Zalo تطور نموذج الذكاء الاصطناعي المملوك للشعب الفيتنامي

(دان تري) - بفضل توجهها القوي نحو تطوير التكنولوجيا، نجحت زالو، وهي شركة فيتنامية، في تطوير نموذج محلي للذكاء الاصطناعي. وبذلك، أصبحت فيتنام واحدة من الدول القليلة في جنوب شرق آسيا التي تمتلك نموذج ذكاء اصطناعي مُدرّب من الصفر.

يتزايد اهتمام العالم بالذكاء الاصطناعي، مع تركيز معظم الاهتمام على الدول التي تمتلك العديد من نماذج الذكاء الاصطناعي الرائدة عالميًا، مثل الولايات المتحدة والصين. وتتحول منطقة جنوب شرق آسيا، إحدى أهم المناطق الاقتصادية في العالم، تدريجيًا إلى مركز جديد للذكاء الاصطناعي، مع تطورات كبيرة قد تثير اهتمام صانعي السياسات والمستثمرين وخبراء التكنولوجيا حول العالم.

فيتنام لديها بالفعل نموذج محلي للذكاء الاصطناعي، وهو أحد نماذج الذكاء الاصطناعي القليلة التي تم تطويرها من الصفر في منطقة جنوب شرق آسيا اليوم (الصورة: زالو).

في فيتنام، يحرص الحزب والحكومة على تشكيل وتعزيز عصر التطور التكنولوجي في البلاد، وهو ما يتجلى في القرار 57-NQ/TW بشأن تحقيق اختراقات في تطوير العلوم والتكنولوجيا والابتكار والتحول الرقمي الوطني. وقد شكّل هذا التوجه دافعًا قويًا لشركات التكنولوجيا المحلية للاستثمار في إمكانات التكنولوجيا العالمية المتقدمة واستغلالها.

حاليًا، أصبحت فيتنام من الدول القليلة في جنوب شرق آسيا التي تمتلك نموذجًا محليًا واسع النطاق للغة (LLM). وتحديدًا، منذ عام ٢٠٢٣، نجحت زالو في تدريب وإطلاق نموذج ماجستير في القانون يركز على اللغة الفيتنامية، وقد بحثه وطوّره بالكامل فريق من المهندسين الفيتناميين.

اختر التدريب من البداية واحصل على نتائج غير متوقعة

حاليًا، تحتوي نماذج الذكاء الاصطناعي على تقنيتين للتدريب بما في ذلك: تقنية النموذج المضبوط هي طريقة تحسين نماذج الذكاء الاصطناعي المدربة مسبقًا لإنشاء نماذج ذكاء اصطناعي جديدة لأغراض متخصصة؛ تقنية تدريب النموذج من الصفر هي عملية بناء نموذج جديد تمامًا، من تهيئة المعلمات، والقرار بشأن بنية النموذج إلى خوارزمية التدريب على مجموعة بيانات معينة.

من بين هذه التقنيات، تختار العديد من الشركات تقنيات الضبط الدقيق لما تتميز به من سهولة التنفيذ، وتوفير الموارد، وقدرتها على تحسين الكفاءة. وخصوصًا في سياق فيتنام، حيث معدات التدريب والبيانات محدودة، تُعدّ تقنيات الضبط الدقيق حلاًّ أفضل.

ومع ذلك، اختارت زالو أسلوب التدريب منذ البداية. بفضل هذا الأسلوب، أصبحت عملية التدريب ونموذجه بالكامل تحت سيطرة الفيتناميين. وبفضل ذلك، أصبحت فيتنام واحدة من الدول القليلة في جنوب شرق آسيا التي تمتلك نموذجًا لغويًا واسع النطاق (LLM) مُطورًا محليًا.

عند إطلاقه عام ٢٠٢٣، حقق أول نموذج لغوي واسع النطاق من Zalo، والذي يضم ٧ مليارات معلمة تركز على اللغة الفيتنامية، أداءً بنسبة ١٥٠٪ مقارنةً بـ GPT3.5 من OpenAI في معيار تقييم كفاءة ماجستير القانون الفيتنامية VMLU. استغرقت مدة التدريب ستة أشهر فقط، أي أقصر بكثير من الخطة الأصلية البالغة ١٨ شهرًا. وقد فاجأت هذه العملية التدريبية السريعة فريق التطوير بأكمله في Zalo.

حصل نموذج LLM الخاص بشركة Zalo على المركز الثالث في تحدي Kahoot في إطلاقه الأول في عام 2023 (الصورة: Zalo).

في عام 2024، سوف يتفوق نموذج Zalo الذي يحتوي على 13 مليار معلمة على الأسماء الكبيرة في العالم ليؤكد مكانته كأفضل نموذجين فيتناميين لـ LLM تم تدريبهما من الصفر على تصنيف كفاءة LLM الفيتنامية التابع لـ VMLU.

وتظهر النتائج أن مستوى تدريب نماذج اللغة الكبيرة ليس أقل من المستوى العالمي لتطوير نموذج الذكاء الاصطناعي الخاص بفيتنام، خاصة في سياق صعوبات التطوير الأولية.

الجهود الفيتنامية لتطوير نماذج الذكاء الاصطناعي

صرح ممثل زالو بأن تدريب ماجستير الحقوق يتطلب ثلاثة عناصر أساسية: معدات التدريب، والبيانات، والمستوى الفني. في السابق، كانت فيتنام تعاني من قيود كثيرة في جميع هذه الجوانب الثلاثة. فعلى الرغم من امتلاك الشركات الكبرى في العالم لآلاف أحدث وحدات معالجة الرسومات عالية الأداء من إنفيديا، إلا أن المهندسين في فيتنام لا يزالون غير مجهزين بالكامل بالبنية التحتية اللازمة للخوادم. في الوقت نفسه، تُصنف اللغة الفيتنامية ضمن فئة موارد البيانات الأقل من الإنجليزية أو الصينية. كما أن الموارد البشرية والخبرة في تدريب ماجستير الحقوق في فيتنام محدودة مقارنةً بالدول المتقدمة.

كان على فريق Zalo في ذلك الوقت إجراء الأبحاث والتجارب على وحدات معالجة الرسوميات المدنية الصغيرة لتزويد أنفسهم بالمعرفة وقدرات التدريب على القانون، والاستعداد بمجرد توفر البنية التحتية الكبيرة للحوسبة.

نظراً لندرة شرائح تدريب الذكاء الاصطناعي، ورغم طلب Zalo ثمانية خوادم Nvidia DGX H100، إلا أنها لا تستطيع امتلاك جميع الأجهزة دفعة واحدة، وتضطر إلى انتظار كل دفعة من الشركة المصنعة. لذلك، يُعدّ تحسين البنية التحتية للحوسبة غير المكتملة لتوفير وقت التدريب مشكلةً يجب على فريق Zalo حلها.

وفي الوقت نفسه، يتم أيضًا الاستثمار في بيانات التدريب عالية الجودة للتعويض عن النقص في مصادر البيانات الفيتنامية.

رغم صعوبة البداية مقارنةً بالشركات الكبرى عالميًا، قررت زالو الانضمام إلى السباق بهدف تطوير نموذج ذكاء اصطناعي خاص بفيتنام بنجاح. تشاورنا مع باحثين ومهندسين في العديد من معاهد الأبحاث الرائدة عالميًا لوضع استراتيجية تطوير مناسبة.

"تُشكّل إنجازات النجاح الحالية دافعًا لمهندسي زالو لمواصلة تحسين النموذج ليكون أكبر كمًا وأفضل جودة. وفي الوقت نفسه، استغلال إمكانية التطبيق لتطوير العديد من منتجات الذكاء الاصطناعي عالمية المستوى للمستخدمين الفيتناميين"، هذا ما أشار إليه الدكتور نجوين ترونج سون، مدير العلوم في زالو للذكاء الاصطناعي.

خادم DGX H100 تم طلبه من Zalo من Nvidia (صورة: Zalo).

بفضل التكيف المرن في المراحل المبكرة الصعبة من التطوير، حققت Zalo تدريجيًا معالم ناجحة، وانتقلت نحو إتقان تقنية الذكاء الاصطناعي العالمية كما هي اليوم.

في الوقت الحالي، لا يعد نموذج الذكاء الاصطناعي الخاص بشركة Zalo ناجحًا من حيث تدريب الأبحاث فحسب، بل إنه أيضًا ناجح في التطبيق، مما يعزز الوصول إلى القيمة من التكنولوجيا الجديدة المتقدمة واستغلالها للشعب الفيتنامي.

في وقت سابق من هذا العام، أطلقت زالو مساعد الأسئلة والأجوبة "كيكي إنفو"، والذي يُدار كحساب رسمي على منصة زالو للمراسلة. يدعم المساعد أسئلة وأجوبة حول مواضيع متنوعة في الحياة، وإنشاء المحتوى، والترفيه. ووفقًا لإحصاءات زالو، وصل عدد مستخدمي مساعد "كيكي إنفو" إلى مليون مستخدم في أقل من شهرين.

تم تطبيق نموذج LLM الخاص بـ Zalo لتطوير Kiki Info Assistant (الصورة: Zalo).

تطبيق آخر من تطبيقات نموذج LLM من Zalo هو بطاقات الذكاء الاصطناعي، التي وصلت أيضًا إلى إنجازٍ بـ 15 مليون بطاقة تم إنشاؤها وإرسالها في شهرين فقط. هذا التطبيق يُثير اهتمام العديد من مستخدمي Zalo لإرسال التهاني للأقارب والأصدقاء في الأعياد المهمة.

في الوقت الحالي، تستمر Zalo في توسيع وتطوير التطبيقات من نماذج اللغة الكبيرة، مما يعد بتقديم العديد من القيم المفيدة للمستخدمين المحليين.

المصدر: https://dantri.com.vn/cong-nghe/zalo-phat-trien-mo-hinh-ai-do-nguoi-viet-lam-chu-20250616161352610.htm