لماذا يمثل نموذج مايكروسوفت Orca-2 خطوة كبيرة نحو الذكاء الاصطناعي المستدام؟

على الرغم من التقدم المهم الذي أحرزه الذكاء الاصطناعي في العقد الماضي، بما في ذلك هزيمة البشر في الألعاب الإستراتيجية مثل الشطرنج وغو وتوقع هيكل البروتين ثلاثي الأبعاد، فإن انتشار استخدام نماذج اللغة الكبيرة (LLMs) يعكس تحولاً جوهرياً. أصبحت هذه النماذج، التي من المتوقع أن تحول من العلاقات بين الإنسان والحاسوب، لا غنى عنها في قطاعات مختلفة، بما في ذلك التعليم والخدمات الزبونيه و استرجاع المعلومات وتطوير البرمجيات والإعلام والرعاية الصحية. في حين أن هذه الإنجازات التكنولوجية تفتح الباب أمام الاكتشافات العلمية وتحفز النمو الصناعي، هناك جانب سلبي ملحوظ للكوكب.

عملية تدريب واستخدام نماذج LLMs تستهلك كمية هائلة من الطاقة، مما يؤدي إلى تأثير بيئي كبير يتمثل في زيادة بصمة الكربون و انبعاثات غازات الاحتباس الحراري. كشفت دراسة最近 من كلية العلوم المعلوماتية والحاسوب في جامعة ماساتشوستس أمهرست أن تدريب نماذج LLMs يمكن أن يؤدي إلى انبعاث أكثر من 626000 رطل من ثاني أكسيد الكربون، وهو ما يعادل تقريباً انبعاثات خمس سيارات خلال حياتها. وجدت شركة Hugging Face للذكاء الاصطناعي أن تدريب نموذج BLOOM، نموذج لغة كبير تم إطلاقه في وقت سابق من العام، أدى إلى 25 طناً مترياً من انبعاثات ثاني أكسيد الكربون. وبالمثل، يتراكم نموذج الذكاء الاصطناعي لشركة فيسبوك، Meena، بصمة كربونية تتماشى مع التأثير البيئي للقيادة بسيارة أكثر من 240000 ميل خلال عملية التدريب.

على الرغم من تدريب نماذج LLMs، فإن الطلب على الحوسبة السحابية، التي تعتبر ضرورية لنماذج LLMs، يساهم الآن في انبعاثات أكثر من صناعة الطيران بأكملها. يمكن لمركز بيانات واحد أن يستهلك قدراً من الطاقة يعادل استهلاك 50000 منزل. وتشير دراسة أخرى إلى أن تدريب نموذج لغة كبير يمكن أن يؤدي إلى انبعاث كمية من ثاني أكسيد الكربون تصل إلى 5 سيارات خلال حياتها. وتشير التنبؤات إلى أن انبعاثات الذكاء الاصطناعي سترتفع بنسبة 300٪ بحلول عام 2025، مما يبرز الحاجة إلى موازنة تقدم الذكاء الاصطناعي مع المسؤولية البيئية وتحفيز المبادرات لجعل الذكاء الاصطناعي أكثر صديقة للبيئة. من أجل معالجة التأثير البيئي السلبي لتقدم الذكاء الاصطناعي، ي出现 الذكاء الاصطناعي المستدام كحقل دراسي مهم.

الذكاء الاصطناعي المستدام

يتمثل الذكاء الاصطناعي المستدام في تحول جوهري في تطوير ونشر أنظمة الذكاء الاصطناعي، مع التركيز على تقليل التأثير البيئي والاعتبارات الأخلاقية والمنافع المجتمعية على المدى الطويل. يهدف هذا النهج إلى إنشاء أنظمة ذكية تتمتع بكفاءة في استهلاك الطاقة ومسؤولية بيئية ومتوافقة مع القيم الإنسانية. يركز الذكاء الاصطناعي المستدام على استخدام الطاقة النظيفة للحواسيب والخوارزميات الذكية التي تستخدم طاقة أقل واتباع المبادئ التوجيهية الأخلاقية لضمان اتخاذ القرارات العادلة والشفافة. من المهم ملاحظة أن هناك فرقاً بين الذكاء الاصطناعي من أجل الاستدامة والذكاء الاصطناعي المستدام؛ قد يتضمن الأول استخدام الذكاء الاصطناعي لتحسين العمليات الحالية دون النظر في العواقب البيئية أو الاجتماعية، في حين أن الأخير يدمج مبادئ الاستدامة في كل مرحلة من مراحل تطوير الذكاء الاصطناعي، من التصميم إلى النشر، لتحقيق تأثير إيجابي ودائم على الكوكب والمجتمع.

من نماذج LLMs إلى نماذج اللغة الصغيرة (SLMs)

في سعيها نحو الذكاء الاصطناعي المستدام، تعمل مايكروسوفت على تطوير نماذج اللغة الصغيرة (SLMs) لتواكب قدرات نماذج اللغة الكبيرة (LLMs). في هذا الجهد، قدمت مؤخراً Orca-2، المصمم ليتعامل مثل GPT-4. على عكس سابقه، Orca-1، الذي يضم 13 مليار معامل، يحتوي Orca-2 على 7 مليار معامل باستخدام تقنيتين رئيسيتين.

1. التحسين بالإرشاد: يحسن Orca-2 من خلال التعلم من الأمثلة، وتحسين جودة المحتوى وقدراته على الإجابة بدون تدريب مسبق ومهارات التفكير عبر مهام مختلفة.
2. التحسين بالتوضيح: معترفاً bằng القيود في التحسين بالإرشاد، يقدم Orca-2 التحسين بالتوضيح. يتضمن هذا إنشاء توضيحات مفصلة للنماذج التعليمية، وتعزيز إشارات التفكير، وتحسين الفهم العام.

يستخدم Orca-2 هذه التقنيات لتحقيق تفكير فعال للغاية، يمكن مقارنته بما تحققه نماذج LLMs مع معاملات أكثر. الفكرة الرئيسية هي تمكين النموذج من إيجاد أفضل طريقة لحل مشكلة، سواء كان ذلك من خلال الإجابة السريعة أو التفكير العميق. تسمي مايكروسوفت هذا “التفكير الحذر”.

为了 تدريب Orca-2، تبني مايكروسوفت مجموعة بيانات تدريبية جديدة باستخدام تعليمات FLAN و Orca-1 وبيانات Orca-2. يبدأون بالأسئلة البسيطة، ثم يضيفون بعض الأسئلة الصعبة، ويستخدمون البيانات من نماذج المحادثة لجعلها أكثر ذكاء.

خضع Orca-2 لتقييم شامل، يشمل التفكير وإكمال النص والترسيم والدقة والأمان. أظهرت النتائج إمكانية تحسين التفكير في نماذج SLMs من خلال التدريب المتخصص على البيانات الاصطناعية. على الرغم من بعض القيود، تظهر نماذج Orca-2 وعداً بتحسينات مستقبلية في التفكير والتحكم والأمان، مما يثبت فعالية تطبيق البيانات الاصطناعية بشكل استراتيجي في تحسين النموذج بعد التدريب.

أهمية Orca-2 في الذكاء الاصطناعي المستدام

يتمثل Orca-2 في خطوة كبيرة نحو الذكاء الاصطناعي المستدام، مما ي挑ل المعتقد السائد بأن فقط النماذج الأكبر، مع استهلاكها الكبير للطاقة، يمكن أن تقدم حقاً قدرات الذكاء الاصطناعي. يقدم هذا النموذج اللغة الصغيرة منظوراً بديلاً، يشير إلى أن تحقيق التميز في نماذج اللغة لا يتطلب بالضرورة مجموعات بيانات هائلة وقدرة حاسوبية واسعة. بدلاً من ذلك، يبرز أهمية التصميم الذكي والدمج الفعال.

تفتح هذه الخطوة الجديدة إمكانيات جديدة من خلال الدعوة إلى تحول في التركيز – من مجرد توسيع الذكاء الاصطناعي إلى التركيز على كيفية تصميمه. يشكل هذا خطوة حاسمة في جعل الذكاء الاصطناعي المتقدم أكثر إمكانية الوصول إلى جمهور أوسع، وضمان أن الابتكار يكون شاملاً ومتاحاً لعدد أكبر من الناس والمنظمات.

يتمتع Orca-2 بال潜عة لتأثير كبير على تطوير نماذج اللغة في المستقبل. سواء كان ذلك من خلال تحسين المهام المتعلقة بمعالجة اللغة الطبيعية أو تمكين تطبيقات الذكاء الاصطناعي الأكثر تطوراً عبر مختلف الصناعات، فإن هذه النماذج الصغيرة هي في وضع يسمح لها بتحقيق تغييرات إيجابية كبيرة. بالإضافة إلى ذلك، تعمل كرواد في تعزيز ممارسات الذكاء الاصطناعي الأكثر استدامة، مما يتوافق مع التقدم التكنولوجي مع الالتزام بالمسؤولية البيئية.

الخلاصة:

يتمثل Orca-2 لمايكروسوفت في خطوة ثورية نحو الذكاء الاصطناعي المستدام، مما ي挑ل المعتقد بأن فقط النماذج الكبيرة يمكن أن تقدم تقدماً حقيقياً للذكاء الاصطناعي. من خلال إعطاء الأولوية للتصميم الذكي على الحجم، يفتح Orca-2 إمكانيات جديدة، ويقدم نهجاً أكثر شمولاً ومتجاوباً مع البيئة لتطوير الذكاء الاصطناعي المتقدم. يشكل هذا التحول خطوة كبيرة نحو نموذج جديد في تصميم الأنظمة الذكية. (MSFT )