إنها لحظة مثيرة للاهتمام في عالم الذكاء الاصطناعي. فعلى مدى وقت طويل، سار التقدم في هذا المجال وفق قاعدة بسيطة: اجعل النماذج أكبر. المزيد من المعاملات، والمزيد من البيانات، والمزيد من القدرة الحاسوبية. وقد نجح هذا النهج، لكنه خلق أيضًا مشكلات خطيرة. فتدريب النماذج الكبيرة مكلف وبطيء ويستهلك قدرًا هائلًا من الطاقة.
مؤخرًا، قدمت Nvidia فكرة مختلفة تُسمى Mixture of Experts، أو MOE. فبدلًا من تفعيل الشبكة العصبية بالكامل لكل مهمة، يتعلم النموذج اختيار الأجزاء من النظام التي يحتاجها فعلًا. ويعمل كل جزء كخبير في مجال محدد. وبالنسبة إلى أي سؤال معيّن، لا يُستخدم إلا الخبراء الأكثر صلة.
وهذا يجعل النظام أكثر كفاءة وأكثر مرونة. وهو يشبه إلى حد كبير الطريقة التي يعمل بها الناس. فأنت لا تطلب المساعدة من كل شخص تعرفه في كل مشكلة. بل تلجأ إلى الأشخاص الأنسب لذلك الموقف. ومع MOE، يمكن لأنظمة الذكاء الاصطناعي أن تصبح أذكى من دون أن تصبح ثقيلة بلا داعٍ.
يعتقد كثير من الباحثين أن هذا التوجه مهم للهدف طويل الأمد المتمثل في الذكاء الاصطناعي العام، أو AGI. فالنظام القادر على التعامل مع أنواع كثيرة ومختلفة من المشكلات يحتاج إلى أكثر من مجرد الحجم الخام. إنه يحتاج إلى اتخاذ القرار. ويحتاج إلى معرفة أي القدرات يستخدم ومتى.
وهذه الفكرة لا تقتصر على الأوراق البحثية.
في الواقع، نحن نعمل في Dvina وفق نهج مشابه. فمنذ البداية، افترضنا أنه لا يوجد نموذج لغوي واحد أو أداة واحدة يمكن أن تكون جيدة في كل شيء. وبدلًا من الاعتماد على نموذج واحد، بنينا طبقة تنسيق تعمل فوق عدة نماذج وأدوات ومصادر بيانات.
وتعمل طبقة التنسيق هذه كطبقة لاتخاذ القرار. فعندما يطرح المستخدم سؤالًا، تقرر أي نموذج أو مورد ينبغي استخدامه. أحيانًا تستخدم واحدًا فقط. وأحيانًا تجمع بين عدة نماذج وتدمج النتائج. والهدف ليس إظهار التعقيد، بل إخفاؤه خلف تجربة بسيطة.
والنتيجة هي نظام يبدو متكيفًا. فأنت تطرح سؤالًا، ويتولى النظام معرفة كيفية الإجابة عنه بأكثر الطرق كفاءة. وهذا قريب جدًا في روحه مما تقترحه MOE على مستوى النموذج، لكنه مطبق على مستوى النظام.
لم يصل AGI بعد. لكن أفكارًا مثل MOE تُظهر أن الطريق إلى الأمام لا يتعلق فقط بالتوسع في الحجم. بل يتعلق بالبنية، والتنسيق، والاستخدام الأذكى للموارد.
إذا كنت مهتمًا بمعرفة كيف يبدو هذا النوع من النهج عمليًا، فيمكنك تجربة Dvina مجانًا على https://dvina.ai. إنه ليس AGI، لكنه يمنحك لمحة صغيرة عن الطريقة التي قد تفكر بها أنظمة الذكاء الاصطناعي المستقبلية وتعمل بها.
