آبل تكشف خطتها لتطوير الذكاء الاصطناعي بتحليل بيانات المستخدمين
تاريخ النشر: 16th, April 2025 GMT
في محاولة للرد على الانتقادات المتعلقة بضعف أداء أدوات الذكاء الاصطناعي التي أطلقتها مؤخرًا، خاصة فيما يتعلق بتلخيص الإشعارات، كشفت شركة "آبل" يوم الإثنين عن آلية جديدة لتحسين نماذج الذكاء الاصطناعي الخاصة بها، تعتمد على تحليل بيانات المستخدمين بطريقة تراعي الخصوصية، باستخدام ما يعرف بـ"البيانات الاصطناعية".
وأوضحت الشركة في منشور رسمي على مدونتها التقنية أنها تستخدم تقنية "الخصوصية التفاضلية" (Differential Privacy)، والتي تتيح تحليل البيانات بشكل آمن من دون جمع محتوى المستخدمين الفعلي، مما يسمح بتحسين أداء النماذج من دون المساس بخصوصية الأفراد.
وتعتمد آبل على إنشاء بيانات اصطناعية تشبه في الشكل والخصائص بيانات المستخدمين الحقيقية، لكنها لا تتضمن أي محتوى فعلي قام المستخدم بإنتاجه.
وفقًا لآبل، تبدأ العملية بإنشاء مجموعة كبيرة من الرسائل الإلكترونية الاصطناعية حول مواضيع متنوعة، ثم يتم تحويل كل رسالة إلى ما يُعرف بـ"التمثيل الرقمي" (Embedding)، وهو نموذج يعكس الخصائص الأساسية للرسالة مثل اللغة، الموضوع، والطول.
بعد ذلك، يتم إرسال هذه التمثيلات الرقمية إلى عدد محدود من أجهزة المستخدمين الذين اختاروا مشاركة تحليلات الجهاز مع آبل (Device Analytics)، حيث تقوم الأجهزة بمقارنة هذه التمثيلات مع عينات من الرسائل الحقيقية لتحديد مدى دقتها، وبالتالي إبلاغ آبل بأي تحسينات مطلوبة.
نماذج مستهدفة بالتحسينأكدت آبل أنها بدأت باستخدام هذه التقنية لتحسين نموذج Genmoji، وهو النظام المسؤول عن إنشاء رموز تعبيرية مخصصة اعتمادًا على الذكاء الاصطناعي، كما تخطط لتوسيع استخدامها لتشمل ميزات أخرى مثل Image Playground لإنشاء صور تفاعلية، و أداة Image Wand لتحسين الصور بواسطة الذكاء الاصطناعي.
بالاضافة إلى أداة Memories Creation، لإنشاء الذكريات تلقائيًا من صور المستخدم، وأداة Writing Tools لتحسين تجربة الكتابة، واخيراً أداة Visual Intelligence لفهم وتحليل الصور والمحتوى المرئي.
كما أشارت الشركة إلى أنها ستعتمد هذه الطريقة لاحقًا لتحسين ميزة تلخيص الرسائل الإلكترونية، والتي تلقت انتقادات لكونها غير دقيقة أو غير مفيدة.
خلاصةفي ظل المنافسة الشرسة بين عمالقة التكنولوجيا لتطوير حلول ذكاء اصطناعي فعالة وآمنة، يبدو أن آبل تسير في طريق مختلف، يركز على الخصوصية كأولوية مطلقة.
فيما يمثل استخدام البيانات الاصطناعية نقلة نوعية في كيفية تحسين المنتجات دون التضحية بثقة المستخدم – وهي ركيزة أساسية في فلسفة آبل منذ سنوات.
المصدر: صدى البلد
كلمات دلالية: الذكاء الاصطناعي آبل المزيد الذکاء الاصطناعی
إقرأ أيضاً:
مايكروسوفت.. نماذج صغيرة تنافس عمالقة الذكاء الاصطناعي
في سباق متسارع في مشهد الذكاء الاصطناعي، أعلنت مايكروسوفت عن مجموعة جديدة من نماذج الذكاء الاصطناعي تحت اسم Phi 4، والتي تتميز بحجمها الصغير وأدائها القوي، لتنافس نماذج أكبر وأكثر شهرة مثل o3-mini من OpenAI.وفق موقع "تك كرانش" التقني.
من خلال Phi 4، تضع مايكروسوفت نفسها في موقع المنافسة المباشرة مع عمالقة القطاع، مقدمة نماذج مفتوحة المصدر يمكنها التعامل مع مهام معقدة كحل المسائل الرياضية، البرمجة، وتحليل البيانات، وكل ذلك بكفاءة تضاهي نماذج أضخم وأكثر تعقيدًا.
اقرأ أيضاً.. مايكروسوفت".. قصة نجاح من الحوسبة إلى الذكاء الاصطناعي والسحابة
أكدت مايكروسوفت أنها اعتمدت في تطوير هذه النماذج الجديدة على أساليب تدريب عصرية وتقنيات متطورة مثل "التعلم المعزز" و"التقطير المعرفي"، لضمان الحصول على أداء قوي بالرغم من الحجم الصغير نسبيًا. وأوضحت الشركة أن هدفها الأساسي هو توفير ذكاء اصطناعي قوي حتى للأجهزة التي لا تتمتع بمواصفات تقنية عالية، ما يسمح باستخدامه في بيئات تحتاج إلى رد فعل سريع، مثل الأجهزة المحمولة وتطبيقات إنترنت الأشياء (IoT).
3 نماذج رئيسية:
Phi 4 reasoning plus وPhi 4 reasonin و Phi 4 mini reasonin ..جميع هذه النماذج مصنفة ضمن نماذج "الاستدلال" (Reasoning)، والتي تركز على التحقق الدقيق من صحة الحلول للمسائل المعقدة، وهو ما يجعلها مثالية لمهام تتعلق بالرياضيات، العلوم، والبرمجة.
أخبار ذات صلة
تم تدريب Phi 4 mini reasoning كمساعد تعليمي ذكي على مليون مسألة رياضية اصطناعية باستخدام نموذج R1 من شركة DeepSeek الصينية.. ويقدم أدوات تعليمية مثل التدريس التفاعلي على أجهزة خفيفة الوزن، ويتميز بأداء عالي رغم الحجم الصغير.
Phi 4 reasoning: النموذج الثاني في السلسلة يضم 14 مليار معلمة، وتم تدريبه على بيانات ويب عالية الجودة إلى جانب عروض مختارة من نموذج o3-mini. يقدم حلولاً في مسائل الرياضيات، البرمجة، والعلوم كما يتميز بأداء متفوق في المجالات التقنية المعقدة.
Phi 4 reasoning plus: نموذج يتميز بدقة تضاهي النماذج العملاقة هذا النموذج هو نسخة مطورة من Phi-4 الأصلي، مُهيأ ليحقق دقة أعلى في مهام محددة. يُقارب أداء نموذج R1 (رغم أن الأخير يحتوي على 671 مليار معلمة).في الاختبارات: تساوى تقريبًا مع o3-mini في اختبار OmniMath ويمتاز بقوة أداء هائلة مقابل حجم أصغر.
لماذا هذه النماذج مهمة؟
عائلة Phi تقدم لمطوري التطبيقات أدوات ذكاء اصطناعي قوية بحجم صغير، مناسبة لتطبيقات الحوسبة على الحافة (Edge AI) — أي التطبيقات التي تعمل على الأجهزة مباشرة من دون الحاجة لخوادم ضخمة.
تهدف مايكروسوفت، من خلال هذه النماذج إلى تمكين المطورين من بناء تطبيقات أسرع، وأخف، وأكثر ذكاءً.
مع إطلاق نماذج Phi 4 الجديدة، تثبت مايكروسوفت أنها ماضية بقوة نحو إعادة تشكيل مشهد الذكاء الاصطناعي، ليس فقط من حيث الأداء، بل من خلال تقديم حلول عملية تناسب احتياجات المطورين والتطبيقات الحديثة.
وبينما يواصل الذكاء الاصطناعي التوليدي لعب دور أكبر في التعليم، البرمجة، والأعمال، فمن المتوقع أن تصبح نماذج مثل Phi 4 جزءًا أساسيًا من الأدوات المستخدمة لتطوير تطبيقات ذكية تعمل بكفاءة وسرعة على الأجهزة الطرفية. هذه الخطوة قد تفتح الباب أمام موجة جديدة من الابتكار.
ومع توافر هذه النماذج عبر منصة Hugging Face، فإن الطريق أصبح ممهدًا أمام مجتمع المطورين لاستكشاف إمكانياتها، وتوظيفها لبناء الجيل القادم من التطبيقات الذكية.
لمياء الصديق (أبوظبي)
الفنان خالد كمال: بجدد دعمي الشخصي لمهرجان الإسكندرية للفيلم القصير