علاقه جهانی به هوش مصنوعی رو به افزایش است و بیشتر توجهها به کشورهایی مانند ایالات متحده و چین معطوف شده است که بسیاری از مدلهای پیشرو هوش مصنوعی در جهان را دارند. آسیای جنوب شرقی - یکی از مناطق مهم اقتصادی جهان - به تدریج در حال تبدیل شدن به یک نقطه داغ جدید برای هوش مصنوعی است، با پیشرفتهای بزرگی که میتواند سیاستگذاران جهانی، سرمایهگذاران و کارشناسان فناوری را به خود جلب کند.

در ویتنام، حزب و دولت نیز مصمم به شکلدهی و ارتقای دوران توسعه فناوری کشور هستند، که از طریق قطعنامه 57-NQ/TW در مورد دستیابی به موفقیت در توسعه علم و فناوری، نوآوری و تحول دیجیتال ملی نشان داده شده است. این جهتگیری، نیروی محرکه قوی برای شرکتهای فناوری داخلی جهت سرمایهگذاری و بهرهبرداری از پتانسیل فناوری پیشرفته جهانی ایجاد کرده است.
در حال حاضر، ویتنام به یکی از معدود کشورهای جنوب شرقی آسیا تبدیل شده است که دارای یک مدل زبان بزرگ (LLM) داخلی است. به طور خاص، از سال 2023، Zalo با موفقیت یک مدل LLM را با تمرکز بر زبان ویتنامی آموزش داده و راهاندازی کرده است که کاملاً توسط تیمی از مهندسان ویتنامی تحقیق و توسعه یافته است.
از ابتدا آموزش را انتخاب کنید و نتایج غیرمنتظرهای بگیرید
در حال حاضر، مدلهای هوش مصنوعی دارای دو تکنیک آموزشی هستند: تکنیک مدل تنظیمشده دقیق، روشی برای بهینهسازی LLMهای آموزشدیده قبلی برای ایجاد LLMهای جدید برای اهداف تخصصی است؛ تکنیک آموزش مدل از ابتدا، فرآیند ساخت یک مدل کاملاً جدید است، از مقداردهی اولیه پارامتر، تصمیمگیری در مورد معماری مدل گرفته تا الگوریتم آموزشی روی یک مجموعه داده خاص.
در میان آنها، تکنیکهای تنظیم دقیق به دلیل مزایایی مانند پیادهسازی آسان، صرفهجویی در منابع و امکان ارائه کارایی بهتر، توسط بسیاری از کسبوکارها انتخاب میشوند. به خصوص، در شرایط ویتنام که تجهیزات آموزشی و دادهها محدود است، تکنیکهای تنظیم دقیق یک راهحل برتر هستند.
با این حال، زالو از ابتدا این تکنیک آموزشی را انتخاب کرد. با این روش، کل فرآیند و مدل آموزشی کاملاً متعلق به مردم ویتنام و تحت کنترل آنهاست. به لطف این، ویتنام به یکی از معدود کشورهای جنوب شرقی آسیا تبدیل شده است که دارای یک مدل زبانی بزرگ (LLM) است که در داخل کشور توسعه یافته است.
در زمان راهاندازی در سال ۲۰۲۳، اولین مدل زبانی در مقیاس بزرگ Zalo با ۷ میلیارد پارامتر متمرکز بر زبان ویتنامی، در مقایسه با GPT3.5 OpenAI در معیار ارزیابی صلاحیت VMLU Vietnamese LLM، به ۱۵۰٪ عملکرد دست یافت. زمان آموزش تنها ۶ ماه طول کشید، که بسیار کوتاهتر از برنامه اولیه ۱۸ ماهه بود. این فرآیند سریع آموزش، کل تیم توسعه Zalo را شگفتزده کرد.

مدل LLM زالو در اولین عرضه خود در سال 2023، رتبه سوم را در چالش کاهوت کسب کرد (عکس: زالو).
در سال ۲۰۲۴، مدل ۱۳ میلیارد پارامتری زالو از نامهای بزرگ جهان پیشی خواهد گرفت تا جایگاه خود را به عنوان ۲ مدل برتر LLM ویتنامی که از ابتدا در رتبهبندی شایستگی LLM ویتنامی VMLU آموزش دیدهاند، تثبیت کند.
نتایج نشان میدهد که سطح آموزش مدلهای زبانی بزرگ برای توسعه یک مدل هوش مصنوعی در ویتنام، به ویژه در زمینه مشکلات اولیه توسعه، پایینتر از سطح جهانی نیست.
تلاشهای ویتنامیها برای توسعه مدلهای هوش مصنوعی
نماینده زالو گفت که آموزش LLM به 3 عنصر اصلی نیاز دارد: تجهیزات آموزشی، دادهها و سطح فنی. پیش از این، در ویتنام، هنوز محدودیتهای زیادی در هر 3 جنبه وجود داشت. به طور خاص، در حالی که شرکتهای بزرگ جهان هزاران پردازنده گرافیکی با عملکرد بالا از Nvidia را در اختیار دارند، در ویتنام، مهندسان هنوز به طور کامل به زیرساختهای سرور لازم مجهز نیستند. در عین حال، زبان ویتنامی نیز در گروهی با منابع داده ضعیفتر از انگلیسی یا چینی قرار دارد. منابع انسانی و تجربه آموزش LLM ویتنام نیز در مقایسه با کشورهای توسعه یافته محدود است.
تیم زالو در آن زمان مجبور بود روی پردازندههای گرافیکی کوچک غیرنظامی تحقیق و آزمایش کند تا خود را با دانش و قابلیتهای آموزش LLM مجهز کند، و به محض فراهم شدن زیرساختهای محاسباتی بزرگ، آماده باشد.
تراشههای آموزش هوش مصنوعی کمیاب هستند، بنابراین اگرچه Zalo 8 سرور Nvidia DGX H100 سفارش داده است، اما نمیتواند همه دستگاهها را به طور همزمان در اختیار داشته باشد و باید منتظر تحویل هر دسته از سوی سازنده باشد. بنابراین، بهینهسازی زیرساخت محاسباتی ناقص برای صرفهجویی در زمان آموزش نیز مشکلی است که تیم Zalo باید آن را حل کند.
در عین حال، برای جبران کمبود منابع داده ویتنامی، روی دادههای آموزشی باکیفیت نیز سرمایهگذاری میشود.

«اگرچه نقطه شروع در مقایسه با شرکتهای بزرگ جهان دشوار بود، زالو همچنان تصمیم گرفت با هدف توسعه موفقیتآمیز مدل هوش مصنوعی ویتنام به این رقابت بپیوندد. ما با محققان و مهندسان بسیاری از مؤسسات تحقیقاتی پیشرو در جهان مشورت کردیم تا یک استراتژی توسعه مناسب داشته باشیم.»
دکتر نگوین ترونگ سون، مدیر علوم Zalo AI، گفت: «نقاط عطف موفقیت فعلی، انگیزهای برای مهندسان Zalo است تا به بهینهسازی مدل ادامه دهند تا از نظر کمیت بزرگتر و از نظر کیفیت بهتر باشند. در عین حال، از قابلیت کاربرد آن برای ایجاد بسیاری از محصولات هوش مصنوعی در سطح جهانی برای کاربران ویتنامی استفاده کنند.»

سرور DGX H100 زالو از انویدیا سفارش داده شده است (عکس: زالو).
به لطف سازگاری انعطافپذیر در مراحل اولیه دشوار توسعه، زالو به تدریج به نقاط عطف موفقیتآمیزی دست یافته و به سمت تسلط بر فناوری جهانی هوش مصنوعی به شکلی که امروز هست، حرکت میکند.
در حال حاضر، مدل هوش مصنوعی زالو نه تنها از نظر تحقیقات آموزشی موفق است، بلکه در زمینههای کاربردی نیز موفق بوده و دسترسی و بهرهبرداری از ارزش فناوریهای پیشرفته جدید را برای مردم ویتنام ارتقا میدهد.
اوایل امسال، زالو دستیار پرسش و پاسخ Kiki Info را راهاندازی کرد که به عنوان یک حساب کاربری رسمی (OA) در پلتفرم پیامرسان زالو فعالیت میکند. این دستیار از پرسش و پاسخ در موضوعات مختلف زندگی، تولید محتوا و سرگرمی پشتیبانی میکند. طبق آمار زالو، دستیار Kiki Info در کمتر از ۲ ماه، تا ۱ میلیون کاربر را به حساب کاربری OA در زالو جذب کرده است.

مدل LLM زالو برای توسعه دستیار اطلاعات کیکی (Kiki Info Assistant) به کار گرفته شده است (عکس: زالو).
یکی دیگر از کاربردهای مدل LLM زالو، کارتهای هوش مصنوعی است که تنها در عرض ۲ ماه به نقطه عطف ۱۵ میلیون کارت ایجاد و ارسال شده رسید. این برنامهای است که بسیاری از کاربران زالو به آن علاقهمند هستند تا در تعطیلات مهم برای اقوام و دوستان خود پیام تبریک ارسال کنند.
در حال حاضر، برنامههای کاربردی از مدلهای زبانی بزرگ همچنان توسط Zalo در حال گسترش و توسعه هستند و نویدبخش ارائه ارزشهای مفید بسیاری برای کاربران داخلی هستند.
منبع: https://dantri.com.vn/cong-nghe/zalo-phat-trien-mo-hinh-ai-do-nguoi-viet-lam-chu-20250616161352610.htm






نظر (0)