إيتان جينسبيرج، المؤسس المشارك لشركة Martian – سلسلة المقابلات

إيتان جينسبيرج هو المؤسس المشارك لـ المريخ، منصة تقوم بتوجيه كل مطالبة ديناميكيًا إلى أفضل ماجستير في القانون. من خلال التوجيه، تحقق Martian أداءً أعلى وتكلفة أقل من أي مزود فردي، بما في ذلك GPT-4. تم بناء النظام على تقنية رسم الخرائط النموذجية الفريدة للشركة والتي تقوم بتفريغ ماجستير إدارة الأعمال من الصناديق السوداء المعقدة إلى بنية أكثر قابلية للتفسير، مما يجعله أول تطبيق تجاري لقابلية التفسير الآلي.

كان إيتان يقوم ببرمجة وتصميم مواقع الويب وبناء الأعمال التجارية الإلكترونية للعملاء منذ أن كان في المدرسة الإعدادية. الموسوعي إيتان هو أحد المنافسين في بطولة العالم للذاكرة وحصل على المركز الثاني في بطولة العالم للقراءة السريعة في شنتشن، الصين.

وهو منافس vid hackathon. تشمل الجوائز السابقة الجائزة الثالثة في Tech Crunch SZ، وأفضل 3 متأهلين للتصفيات النهائية في Princeton Hackathon، و7 جوائز صناعية في Yale Hackathon.

أنت مؤسس سابق لشركة ناشئة مرتين، ما هي هذه الشركات وماذا تعلمت من هذه التجربة؟

كانت شركتي الأولى هي أول منصة للترويج والنهوض برياضة النينجا الأمريكية المحاربة. في عام 2012، نظرت إلى لعبة American Ninja Warrior باعتبارها رياضة تحت الأرض (أشبه بفنون القتال المختلطة في التسعينيات) وقمت بإنشاء أول منصة حيث يمكن للناس شراء المخططات، وطلب العوائق، والعثور على صالات رياضية للتدريب. لقد قمت باستشارة الشركات التي تتطلع إلى إنشاء صالات رياضية خاصة بها، بما في ذلك مساعدة القوات الخاصة الأمريكية من خلال دورة تدريبية وتوسيع نطاق المنشأة من رسم المناديل إلى إيرادات بقيمة 90 ألف دولار في الأشهر الثلاثة الأولى. على الرغم من أنني كنت في المدرسة الثانوية، إلا أنني حصلت على تجربتي الأولى في إدارة فرق تضم أكثر من 300 عاملاً وتعلمت عن الإدارة الفعالة والعلاقات الشخصية.

كانت شركتي الثانية هي شركة بديلة لإدارة الأصول شاركت في تأسيسها في عام 2017 قبل موجة الطرح الأولي للعملات المشفرة. كان هذا أول تعرض لي للبرمجة اللغوية العصبية حيث استخدمنا تحليل المشاعر لبيانات وسائل التواصل الاجتماعي كاستراتيجية استثمار.

لقد تعلمت الكثير من المهارات الصعبة والناعمة التي تدخل في إدارة شركة ناشئة - بدءًا من كيفية إدارة الفريق وحتى الجوانب الفنية للبرمجة اللغوية العصبية. وفي الوقت نفسه، تعلمت أيضًا الكثير عن نفسي وعن ما أردت العمل فيه. وأعتقد أن أكثر الشركات نجاحًا يبدأها مؤسسون لديهم رؤية أو هدف أوسع يقودهم. لقد تركت العملات المشفرة في عام 2017 للتركيز على البرمجة اللغوية العصبية (NLP) لأن زيادة وفهم ذكاء البشرية هو الشيء الذي يدفعني حقًا. لقد كنت سعيدًا باكتشاف ذلك.

أثناء التحاقك بجامعة بنسلفانيا، قمت ببعض الأبحاث في مجال الذكاء الاصطناعي، ما الذي كنت تبحث عنه على وجه التحديد؟

ركز بحثنا في الأصل على بناء تطبيقات LLMs. على وجه الخصوص، عملنا على التطبيقات التعليمية لماجستير إدارة الأعمال وكنا نبني أول مدرس معرفي مدعوم بماجستير إدارة الحقوق. وكانت النتائج جيدة جدًا - فقد شهدنا تحسنًا بمقدار 0.3 انحرافًا معياريًا في نتائج الطلاب في التجارب الأولية - وقد تم استخدام نظامنا من جامعة بنسلفانيا إلى جامعة بوتان.

هل يمكنك مناقشة كيف قادك هذا البحث إلى تأسيس شركة Martian؟

نظرًا لأننا كنا من أوائل الأشخاص الذين قاموا بإنشاء تطبيقات فوق ماجستير إدارة الأعمال، فقد كنا أيضًا من أوائل الأشخاص الذين واجهوا المشكلات التي يواجهها الأشخاص عند إنشاء تطبيقات فوق ماجستير إدارة الأعمال. وقد وجه ذلك بحثنا نحو طبقة البنية التحتية. على سبيل المثال، في وقت مبكر جدًا، قمنا بضبط النماذج الأصغر على مخرجات النماذج الأكبر مثل GPT-3، وضبط النماذج على مصادر البيانات المتخصصة لمهام مثل البرمجة وحل المشكلات الرياضية. أدى ذلك في النهاية إلى مشاكل تتعلق بفهم سلوك النموذج وتوجيه النموذج.

أصول الاسم المريخي وعلاقته بالذكاء مثيرة للاهتمام أيضًا، هل يمكنك مشاركة قصة كيفية اختيار هذا الاسم؟

تم تسمية شركتنا على اسم مجموعة من العلماء المجريين الأمريكيين المعروفين باسم "المريخ". كانت هذه المجموعة، التي عاشت في القرن العشرين، مكونة من بعض أذكى الأشخاص الذين عاشوا على الإطلاق:

• وكان أشهرهم جون فون نيومان; اخترع نظرية الألعاب، وهندسة الكمبيوتر الحديثة، ونظرية الأتمتة، وقدم مساهمات أساسية في عشرات المجالات الأخرى.
• بول إردوس كان عالم الرياضيات الأكثر إنتاجًا على الإطلاق، حيث نشر أكثر من 1500 ورقة بحثية.
• ثيودور فون كارمان أسس النظريات الأساسية للديناميكا الهوائية وساعد في تأسيس برنامج الفضاء الأمريكي. يُطلق على الحدود التي حددها الإنسان بين الأرض والفضاء الخارجي اسم "خط كارمان" تقديراً لعمله.
• ليو تسيلارد اخترع القنبلة الذرية والعلاج الإشعاعي ومسرعات الجسيمات.

هؤلاء العلماء و14 آخرون مثلهم (بما في ذلك مخترع القنبلة الهيدروجينية، والرجل الذي أدخل نظرية المجموعة في الفيزياء الحديثة، والمساهمين الأساسيين في مجالات مثل التوافقيات، ونظرية الأعداد، والتحليل العددي ونظرية الاحتمالات) يشتركون في تشابه ملحوظ - جميعهم ولدوا في نفس الجزء من بودابست. وقد دفع ذلك الناس إلى التساؤل: ما هو مصدر هذا القدر الكبير من المعلومات الاستخباراتية؟

رداً على ذلك، قال زيلارد مازحاً: "المريخيون موجودون هنا بالفعل، ويطلقون على أنفسهم اسم المجريين!" في الواقع... لا أحد يعرف.

تجد البشرية نفسها في وضع مماثل اليوم فيما يتعلق بمجموعة جديدة من العقول التي يحتمل أن تكون فائقة الذكاء: الذكاء الاصطناعي. يعرف الناس أن النماذج يمكن أن تكون ذكية بشكل لا يصدق، ولكن ليس لديهم أي فكرة عن كيفية عملها.

مهمتنا هي الإجابة على هذا السؤال – فهم الذكاء الفائق الحديث وتسخيره.

لديك تاريخ من إنجازات الذاكرة المذهلة، كيف انغمست في تحديات الذاكرة هذه وكيف ساعدتك هذه المعرفة في مفهوم المريخ؟

في معظم الألعاب الرياضية، يمكن للرياضي المحترف أن يؤدي حوالي 2-3 أضعاف أداء الشخص العادي (قارن مدى قدرة الشخص العادي على ركل المرمى الميداني أو مدى سرعة رمي الكرة السريعة مقارنة بالمحترف). تعتبر رياضات الذاكرة رائعة لأن أفضل الرياضيين يمكنهم حفظ 100 مرة أو حتى 1000 مرة أكثر من الشخص العادي مع تدريب أقل من معظم الألعاب الرياضية. علاوة على ذلك، فإن هؤلاء غالبًا ما يكونون أشخاصًا يتمتعون بذاكرة طبيعية متوسطة وينسبون أداءهم إلى تقنيات محددة يمكن لأي شخص تعلمها. أريد تعظيم المعرفة البشرية، ولقد رأيت بطولة العالم للذاكرة باعتبارها نظرة ثاقبة لا تحظى بالتقدير الكافي حول الكيفية التي يمكننا بها تحقيق عوائد غير عادية من خلال زيادة الذكاء البشري.

كنت أرغب في نشر تقنيات الذاكرة في جميع أنحاء نظام التعليم، لذلك بدأت في استكشاف كيف يمكن للبرمجة اللغوية العصبية وLLMs المساعدة في تقليل تكلفة الإعداد التي تمنع استخدام الأساليب التعليمية الأكثر فعالية في نظام التعليم السائد. لقد قمت أنا وياش بإنشاء أول مدرس معرفي يعتمد على LLM مما أدى بنا إلى اكتشاف المشكلات المتعلقة بنشر LLM والتي نساعد الآن في حلها اليوم.

يقوم Martian بشكل أساسي بتجريد القرار بشأن نموذج اللغة الكبير (LLM) الذي يجب استخدامه، لماذا يعتبر هذا حاليًا نقطة ضعف للمطورين؟

لقد أصبح إنشاء نماذج اللغة أسهل فأسهل - فقد انخفضت تكلفة الحوسبة، وأصبحت الخوارزميات أكثر كفاءة، كما يتوفر المزيد من الأدوات مفتوحة المصدر لإنشاء هذه النماذج. ونتيجة لذلك، يقوم المزيد من الشركات والمطورين بإنشاء نماذج مخصصة مدربة على البيانات المخصصة. وبما أن هذه النماذج لها تكاليف وقدرات مختلفة، يمكنك الحصول على أداء أفضل باستخدام نماذج متعددة، ولكن من الصعب اختبارها جميعًا والعثور على النماذج المناسبة للاستخدام. نحن نحرص على ذلك للمطورين.

هل يمكنك مناقشة كيفية فهم النظام لمادة LLM الأفضل استخدامها لكل مهمة محددة؟

يعد التوجيه الجيد في الأساس مشكلة تتعلق بفهم النماذج. للتنقل بين النماذج بشكل فعال، يجب أن تكون قادرًا على فهم أسباب فشلها أو نجاحها. تتيح لنا القدرة على فهم هذه الخصائص من خلال تعيين النموذج تحديد مدى جودة أداء أي نموذج معين عند الطلب دون الحاجة إلى تشغيل هذا النموذج. ونتيجة لذلك، يمكننا إرسال هذا الطلب إلى النموذج الذي سينتج أفضل نتيجة.

هل يمكنك مناقشة نوع التوفير في التكاليف الذي يمكن رؤيته من خلال تحسين ما يتم استخدام LLM فيه؟

نحن نسمح للمستخدمين بتحديد كيفية المفاضلة بين التكلفة والأداء. إذا كنت تهتم فقط بالأداء، فيمكننا التفوق على GPT-4 في openai/evals. إذا كنت تبحث عن تكلفة محددة حتى تنجح اقتصاديات الوحدة الخاصة بك، فإننا نسمح لك بتحديد التكلفة القصوى لطلبك، ثم العثور على أفضل نموذج لإكمال هذا الطلب. وإذا كنت تريد شيئًا أكثر ديناميكية، فإننا نسمح لك بتحديد المبلغ الذي ترغب في دفعه للحصول على إجابة أفضل - وبهذه الطريقة، إذا كان هناك نموذجان لهما أداء مماثل ولكن هناك اختلاف كبير في التكلفة، فيمكننا أن نسمح لك باستخدام النماذج الأقل تكلفة . وقد شهد بعض عملائنا انخفاضًا يصل إلى 12 ضعفًا في التكلفة.

ما هي رؤيتك لمستقبل المريخ؟

في كل مرة نقوم فيها بتحسين فهمنا الأساسي للنماذج، يؤدي ذلك إلى نقلة نوعية في الذكاء الاصطناعي. كان الضبط الدقيق هو النموذج الذي يحركه فهم المخرجات. المطالبة هي النموذج الذي يحركه فهم المدخلات. هذا الاختلاف الوحيد في فهمنا للنماذج هو ما يميز التعلم الآلي التقليدي (“دعونا ندرب تراجعًا”) والذكاء الاصطناعي التوليدي الحديث (“دعونا نحفز الذكاء الاصطناعي العام الصغير”).

هدفنا هو تحقيق اختراقات مستمرة في مجال التفسير حتى يتم فهم الذكاء الاصطناعي بشكل كامل وتكون لدينا نظرية للذكاء قوية مثل نظرياتنا في المنطق أو حساب التفاضل والتكامل.

بالنسبة لنا، هذا يعني البناء. وهذا يعني إنشاء أدوات رائعة للذكاء الاصطناعي ووضعها في أيدي الناس. إنه يعني إطلاق الأشياء التي تكسر القالب، والتي لم يفعلها أحد من قبل، والتي - أكثر من أي شيء آخر - مثيرة للاهتمام ومفيدة.

وعلى حد تعبير السير فرانسيس بيكون: "المعرفة قوة". وبناءً على ذلك، فإن أفضل طريقة للتأكد من أننا نفهم الذكاء الاصطناعي هي إطلاق أدوات قوية. في رأينا، يعد جهاز التوجيه النموذجي أداة من هذا النوع. نحن متحمسون لبنائه وتنميته ووضعه في أيدي الناس.

هذه هي الأداة الأولى من بين العديد من الأدوات التي سنصدرها في الأشهر المقبلة. لاكتشاف نظرية جميلة للذكاء الاصطناعي، ولتمكين أنواع جديدة تمامًا من البنية التحتية للذكاء الاصطناعي، للمساعدة في بناء مستقبل أكثر إشراقًا لكل من الإنسان والآلة - لا يمكننا الانتظار لمشاركة هذه الأدوات معك.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا المريخ.