاصطناعي التوليدي على مدار العقد الماضي. يعتمد النهج الأخير على بنية الشبكات العصبية، والتي تُعرف باسم "المحولات". من خلال الجمع بين بنية المحول والتعلم غير الخاضع للإشراف، ظهرت نماذج الأساس الكبيرة التي تتفوق على المعايير القادرة على التعامل مع طرائق متعددة للبيانات.

وتُسمّى هذه النماذج الكبيرة "نماذج أساسية" لأنها تمثل نقطة الانطلاق لتطوير نماذج أكثر تقدمًا وتعقيدًا. ومن خلال البناء فوق النموذج الأساسي، يمكننا إنشاء نماذج أكثر تخصصًا وتعقيدًا، مُصممة لتناسب حالات استخدام أو مجالات محددة. وأظهرت أمثلة مبكرة للنماذج مثل GPT-3 أو BERT أو T5 أو DALL-E ما هو ممكن: ليس عليك سوى إدخال موجِّه قصير وسيقوم النظام بإنشاء مقال كامل، أو صورة معقدة، بناءً على معلماتك. 

تم تدريب النماذج اللغوية الكبيرة (LLMs) بشكل صريح على كميات كبيرة من البيانات النصية لمهام معالجة اللغة الطبيعية واحتوت على عدد كبير من المعلمات، عادة ما يتجاوز 100 مليون. فهي تسهل معالجة نصوص اللغة الطبيعية وإنشائها لمهام متنوعة. لكل نموذج نقاط قوته وضعفه، ويعتمد اختيار النموذج الذي يجب استخدامه على النموذج اللغوي الكبير المحددة وخصائص البيانات التي يتم تحليلها. يتطلب اختيار النماذج اللغوية الكبيرة الصحيحة لاستخدامها في وظيفة محددة خبرة في النماذج اللغوية الكبيرة.

تم تصميم BERT لفهم العلاقات ثنائية الاتجاه بين الكلمات في الجملة، ويستخدم بشكل أساسي لتصنيف المهام، والإجابة على الأسئلة، والتعرف على الكيانات المسماة. من ناحية أخرى ، يُعد GPT نموذجًا قائمًا على محول أحادي الاتجاه يُستخدم بشكل أساسي لمهام إنشاء النصوص مثل ترجمة اللغة والتلخيص وإنشاء المحتوى. T5 هو أيضًا نموذج قائم على المحولات، إلا أنه يختلف عن BERT و GPT في أنه يتم تدريبه باستخدام نهج تحويل النص إلى نص ويمكن ضبطه بدقة لمختلف مهام معالجة اللغة الطبيعية مثل الترجمة اللغوية والتلخيص والرد على الأسئلة.

وبفضل تدريبها المسبق على كميات هائلة من البيانات، توفر نماذج الأساس هذه تسريعاً هائلاً في دورة حياة تطوير الذكاء الاصطناعي، مما يسمح للشركات بالتركيز على الضبط الدقيق لحالة الاستخدام الخاصة بها. بدلاً من بناء نماذج معالجة اللغة الطبيعية مخصصة لكل مجال، تمكّن نماذج الأساس الشركات من تقليص الوقت المناسب للقيمة من أشهر إلى أسابيع. في ارتباطات العملاء، تشهد شركة IBM Consulting انخفاضًا يصل إلى 70% في الوقت المناسب للقيمة لحالات الاستخدام مثل تلخيص التسجيل النصي لمركز الاتصالات وتحليل التقييمات وغيرها. 

ونظرًا للتكلفة المرتفعة لتدريب النماذج الأساسية وصيانتها، سيتعيّن على المؤسسات اتخاذ قرارات حول كيفية دمجها ونشرها بما يخدم حالات الاستخدام الخاصة بها. وهناك اعتبارات خاصة بحالات الاستخدام ونقاط القرار المتعلقة بالتكلفة والجهد وخصوصية البيانات والملكية الفكرية والأمان. ومن الممكن استخدام خيار نشر واحد أو أكثر داخل مؤسسة مقابل نقاط القرار هذه. 

ستعمل نماذج الأساس على تسريع اعتماد الذكاء الاصطناعي في الأعمال التجارية بشكل كبير من خلال تقليل متطلبات وضع العلامات، مما سيسهل على الشركات تجربة الذكاء الاصطناعي وبناء أتمتة فعالة مستندة إلى الذكاء الاصطناعي والتطبيقات، ونشر الذكاء الاصطناعي في مجموعة واسعة من المواقف المهام الحساسة. يتمثل الهدف بالنسبة لشركة IBM Consulting في جلب قوة نماذج الأساس لكل مؤسسة في بيئة سحابية هجينة خالية من الاحتكاك. 

للمزيد من المعلومات، اطلع على كيفية استخدام الذكاء الاصطناعي التوليدي لتعظيم التجارب وصناعة القرار وقيمة الأعمال، وكيف تقدم شركة IBM Consulting نهجاً قيماً ومسؤولاً للذكاء الاصطناعي.