مسابقة النماذج الكبيرة للذكاء الاصطناعي: هل هي مشكلة هندسية أم تحدٍ علمي؟
في الشهر الماضي، اندلعت "حرب الحيوانات" في عالم الذكاء الاصطناعي.
من جهة، هناك نموذج Llama( الذي أطلقته Meta، والذي يحظى بشعبية كبيرة بين المطورين بسبب خاصيته المفتوحة المصدر. ومن جهة أخرى، هناك نموذج Falcon) الذي طورته مؤسسة الابتكار العلمي في الإمارات. يتصدر كلا النموذجين قائمة LLM المفتوحة المصدر بالتناوب.
من المثير للاهتمام أن حكومة الإمارات العربية المتحدة ذكرت أن المشاركة في مسابقات الذكاء الاصطناعي تهدف إلى "إحداث تغييرات جذرية في اللاعبين الرئيسيين". اليوم، أي دولة أو شركة لديها بعض القوة المالية تعمل على إنشاء نموذجها اللغوي الكبير الخاص بها.
تعود هذه الحالة من "معركة النماذج المئة" إلى الورقة البحثية التي نشرتها جوجل في عام 2017 حول خوارزمية Transformer. لقد حلت Transformer's العديد من المشكلات في معالجة اللغة الطبيعية، مما جعل النماذج الكبيرة تتحول من البحث النظري إلى مشكلة هندسية بحتة. طالما أن هناك قوة حوسبة وبيانات كافية، يمكن لأي فريق تقريبًا تدريب نموذج كبير.
ومع ذلك، فإن تطوير النماذج الكبيرة لا يعني القدرة على الفوز في عصر الذكاء الاصطناعي. على الرغم من أن Llama من Meta لا تحتل مرتبة أعلى من Falcon، إلا أنها لا تزال تعتبر معيارًا للنماذج اللغوية المفتوحة بسبب مجتمع المطورين النشط لديها. وعلى مستوى الأداء، لا يزال هناك فجوة واضحة بين معظم النماذج اللغوية الكبيرة وGPT-4.
تكمن القوة التنافسية الأساسية للنماذج الكبيرة في بناء النظام البيئي أو القدرة على الاستدلال البحت، وليس فقط في حجم المعلمات. بالإضافة إلى ذلك، أصبحت تكاليف القدرة الحاسوبية المرتفعة عقبة أمام تطور الصناعة. وتشير التقديرات إلى أن استثمارات شركات التكنولوجيا العالمية في بنية النماذج الكبيرة التحتية تتجاوز بكثير الإيرادات الناتجة عنها.
حالياً، باستثناء بعض الاستثناءات، لم تتمكن معظم شركات الذكاء الاصطناعي من العثور على نموذج ربحي. حتى الشركات العملاقة في البرمجيات مثل مايكروسوفت وأدوبي تواجه صعوبات في تسعير منتجات الذكاء الاصطناعي.
مع تزايد المنافسة المتجانسة وزيادة النماذج مفتوحة المصدر، قد يواجه مقدمو النماذج الكبيرة ضغوطًا أكبر. في المستقبل، قد تتجلى قيمة الذكاء الاصطناعي بشكل أكبر في سيناريوهات التطبيقات المحددة، بدلاً من النموذج نفسه.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 24
أعجبني
24
7
مشاركة
تعليق
0/400
GasGuzzler
· 07-24 01:36
玩不过就 مفتوح المصدر玩呗~
شاهد النسخة الأصليةرد0
StablecoinEnjoyer
· 07-22 01:32
ما زال ما زال يفهم Llama yyds
شاهد النسخة الأصليةرد0
ForeverBuyingDips
· 07-21 02:33
شراء الانخفاض都抄到AI圈了 呜呜
شاهد النسخة الأصليةرد0
MidnightTrader
· 07-21 02:32
اللعب بالنماذج الكبيرة يكفي، من يدفع المال هو من يفوز.
شاهد النسخة الأصليةرد0
bridge_anxiety
· 07-21 02:24
فقط حوار عن المال
شاهد النسخة الأصليةرد0
FlashLoanLarry
· 07-21 02:19
هههه سباق حرق رأس المال آخر... مقاييس الكفاءة ستكون المفتاح هنا بصراحة
تنافس نماذج الذكاء الاصطناعي الكبيرة: تحديات هندسية أم مسائل تجارية
مسابقة النماذج الكبيرة للذكاء الاصطناعي: هل هي مشكلة هندسية أم تحدٍ علمي؟
في الشهر الماضي، اندلعت "حرب الحيوانات" في عالم الذكاء الاصطناعي.
من جهة، هناك نموذج Llama( الذي أطلقته Meta، والذي يحظى بشعبية كبيرة بين المطورين بسبب خاصيته المفتوحة المصدر. ومن جهة أخرى، هناك نموذج Falcon) الذي طورته مؤسسة الابتكار العلمي في الإمارات. يتصدر كلا النموذجين قائمة LLM المفتوحة المصدر بالتناوب.
من المثير للاهتمام أن حكومة الإمارات العربية المتحدة ذكرت أن المشاركة في مسابقات الذكاء الاصطناعي تهدف إلى "إحداث تغييرات جذرية في اللاعبين الرئيسيين". اليوم، أي دولة أو شركة لديها بعض القوة المالية تعمل على إنشاء نموذجها اللغوي الكبير الخاص بها.
تعود هذه الحالة من "معركة النماذج المئة" إلى الورقة البحثية التي نشرتها جوجل في عام 2017 حول خوارزمية Transformer. لقد حلت Transformer's العديد من المشكلات في معالجة اللغة الطبيعية، مما جعل النماذج الكبيرة تتحول من البحث النظري إلى مشكلة هندسية بحتة. طالما أن هناك قوة حوسبة وبيانات كافية، يمكن لأي فريق تقريبًا تدريب نموذج كبير.
ومع ذلك، فإن تطوير النماذج الكبيرة لا يعني القدرة على الفوز في عصر الذكاء الاصطناعي. على الرغم من أن Llama من Meta لا تحتل مرتبة أعلى من Falcon، إلا أنها لا تزال تعتبر معيارًا للنماذج اللغوية المفتوحة بسبب مجتمع المطورين النشط لديها. وعلى مستوى الأداء، لا يزال هناك فجوة واضحة بين معظم النماذج اللغوية الكبيرة وGPT-4.
تكمن القوة التنافسية الأساسية للنماذج الكبيرة في بناء النظام البيئي أو القدرة على الاستدلال البحت، وليس فقط في حجم المعلمات. بالإضافة إلى ذلك، أصبحت تكاليف القدرة الحاسوبية المرتفعة عقبة أمام تطور الصناعة. وتشير التقديرات إلى أن استثمارات شركات التكنولوجيا العالمية في بنية النماذج الكبيرة التحتية تتجاوز بكثير الإيرادات الناتجة عنها.
حالياً، باستثناء بعض الاستثناءات، لم تتمكن معظم شركات الذكاء الاصطناعي من العثور على نموذج ربحي. حتى الشركات العملاقة في البرمجيات مثل مايكروسوفت وأدوبي تواجه صعوبات في تسعير منتجات الذكاء الاصطناعي.
مع تزايد المنافسة المتجانسة وزيادة النماذج مفتوحة المصدر، قد يواجه مقدمو النماذج الكبيرة ضغوطًا أكبر. في المستقبل، قد تتجلى قيمة الذكاء الاصطناعي بشكل أكبر في سيناريوهات التطبيقات المحددة، بدلاً من النموذج نفسه.