احصل على دليل "سدايا" للذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة
تاريخ النشر: 15th, August 2023 GMT
أصدرت الهيئة السعودية للبيانات والذكاء الاصطناعي "سدايا" دليلًا استرشاديًا عن الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة، في خطوة تستهدف رفع مستوى الوعي بهذه التقنيات التي أصبحت عنصرًا مهمًا في عالم التقنيات المتقدمة في عصرنا الحاليّ، والإسهام في مستقبل أكثر استدامة وفائدة للمجتمعات والأفراد على حد سواء.
ويمكن الاطلاع على الدليل من خلال الرابط هنا.
أخبار متعلقة يشمل 17 دولة.. خطوات التقديم في برنامج الابتعاث الجامعيبمناسبة ذكرى الاستقلال.. سفارة المملكة بالهند تغلق أبوابها والتواصل للطوارئوتأتي هذه الخطوة في إطار اهتمام سدايا بتعزيز الوعي المجتمعي تجاه تقنيات البيانات والذكاء الاصطناعي، بوصفها المرجع الوطني لهما في المملكة من تنظيم وتطوير، علاوة على أهمية هذه التقنيات في رسم مستقبل العالم بطريقة غير تقليدية.
النموذج اللغوييُعرف النموذج اللغوي بأنه نموذج ذكاء اصطناعي يحدد احتمالية وجود سلسلة معينة من الكلمات في جملة ما، وعندما يتكون النموذج من عدد كبير من المعاملات يطلق عليه "نموذج لغوي كبير".
وتندرج هذه النماذج الكبيرة تحت مجموعة من النماذج تعرف بالنماذج التأسيسية، وهي نماذج مدربة على بيانات مختلفة ويمكن تكييفها بأداء مجموعة واسعة من المهام.
وتختلف النماذج اللغوية الكبيرة عن نماذج اللغات الطبيعية التقليدية من جانبين، وهما حجم بيانات التدريب وعدد المعاملات، في حين يتضمن تطوير النماذج اللغوية الكبيرة 3 خطوات رئيسة هي: جمع مجموعة بيانات من مستندات نصية، وتدريب الخوارزميات لفهم العلاقة بين الكلمات، وتقييم النماذج بصورة متكررة وضبطها.
#الذكاء_الاصطناعي_التوليدي والنماذج اللغوية الكبيرة.. آفاق جديدة بقدرات إبداعية.. وفرص تنموية وزيادة في الإنتاجية..
تعرّف أكثر بزيارة الرابط التالي: https://t.co/HeWFsW54tK#سدايا pic.twitter.com/nQG5VU51jU— SDAIA (@SDAIA_SA) August 14, 2023النماذج اللغوية الكبيرة
يهدف هذا الدليل إلى تقديم لمحة مختصرة عن النماذج اللغوية الكبيرة وحالات استخدامها، واستعراض أبرز النماذج من شركات ومؤسسات أكاديمية، إضافة إلى ذكر بعض التحديات والمخاطر التي قد تنشأ مع اندثار هذه النماذج بصورة عامة، والإشارة إلى أفضل الممارسات في تطوير تلك النماذج والتطرق إلى بعض التوقعات المستقبلية.
وتتميز النماذج اللغوية الكبيرة بقدرتها على القيام بعدة مهام مقارنة بالنماذج المتخصصة التي تقوم بمهمة معينة، ومن أبرز حالات استخدامها: كتابة النصوص والمقالات، وتلخيص وتبسيط النصوص، والترجمة من لغة إلى لغة أخرى، والإجابة عن الأسئلة، وتحليل المشاعر، وتصنيف العناصر إلى فئات، وكتابة الأكواد البرمجية، واستخراج الكلمات الافتتاحية، وكتابة الإعلانات التجارية، والتدقيق النحوي.
نماذج فاعلةزاد الاهتمام بالنماذج اللغوية الكبيرة بعد أن أطلقت شركة Open AI خدمة لتجربة نموذج Chat GBT مجانًا عام 2022، وبلغ عدد مستخدمي الخدمة وقتها أكثر من مليون مستخدم في أول 5 أيام من إطلاقها.
وتعد هذه النماذج فاعلة جدًا وقادرة على تنفيذ أنواع مختلفة من المهام مثل: إنشاء النصوص، والترجمة والتلخيص بلغات متعددة، ومن المتوقع أن تشكل حالات استخدام النماذج التأسيسية بشكل عام 50% من حالات استخدام معالجة اللغات الطبيعية في عام 2026، بينما كانت تمثل أقل من 5% من حالات الاستخدام في عام 2021.
المصدر: صحيفة اليوم
كلمات دلالية: عودة المدارس عودة المدارس عودة المدارس واس الرياض المملكة العربية السعودية سدايا
إقرأ أيضاً:
الدماغ البشري يتفوّق على الذكاء الاصطناعي في حالات عدّة
لا شك أن أنظمة الذكاء الاصطناعي قد حققت إنجازات مذهلة، بدءًا من إتقان الألعاب وكتابة النصوص وصولًا إلى توليد الصور ومقاطع الفيديو المقنعة.
وقد دفع ذلك البعض إلى الحديث عن إمكانية أن نكون على أعتاب الذكاء الاصطناعي العام (AGI)، وهو نظام ذكاء اصطناعي يمتلك قدرات معرفية شاملة تشبه قدرات الإنسان.
في حين أن بعض هذا الحديث ما هو إلا ضجة إعلامية، إلا أن عددًا كافيًا من الخبراء في هذا المجال يأخذون الفكرة على محمل الجد، مما يستدعي إلقاء نظرة فاحصة عليها.
تحديات تعريف الذكاء الاصطناعي العامتدور العديد من النقاشات حول مسألة كيفية تعريف الذكاء الاصطناعي العام، وهو أمر يبدو أن الخبراء في هذا المجال لا يتفقون عليه.
ويساهم هذا في ظهور تقديرات متباينة حول موعد ظهوره، تتراوح بين "إنه موجود عمليًا" إلى "لن نتمكن أبدًا من تحقيقه". وبالنظر إلى هذا التباين، يستحيل تقديم أي نوع من المنظور المستنير حول مدى قربنا من تحقيقه.
لكن لدينا مثال موجود على الذكاء العام بدون "الاصطناعي" - وهو الذكاء الذي يوفره دماغ الحيوان، وخاصة الدماغ البشري.
ومن الواضح أن الأنظمة التي يتم الترويج لها كدليل على أن الذكاء الاصطناعي العام قاب قوسين أو أدنى لا تعمل على الإطلاق مثل الدماغ. قد لا يكون هذا عيبًا قاتلًا، أو حتى عيبًا على الإطلاق. من الممكن تمامًا أن يكون هناك أكثر من طريقة للوصول إلى الذكاء، اعتمادًا على كيفية تعريفه.
لكن من المحتمل أن تكون بعض الاختلافات على الأقل مهمة من الناحية الوظيفية، وحقيقة أن الذكاء الاصطناعي يسلك مسارًا مختلفًا تمامًا عن المثال العملي الوحيد الذي لدينا من المرجح أن يكون ذا مغزى.
مع وضع كل ذلك في الاعتبار، دعونا نلقي نظرة على بعض الأشياء التي يقوم بها الدماغ والتي لا تستطيع أنظمة الذكاء الاصطناعي الحالية القيام بها.
أشارت أرييل جولدشتاين، الباحثة في الجامعة العبرية في القدس، إلى أن أنظمة الذكاء الاصطناعي الحالية "مجزأة" في قدراتها. فقد تكون جيدة بشكل مدهش في شيء ما، ثم سيئة بشكل مدهش في شيء آخر يبدو مرتبطًا به.
وأكدت عالمة الأعصاب كريستا بيكر من جامعة ولاية كارولينا الشمالية على هذه النقطة، مشيرة إلى أن البشر قادرون على تطبيق المنطق في مواقف جديدة دون الحاجة إلى إعادة تعلم كل شيء من الصفر.
ذكر ماريانو شاين، مهندس جوجل الذي تعاون مع جولدشتاين، أن أنظمة الذكاء الاصطناعي تفتقر إلى الذاكرة طويلة المدى والمخصصة للمهام، وهي القدرة على نشر المهارات المكتسبة في مهمة ما في سياقات مختلفة.
أشارت بيكر إلى وجود تحيز نحو تفضيل السلوكيات الشبيهة بالسلوك البشري، مثل الردود التي تبدو بشرية والتي تولدها نماذج اللغات الكبيرة.
في المقابل، يمكن لذبابة الفاكهة، بدماغها الذي يحتوي على أقل من 150 ألف خلية عصبية، دمج أنواع متعددة من المعلومات الحسية، والتحكم في أربعة أزواج من الأطراف، والتنقل في بيئات معقدة، وتلبية احتياجاتها من الطاقة، وإنتاج أجيال جديدة من الأدمغة، وأكثر من ذلك.
الاختلافات الرئيسية بين الدماغ البشري والذكاء الاصطناعيتستند معظم أنظمة الذكاء الاصطناعي الحالية، بما في ذلك جميع نماذج اللغات الكبيرة، على ما يسمى بالشبكات العصبية.
تم تصميم هذه الشبكات لتقليد كيفية عمل بعض مناطق الدماغ، مع وجود أعداد كبيرة من الخلايا العصبية الاصطناعية التي تأخذ مدخلات وتعدلها ثم تمرير المعلومات المعدلة إلى طبقة أخرى من الخلايا العصبية الاصطناعية. لكن هذا التقليد محدود للغاية.
فالخلايا العصبية الحقيقية متخصصة للغاية، وتستخدم مجموعة متنوعة من الناقلات العصبية وتتأثر بعوامل خارج الخلايا العصبية مثل الهرمونات. كما أنها تتواصل من خلال سلسلة من النبضات المتغيرة في التوقيت والشدة، مما يسمح بدرجة من الضوضاء غير الحتمية في الاتصالات.
تهدف الشبكات العصبية التي تم إنشاؤها حتى الآن هي إلى حد كبير أنظمة متخصصة تهدف إلى التعامل مع مهمة واحدة.
في المقابل، يحتوي الدماغ النموذجي على الكثير من الوحدات الوظيفية التي يمكنها العمل بالتوازي، وفي بعض الحالات دون أي نشاط تحكمي يحدث في مكان آخر في الدماغ.
تمتلك أنظمة الذكاء الاصطناعي الحالية عمومًا حالتين: التدريب والنشر. التدريب هو المكان الذي يتعلم فيه الذكاء الاصطناعي سلوكه؛ النشر هو المكان الذي يتم فيه استخدام هذا السلوك.
في المقابل، لا يحتوي الدماغ على حالات تعلم ونشاط منفصلة؛ إنه في كلا الوضعين باستمرار، بينما في كثير من الحالات، يتعلم الدماغ أثناء العمل.
بالنسبة للعديد من أنظمة الذكاء الاصطناعي، لا يمكن تمييز "الذاكرة" عن الموارد الحسابية التي تسمح لها بأداء مهمة والاتصالات التي تم تشكيلها أثناء التدريب. في المقابل، تمتلك الأنظمة البيولوجية عمرًا من الذكريات للاعتماد عليها.
القيود والتحدياتمن الصعب التفكير في الذكاء الاصطناعي دون إدراك الطاقة الهائلة والموارد الحسابية المستخدمة في تدريبه. لقد تطورت الأدمغة في ظل قيود هائلة على الطاقة وتستمر في العمل باستخدام طاقة أقل بكثير مما يمكن أن يوفره النظام الغذائي اليومي.
وقد أجبر هذا علم الأحياء على إيجاد طرق لتحسين موارده والاستفادة القصوى من تلك التي يخصصها لمهمة ما.
في المقابل، فإن قصة التطورات الحديثة في الذكاء الاصطناعي هي إلى حد كبير قصة رمي المزيد من الموارد عليها.
ويبدو أن خطط المستقبل (حتى الآن على الأقل) تشمل المزيد من هذا، بما في ذلك مجموعات بيانات تدريب أكبر وعدد أكبر من الخلايا العصبية الاصطناعية والوصلات بينها.
كل هذا يأتي في وقت تستخدم فيه أفضل أنظمة الذكاء الاصطناعي الحالية بالفعل ثلاثة أضعاف الخلايا العصبية التي نجدها في دماغ ذبابة الفاكهة وليس لديها أي مكان قريب من القدرات العامة للذبابة.
السيسي ورئيس المجلس الأوروبي يؤكدان وحدة وسلامة واستقرار لبنان وليبيا والسودان والصومال