تدعي شركة Hugging Face أن نماذج الذكاء الاصطناعي الجديدة الخاصة بها هي الأصغر من نوعها

أصدر فريق في منصة تطوير الذكاء الاصطناعي Hugging Face ما يزعمون أنه أصغر نماذج الذكاء الاصطناعي التي يمكنها تحليل الصور ومقاطع الفيديو القصيرة والنصوص.

تم تصميم الطرازين، SmolVLM-256M وSmolVLM-500M، للعمل بشكل جيد على “الأجهزة المقيدة” مثل أجهزة الكمبيوتر المحمولة التي تحتوي على أقل من 1 جيجابايت من ذاكرة الوصول العشوائي. ويقول الفريق إنها أيضًا مثالية للمطورين الذين يحاولون معالجة كميات كبيرة من البيانات بتكلفة رخيصة جدًا.

SmolVLM-256M وSmolVLM-500M هما فقط 256 مليون معلمة و500 مليون معلمة في الحجم، على التوالي. (تتوافق المعلمات تقريبًا مع قدرات النموذج على حل المشكلات، مثل أدائه في اختبارات الرياضيات.) يمكن لكلا النموذجين أداء مهام مثل وصف الصور أو مقاطع الفيديو والإجابة على الأسئلة حول ملفات PDF والعناصر الموجودة بداخلها، بما في ذلك النص الممسوح ضوئيًا والمخططات.

لتدريب SmolVLM-256M وSmolVLM-500M، استخدم فريق Hugging Face The Cauldron، وهي مجموعة مكونة من 50 مجموعة بيانات صور ونصوص “عالية الجودة”، وDocmatix، وهي مجموعة من عمليات فحص الملفات المقترنة بتعليقات تفصيلية. تم إنشاء كلاهما بواسطة فريق Hugging Face’s M4، الذي يقوم بتطوير تقنيات الذكاء الاصطناعي متعددة الوسائط.

يدعي الفريق أن كلا من SmolVLM-256M وSmolVLM-500M يتفوقان في الأداء على نموذج أكبر بكثير، Idefics 80B، في المعايير بما في ذلك AI2D، الذي يختبر قدرة النماذج على تحليل المخططات العلمية على مستوى الصف المدرسي. SmolVLM-256M وSmolVLM-500M متاحان على الويب وكذلك للتنزيل من Hugging Face بموجب ترخيص Apache 2.0، مما يعني أنه يمكن استخدامهما دون قيود.

قد تكون النماذج الصغيرة مثل SmolVLM-256M وSmolVLM-500M غير مكلفة ومتعددة الاستخدامات، ولكنها قد تحتوي أيضًا على عيوب ليست واضحة في النماذج الأكبر حجمًا. وجدت دراسة حديثة أجراها Google DeepMind وMicrosoft Research ومعهد أبحاث Mila في كيبيك أن العديد من النماذج الصغيرة تؤدي أداءً أسوأ من المتوقع في مهام الاستدلال المعقدة. وتكهن الباحثون بأن هذا قد يكون بسبب أن النماذج الأصغر تتعرف على أنماط المستوى السطحي في البيانات، ولكنها تواجه صعوبة في تطبيق تلك المعرفة في سياقات جديدة.