يوبي تشين، المؤسس المشارك لشركة Aizip Inc – سلسلة المقابلات

يوبي تشين هو المؤسس المشارك لشركة Aizip Inc، وهي شركة تبني أصغر وأكثر كفاءة في مجال النماذج الإrtificial Intelligence. وهو أيضًا أستاذ مساعد في قسم الهندسة الكهربائية في جامعة كاليفورنيا، دافيس. يركز بحث تشين على تقاطع العلوم العصبية الحاسوبية والتعلم العميق غير المُشرّع (الذاتي)، مما يعزز فهم المبادئ الحسابية التي تحكم التعلم غير المُشرّع في الدماغ والآلات، ويعيد تشكيل فهمنا لإحصاءات الإشارات الطبيعية.

قبل انضمامه إلى جامعة كاليفورنيا، دافيس، قام تشين بدراسة ما بعد الدكتوراه مع البروفيسور يان ليكون في مركز نيويورك لعلوم البيانات (CDS) وأبحاث الذكاء الاصطناعي الأساسية (FAIR) التابعة لشركة ميتا. أكمل درجة الدكتوراه في مركز ريدوود للعلم العصبي النظري والبحث في الذكاء الاصطناعي في جامعة كاليفورنيا، بيركلي، تحت إشراف البروفيسور برونو أولشاوسن.

Aizip تطور حلول ذكاء اصطناعي فائقة الكفاءة مُحسّنة للأجهزة الحرفية، وتقدم نماذج مدمجة للرؤية والصوت والوقت والسلسلة واللغة وتحليل الإشارات الحسية. تمكن منتجاتها من أداء مهام مثل التعرف على الوجه والكائن والكلمات الرئيسية وتحليل الإشارات الكهربائية والصوتية والروبوتات على الجهاز، جميعها مدعومة bởi TinyML. من خلال منصة AI Nanofactory، تسريع تطوير النماذج باستخدام النماذج التأسيسية والتنمية التوليدية للوصول إلى تلقين التصميم الكامل للذكاء الاصطناعي. تدعم سلسلة نماذج اللغة الصغيرة من Aizip (300M-2B معامل) مجموعة واسعة من الأجهزة، وتحمل القدرات الذكية إلى الحافة.

هل يمكنك أن تخبرنا عن تجربتك مع يان ليكون في جامعة نيويورك وشركة ميتا؟ كيف أثرت هذه التجربة على نهجك في بناء حلول الذكاء الاصطناعي في العالم الواقعي؟

في بيركلي، كانت أبحاثي متجذرة深око في الاستفسار العلمي والمتانة الرياضية. كان بحث الدكتوراه الخاص بي، الذي جمع بين الهندسة الكهربائية والعلوم الحاسوبية والعلوم العصبية الحاسوبية، يركز على فهم أنظمة الذكاء الاصطناعي من منظور “ال盒ة البيضاء”، أو تطوير أساليب للكشف عن الهياكل الكامنة للبيانات والتعلم. عملت على بناء نماذج ذكاء اصطناعي قابلة للتفسير وأداء عالٍ وتقنيات التصور التي تساعد على فتح أنظمة الذكاء الاصطناعي السوداء.

في شركة ميتا، كان التركيز على هندسة أنظمة الذكاء الاصطناعي لتحقيق الأداء الأمثل على نطاق واسع. مع الوصول إلى الموارد الحاسوبية من الدرجة العالمية، قمت باستكشاف حدود التعلم الذاتي غير المُشرّع وساهمت في ما نسميه الآن “نماذج العالم” – أنظمة ذكاء اصطناعي تتعلم من البيانات وتخيل بيئات ممكنة. هذه التجربة المزدوجة – الفهم العلمي في بيركلي والهندسة الموجهة للتوسع في شركة ميتا – أعطتني منظورًا شاملاً لتطوير الذكاء الاصطناعي. وأبرزت أهمية أن كلاً من الفهم النظري والتطبيق العملي لهما دور في تطوير حلول الذكاء الاصطناعي للتطبيقات الواقعية.

كيف تؤثر رؤى العلوم العصبية على طريقة تطويرك لنماذج الذكاء الاصطناعي؟

في العلوم العصبية الحاسوبية، ندرس كيفية معالجة الدماغ للمعلومات عن طريق قياس استجاباته لمختلف المحفزات، تمامًا كما نفعل عندما نستقصي نماذج الذكاء الاصطناعي لفهم آلياتها الداخلية. في البداية، طوررت تقنيات التصور لتحليل التضمين الكلماتي – كسر الكلمات إلى عناصرها الدلالية، مثل “تفاحة” إلى “فاكهة” و”تكنولوجيا”. لاحقًا، توسعت هذه النهج إلى نماذج الذكاء الاصطناعي الأكثر تعقيدًا مثل المحولات والنموذج اللغوي الكبير، مما ساعد على الكشف عن كيفية معالجتها وتخزين المعرفة.

تتوازى هذه الأساليب تقنيات المستخدمة في العلوم العصبية، مثل استخدام الأقطاب الكهربائية أو التصوير بالرنين المغناطيسي الوظيفي لدراسة نشاط الدماغ. استقصاء التمثيلات الداخلية لنماذج الذكاء الاصطناعي يسمح لنا بفهم استراتيجيات التفكير الخاصة بها والكشف عن الخصائص الناشئة، مثل العصبونات المفاهيمية التي تنشط ل أفكار محددة (مثل ميزة جسر جولدن غيت الذي وجدته شركة Anthropic عند رسم خريطة Claude). هذا الخط من البحث أصبح الآن متبعًا على نطاق واسع في الصناعة لأنه أثبت كفاءته في تمكين التفسير والتدخلات العملية، وإزالة التحيزات من النماذج. وبالتالي، فإن النهج الملهم بالعلوم العصبية يساعدنا على جعل الذكاء الاصطناعي أكثر تفسيرًا وموثوقًا وكفاءة.

ما الذي ألهمك لتأسيس شركة Aizip؟ هل يمكنك أن تخبرنا عن رحلة الشركة من الفكرة إلى الإطلاق؟

كباحث أساسي في مجال الذكاء الاصطناعي، كانت معظم أبحاثي نظرية، لكنني أردت جسر الفجوة بين البحث والتطبيقات الواقعية. أسست شركة Aizip لجلب 혁신ات الذكاء الاصطناعي إلى الاستخدام العملي، خاصة في البيئات المقيدة بالموارد. بدلاً من بناء نماذج أساسية كبيرة، ركزنا على تطوير أصغر وأكثر كفاءة نماذج الذكاء الاصطناعي التي ستكون مُحسّنة للأجهزة الحرفية.

الرحلة بدأت بملاحظة رئيسية: بينما كانت تقدمات الذكاء الاصطناعي تتسارع بسرعة، فإن التطبيقات الواقعية غالبًا ما تتطلب نماذج خفيفة وفعالة للغاية. رأينا فرصة لتطوير اتجاه جديد يوازن بين الصرامة العلمية والتطبيق العملي. من خلال الاستفادة من رؤى التعلم الذاتي غير المُشرّع وهياكل النماذج المدمجة، تمكنت شركة Aizip من تقديم حلول ذكاء اصطناعي تعمل بكفاءة عند الحافة وتفتح إمكانيات جديدة للذكاء الاصطناعي في الأنظمة المدمجة والإنترنت للأشياء وما بعدها.

تتخصص شركة Aizip في نماذج الذكاء الاصطناعي الصغيرة للأجهزة الحرفية. ما هو الفجوة في السوق التي رأيتها والتي أدت إلى هذا التركيز؟

industry الذكاء الاصطناعي تركز بشكل كبير على توسيع النماذج، لكن التطبيقات الواقعية غالبًا ما تتطلب العكس – كفاءة عالية و استهلاك طاقة منخفض و تأخير أدنى.许多 نماذج الذكاء الاصطناعي اليوم هي مكلفة حسابيًا للغاية لتنفيذها على أجهزة مدمجة صغيرة. رأينا فجوة في السوق لحلول الذكاء الاصطناعي التي يمكن أن تقدم أداء قويًا بينما تعمل في ظل قيود الموارد القصوى.

لقد أدركنا أنه ليس من الضروري أن تعمل كل تطبيقات الذكاء الاصطناعي على نماذج ضخمة، وأنه لن يكون من الممكن الاعتماد على نماذج من هذا الحجم لكل شيء. بدلاً من ذلك، ركزنا على تحسين الخوارزميات لتحقيق أقصى كفاءة مع الحفاظ على الدقة. من خلال تصميم نماذج الذكاء الاصطناعي مُحسّنة للتطبيقات الحرفية – سواء في المستشعرات الذكية أو الأجهزة القابلة للارتداء أو التutomatique الصناعية – نقوم بتمكين الذكاء الاصطناعي من التشغيل في أماكن حيث لن تكون النماذج التقليدية praktikable. نهجنا يجعل الذكاء الاصطناعي أكثر إمكانية الوصول ومقابلته وتحقيقًا للطاقة.

كيف ترى منافسة أو تكامل نماذج اللغة الصغيرة مع نماذج أكبر مثل GPT-4؟

نماذج اللغة الصغيرة ونماذج أكبر مثل GPT-4 ليست في منافسة مباشرة لأنها تخدم احتياجات مختلفة. النماذج الأكبر قوية فيما يتعلق بالتعميم والتفكير العميق ولكنها تتطلب موارد حاسوبية كبيرة. نماذج اللغة الصغيرة مُصممة للكفاءة وتنفيذها على أجهزة حرفية منخفضة القوة. تكمل النماذج الكبيرة عن طريق تمكين القدرات الذكية في التطبيقات الواقعية حيث يهم القوة الحاسوبية والتأخير والتكلفة – مثل أجهزة الإنترنت للأشياء والأجهزة القابلة للارتداء والتحكم الآلي الصناعي. مع نمو تبني الذكاء الاصطناعي، نرى نهجًا هجينًا ي出现، حيث تتعامل النماذج الكبيرة الموجودة في السحابة مع استفسارات معقدة بينما توفر نماذج اللغة الصغيرة ذكاءً محليًا في الوقت الفعلي عند الحافة.

ما هي أكبر التحديات الفنية في جعل نماذج الذكاء الاصطناعي كفاءة بما يكفي للأجهزة الحرفية منخفضة القوة؟

أحد التحديات الأساسية هو عدم وجود فهم نظري كامل لكيفية عمل نماذج الذكاء الاصطناعي. بدون أساس نظري واضح، تكون جهود التحسين غالبًا تجريبية، مما يحد من مكاسب الكفاءة. بالإضافة إلى ذلك، يحدث التعلم البشري بطرق متنوعة لا تُقبض عليها تمامًا من قبل أنماط التعلم الآلي الحالية، مما يجعل من الصعب تصميم نماذج تقلد كفاءة البشر.

من منظور هندسي، دفع الذكاء الاصطناعي ليعمل في ظل قيود قاسية يتطلب حلولًا مبتكرة في ضغط النموذج والكمية والتصميم الهيكلي. تحدي آخر هو إنشاء نماذج ذكاء اصطناعي يمكنها التكيف مع مجموعة متنوعة من الأجهزة والبيئات مع الحفاظ على متانتها. مع زيادة تفاعل الذكاء الاصطناعي مع العالم المادي من خلال الإنترنت للأشياء والمتحسسات، يصبح الحاجة إلى واجهات طبيعية وفعالة – مثل التعرف على الصوت والحركة والمدخلات غير التقليدية الأخرى – أمرًا حرجًا. الذكاء الاصطناعي عند الحافة هو حول إعادة تعريف كيفية تفاعل المستخدمين مع العالم الرقمي بطريقة سلسة.

هل يمكنك أن تشاركنا بعض التفاصيل حول عمل شركة Aizip مع شركات مثل Softbank؟

لقد شركنا مؤخرًا مع SoftBank في مشروع لتربية الأسماك الذي حصل على جائزة الابتكار في معرض الإلكترونيات الاستهلاكية (CES) – وهو ما نفتخر به بشكل خاص. لقد طوّرنا نموذج ذكاء اصطناعي فعالًا ومحليًا لتحليل الأسماك الذي يمكن استخدامه من قبل مشغلي مزارع الأسماك، وهو حل لتحدي حاسم في تربية الأسماك يمكن أن يؤدي إلى مشاكل في الاستدامة وحدوث هدر غذائي وربحية. كانت هذه الصناعة بطيئة في تبني الذكاء الاصطناعي كحل بسبب عدم وجود طاقة موثوقة وشبكة اتصالات عند البحر، مما يجعل حلول الذكاء الاصطناعي المعتمدة على السحابة غير عملية.

للحل، طوّرنا حلًا يعمل على الجهاز. لقد جمعنا بين محاكاة الرسومات الحاسوبية لشركة SoftBank لبيانات التدريب ونماذجنا المدمجة، وأنشأنا نظامًا دقيقًا للغاية يعمل على الهواتف الذكية. في الاختبارات الميدانية تحت الماء، حقق معدل تحديد دقيق بنسبة 95٪، مما يحسن بشكل كبير دقة عد الأسماك. سمح ذلك للمزارعين بتحسين ظروف التخزين وتحديد ما إذا يجب نقل الأسماك حية أو مجمدة، والكشف عن أمراض أو مشاكل صحية محتملة في الأسماك.

هذا الابتكار يحسن الكفاءة ويخفض التكاليف ويقلل الاعتماد على العمل اليدوي. على نطاق أوسع، إنه يظهر كيف يمكن للذكاء الاصطناعي أن يؤثر بشكل ملموس على مشاكل العالم الواقعي.

قدّمت شركة Aizip مفهوم “AI Nanofactory”. هل يمكنك أن تفسر ما يعنيه ذلك وكيف يُ自动 عملية تطوير نماذج الذكاء الاصطناعي؟

AI Nanofactory هي خطنا الداخلي لتصميم الذكاء الاصطناعي التلقائي، مستوحى من التصميم الآلي الإلكتروني (EDA) في تصنيع أشباه الموصلات. في بداية تطوير أي مجال تقني جديد، ي涉ل الكثير من الجهد اليدوي، لذلك يصبح التلقين مفتاحًا لتسريع التقدم وتنمية الحلول مع نضج المجال.

بدلاً من استخدام الذكاء الاصطناعي فقط لتسريع صناعات أخرى، سألنا، هل يمكن للذكاء الاصطناعي تسريع تطوير نفسه؟ AI Nanofactory يُ自动 كل مرحلة من مراحل تطوير نموذج الذكاء الاصطناعي، من معالجة البيانات إلى تصميم الهيكل واختيار النموذج و التدريب و الكمية و النشر و التصحيح. من خلال استخدام الذكاء الاصطناعي لتحسين نفسه، تمكنا من خفض وقت تطوير النماذج الجديدة بمتوسط عامل 10. في بعض الحالات، أكثر من 1000 مرة. هذا يعني أن نموذجًا كان يأخذ أكثر من سنة لتطويره يمكن الآن إنشاؤه في بضعة ساعات فقط.

ميزة أخرى هي أن هذا التلقين يضمن أيضًا أن تكون حلول الذكاء الاصطناعي قابلة للتطبيق اقتصاديًا لمجموعة واسعة من التطبيقات، مما يجعل نشر الذكاء الاصطناعي في العالم الواقعي أكثر إمكانية وتنمية.

كيف ترى دور الذكاء الاصطناعي عند الحافة يتطور خلال الخمس سنوات القادمة؟

يعد الذكاء الاصطناعي عند الحافة واعدًا بتحويل كيفية تفاعلنا مع التكنولوجيا، مشابهًا لطريقة ثورة الهواتف الذكية لوصول الإنترنت. اليوم، معظم تطبيقات الذكاء الاصطناعي تعتمد على السحابة، ولكن هذا يبدأ في التغيير مع تحرك الذكاء الاصطناعي أقرب إلى المستشعرات والأجهزة التي تتفاعل مع العالم المادي. هذا التحول يبرز الحاجة الحرجة للمعالجة الفعالة في الوقت الفعلي عند الحافة.

في الخمس سنوات القادمة، نتوقع أن يسمح الذكاء الاصطناعي عند الحافة بمزيد من التفاعلات البشرية الطبيعية مع التكنولوجيا، مثل التعرف على الصوت والحركة وواجهات أخرى直觉ية، مما يزيل الاعتماد على الحواجز التقليدية مثل لوحات المفاتيح والشاشات اللمسية. كما من المتوقع أن يصبح الذكاء الاصطناعي أكثر اندماجًا في البيئات اليومية مثل المنازل الذكية أو التحكم الآلي الصناعي لتمكين اتخاذ القرارات في الوقت الفعلي مع تأخير أدنى.

اتجاه رئيسي آخر سيكون زيادة استقلالية أنظمة الذكاء الاصطناعي عند الحافة. ستصبح نماذج الذكاء الاصطناعي أكثر تحسينًا ذاتيًا وتكيفًا بفضل التطورات في تلقين الذكاء الاصطناعي على نمط AI Nanofactory، لذلك سيتقلص الحاجة إلى التدخل البشري في النشر والصيانة. هذا سيفتح فرصًا جديدة عبر صناعات مثل الرعاية الصحية والسيارات والزراعة.

ما هي بعض الأجهزة القادمة التي تعمل بالذكاء الاصطناعي من شركة Aizip التي أنت أكثر حماسًا لها؟

نعمل على توسيع نطاق استخدام نماذجنا في صناعات جديدة، وواحدة منها التي نثير حماسًا خاصًا لها هي وكيل الذكاء الاصطناعي لقطاع السيارات. هناك زخم متزايد، خاصة بين صانعي السيارات الصينيين، لتطوير مساعدي الصوت مدعومين بنماذج اللغة التي تشبه ChatGPT داخل المقصورة. التحدي هو أن معظم المساعدين الحاليين لا يزالون يعتمدون على السحابة، خاصة للحوارات الطبيعية والمlexible، بينما تعمل المهام الأساسية فقط (مثل “تشغيل التكييف” أو “فتح الصندوق”) محليًا على المركبة، ويمكن أن تصبح طبيعة هذه الأوامر صعبة للغاية إذا لم يتم تذكرها بدقة.

لقد طوّرنا سلسلة من وكلاء الذكاء الاصطناعي فائقة الكفاءة، مدعومين بنماذج اللغة الصغيرة، ويُستخدمون حاليًا في تطبيقات مختلفة لصناعات مختلفة، ونعمل على نشرهم كمساعدات داخلية (“co-pilots”) للسيارات أيضًا. يمكن لوكيلنا أن يفهم النية بطريقة أكثر دقة، وعندما يخدم كوكيل الذكاء الاصطناعي للسيارة، يمكنه تنفيذ الأوامر من خلال لغة حرة. على سبيل المثال، يمكن للوكيل تعديل درجة حرارة المقصورة إذا قال السائق ببساطة “أنا بارد”، أو يستجيب لتحفيز مثل “سأقود إلى بوسطن غدًا، ما الذي يجب أن أرتديه؟” من خلال التحقق من الطقس واقتراح مقترح.

بسبب تشغيلهم محليًا وعدم اعتمادهم على السحابة، هذه الوكلاء يستمرّون في العمل في المناطق الميتة أو المناطق ذات الاتصال الضعيف، مثل النفق أو الجبال أو الطرق الريفية. كما يعززون السلامة من خلال منح السائقين التحكم الكامل بالصوت دون إزالة انتباههم عن الطريق. وعلى حدة، أردت أيضًا ذكر أننا نعمل حاليًا على إنتاج نموذج الذكاء الاصطناعي للكاريوكي لسيارات وسماعات البلوتوث، والذي يعمل محليًا مثل مساعد الطيار. بشكل أساسي، يأخذ أي إدخال صوتي ويزيل الأصوات البشرية منه، مما يسمح بإنشاء نسخة كاريوكي لأي أغنية في الوقت الفعلي.

هذه الأنواع من الحلول، التي تجعل فرقًا معنويًا في حياة الناس اليومية، هي التي نفتخر بها أكثر.

تطوير شركة Aizip حلول ذكاء اصطناعي فائقة الكفاءة مُحسّنة للأجهزة الحرفية، وتقدم نماذج مدمجة للرؤية والصوت والزمن والسلسلة واللغة وتحليل الإشارات الحسية. تمكن منتجاتها من أداء مهام مثل التعرف على الوجه والكائن والكلمات الرئيسية وتحليل الإشارات الكهربائية والصوتية والروبوتات على الجهاز، جميعها مدعومة bởi TinyML. من خلال منصة AI Nanofactory، تسريع تطوير النماذج باستخدام النماذج التأسيسية والتنمية التوليدية للوصول إلى تلقين التصميم الكامل للذكاء الاصطناعي. تدعم سلسلة نماذج اللغة الصغيرة من Aizip (300M-2B معامل) مجموعة واسعة من الأجهزة، وتحمل القدرات الذكية إلى الحافة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Aizip.