نموذج الذكاء الاصطناعي المتعدد الوسائط من جوجل – غيميني: غوص sâu تقني

قدّم ساندر بيتشاي، الرئيس التنفيذي لجوجل، وديميس هاسابيس من Google DeepMind، نموذج Gemini في ديسمبر 2023. هذا النموذج الجديد للغة الكبيرة متكامل عبر منتجات جوجل الواسعة، ويعرض تحسينات تنتشر عبر الخدمات والأدوات التي يستخدمها الملايين.

غيميني، نموذج الذكاء الاصطناعي المتعدد الوسائط المتقدم من جوجل، هو ناتج عن الجهود التعاونية للمختبرات الموحدة ديب مايند وBrain للذكاء الاصطناعي. غيميني يبني على إنجازات النماذج السابقة، ويتعهد بتوفير مجموعة تطبيقات أكثر اتصالاً وذكاء.

إعلان جوجل عن غيميني، الذي يأتي بعد ظهور بارد وDuet AI وبالم 2 إل إل إم، يُظهر نية واضحة من جوجل لتحقيق ليس فقط المنافسة ولكن القيادة في ثورة الذكاء الاصطناعي.

على عكس أي مفاهيم عن شتاء الذكاء الاصطناعي، يشير إطلاق غيميني إلى ربيع الذكاء الاصطناعي المزدهر، الذي يغمر بالفرص والنمو. عندما ننظر إلى عام منذ ظهور تشات جي بي تي، الذي كان لحظة رائدة للذكاء الاصطناعي، يشير تحرك جوجل إلى أن توسع الصناعة بعيد عن الانتهاء؛ في الواقع، قد يكون فقط يكتسب زخما.

ما هو غيميني؟

نموذج غيميني من جوجل قادر على معالجة أنواع بيانات متنوعة مثل النصوص والصور والصوت والفيديو. يأتي في ثلاثة إصدارات – Ultra و برو و نانو – كل منها مخصص لتطبيقات محددة، من المهام المعقدة إلى الاستخدام على الجهاز. Ultra يمتاز في المهام المتعددة الجوانب وسيكون متاحًا على بارد أدفانسد، في حين يقدم برو توازنًا بين الأداء والكفاءة في الموارد، وقد تم دمجه بالفعل في بارد للتعامل مع المطالبات النصية. نانو، الذي تم تحسينه للاستخدام على الجهاز، يأتي بحجمين ويتميز بتحسينات الأجهزة مثل التكميم بدقة 4 بت للاستخدام دون اتصال في أجهزة مثل بيكسل 8 برو.

الهيكل المعماري لغيميني فريد في قدرته على الإخراج المتعدد الوسائط، باستخدام رموز الصور المنفصلة لتوليد الصور ودمج الميزات الصوتية من نموذج الكلام العالمي لفهم دقيق للصوت. قدرته على معالجة بيانات الفيديو كصور متسلسلة، متشابكة مع مدخلات النص أو الصوت، تظهر قوته المتعددة الوسائط.

يدعم غيميني تسلسلات النصوص والصور والصوت والفيديو بوصفها مدخلات.

الوصول إلى غيميني

يتم طرح غيميني 1.0 عبر نظام جوجل، بما في ذلك بارد، الذي يستفيد الآن من القدرات المحسّنة لغيميني برو. كما قامت جوجل بدمج غيميني في خدمات البحث والإعلانات وديت، مما يعزز تجربة المستخدم باستجابات أسرع وأكثر دقة.

للمستخدمين الذين يرغبون في استغلال قدرات غيميني، يوفر جوجل آي ستوديو وجوجل كلاود فيرتكس الوصول إلى غيميني برو، مع تقديم الأخير ميزات تخصيص وأمان أكبر.

للمستخدمين الذين يرغبون في تجربة القدرات المحسنة لبارد بدعم من غيميني برو، يمكن اتباع الخطوات التالية:

1. التنقل إلى بارد: افتح متصفحك المفضل وانتقل إلى موقع بارد.
2. تسجيل الدخول الآمن: الوصول إلى الخدمة عن طريق تسجيل الدخول بحساب جوجل الخاص بك، مما يضمن تجربة سلسة وآمنة.
3. المحادثة التفاعلية: يمكنك الآن استخدام بارد، حيث يمكنك اختيار الميزات المتقدمة لغيميني برو.

قوة تعدد الوسائط

في جوهره، يستخدم غيميني بنية قائمة على المحوّلات (Transformer)، شبيهة بالبنى المستخدمة في نماذج معالجة اللغة الطبيعية الناجحة مثل GPT-3. ومع ذلك، يكمن فرق غيميني في قدرته على معالجة وتكامل المعلومات من وسائط متعددة، بما في ذلك النصوص والصور والرمز البرمجي. يتم تحقيق ذلك من خلال تقنية جديدة تسمى الانتباه العابر للوسائط، والتي تمكن النموذج من تعلم العلاقات والاعتماديات بين أنواع البيانات المختلفة.

هنا يأتي تفصيل المكونات الرئيسية لغيميني:

• مُرمِّز متعدد الوسائط: تُعالَج بيانات المدخلات من كل وسيط (مثل النصوص والصور) بشكل مستقل، مع استخراج الميزات ذات الصلة وتوليد تمثيلات فردية.
• شبكة الانتباه العابر للوسائط: هذه الشبكة هي قلب غيميني. تسمح للنموذج بتعلم العلاقات والاعتماديات بين التمثيلات، مما يتيح لها “التحدث” مع بعضها البعض وتعزيز فهمها.
• مُفكِّك ترميز متعدد الوسائط: يستخدم هذا المكوّن التمثيلات المعززة التي تم توليدها بواسطة شبكة الانتباه العابر للوسائط لتنفيذ مهام مختلفة، مثل توليد التعليقات الوصفية للصور، وتوليد الصور من النصوص، وتوليد الشيفرة البرمجية.

نموذج غيميني ليس فقط حول فهم النصوص أو الصور – بل حول دمج أنواع مختلفة من المعلومات بطريقة أقرب إلى كيفية تصورنا للعالم. على سبيل المثال، يمكن لغيميني النظر إلى تسلسل من الصور وتحديد الترتيب المنطقي أو المكاني للأشياء داخلها. كما يمكنه تحليل ميزات التصميم للأشياء لاتخاذ أحكام، مثل تحديد أي من سيارتين له شكل أكثر انسيابية.

لكن مهارات غيميني تتجاوز فهم الصور فقط. يمكنه تحويل مجموعة من الإرشادات إلى رمز برمجي، مما يخلق أدوات عملية مثل مؤقت العد التنازلي الذي لا يعمل فقط كما هو موضح ولكن يحتوي أيضًا على عناصر إبداعية مثل الرموز التعبيرية التحفيزية لتعزيز تفاعل المستخدم. هذا يشير إلى قدرته على التعامل مع المهام التي تتطلب مزيجًا من الإبداع والوظيفية – مهارات غالبًا ما تعتبر فريدة من نوعها للإنسان.

قدرات غيميني في الاستدلال المكاني (المصدر)

تمتد قدرات غيميني إلى تنفيذ مهام البرمجة (المصدر)

تصميم غيميني المتقدم يعتمد على تاريخ غني من البحث في الشبكات العصبية ويستفيد من تقنية وحدات معالجة الموترات (TPU) المتقدمة لدى جوجل في التدريب. غيميني Ultra، على وجه الخصوص، قد حدد معايير جديدة في مختلف مجالات الذكاء الاصطناعي، مما يظهر أداءً ملحوظًا في مهام التفكير المتعدد الوسائط.

بقدرته على تحليل وفهم البيانات المعقدة، يقدم غيميني حلولًا للتطبيقات الواقعية، خاصة في التعليم. يمكنه تحليل حلول المسائل وتصحيحها، مثل في الفيزياء، عن طريق فهم الملاحظات المكتوبة بخط اليد وتقديم تنضيد رياضي دقيق. هذه القدرات تشير إلى مستقبل حيث يساعد الذكاء الاصطناعي في الإعدادات التعليمية، مما يوفر للمتعلمين والمعلمين أدوات متقدمة للتعلم وحل المشكلات.

تم استخدام غيميني لإنشاء وكلاء مثل ألفا كود 2، الذي يمتاز في مشاكل البرمجة التنافسية. هذا يظهر إمكانات غيميني ليعمل كنظام ذكاء اصطناعي واسع الاستخدام، قادر على التعامل مع مشاكل معقدة متعددة الخطوات.

غيميني نانو يأتي بقوة الذكاء الاصطناعي إلى الأجهزة اليومية، مع الحفاظ على قدرات مثيرة في مهام مثل تلخيص النصوص وفهم القراءة، بالإضافة إلى التحديات البرمجية والعلوم والتقنيات والهندسة والرياضيات. هذه النماذج الصغيرة يتم تحسينها لتقديم وظائف ذكاء اصطناعي عالية الجودة على أجهزة منخفضة الذاكرة، مما يجعل الذكاء الاصطناعي المتقدم أكثر سهولة الوصول من أي وقت مضى.

تطوير غيميني شمل تحسينات في خوارزميات التدريب والبنية التحتية، باستخدام أحدث تي بي يو من جوجل. وقد أتاح ذلك التوسع بكفاءة وإجراء عمليات تدريب متينة، مما يضمن أن حتى أصغر النماذج تقدم أداءً استثنائيًا.

مجموعة بيانات التدريب لغيميني متنوعة مثل قدراته، وتشمل وثائق الويب والكتب والرمز البرمجي والصور والصوت والفيديو. هذه المجموعة من البيانات المتعددة الوسائط واللغات تضمن أن نماذج غيميني يمكنها فهم ومعالجة أنواع مختلفة من المحتوى بفعالية.

غيميني و جي بي تي-4

على الرغم من ظهور نماذج أخرى، السؤال على لسان الجميع هو كيف يقف نموذج غيميني من جوجل مقابل جي بي تي-4 من أوبين آي، المعيار الصناعي للنماذج الجديدة للغة. تشير بيانات جوجل إلى أن GPT-4 قد يتفوق في مهام الاستدلال القائم على المعرفة العامة، بينما يتقدم غيميني Ultra في معظم المجالات الأخرى.

مقارنة غيميني وGPT-4

الأداء المثير لغيميني في مجموعة متنوعة من المهام. بشكل ملحوظ، حقق غيميني Ultra نتائج رائعة في اختبار إم إم إل يو بنسبة دقة 90.04٪، مما يشير إلى فهمه الأفضل في الأسئلة متعددة الخيارات عبر 57 مادة.

في اختبار جي إس إم 8 كي، الذي يُقيّم أسئلة الرياضيات في المراحل الابتدائية، يسجل غيميني Ultra 94.4٪، مما يُظهر مهاراته المتقدمة في معالجة الحساب. في اختبارات البرمجة، يحقق غيميني Ultra نسبة 74.4٪ في اختبار HumanEval لتوليد شيفرة Python، مما يُظهر فهمه القوي للغة البرمجة.

اختبار دروب، الذي يُقيّم فهم القراءة، يرى غيميني Ultra يتقدم مرة أخرى بنسبة 82.4٪. في اختبار HellaSwag للاستدلال القائم على المعرفة العامة، يُظهر غيميني Ultra أداءً جيدًا، على الرغم من أنه لا يتجاوز المعيار العالي الذي حددته جي بي تي-4.

الخلاصة

هيكل غيميني الفريد، مدعوم بتكنولوجيا جوجل المتقدمة، يجعله لاعبًا قويًا في ساحة الذكاء الاصطناعي، ويتحدى المعايير الحالية التي حددتها نماذج مثل جي بي تي-4. إصداراته – Ultra وبرو ونانو – كلها تخدم احتياجات محددة، من المهام المعقدة إلى التطبيقات الفعالة على الأجهزة، مما يُظهر التزام جوجل بجعل الذكاء الاصطناعي المتقدم متاحًا عبر منصات وأجهزة مختلفة.

دمج غيميني في نظام جوجل، من بارد إلى جوجل كلاود فيرتكس، يُظهر إمكاناته لتعزيز تجارب المستخدمين عبر طيف من الخدمات. إنه ليس فقط لتحسين التطبيقات الحالية ولكن أيضًا لفتح آفاق جديدة للحلول التي تعتمد على الذكاء الاصطناعي، سواء في المساعدة الشخصية أو الأعمال الإبداعية أو التحليلات التجارية.

بالنظر إلى المستقبل، تؤكد التطورات المستمرة في نماذج الذكاء الاصطناعي مثل غيميني أهمية مواصلة البحث والتطوير. تحديات تدريب نماذج متقدمة مثل هذه وتحقيق استخدامها الأخلاقي والمسؤول يبقون في صدارة النقاش.