في السنوات الأخيرة ، اعتمد تحسين أداء نماذج اللغة الكبيرة (LLM) بشكل أساسي على توسيع نطاق ، أي زيادة حجم البيانات وقوة الحوسبة. ومع ذلك ، فإن هذا النموذج يصل تدريجيا إلى عنق الزجاجة. أشار خبراء الصناعة إلى أنه من الصعب إحراز تقدم كبير ببساطة من خلال الاعتماد على الاستراتيجية "الأكبر والأفضل" ، وأن الاختراقات التكنولوجية الجديدة وشيكة. سوف تستكشف هذه المقالة التحديات التي تواجه مجال الذكاء الاصطناعى الحالي وكيف يمكن لتكنولوجيات "الحوسبة في وقت الاختبار" الناشئة تقديم اتجاهات جديدة إلى تطوير الذكاء الاصطناعي.
من خلال التطور السريع لوكالة الذكاء الاصطناعى التوليدي ، يتغير تصور الصناعة التقليدي لـ "Bigger هو الأفضل". قال العديد من كبار علماء الذكاء الاصطناعى مؤخرًا إن طريقة تحسين أداء الذكاء الاصطناعي من خلال زيادة كمية البيانات وقوة الحوسبة تقترب من عنق الزجاجة ، وتظهر الاختراقات التكنولوجية الجديدة.
أعربت إيليا سوتسكفر ، المؤسس المشارك لـ Safe Superintelligence و Openai ، مؤخرًا عن رأيه بأن أساليب التدريب التقليدية قد دخلت فترة منصة الأداء. هذا البيان جذاب بشكل خاص لأنه كان طريقة التدريب المسبقة على نطاق واسع الذي دعا إليه في الأيام الأولى التي أنجبت ChatGPT. اليوم ، قال إن مجال الذكاء الاصطناعى قد انتقل من "عصر عصر التوسع المقياس" إلى "عصر عصر المعجزات والاكتشاف".
في الوقت الحالي ، يواجه التدريب النطاق على نطاق واسع تحديات متعددة: تكاليف تدريب عشرات الملايين من الدولارات ، وخطر فشل الأجهزة الناجم عن تعقيد النظام ، ودورات الاختبار الطويلة ، والقيود على موارد البيانات وتوريد الطاقة. دفعت هذه الأسئلة الباحثين إلى استكشاف مسارات تكنولوجية جديدة.
من بينها ، اجتذبت تقنية "حساب وقت الاختبار" اهتمامًا واسع النطاق. يتيح هذا النهج نماذج الذكاء الاصطناعى لإنشاء وتقييم حلول متعددة في الوقت الفعلي أثناء الاستخدام بدلاً من إعطاء إجابة واحدة مباشرة. قام باحث Openai Noam Brown بتشبيه للصور: السماح لـ AI بالتفكير لمدة 20 ثانية في بطاقة اللعب ، والتي يمكن مقارنتها لتوسيع نطاق النموذج ووقت التدريب بمقدار 100000 مرة.
في الوقت الحالي ، تقوم العديد من مختبرات AI العليا بما في ذلك Openai و Anthropic و Xai و DeepMind بتطوير إصدارات التكنولوجيا الخاصة بكل منها. قامت Openai بتطبيق هذه التكنولوجيا في أحدث طراز لها "O1" ، وقال كبير مسؤولي المنتج كيفن ويل إنه من خلال هذه الأساليب المبتكرة ، رأوا عددًا كبيرًا من الفرص لتحسين الأداء النموذجي.
يعتقد خبراء الصناعة أن هذا التحول في طرق التكنولوجيا قد يعيد تشكيل المشهد التنافسي لصناعة الذكاء الاصطناعى بأكمله ويغير بشكل أساسي هيكل الطلب لشركات الذكاء الاصطناعى لمختلف الموارد. هذا يمثل أن تطوير الذكاء الاصطناعي يدخل مرحلة جديدة حيث يركز أكثر على تحسين الجودة بدلاً من مجرد توسيع نطاق التوسع.
باختصار ، يمثل صعود التقنيات الجديدة مثل "حوسبة وقت الاختبار" مرحلة جديدة في تطوير الذكاء الاصطناعي ، أي إيلاء المزيد من الاهتمام لتحسين الأداء النموذجي بدلاً من مجرد توسيع نطاق التوسع. سيؤدي ذلك إلى تغيير المشهد التنافسي لصناعة الذكاء الاصطناعي ويعزز تقنية الذكاء الاصطناعى لتطوير في اتجاه أكثر دقة وذكية. في المستقبل ، تعتمد الاختراقات في تقنية الذكاء الاصطناعى أكثر على ابتكار الخوارزمية وفهم جوهر النموذج ، بدلاً من تراكم قوة الحوسبة البسيط.