تقنية "التقطير" التي تعتمد على الذكاء الاصطناعي تثير تساؤلات كبيرة

أنفقت شركات التكنولوجيا العملاقة مليارات الدولارات اعتقادًا منها أن "المزيد هو الأفضل" في مجال الذكاء الاصطناعي.

ومع ذلك، فإن الاختراق الذي حققته شركة DeepSeek يظهر أن النماذج الأصغر حجماً يمكنها تحقيق أداء مماثل بتكلفة أقل بكثير.

وفي أواخر يناير/كانون الثاني، أعلنت شركة DeepSeek أن التكلفة النهائية لتدريب نموذج R1 بلغت 5.6 مليون دولار فقط، وهو جزء بسيط من التكلفة التي تفرضها الشركات الأميركية.

"قراصنة التكنولوجيا"

وقد أثار صعود DeepSeek إلى صفوف الشركات الرائدة في مجال الذكاء الاصطناعي مناقشات ساخنة في وادي السيليكون حول عملية تسمى "التقطير".

هذه تقنية تشير إلى أن النظام الجديد يتعلم من النظام الحالي عن طريق طرح مئات الآلاف من الأسئلة وتحليل الإجابات.

ومن خلال عملية التقطير، ستأخذ الشركات نموذجًا لغويًا كبيرًا (LLM) - يسمى نموذج "المعلم" - قادرًا على التنبؤ بالكلمة التالية التي من المرجح أن تظهر في الجملة.

يُولّد نموذج المُعلّم بيانات، تُستخدم بدورها لتدريب نموذج "طالب" أصغر. تُتيح هذه العملية نقل المعرفة والقدرات التنبؤية بسرعة من النموذج الأكبر إلى النموذج الأصغر.

بدلاً من إنفاق مليارات الدولارات على تدريب نموذج، تُمكّن تقنية "التقطير" DeepSeek من تحقيق نفس النتائج بمجرد التعلم من نموذج كبير موجود. الصورة: Mint.

على الرغم من أن التقطير يستخدم على نطاق واسع منذ سنوات، إلا أن التطورات الأخيرة دفعت خبراء الصناعة إلى الاعتقاد بأنه سيصبح بشكل متزايد ميزة رئيسية للشركات الناشئة مثل DeepSeek.

وعلى عكس عمالقة الصناعة مثل OpenAI، تبحث هذه الشركات دائمًا عن حلول فعالة من حيث التكلفة لتطوير التطبيقات القائمة على الذكاء الاصطناعي.

يقول أوليفييه جودمينت، مدير منتجات OpenAI: "عملية التقطير عمليةٌ سحريةٌ للغاية. إنها عملية أخذ نموذج حافةٍ كبيرٍ وذكيٍّ واستخدامه لتدريب نموذجٍ أصغر. إنها عمليةٌ فعّالةٌ جدًا لمهامٍ محددة، ورخيصةٌ جدًا، وسريعةُ التنفيذ".

علامات استفهام حول فعالية مليارات الدولارات من رأس المال

تشتهر برامج LLM مثل GPT-4 من OpenAI أو Gemini (من Google) أو Llama (من Meta) بالحاجة إلى كميات هائلة من البيانات وقوة الحوسبة لتطويرها وصيانتها.

وفي حين لا تكشف الشركات عن التكاليف الدقيقة، فمن المقدر أن تدريب هذه النماذج قد يكلف مئات الملايين من الدولارات.

من بينها جوجل، وOpenAI، وAnthropic، وxAI لإيلون ماسك. بعد تولي ترامب منصبه، أعلنت OpenAI عن شراكة مع SoftBank وشركاء آخرين لاستثمار 500 مليار دولار في البنية التحتية للذكاء الاصطناعي على مدى السنوات الخمس المقبلة.

ومع ذلك، بفضل عملية التقطير، يُمكن للمطورين والشركات الاستفادة من الإمكانات القوية للنماذج الكبيرة بتكلفة زهيدة. وهذا يُتيح لتطبيقات الذكاء الاصطناعي العمل بسرعة على أجهزة مثل أجهزة الكمبيوتر المحمولة أو الهواتف الذكية.

نموذج لتقنية "التقطير" في تدريب نماذج الذكاء الاصطناعي. الصورة: arXiv.

في الواقع ، تشير صحيفة وول ستريت جورنال إلى أنه بعد نجاح DeepSeek، بدأ المسؤولون التنفيذيون والمستثمرون في وادي السيليكون يعيدون النظر في نماذج أعمالهم ويتساءلون عما إذا كانت قيادة الصناعة لا تزال تستحق العناء.

"هل يستحق الأمر اقتصاديًا أن تكون الأول إذا كان ذلك يكلف ثمانية أضعاف تكلفة المتابع؟" يتساءل مايك فولبي، وهو أحد المديرين التنفيذيين المخضرمين في مجال التكنولوجيا ومستثمر رأس المال الاستثماري في شركة هانابي كابيتال.

ويتوقع مديرو تكنولوجيا المعلومات رؤية العديد من تطبيقات الذكاء الاصطناعي عالية الجودة التي تم إنشاؤها باستخدام تقنية "التقطير" في السنوات القادمة.

على وجه التحديد، بدأ باحثون في شركة الذكاء الاصطناعي "هَجينغ فيس" بمحاولة بناء نموذج مشابه لنموذج "ديب سيك". وصرح الباحث الرئيسي لويس تونستال: "أسهل ما يمكن محاكاته هو عملية التقطير".

لا تزال نماذج الذكاء الاصطناعي من OpenAI وGoogle تتصدر المخططات المستخدمة على نطاق واسع في وادي السيليكون.

تستطيع شركات التكنولوجيا العملاقة الحفاظ على تفوقها في أكثر الأنظمة تطورًا من خلال إجراء أبحاث مبتكرة. ومع ذلك، فإن العديد من المستهلكين والشركات على استعداد للقبول بتقنيات أقل جودةً بقليل بسعر أقل بكثير.

تقنية "التقطير" ليست فكرة جديدة، لكن نجاح DeepSeek أثبت أن نماذج الذكاء الاصطناعي منخفضة التكلفة لا تزال بنفس فعالية النماذج التي تكلف مليارات الدولارات. الصورة: Shutterstock.

ورغم أن عملية التقطير يمكن أن تنتج نماذج تعمل بشكل جيد، فإن العديد من الخبراء يحذرون أيضا من أنها تنطوي على بعض القيود.

يُوضّح أحمد عوض الله من قسم أبحاث مايكروسوفت: "يُقدّم التقطير تنازلاً مثيراً للاهتمام. فعندما تُصغّر النموذج، تُقلّل حتماً من قدراته".

وبحسب عوض الله، فإن نموذج التقطير قد يكون جيدًا جدًا في تلخيص رسائل البريد الإلكتروني، لكنه في الوقت نفسه ليس جيدًا حقًا في أي مهمة أخرى.

وفي الوقت نفسه، قال ديفيد كوكس، نائب رئيس قسم نمذجة الذكاء الاصطناعي في شركة IBM Research، إن معظم الشركات لا تحتاج إلى نماذج عملاقة لتشغيل منتجاتها.

أصبحت النماذج المقطرة الآن قوية بما يكفي لخدمة أغراض مثل برامج الدردشة الآلية لخدمة العملاء أو العمل على الأجهزة الصغيرة مثل الهواتف.

وأضاف كوكس: "في أي وقت يمكنك فيه خفض التكاليف مع تحقيق الأداء المطلوب، فلا يوجد سبب لعدم القيام بذلك".

المصدر: https://znews.vn/ky-thuat-chung-cat-ai-dang-dat-ra-cau-hoi-lon-post1535517.html