تقنية

هذا الأسبوع في الذكاء الاصطناعي: لن توضح شركة Apple كيفية صنع النقانق


مرحبًا أيها الناس، ومرحبًا بكم في النشرة الإخبارية المنتظمة للذكاء الاصطناعي الخاصة بـ TechCrunch.

هذا الأسبوع في مجال الذكاء الاصطناعي، سرقت شركة Apple الأضواء.

في مؤتمر المطورين العالمي (WWDC) الذي عقدته الشركة في كوبرتينو، كشفت شركة Apple النقاب عن Apple Intelligence، وهي الدفعة التي طال انتظارها على مستوى النظام البيئي نحو الذكاء الاصطناعي التوليدي. تعمل تقنية Apple Intelligence على تشغيل مجموعة كاملة من الميزات، بدءًا من Siri الذي تمت ترقيته إلى الرموز التعبيرية التي تم إنشاؤها بواسطة الذكاء الاصطناعي وحتى أدوات تحرير الصور التي تزيل الأشخاص والأشياء غير المرغوب فيها من الصور.

ووعدت الشركة بأن يتم بناء Apple Intelligence مع مراعاة السلامة في جوهرها، إلى جانب تجارب مخصصة للغاية.

وأشار الرئيس التنفيذي تيم كوك خلال الكلمة الرئيسية يوم الاثنين: “يجب أن يفهمك ويرتكز على سياقك الشخصي، مثل روتينك وعلاقاتك واتصالاتك والمزيد”. “كل هذا يتجاوز الذكاء الاصطناعي. إنه الذكاء الشخصي، وهو الخطوة الكبيرة التالية لشركة Apple.

Apple Intelligence هي شركة Apple بشكل كلاسيكي: فهي تخفي التكنولوجيا الجوهرية خلف ميزات مفيدة بشكل واضح وبديهي. (لم ينطق كوك مرة واحدة بعبارة “نموذج اللغة الكبير”). ولكن باعتباري شخصًا يكتب عن ضعف الذكاء الاصطناعي لكسب لقمة العيش، أتمنى أن تكون شركة أبل أكثر شفافية – هذه المرة فقط – حول كيفية صنع النقانق.

لنأخذ على سبيل المثال ممارسات التدريب النموذجية لشركة Apple. كشفت شركة Apple في منشور على مدونتها أنها تدرب نماذج الذكاء الاصطناعي التي تدعم ذكاء Apple على مجموعة من مجموعات البيانات المرخصة والويب العام. يتوفر للناشرين خيار إلغاء الاشتراك في التدريب المستقبلي. ولكن ماذا لو كنت فنانًا مهتمًا بمعرفة ما إذا كان عملك قد تم اجتياحه في التدريب الأولي لشركة Apple؟ حظ صعب – أمي هي الكلمة.

يمكن أن تكون السرية لأسباب تنافسية. لكنني أظن أن ذلك يهدف أيضًا إلى حماية شركة Apple من التحديات القانونية – وتحديدًا التحديات المتعلقة بحقوق الطبع والنشر. لم تقرر المحاكم بعد ما إذا كان البائعون مثل Apple لهم الحق في التدريب على البيانات العامة دون تعويض أو اعتماد منشئي تلك البيانات – وبعبارة أخرى، ما إذا كان مبدأ الاستخدام العادل ينطبق على الذكاء الاصطناعي التوليدي.

من المخيب للآمال بعض الشيء أن نرى شركة آبل، التي غالبًا ما تصور نفسها على أنها بطلة لسياسة التكنولوجيا المنطقية، تتبنى ضمنيًا حجة الاستخدام العادل. يمكن لشركة Apple، التي يكتنفها حجاب التسويق، أن تدعي أنها تتبع نهجًا مسؤولًا ومدروسًا تجاه الذكاء الاصطناعي، في حين أنها ربما تكون قد تدربت على أعمال المبدعين دون إذن.

القليل من التفسير من شأنه أن يقطع شوطا طويلا. من المؤسف أننا لم نحصل على واحدة – ولا آمل أن نتمكن من ذلك في أي وقت قريب، باستثناء دعوى قضائية (أو اثنتين).

أخبار

أهم ميزات الذكاء الاصطناعي من Apple: لقد جمعت لك بالفعل أفضل ميزات الذكاء الاصطناعي التي أعلنت عنها شركة Apple خلال الكلمة الرئيسية لـ WWDC هذا الأسبوع، بدءًا من Siri الذي تمت ترقيته وحتى عمليات التكامل العميقة مع ChatGPT من OpenAI.

يقوم OpenAI بتعيين المديرين التنفيذيين: قامت شركة OpenAI هذا الأسبوع بتعيين سارة فريار، الرئيس التنفيذي السابق لشبكة التواصل الاجتماعي الفائقة المحلية Nextdoor، لتتولى منصب المدير المالي لها، وكيفن ويل، الذي قاد سابقًا تطوير المنتجات في Instagram وTwitter، كرئيس تنفيذي للمنتجات.

البريد، الآن مع المزيد من الذكاء الاصطناعي: قامت Yahoo (الشركة الأم لـ TechCrunch) هذا الأسبوع بتحديث Yahoo Mail بقدرات الذكاء الاصطناعي الجديدة، بما في ذلك ملخصات رسائل البريد الإلكتروني التي تم إنشاؤها بواسطة الذكاء الاصطناعي. قدمت Google ميزة تلخيص توليدي مماثلة مؤخرًا – ولكنها خلف نظام حظر الاشتراك غير المدفوع.

وجهات نظر مثيرة للجدل: توصلت دراسة حديثة أجرتها جامعة كارنيجي ميلون إلى أن نماذج الذكاء الاصطناعي التوليدي ليست جميعها متساوية، لا سيما عندما يتعلق الأمر بكيفية تعاملها مع الموضوعات الاستقطابية.

مولد الصوت: أصدرت شركة Stability AI، الشركة الناشئة التي تقف وراء المولد الفني المدعم بالذكاء الاصطناعي Stable Diffusion، نموذجًا مفتوحًا للذكاء الاصطناعي لتوليد الأصوات والأغاني التي تدعي أنه تم تدريبها حصريًا على تسجيلات خالية من حقوق الملكية.

ورقة بحثية للأسبوع

تعتقد شركة جوجل أن بإمكانها بناء نموذج ذكاء اصطناعي توليدي للصحة الشخصية، أو على الأقل اتخاذ خطوات أولية في هذا الاتجاه.

في ورقة بحثية جديدة ظهرت على مدونة Google AI الرسمية، قام الباحثون في Google بسحب الستار على نموذج اللغة الكبيرة للصحة الشخصية، أو PH-LLM للاختصار – نسخة مضبوطة من أحد نماذج Gemini من Google. تم تصميم PH-LLM لتقديم توصيات لتحسين النوم واللياقة البدنية، وذلك جزئيًا من خلال قراءة بيانات معدل ضربات القلب والتنفس من الأجهزة القابلة للارتداء مثل الساعات الذكية.

ولاختبار قدرة PH-LLM على تقديم اقتراحات صحية مفيدة، أنشأ الباحثون ما يقرب من 900 دراسة حالة عن النوم واللياقة البدنية شملت موضوعات مقيمة في الولايات المتحدة. ووجدوا أن PH-LLM قدمت توصيات بشأن النوم قريب من – ولكنها ليست بنفس جودة – التوصيات التي قدمها خبراء النوم البشري.

يقول الباحثون إن برنامج PH-LLM يمكن أن يساعد في وضع البيانات الفسيولوجية في سياق “تطبيقات الصحة الشخصية”. يتبادر إلى ذهني تطبيق Google Fit؛ لن أتفاجأ عندما أرى أن PH-LLM يعمل في النهاية على تشغيل بعض الميزات الجديدة في تطبيق Google الذي يركز على اللياقة البدنية، أو Fit أو غير ذلك.

نموذج الاسبوع

خصصت شركة Apple قدرًا كبيرًا من نسخ المدونة التي توضح بالتفصيل نماذج الذكاء الاصطناعي التوليدية الجديدة الموجودة على الجهاز والمرتبطة بالسحابة والتي تشكل مجموعة Apple Intelligence الخاصة بها. ومع ذلك، وعلى الرغم من طول هذا المنشور، فإنه يكشف القليل عن قدرات النماذج. إليك أفضل محاولتنا لتحليلها:

الطراز المجهول الموجود على الجهاز الذي تسلط Apple الضوء عليه صغير الحجم، مما لا شك فيه أنه يمكن تشغيله دون اتصال بالإنترنت على أجهزة Apple مثل iPhone 15 Pro وPro Max. يحتوي على 3 مليارات معلمة – “المعلمات” هي أجزاء النموذج التي تحدد بشكل أساسي مهارته في حل مشكلة ما، مثل إنشاء نص – مما يجعله مشابهًا لنموذج Gemini Gemini الموجود على الجهاز من Google Gemini Nano، والذي يأتي في 1.8 مليار معلمة و 3.25 مليار أحجام المعلمات.

وفي الوقت نفسه، يكون نموذج الخادم أكبر (لن تحدد شركة Apple حجمًا أكبر على وجه التحديد). ما كنا يفعل ما نعرفه هو أنه أكثر قدرة من الطراز الموجود على الجهاز. في حين أن النموذج الموجود على الجهاز يعمل على قدم المساواة مع نماذج مثل Phi-3-mini من Microsoft، وMistral’s Mistral 7B، وGemma 7B من Google في المعايير التي تدرجها Apple، فإن نموذج الخادم “يقارن بشكل إيجابي” مع الطراز الرائد الأقدم من OpenAI GPT-3.5 Turbo، من Apple. المطالبات.

تقول شركة Apple أيضًا أن كلا من الطراز الموجود على الجهاز ونموذج الخادم أقل احتمالية للخروج عن المسار (أي سمية الصنبور) مقارنة بالنماذج ذات الأحجام المماثلة. قد يكون الأمر كذلك – لكن هذا الكاتب يحتفظ بالحكم حتى نحصل على فرصة لاختبار ذكاء Apple.

الاستيلاء على حقيبة

يصادف هذا الأسبوع الذكرى السنوية السادسة لإصدار GPT-1، سلف GPT-4o، أحدث نموذج رائد للذكاء الاصطناعي التوليدي من OpenAI. وعلى الرغم من أن التعلم العميق قد يصل إلى طريق مسدود، إلا أنه من المذهل مدى التقدم الذي وصل إليه هذا المجال.

لنفترض أن الأمر استغرق شهرًا لتدريب GPT-1 على مجموعة بيانات تبلغ 4.5 جيجابايت من النص (BookCorpus، الذي يحتوي على ما يقرب من 7000 كتاب خيالي غير منشور). استغرق تدريب GPT-3، الذي يبلغ حجمه 1500 ضعف حجم GPT-1 تقريبًا من حيث عدد المعلمات وأكثر تعقيدًا بشكل ملحوظ في النثر الذي يمكنه إنشاؤه وتحليله، 34 يومًا. كيف يتم ذلك للتحجيم؟

ما جعل GPT-1 رائدًا هو أسلوبه في التدريب. اعتمدت التقنيات السابقة على كميات هائلة من البيانات المصنفة يدويًا، مما حد من فائدتها. (يستغرق تصنيف البيانات يدويًا وقتًا طويلاً – وشاقًا). لكن GPT-1 لم يفعل ذلك؛ تدربت في المقام الأول على غير مسمى البيانات “لتعلم” كيفية أداء مجموعة من المهام (على سبيل المثال، كتابة المقالات).

يعتقد العديد من الخبراء أننا لن نرى نقلة نوعية ذات معنى مثل GPT-1 في أي وقت قريب. ولكن مرة أخرى، لم يتوقع العالم قدوم GPT-1 أيضًا.

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى