لماذا يمثل نموذج Orca-2 للذكاء الاصطناعي من Microsoft خطوة كبيرة في مجال الذكاء الاصطناعي المستدام؟

على الرغم من التقدم الملحوظ الذي حققه الذكاء الاصطناعي في العقد الماضي، والذي يتضمن هزيمة أبطال البشر في ألعاب استراتيجية مثل الشطرنج والذهاب و التنبؤ بالبنية ثلاثية الأبعاد للبروتينات، التبني على نطاق واسع نماذج اللغات الكبيرة (LLMs) يدل على تحول نموذجي. وأصبحت هذه النماذج، التي تستعد لتحويل التفاعلات بين الإنسان والحاسوب، لا غنى عنها في مختلف القطاعات، بما في ذلك التعليم، وخدمة العملاء، واسترجاع المعلومات، وتطوير البرمجيات، والإعلام، والرعاية الصحية. ورغم أن هذه الخطوات التكنولوجية تفتح الباب أمام إنجازات علمية وتعزز النمو الصناعي، إلا أن هناك جانبًا سلبيًا ملحوظًا بالنسبة لكوكب الأرض.

تستهلك عملية التدريب والاستفادة من LLMs كمية هائلة من الطاقة، مما يؤدي إلى تأثير بيئي كبير يتسم بزيادة البصمة الكربونية وانبعاثات الغازات الدفيئة. كشفت دراسة حديثة من كلية المعلومات وعلوم الكمبيوتر في جامعة ماساتشوستس أمهيرست أن التدريب على ماجستير إدارة الأعمال يمكن أن ينبعث منه أكثر من 626,000 رطل من ثاني أكسيد الكربون، أي ما يعادل تقريبًا الانبعاثات طوال عمر خمس سيارات. وجدت شركة Hugging Face، وهي شركة ناشئة تعمل في مجال الذكاء الاصطناعي، أن تدريب BLOOM، وهو نموذج لغوي كبير تم إطلاقه في وقت سابق من العام، أدى إلى شنومك طن متري من انبعاثات ثاني أكسيد الكربون. وبالمثل، فإن نموذج الذكاء الاصطناعي التابع لفيسبوك، مينا، يراكم بصمة كربونية تعادل الأثر البيئي الناجم عن قيادة السيارة لأكثر من ميل 240,000 طوال عملية التدريب الخاصة بها.

على الرغم من تدريب الحاصلين على ماجستير إدارة الأعمال، فإن الطلب على الحوسبة السحابية، وهو أمر بالغ الأهمية بالنسبة لحملة ماجستير القانون، يساهم الآن المزيد من الانبعاثات من صناعة الطيران بأكملها. يمكن لمركز بيانات واحد أن يستهلك قدرًا كبيرًا من الطاقة منازل 50,000. وتسلط دراسة أخرى الضوء على أن تدريب نموذج لغة واحد كبير يمكن أن يطلق الكثير ثاني أكسيد الكربون كخمس سيارات باستخدام الطاقة طوال حياتهم بأكملها. وتشير التوقعات إلى أن انبعاثات الذكاء الاصطناعي سوف ترتفع بشكل كبير شنومك٪ بواسطة شنومكسمع التركيز على الحاجة الملحة إلى تحقيق التوازن بين تقدم الذكاء الاصطناعي والمسؤولية البيئية وتحفيز المبادرات لجعل الذكاء الاصطناعي أكثر صداقة للبيئة. ولمعالجة التأثير البيئي السلبي لتطورات الذكاء الاصطناعي، يظهر الذكاء الاصطناعي المستدام كمجال حاسم للدراسة.

الذكاء الاصطناعي المستدام

يمثل الذكاء الاصطناعي المستدام نقلة نوعية في تطوير ونشر أنظمة الذكاء الاصطناعي، مع التركيز على تقليل التأثير البيئي، والاعتبارات الأخلاقية، والفوائد المجتمعية طويلة المدى. ويهدف هذا النهج إلى إنشاء أنظمة ذكية تتسم بالكفاءة في استخدام الطاقة، ومسؤولة بيئيًا، وتتوافق مع القيم الإنسانية. يركز الذكاء الاصطناعي المستدام على استخدام الطاقة النظيفة لأجهزة الكمبيوتر، والخوارزميات الذكية التي تستخدم طاقة أقل، واتباع المبادئ التوجيهية الأخلاقية لضمان اتخاذ قرارات عادلة وشفافة. ومن المهم أن نلاحظ أن هناك فرقا بين الذكاء الاصطناعي من أجل الاستدامة والذكاء الاصطناعي المستدام; قد يتضمن الأول استخدام الذكاء الاصطناعي لتحسين العمليات الحالية دون النظر بالضرورة إلى عواقبه البيئية أو المجتمعية، في حين يدمج الأخير بشكل فعال مبادئ الاستدامة في كل مرحلة من مراحل تطوير الذكاء الاصطناعي، بدءًا من التصميم وحتى النشر، لخلق تأثير إيجابي ودائم على الكوكب. مجتمع.

من LLMs إلى نماذج اللغات الصغيرة (SLMs)

سعيًا لتحقيق الذكاء الاصطناعي المستدام، تعمل Microsoft على تطوير نماذج اللغات الصغيرة (SLMs) لتتماشى مع قدرات نماذج اللغات الكبيرة (LLMs). في هذا الجهد، قدموا مؤخرا أوركا-2، مصممة لسبب مثل GPT-4. على عكس سابقتها، Orca-1، التي تضم 13 مليار معلمة، تحتوي Orca-2 على 7 مليارات معلمة باستخدام تقنيتين رئيسيتين.

1. ضبط التعليمات: يتحسن Orca-2 من خلال التعلم من الأمثلة، وتعزيز جودة محتواه، وإمكانيات الإطلاق الصفري، ومهارات التفكير المنطقي عبر المهام المختلفة.
2. ضبط الشرح: إدراكًا للقيود في ضبط التعليمات، يقدم Orca-2 ضبط الشرح. يتضمن ذلك إنشاء تفسيرات تفصيلية لنماذج المعلم، وإثراء إشارات الاستدلال، وتحسين الفهم العام.

يستخدم Orca-2 هذه التقنيات لتحقيق تفكير عالي الكفاءة، مقارنة بما يحققه طلاب LLM مع العديد من المعلمات الأخرى. الفكرة الرئيسية هي تمكين النموذج من اكتشاف أفضل طريقة لحل المشكلة، سواء كان ذلك من خلال تقديم إجابة سريعة أو التفكير فيها خطوة بخطوة. تسمي Microsoft هذا "الاستدلال الحذر".

لتدريب Orca-2، تقوم Microsoft بإنشاء مجموعة جديدة من بيانات التدريب باستخدام التعليقات التوضيحية لـ FLAN وOrca-1 ومجموعة بيانات Orca-2. يبدأون بأسئلة سهلة، ثم يضيفون بعض الأسئلة الصعبة، ثم يستخدمون البيانات من النماذج الناطقة لجعلها أكثر ذكاءً.

يخضع Orca-2 لتقييم شامل يغطي الاستدلال وإكمال النص والتأريض والصدق والسلامة. تظهر النتائج إمكانية تعزيز استدلال الإدارة المستدامة للأراضي من خلال التدريب المتخصص عليها البيانات الاصطناعية. على الرغم من بعض القيود، تُظهر نماذج Orca-2 واعدة بإدخال تحسينات مستقبلية في الاستدلال والتحكم والسلامة، مما يثبت فعالية تطبيق البيانات الاصطناعية بشكل استراتيجي في تحسين النموذج بعد التدريب.

أهمية Orca-2 نحو الذكاء الاصطناعي المستدام

يمثل Orca-2 قفزة كبيرة نحو الذكاء الاصطناعي المستدام، مما يتحدى الاعتقاد السائد بأن النماذج الأكبر حجمًا فقط، مع استهلاكها الكبير للطاقة، يمكنها حقًا تعزيز قدرات الذكاء الاصطناعي. يقدم نموذج اللغة الصغيرة هذا وجهة نظر بديلة، مما يشير إلى أن تحقيق التميز في نماذج اللغة لا يتطلب بالضرورة مجموعات بيانات هائلة وقدرة حاسوبية واسعة النطاق. وبدلا من ذلك، فهو يؤكد على أهمية التصميم الذكي والتكامل الفعال.

يفتح هذا الإنجاز إمكانيات جديدة من خلال الدعوة إلى التحول في التركيز، من مجرد توسيع الذكاء الاصطناعي إلى التركيز على كيفية تصميمه. يمثل هذا خطوة حاسمة في جعل الذكاء الاصطناعي المتقدم في متناول جمهور أوسع، مما يضمن أن يكون الابتكار شاملاً ويصل إلى نطاق أوسع من الأشخاص والمنظمات.

لدى Orca-2 القدرة على التأثير بشكل كبير على تطوير نماذج اللغة المستقبلية. سواء كان ذلك تحسين المهام المتعلقة معالجة اللغة الطبيعية أو تمكين تطبيقات الذكاء الاصطناعي الأكثر تطورًا عبر مختلف الصناعات، فإن هذه النماذج الأصغر حجمًا مهيأة لإحداث تغييرات إيجابية كبيرة. علاوة على ذلك، فإنهم يعملون كرواد في الترويج لممارسات الذكاء الاصطناعي الأكثر استدامة، ومواءمة التقدم التكنولوجي مع الالتزام بالمسؤولية البيئية.

وخلاصة القول:

يمثل Orca-2 من Microsoft خطوة رائدة نحو الذكاء الاصطناعي المستدام، مما يتحدى الاعتقاد بأن النماذج الكبيرة فقط هي التي يمكنها تطوير الذكاء الاصطناعي. ومن خلال إعطاء الأولوية للتصميم الذكي على الحجم، يفتح Orca-2 إمكانيات جديدة، ويقدم نهجًا أكثر شمولاً ومسؤولية بيئيًا لتطوير الذكاء الاصطناعي المتقدم. يمثل هذا التحول خطوة مهمة نحو نموذج جديد في تصميم النظام الذكي.