تتنافس القوى في مجال الذكاء الاصطناعي، وعصر "معركة المئة نموذج" قد بدأ
في الشهر الماضي، اندلعت "حرب الحيوانات" في عالم الذكاء الاصطناعي. من جهة، تمثل Llama التي أطلقتها Meta، والتي حظيت بشعبية كبيرة بين المطورين بفضل خصائصها مفتوحة المصدر. ومن جهة أخرى، هناك نموذج كبير يسمى Falcon، الذي تصدر قائمة LLM مفتوحة المصدر بعد أن تم إصداره في مايو من هذا العام.
من المثير للاهتمام أن مطوري فالكون هم من معهد الابتكار التكنولوجي في أبوظبي، عاصمة الإمارات العربية المتحدة. ثم تم اختيار وزير الذكاء الاصطناعي في الإمارات ضمن قائمة "أكثر 100 شخصية تأثيرًا في مجال الذكاء الاصطناعي" التي أصدرتها مجلة تايم.
اليوم، دخلت مجال الذكاء الاصطناعي مرحلة تنافسية حيث تتنافس العديد من الشركات. تقوم الدول والشركات التي لديها قدرة مالية معينة بإنشاء نسخ محلية من ChatGPT. فقط في منطقة الخليج، اشترت المملكة العربية السعودية للتو أكثر من 3000 شريحة H100 للجامعات المحلية لاستخدامها في تدريب نماذج اللغة الكبيرة.
تجعلنا هذه الحالة نتساءل: كيف أصبحت "دولة واحدة، نموذج واحد" بعد الحديث عن التكنولوجيا الصعبة عالية الصعوبة؟
حولت المحولات قواعد اللعبة
في عام 2017، نشر ثمانية من علماء الكمبيوتر في جوجل خوارزمية Transformer في ورقة بعنوان "الاهتمام هو كل ما تحتاجه"، مما أصبح محفزًا لهذه الموجة الحالية من الذكاء الاصطناعي. اليوم، جميع النماذج الكبيرة، بما في ذلك سلسلة GPT، مبنية على أساس Transformer.
تتمثل التحولات في المحوّلات في نقطتين رئيسيتين: الأولى هي استخدام ترميز الموضع بدلاً من التصميم الدوري، مما يحقق حسابات متوازية ويعزز بشكل كبير من كفاءة التدريب؛ والثانية هي تعزيز القدرة على فهم السياق بشكل أكبر.
هذا جعل النماذج الكبيرة تتحول من بحث نظري إلى مشكلة هندسية. أصبحت العناصر الهندسية مثل البيانات وحجم القوة الحسابية وهندسة النموذج هي المفتاح في المنافسة في الذكاء الاصطناعي. يمكن لأي شركة تمتلك قدرًا معينًا من القدرة التقنية أن تطور نماذج كبيرة.
الصراع بين البرمجيات مفتوحة المصدر والبرمجيات المغلقة المصدر
حالياً، أصبحت "معركة النماذج الكبيرة" حقيقة. حتى يوليو، بلغ عدد النماذج الكبيرة في الصين 130، متجاوزًا الولايات المتحدة التي لديها 114 نموذجًا. كما أن دولًا أخرى مثل اليابان والهند وكوريا الجنوبية لديها نماذجها الكبيرة الخاصة.
ومع ذلك، الدخول سهل والنجاح صعب. على سبيل المثال، على الرغم من أن Falcon يتفوق على Llama في الترتيب، إلا أنه من الصعب القول إنه أحدث تأثيرًا ملموسًا على Meta. بالنسبة للنماذج الكبيرة مفتوحة المصدر، فإن مجتمع المطورين النشط هو القوة التنافسية الأساسية. لطالما كانت Meta تتمتع بتقليد مفتوح المصدر، وهي تتفوق في إدارة المجتمع.
بالطبع، تحسين الأداء هو أيضًا طريق. لكن في الوقت الحالي، لا يزال معظم LLMs بعيدين عن GPT-4 بشكل واضح. في أحدث اختبار AgentBench، حقق GPT-4 درجة 4.41 بفارق كبير، بينما جاء Claude في المركز الثاني برصيد 2.77، وكانت النماذج مفتوحة المصدر الأخرى تدور حول 1.
السبب وراء هذه الفجوة هو فريق العلماء المتميز في OpenAI والخبرة المتراكمة على مدى فترة طويلة. اللب الأساسي للنموذج الكبير يكمن في بناء النظام البيئي ( المصدر المفتوح ) أو القدرة على الاستدلال البحت ( المصدر المغلق ).
عدم التوازن بين التكاليف والإيرادات
حالياً، يعاني قطاع النماذج الكبيرة من مشكلة عدم التوازن الشديد بين التكاليف والإيرادات. وفقاً لتقديرات شركة سيكويا كابيتال، يمكن أن يصل الإنفاق السنوي للشركات التقنية العالمية على بنية تحتية للنماذج الكبيرة إلى 200 مليار دولار، في حين أن الإيرادات السنوية للنماذج الكبيرة تصل إلى 75 مليار دولار كحد أقصى، مما يؤدي إلى فجوة لا تقل عن 125 مليار دولار.
حتى شركات البرمجيات العملاقة مثل مايكروسوفت وأدوبي تواجه خسائر في منتجات الذكاء الاصطناعي. لا تزال معظم شركات النماذج الكبيرة، بعد استثمار مبالغ كبيرة، لم تعثر على نموذج ربحي واضح.
مع تزايد المنافسة المتماثلة وزيادة النماذج مفتوحة المصدر، قد تواجه شركات توفير النماذج الكبيرة ضغوطًا أكبر. في المستقبل، قد تتجلى قيمة الذكاء الاصطناعي أكثر في السيناريوهات التطبيقية المحددة بدلاً من النموذج نفسه.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تفتح نماذج الذكاء الاصطناعي الكبرى في سائر المجالات ، حيث أدى اسقاط العوائق التقنية إلى إثارة المنافسة العالمية
تتنافس القوى في مجال الذكاء الاصطناعي، وعصر "معركة المئة نموذج" قد بدأ
في الشهر الماضي، اندلعت "حرب الحيوانات" في عالم الذكاء الاصطناعي. من جهة، تمثل Llama التي أطلقتها Meta، والتي حظيت بشعبية كبيرة بين المطورين بفضل خصائصها مفتوحة المصدر. ومن جهة أخرى، هناك نموذج كبير يسمى Falcon، الذي تصدر قائمة LLM مفتوحة المصدر بعد أن تم إصداره في مايو من هذا العام.
من المثير للاهتمام أن مطوري فالكون هم من معهد الابتكار التكنولوجي في أبوظبي، عاصمة الإمارات العربية المتحدة. ثم تم اختيار وزير الذكاء الاصطناعي في الإمارات ضمن قائمة "أكثر 100 شخصية تأثيرًا في مجال الذكاء الاصطناعي" التي أصدرتها مجلة تايم.
اليوم، دخلت مجال الذكاء الاصطناعي مرحلة تنافسية حيث تتنافس العديد من الشركات. تقوم الدول والشركات التي لديها قدرة مالية معينة بإنشاء نسخ محلية من ChatGPT. فقط في منطقة الخليج، اشترت المملكة العربية السعودية للتو أكثر من 3000 شريحة H100 للجامعات المحلية لاستخدامها في تدريب نماذج اللغة الكبيرة.
تجعلنا هذه الحالة نتساءل: كيف أصبحت "دولة واحدة، نموذج واحد" بعد الحديث عن التكنولوجيا الصعبة عالية الصعوبة؟
حولت المحولات قواعد اللعبة
في عام 2017، نشر ثمانية من علماء الكمبيوتر في جوجل خوارزمية Transformer في ورقة بعنوان "الاهتمام هو كل ما تحتاجه"، مما أصبح محفزًا لهذه الموجة الحالية من الذكاء الاصطناعي. اليوم، جميع النماذج الكبيرة، بما في ذلك سلسلة GPT، مبنية على أساس Transformer.
تتمثل التحولات في المحوّلات في نقطتين رئيسيتين: الأولى هي استخدام ترميز الموضع بدلاً من التصميم الدوري، مما يحقق حسابات متوازية ويعزز بشكل كبير من كفاءة التدريب؛ والثانية هي تعزيز القدرة على فهم السياق بشكل أكبر.
هذا جعل النماذج الكبيرة تتحول من بحث نظري إلى مشكلة هندسية. أصبحت العناصر الهندسية مثل البيانات وحجم القوة الحسابية وهندسة النموذج هي المفتاح في المنافسة في الذكاء الاصطناعي. يمكن لأي شركة تمتلك قدرًا معينًا من القدرة التقنية أن تطور نماذج كبيرة.
الصراع بين البرمجيات مفتوحة المصدر والبرمجيات المغلقة المصدر
حالياً، أصبحت "معركة النماذج الكبيرة" حقيقة. حتى يوليو، بلغ عدد النماذج الكبيرة في الصين 130، متجاوزًا الولايات المتحدة التي لديها 114 نموذجًا. كما أن دولًا أخرى مثل اليابان والهند وكوريا الجنوبية لديها نماذجها الكبيرة الخاصة.
ومع ذلك، الدخول سهل والنجاح صعب. على سبيل المثال، على الرغم من أن Falcon يتفوق على Llama في الترتيب، إلا أنه من الصعب القول إنه أحدث تأثيرًا ملموسًا على Meta. بالنسبة للنماذج الكبيرة مفتوحة المصدر، فإن مجتمع المطورين النشط هو القوة التنافسية الأساسية. لطالما كانت Meta تتمتع بتقليد مفتوح المصدر، وهي تتفوق في إدارة المجتمع.
بالطبع، تحسين الأداء هو أيضًا طريق. لكن في الوقت الحالي، لا يزال معظم LLMs بعيدين عن GPT-4 بشكل واضح. في أحدث اختبار AgentBench، حقق GPT-4 درجة 4.41 بفارق كبير، بينما جاء Claude في المركز الثاني برصيد 2.77، وكانت النماذج مفتوحة المصدر الأخرى تدور حول 1.
السبب وراء هذه الفجوة هو فريق العلماء المتميز في OpenAI والخبرة المتراكمة على مدى فترة طويلة. اللب الأساسي للنموذج الكبير يكمن في بناء النظام البيئي ( المصدر المفتوح ) أو القدرة على الاستدلال البحت ( المصدر المغلق ).
عدم التوازن بين التكاليف والإيرادات
حالياً، يعاني قطاع النماذج الكبيرة من مشكلة عدم التوازن الشديد بين التكاليف والإيرادات. وفقاً لتقديرات شركة سيكويا كابيتال، يمكن أن يصل الإنفاق السنوي للشركات التقنية العالمية على بنية تحتية للنماذج الكبيرة إلى 200 مليار دولار، في حين أن الإيرادات السنوية للنماذج الكبيرة تصل إلى 75 مليار دولار كحد أقصى، مما يؤدي إلى فجوة لا تقل عن 125 مليار دولار.
حتى شركات البرمجيات العملاقة مثل مايكروسوفت وأدوبي تواجه خسائر في منتجات الذكاء الاصطناعي. لا تزال معظم شركات النماذج الكبيرة، بعد استثمار مبالغ كبيرة، لم تعثر على نموذج ربحي واضح.
مع تزايد المنافسة المتماثلة وزيادة النماذج مفتوحة المصدر، قد تواجه شركات توفير النماذج الكبيرة ضغوطًا أكبر. في المستقبل، قد تتجلى قيمة الذكاء الاصطناعي أكثر في السيناريوهات التطبيقية المحددة بدلاً من النموذج نفسه.