المدخل والتطور الذكاء الاصطناعي التوليدي كان سريعًا وشديدًا لدرجة أن من الصعب حقًا تقدير مدى تغيير هذه التكنولوجيا لحياتنا.

التراجع إلى ثلاث سنوات فقط. نعم، كان الذكاء الاصطناعي يصبح أكثر انتشارًا، على الأقل في النظرية. أكثر الناس يعرفون بعض الأشياء التي يمكنه القيام بها، على الرغم من أن هناك سوء فهمًا كبيرًا حول قدرات الذكاء الاصطناعي. بطريقة ما، تم إعطاء التكنولوجيا في نفس الوقت القليل جدًا والكثير جدًا من الائتمان لما يمكنه تحقيقه بالفعل. ومع ذلك، يمكن للشخص العادي أن يشير إلى منطقة أو منطقة واحدة على الأقل حيث يعمل الذكاء الاصطناعي، ويؤدي مهام متخصصة جيدًا، في بيئات خاضعة للرقابة. أي شيء آخر كان إما لا يزال في مختبر البحث، أو ببساطة لم يكن موجودًا.

قارن ذلك باليوم. مع مهارات لا تزيد على القدرة على كتابة جملة أو طرح سؤال، العالم عند أطراف أصابعنا. يمكننا توليد صور وموسيقى وأفلام فريدة ومرئية حقًا، ولديها القدرة على تعطيل صناعات كاملة. يمكننا تعزيز عملية محرك البحث، وطرح سؤال بسيط إذا تم صياغته بشكل صحيح، يمكن أن يولد صفحات من المحتوى المخصص جيدًا بما يكفي لتمريره كباحث مدرب في الجامعة … أو طالب في المرحلة الابتدائية إذا حددنا وجهة النظر. على الرغم من أن هذه القدرات كانت تعتبر مستحيلة تمامًا قبل بضع سنوات فقط، أصبحت شائعة في عام أو عامين.

اليوم، قام العديد من الأشخاص بالتجربة مع الذكاء الاصطناعي التوليدي مثل ChatGPT أو Midjourney أو أدوات أخرى. لقد دمجها آخرون بالفعل في حياتهم اليومية. سرعة تطور هذه الأدوات هو سريع لدرجة أن تكون مخيفًا. ونظرًا للتقدم الذي تم إحرازه في الأشهر الستة الماضية، فمن المؤكد أننا سوف نتعرض لصدمات متكررة في السنوات القليلة القادمة.

أداة محددة في اللعب داخل الذكاء الاصطناعي التوليدي هي أداء أنظمة التوليد المعزز بالاسترجاع (RAG)، وقدرتهم على التفكير من خلال استفسارات معقدة بشكل خاص. مدخل مجموعة بيانات FRAMES، كما هو موضح بالتفصيل في مقال حول كيفية عمل مجموعة البيانات التقييمية، يظهر كل من حالة الفن الحالية والاتجاه الذي تتحرك فيه. حتى منذ إدخال FRAMES في أواخر عام 2024، قامت منصات عديدة بالفعل بتحقيق أرقام قياسية جديدة في قدرتهم على التفكير من خلال استفسارات صعبة ومعقدة.

دعونا نغوص في ما تمثل FRAMES لتقييمه وكيف يؤدي نماذج الذكاء الاصطناعي التوليدي بشكل جيد. يمكننا رؤية كيف تحافظ منصات اللامركزية ومفتوحة المصدر ليس فقط على مواقعها (مثل Sentient Chat)، بل تسمح للمستخدمين بالحصول على نظرة واضحة على التفكير الرائع الذي يمكن أن تحققه بعض نماذج الذكاء الاصطناعي.

FRAMES كنافذة إلى دماغ GenAI

تركز مجموعة بيانات FRAMES وعملية التقييم على 824 سؤال “متعدد القفزات” مصممة لت đòi الاستدلال والاتصال المنطقي، واستخدام عدة مصادر مختلفة لاسترجاع المعلومات الرئيسية، والقدرة على ربطها منطقيًا معًا للإجابة على السؤال. تحتاج الأسئلة إلى ما بين وثيقتين و 15 وثيقة للإجابة عليها بشكل صحيح، وتشمل أيضًا قيودًا وعمليات رياضية واستنتاجات، بالإضافة إلى القدرة على معالجة المنطق الزمني. في otras كلمات، هذه الأسئلة صعبة للغاية وتمثل في الواقع مهام بحث حقيقية قد يقوم بها الإنسان على الإنترنت. نتعامل مع هذه التحديات دائمًا، ويجب علينا البحث عن القطع الرئيسية المبعثرة للمعلومات في بحر مصادر الإنترنت، وربط المعلومات معًا بناءً على مواقع مختلفة، وإنشاء معلومات جديدة من خلال الحساب والاستنتاج، وفهم كيفية توحيد هذه الحقائق في إجابة صحيحة للسؤال.

ما وجده الباحثون عند إطلاق مجموعة البيانات لأول مرة واختبارها هو أن أفضل نماذج GenAI كانت قادرة على بعض الدقة (حوالي 40%) عندما كان عليهم الإجابة باستخدام طرق من خطوة واحدة، ولكن يمكنهم تحقيق دقة 73% إذا سمح لهم بجمع جميع الوثائق اللازمة للإجابة على السؤال. نعم، 73% قد لا يبدو مثل الثورة. لكن إذا كنت تفهم بالضبط ما يجب الإجابة عليه، يصبح الرقم أكثر إثارة للإعجاب.

على سبيل المثال، أحد الأسئلة المحددة هو: “في أي سنة ولد قائد الفرقة التي أدت الأغنية الأصلية التي تمت صياغتها في أغنية كيني ويست Power؟” كيف سوف ي解决 الإنسان هذه المشكلة؟ قد يرى الشخص أنه يحتاج إلى جمع عناصر مختلفة من المعلومات، مثل كلمات أغنية كيني ويست التي تسمى “Power”، ثم يكون قادرًا على النظر من خلال الكلمات و تحديد النقطة في الأغنية التي تمت صياغة أغنية أخرى فيها. يمكننا كبشر أن نستمع إلى الأغنية (حتى لو كنا غير مألوفين بها) ونكون قادرين على معرفة متى يتم صياغة أغنية أخرى.

ولكن فكر في الأمر: ماذا يجب على GenAI أن يحققه لاكتشاف أغنية أخرى غير الأصلية أثناء “استماع” لها؟ यह هو المكان الذي يصبح السؤال البسيط اختبارًا ممتازًا للذكاء الاصطناعي الحقيقي. وإذا كنا قادرين على العثور على الأغنية والاستماع إليها وتحديد الكلمات التي تمت صياغتها، فهذا هو فقط الخطوة 1. لا تزال بحاجة إلى معرفة ما هي اسم الأغنية، ما هي الفرقة، من هو قائد الفرقة، وما هي السنة التي ولد فيها.

FRAMES تظهر أن الإجابة على الأسئلة الواقعية تتطلب كمية هائلة من معالجة الفكر. هناك أمران يأتيان إلى الذهن هنا.

أولاً، القدرة على النماذج اللامركزية من GenAI على المنافسة، بل على التغلب المحتمل على النتائج، هو شيء رائع. هناك عدد متزايد من الشركات تستخدم الطريقة اللامركزية لتوسيع قدرات المعالجة الخاصة بها مع ضمان أن يمتلك مجتمع كبير البرنامج، وليس صندوقًا أسودًا مركزيًا لن يشارك تقدمه. الشركات مثل Perplexity و Sentient تقود هذه الاتجاه، كل منها بهذه النماذج القوية التي تؤدي بشكل أفضل من سجلات الدقة الأولى عند إطلاق FRAMES.

العنصر الثاني هو أن عددًا صغيرًا من هذه النماذج الاصطناعية لا يمتلك فقط اللامركزية، بل هي مفتوحة المصدر. على سبيل المثال، Sentient Chat هي كلاهما، وتظهر الاختبارات المبكرة مدى تعقيد التفكير الذي يمكن أن تصل إليه، بفضل الوصول المفتوح المصدر القيم. السؤال FRAMES المذكور يتم الإجابة عليه باستخدام نفس عملية التفكير مثل الإنسان، مع تفاصيل التفكير المتاحة للمراجعة. ربما يكون الأمر الأكثر إثارة للاهتمام هو أن منصتهم منظمة كعديد من النماذج التي يمكنها تعديل منظور ومؤشر أداء معين، حتى لو أدى عملية التعديل في بعض نماذج GenAI إلى تقليل الدقة. في حالة Sentient Chat، تم تطوير العديد من النماذج. على سبيل المثال، تمكنت نموذج حديثة تسمى “Dobby 8B” من الأداء بشكل أفضل من معيار FRAMES، وأيضًا تطوير موقف مؤيد للعملة المشفرة والحرية، مما يؤثر على منظور النموذج أثناء معالجة قطع المعلومات وتطوير إجابة.

على الأفق

المفتاح لجميع هذه الابتكارات الرائعة هو السرعة السريعة التي أتت إلينا. يجب أن ندرك أن التكنولوجيا تطورت بسرعة كبيرة، وستتطور بسرعة أكبر في المستقبل القريب. سوف نكون قادرين على رؤية، خاصة مع نماذج GenAI اللامركزية ومفتوحة المصدر، العتبة الحاسمة حيث يبدأ الذكاء النظام في تجاوز ذكائنا بشكل متزايد، وما يعنيه ذلك للمستقبل.