حالة الحاجة إلى تعزيز تقنية الذكاء الاصطناعي

لقد أصبحت الكثير من المناقشات حول تطوير الذكاء الاصطناعي محكومة بمناقشة مستقبلية وفلسفية – هل يجب أن ننظر إلى الذكاء الاصطناعي العام، حيث سيكون الذكاء الاصطناعي قادرًا على أداء أي مهمة مثل الإنسان؟ هل هذا ممكن؟

في حين أن مناقشة التسارع مقابل التباطؤ مهمة وملائمة مع التطورات مثل نموذج Q-star، هناك جوانب أخرى مهمة. وأهمها أهمية تعزيز حزمة التكنولوجيا، وكيفية القيام بذلك دون إحداث عبء كبير على التكلفة. يمكن أن تشعر هذه التحديات بالتناقض: بناء ونشر النماذج يحتاج إلى تكاليف كبيرة، ولكن الاعتماد المفرط على نموذج واحد يمكن أن يكون ضارًا في المدى الطويل. أنا أعرف هذا التحدي شخصيًا كمنشئ للذكاء الاصطناعي.

لبناء الذكاء، تحتاج إلى مواهب، بيانات، وعمليات حسابية قابلة للتطوير. لتسريع الوقت إلى السوق والقيام بأكثر مع أقل، سيختار الكثير من الشركات بناء على النماذج الحالية بدلاً من البناء من الصفر. وهذا النهج يبدو منطقيًا عندما يكون ما تبنيه يتطلب موارد كبيرة. يزيد هذا التحدي بسبب أن معظم المكاسب حتى الآن في الذكاء الاصطناعي تم تحقيقها من خلال إضافة المزيد من النطاق، مما يتطلب المزيد من القوة الحاسوبية وبالتالي التكلفة.

لكن ماذا يحدث عندما تتعرض الشركة التي بنيت حلولك فيها لفشل في الحوكمة أو انقطاع في المنتج؟ من منظور عملي، الاعتماد على نموذج واحد لبناء منتجك يعني أنك artık جزء من تأثير سلبي لجميع الأحداث.

يجب أن نتذكر أيضًا مخاطر العمل مع الأنظمة الاحتمالية. نحن لسنا معتادين على هذا، والعالم الذي نعيش فيه حتى الآن تم تصميمه وتصنيعه ليعمل مع إجابة محددة. النماذج سائلة من حيث الإخراج، والشركات تقوم دائمًا بتعديل النماذج، مما يعني أن الكود الذي كتبته لدعم هذه النماذج والنتائج التي يعتمد عليها عملاؤك يمكن أن تتغير بدون معرفتك أو سيطرتك.

المركزية также تثير مخاوف أمنية لأنها تroduce نقطة فشل واحدة. كل شركة تعمل في مصلحة نفسها. إذا كان هناك قلق أمني أو خطر مع نموذج، فلديك سيطرة أقل على إصلاح هذه القضية أو الوصول إلى بديل.

أين يتركنا ذلك؟

الذكاء الاصطناعي بلا شك سوف يحسن كيفية عيشنا. هناك الكثير مما يمكنه تحقيقه وتصحيحه، من كيفية جمع المعلومات إلى كيفية فهم كميات كبيرة من البيانات. لكن مع هذه الفرصة تأتي أيضًا المخاطر. إذا كنا نعتمد بشكل كبير على نموذج واحد، فإن جميع الشركات تفتح نفسها لتحديات أمنية وصناعية.

لإصلاح هذا، نحن بحاجة إلى تخفيض تكاليف الاستدلال وجعلها أسهل للشركات لاتباع نهج متعدد النماذج. وبالطبع، كل شيء يأتي إلى البيانات. ملكية البيانات و جودتها ستكون مهمة. كلما كانت البيانات فريدة وذات جودة عالية ومتاحة، كلما كانت أكثر فائدة.

للمشاكل الكثيرة، يمكنك تحسين النماذج لتطبيقات محددة. آخر ميل من الذكاء الاصطناعي هو بناء الشركات لمنطق التوجيه، والتقييم، وطبقات الاوركسترا على هذه النماذج المختلفة، وتخصصها لصناعات مختلفة.

هناك استثمارات كبيرة في هذا المجال التي تقربنا من هذا الهدف. جولة التمويل الأخيرة لمستال هي تطور واعد لبدائل OpenAI. هناك شركات تساعد مزودي الذكاء الاصطناعي الآخرين على جعل التبادل المتعدد بين النماذج حقيقة واقعة وتقليل تكاليف الاستدلال من خلال الأجهزة والبرامج والتنقيح النموذجي، على سبيل المثال.

سنرى أيضًا البرامج المفتوحة تنتشر، ويجب على الهيئات الحكومية تمكين البرامج المفتوحة من البقاء مفتوحة. مع نماذج مفتوحة المصدر، من السهل أن يكون لديك更多 السيطرة. ومع ذلك، لا يزال هناك فجوات في الأداء.

أفترض أننا سوف نصل في النهاية إلى عالم حيث سيكون لديك نماذج أولية محسنة لأداء مهام أقل تعقيدًا بمقياس كبير، بينما سوف تعمل النماذج الفائقة الذكية كمرشدين للتحديثات وسوف تقضي المزيد من الوقت على حل مشاكل أكثر تعقيدًا. لا تحتاج إلى نموذج ذكاء اصطناعي مع تريليون معامل للاستجابة لطلب خدمة العملاء. أشبهه ب عدم حاجةك لمدير تنفيذي لادارة مهمة يمكن أن يديرها متدرب. مثل ما لدينا أدوار متعددة للموظفين البشريين، سوف تعتمد معظم الشركات على مجموعة من النماذج ذات مستويات مختلفة من التعقيد.

لتحقيق هذا التوازن، تحتاج إلى تقسيم واضح للمهام وتقدير الأداء، مع الأخذ في الاعتبار الوقت والتعقيد الحسابي والتكلفة والمقياس المطلوب. اعتمادًا على حالة الاستخدام، يمكنك تحديد الأولويات وفقًا لذلك. حدد حقيقة أساسية، نتيجة مثالية للمقارنة، ومثال للبيانات الإدخالية والإخراجية، بحيث يمكنك تشغيل عدة أوامر لتحسين الحصول على أقرب نتيجة إلى الحقيقة الأساسية.

إذا كان能够 للشركات التي تعمل بالذكاء الاصطناعي أن تنجح في تعزيز حزمة التكنولوجيا الخاصة بها وبناء على نماذج متعددة، يمكننا تحسين أمان وأمان هذه الأدوات وزيادة التأثير الإيجابي للذكاء الاصطناعي. لقد لم نعد في مكان المناقشات النظرية – لقد حان الوقت لتوجيه الذكاء الاصطناعي للعمل على جعل هذه التكنولوجيا أكثر فاعلية ومرونة.