قادة الفكر
كيف ستشغّل نماذج اللغة الكبيرة تطبيقات المستقبل

النقاط الرئيسيةيستخدم الوكلاء نماذج لغوية كبيرة متقدمة مثل GPT-4 للتخطيط الديناميكي للمهام وبناء سلاسل…
عرض المزيد
- يستخدم الوكلاء نماذج لغوية كبيرة متقدمة مثل GPT-4 للتخطيط الديناميكي للمهام وبناء سلاسل العمل بشكل مستقل.
- تجمع السلاسل بين استدعاءات متعددة للنماذج اللغوية الكبيرة مع البيانات الخارجية لإنشاء سير عمل تطبيقي حتمي.
- تمكن التضمينات النماذج اللغوية الكبيرة من الإجابة على الاستعلامات باستخدام السياق المسترجع من قواعد بيانات المتجهات.
الذكاء الاصطناعي التوليدي وخاصة نكهة اللغة – ChatGPT موجود في كل مكان. ستلعب تقنية نموذج اللغة الكبيرة (LLM) دورًا مهمًا في تطوير التطبيقات المستقبلية. النماذج الكبيرة للغة جيدة جدًا في فهم اللغة بسبب التدريب المسبق الشامل الذي تم إجراؤه على نماذج أساسية تريليونات من الأسطر من النص العام ، بما في ذلك الشفرة. الطرق مثل الضبط الدقيق الخاضع للإشراف و التعلم المعزز بالتعليقات البشرية (RLHF) تجعل هذه النماذج الكبيرة أكثر كفاءة في الإجابة على أسئلة محددة والتحادث مع المستخدمين. عندما ندخل المرحلة التالية من تطبيقات الذكاء الاصطناعي التي تعمل بنماذج اللغة الكبيرة – المكونات الرئيسية التالية سوف تكون حاسمة لتطبيقات الجيل التالي. يظهر الشكل التالي هذا التقدم ، وعندما تتحرك لأعلى السلسلة ، تبني ذكاء وتطبيقًا مستقلًا أكثر في تطبيقاتك. دعونا ننظر إلى هذه المستويات المختلفة.

استدعاءات LLM:
هذه هي الاستدعاءات المباشرة إلى نماذج الإكمال أو الدردشة بواسطة مزود LLM مثل Azure OpenAI أو Google PaLM أو Amazon Bedrock. هذه الاستدعاءات لها موجّه بسيط جدًا وغالبًا ما تستخدم الذاكرة الداخلية للنموذج الكبير لإنتاج الإخراج.
مثال: سؤال نموذج أساسي مثل “text-davinci” “روي نكتة”. تعطى سياقًا قليلاً جدًا ويعتمد النموذج على ذاكرته المسبقة المدربة ليتوصل إلى إجابة (محدد باللون الأخضر في الشكل التالي – باستخدام Azure OpenAI).

الموجّهات:
يتمثل المستوى التالي من الذكاء في إضافة مزيد من السياق إلى الموجّهات. ويمكن لتقنيات هندسة الموجّهات أن تجعل نماذج اللغة الكبيرة تقدم استجابات مخصصة. فعند إنشاء رسالة بريد إلكتروني لمستخدم، يمكن تضمين معلومات عنه وعن مشترياته السابقة وأنماط سلوكه في الموجّه لتخصيص الرسالة بصورة أفضل. ويعرف مستخدمو ChatGPT أساليب مختلفة لصياغة الموجّهات، مثل تقديم أمثلة يستعين بها النموذج لبناء استجابته. وهكذا تعزز الموجّهات الذاكرة الداخلية للنموذج بسياق إضافي. وفيما يلي مثال.

التضمينات:
تنتقل التضمينات بالموجّهات إلى المستوى التالي عبر البحث عن سياق في مستودع معرفي وإلحاقه بالموجّه. وتبدأ العملية بجعل مستودع كبير من المستندات ذات النصوص غير المنظمة قابلًا للبحث، عبر فهرسة النصوص وإدخال تمثيلاتها في قاعدة بيانات متجهية. ويُستخدم لذلك نموذج تضمين مثل ada من OpenAI، يحوّل مقطع النص إلى متجه ذي n بُعد. تلتقط هذه التضمينات سياق النص، فتكون تمثيلات الجمل المتشابهة متقاربة في الفضاء المتجهي. وعندما يُدخل المستخدم استعلامًا، يُحوّل بدوره إلى تضمين ويُقارَن بمتجهات قاعدة البيانات. وبذلك تُسترجع أفضل خمسة أو عشرة مقاطع مطابقة لتشكّل السياق. ثم يُمرَّر الاستعلام والسياق إلى نموذج اللغة الكبير ليجيب بصورة تشبه الإنسان.
السلاسل:
اليوم السلاسل هي أكثر تقنية ناضجة ومستخدمة على نطاق واسع لبناء تطبيقات النماذج الكبيرة. السلاسل حتمية حيث سلسلة من استدعاءات النماذج الكبيرة يتم ربطها معًا مع إخراج من استدعاء واحدة يتدفق إلى استدعاء واحدة أو أكثر من النماذج الكبيرة. على سبيل المثال ، يمكننا أن يكون لدينا استدعاء نموذج كبير استفسار قاعدة بيانات SQL والحصول على قائمة بريد إلكتروني للعملاء وإرسال هذه القائمة إلى نموذج كبير آخر سوف يولد بريدًا إلكترونيًا مخصصًا للعملاء. يمكن دمج سلاسل النماذج الكبيرة في تدفقات التطبيقات الحالية لتوليد نتائج أكثر قيمة. باستخدام السلاسل ، يمكننا تعزيز استدعاءات النماذج الكبيرة بالمدخلات الخارجية مثل استدعاءات API والدمج مع الرسوم البيانية المعرفية لتوفير السياق. وعلاوة على ذلك ، اليوم مع توفر العديد من مزودي النماذج الكبيرة مثل OpenAI و AWS Bedrock و Google PaLM و MosaicML وغيرهم ، يمكننا مزج ومطابقة استدعاءات النماذج الكبيرة في السلاسل. لمكونات السلاسل التي لها ذكاء محدود ، يمكن استخدام نموذج كبير أقل مثل “gpt3.5-turbo” ، بينما يمكن استخدام “gpt4” لمهام أكثر تقدمًا. السلاسل توفر تجريدًا للبيانات والتطبيقات واستدعاءات النماذج الكبيرة.
الوكلاء:
الوكلاء هو موضوع العديد من المناقشات على الإنترنت وخاصة فيما يتعلق بالذكاء الاصطناعي العام (AGI). الوكلاء يستخدمون نموذجًا كبيرًا متقدمًا مثل “gpt4” أو “PaLM2” لتخطيط المهام بدلاً من السلاسل المحددة مسبقًا. لذلك ، عندما توجد طلبات المستخدم ، يقرر الوكيل بناءً على الاستفسار ما المجموعة من المهام التي يجب استدعاؤها وينشئ سلسلة ديناميكية. على سبيل المثال ، عندما نُفعل وكيلًا مع أمر مثل “إعلام العملاء عند تغيير معدل النسبة السنوي للقرض (APR) بسبب تحديث اللوائح الحكومية”. إطار الوكيل يجعل استدعاء نموذج كبير لتحديد الخطوات التي يجب اتخاذها أو السلاسل التي يجب بناؤها. هنا سوف يتضمن استدعاء تطبيق يستخرج البيانات من المواقع التنظيمية ويستخلص أحدث معدل للنسبة السنوية ، ثم استدعاء نموذج كبير يبحث قاعدة البيانات ويستخرج عناوين البريد الإلكتروني للعملاء المتأثرين وأخيرًا يتم إنشاء بريد إلكتروني لإعلام الجميع.
أفكار نهائية
النماذج الكبيرة للغة هي تقنية متطورة للغاية ، وتُطلق نماذج وتطبيقات أفضل كل أسبوع. النماذج الكبيرة إلى الوكلاء هي سلم الذكاء ، وعندما نتحرك لأعلى ، نبني تطبيقات مستقلة معقدة. سوف تعني النماذج الأفضل وكلاء أكثر فعالية ، وسوف يتم تشغيل التطبيقات الجيل القادم بواسطة هذه. سوف يخبرنا الوقت كيف سيكون التطبيقات الجيل القادم متقدمًا وما هي الأنماط التي سوف يتم تشغيلها بها.





![AI-generated image (GPT-2 + Photoshop [non-AI]) - a maintenance worker scrapes the word 'Relations' from the frosted glass door of an office labeled 'Human Relations', above newly painted 'Employee Relations', while an HR manager points toward a partially obscured seated industrial robot inside. A yellow-and-black border reads 'AI FANTASY INSIDE' and 'REALITY OUTSIDE'.](https://www.unite.ai/wp-content/uploads/2026/07/handbook-MAIN-400x240.jpg)
![AI-generated image (GPT-2 + Photoshop [non-AI]) - a maintenance worker scrapes the word 'Relations' from the frosted glass door of an office labeled 'Human Relations', above newly painted 'Employee Relations', while an HR manager points toward a partially obscured seated industrial robot inside. A yellow-and-black border reads 'AI FANTASY INSIDE' and 'REALITY OUTSIDE'.](https://www.unite.ai/wp-content/uploads/2026/07/handbook-MAIN-80x80.jpg)





