لقد أدى التطور السريع للذكاء الاصطناعي التوليدي، وخاصة سلسلة نماذج GPT، إلى جلب إمكانيات جديدة للعديد من المجالات. بدءًا من التحسن الكبير في درجات امتحان المحاماة وحتى تطبيقه في مجال الأعمال، أثبت GPT-4 قدراته القوية. ومع ذلك، شكك بعض خبراء الصناعة في قدرة الفهم وموثوقية الذكاء الاصطناعي التوليدي الحالي، معتقدين أن قدرته على التفكير وفهمه للعالم لا تزال غير كافية، ولا يزال التطوير المستقبلي يواجه العديد من التحديات. سيأخذك محرر Downcodes إلى استكشاف عميق لاتجاه التطوير المستقبلي للذكاء الاصطناعي التوليدي، بالإضافة إلى الفرص والتحديات التي تواجهها صناعة الذكاء الاصطناعي التوليدي المحلية.
أين هو اتجاه التطوير المستقبلي للذكاء الاصطناعي التوليدي؟
لا يمكن إنكار أن GPT-4 الحالي قد تم تحسينه بشكل كبير في العديد من القدرات. بالمقارنة مع GPT-3.5، تم تحسين أداء GPT-4 في المجالات المهنية المعقدة بشكل كبير، كما أن قدرته على التفكير المنطقي أقوى أيضًا في امتحان تأهيل نقابة المحامين في الولايات المتحدة، يمكن أن تصل نتيجة GPT-4 إلى أعلى 10%، ولكن GPT-4. 3.5 يمكن أن يصل فقط إلى مستوى الـ 10% الأدنى.
مصدر الصورة: فتح منظمة العفو الدولية
كما يسمح التحسن الكبير في القدرات لـ Chat GPT بفتح المزيد من سيناريوهات الاستخدام. في الوقت الحاضر، يوفر Open AI رسميًا العديد من سيناريوهات التطبيق الرئيسية، مثل إضافة الذكاء الاصطناعي إلى Duolingo للدردشة مع المستخدمين بشكل يومي لتسريع تعلم اللغة لدى المستخدمين؛ ويستخدم Morgan Stanley GPT-4 لإدارة قاعدة معارفه لمساعدة الموظفين على الوصول بسرعة إلى المحتوى الذي تريده.
ومع ذلك، فإن العديد من الأسماء الكبيرة لديها شكوك حول قدرات GPT الحالية. وأشار ستيوارت راسل في كلمته إلى أن Chat GPT وGPT-4 لا يفهمان العالم، ولا "يجيبان" على الأسئلة. إن نموذج اللغة الكبير الحالي هو مجرد قطعة من اللغز. ما الذي يفتقده هذا اللغز حاليًا وماذا سوف تبدو في نهاية المطاف، وهذه غير مؤكدة. تحدد العديد من أوجه القصور في القدرات أيضًا أنه لا يزال هناك طريق طويل لنقطعه لتطوير الذكاء الاصطناعي العام. بسبب الشكوك المختلفة حول قدرات GPT-4، كان ستيوارت راسل يقوم أيضًا بتعديل PPT أثناء خطاب Sam Altman.
مصدر الصورة: مؤتمر الحكمة
ويتبنى أيضًا نفس وجهة نظر ستيوارت راسل، يانغ ليكون، الحائز على جائزة تورينج، وأحد "الثلاثة الكبار في التعلم العميق" وكبير علماء الذكاء الاصطناعي في ميتا. وهو يعتقد أن نموذج الانحدار الذاتي الحالي لـ GPT يفتقر إلى التخطيط، مما يؤدي إلى قدرتها على التفكير غير ممكنة حاليًا إذا تم إنشاء نموذج لغة كبير يعتمد على الاحتمالية، فمن المستحيل بشكل أساسي حل مشكلة الأخطاء. عندما يزيد نص الإدخال، سيزداد احتمال الأخطاء أيضًا بشكل كبير.
في الواقع، الاتهامات التي وجهها الرجلان الكبيران ضد شركة GPT ليست غير معقولة. نظرًا لأن خوارزمية RLHF التي تستخدمها Chat GPT نفسها تعتمد على الإدراك البشري، فإنها تسمح للنموذج بالحكم على جودة إجاباته وتدريب نفسه على تقديم إجابات ذات جودة أعلى تدريجيًا. إذا كنت ترغب في تحسين القدرة المنطقية للنموذج، فأنت بحاجة إلى استكمال عدد كبير من المعلمات في قاعدة البيانات وتكرار الخوارزمية بشكل مستمر.
المصدر: جنوب غرب للأوراق المالية
ومع ذلك، فإن وجود مخاطر مختلفة يمنع أيضًا العديد من شركات الذكاء الاصطناعي التوليدي من المحاولة بسهولة. إذا كان الذكاء الاصطناعي التوليدي قادرًا على تحقيق نفس القدرة على التفكير في القصة والقدرة على خلق عواطف الشخصية مثل كاتب الرواية، فهل سيجعل هذا الذكاء الاصطناعي التوليدي خارج نطاق سيطرة الإنسان تمامًا؟ وفي حين أن هذا يسبب ذعرا عالميا، فهل سيواجه أيضا إشرافا قويا من الحكومات المحلية، مما يجعل الاستثمارات السابقة في الذكاء الاصطناعي التوليدي تذهب سدى؟
فيما يتعلق باتجاه التطوير المستقبلي للذكاء الاصطناعي التوليدي، فإن إجابة يانغ ليكون هي النموذج العالمي. هذا النموذج العالمي ليس مجرد نموذج يحاكي الدماغ البشري على المستوى العصبي، ولكنه أيضًا نموذج عالمي يناسب أقسام الدماغ البشري تمامًا من حيث الوحدات المعرفية، والفرق الأكبر بينه وبين النموذج اللغوي الكبير هو أنه يستطيع ذلك لديهم قدرات التخطيط والتنبؤ (النموذج العالمي) وقدرات التكلفة (وحدة التكلفة).
بمساعدة النموذج العالمي، يمكننا فهم العالم بشكل أفضل والتنبؤ بالمستقبل والتخطيط له من خلال وحدة محاسبة التكاليف، جنبًا إلى جنب مع الطلب البسيط (يجب تخطيط المستقبل وفقًا للمنطق الذي يوفر معظم تكاليف العمل). يمكنه القضاء على جميع السموم المحتملة والعواقب غير الضرورية.
مصدر الصورة: مؤتمر الحكمة
لكن المشكلة تكمن في المعلمات والخوارزميات والتكاليف وما إلى ذلك للنموذج العالمي أثناء التدريب، حيث قدم يانغ ليكون بعض الأفكار الإستراتيجية. على سبيل المثال، استخدام نماذج ذاتية الإشراف لتدريب وإنشاء نماذج تفكير متعددة المستويات، وما إلى ذلك، لكن يانغ ليكون لم يتمكن من تقديم خطة كاملة حول كيفية تنفيذها.
ولم يشارك المشاركون الآخرون وجهات نظرهم حول اتجاه التطوير المستقبلي للذكاء الاصطناعي التوليدي. لذلك، سيستمر الذكاء الاصطناعي التوليدي اللاحق في الحفاظ على الوضع حيث "تقوم كل شركة بعملها الخاص"، وقد يبقى الذكاء الاصطناعي التوليدي الموحد عالميًا فقط في مرحلة المختبر.
03. التنبؤ بالذكاء الاصطناعي التوليدي المحلي
قال البروفيسور هوانغ تيجون، رئيس معهد تشييوان للأبحاث، في مقابلة مع وسائل الإعلام بعد الاجتماع إن المشكلة الحالية مع النماذج الكبيرة المحلية للذكاء الاصطناعي هي أن الصناعة محمومة، لكن بيانات التدريب صغيرة جدًا، وعشرات المليارات النماذج بدأت تظهر للتو. على الرغم من وجود بعض القدرات التقنية فيما بينها، بسبب الجهود المتكررة، بينما أصبحت موارد الصناعة أكثر تشتتًا، لا تزال هناك فجوة معينة بين مستوى ذكائهم ونماذج الذكاء الاصطناعي الأجنبية الكبيرة.
وكما قال البروفيسور هوانغ تيجون، خذ نموذج "Tongyi Qianwen" الضخم المملوك لشركة Alibaba كمثال، لأن البيانات المستخدمة لتدريب هذا النموذج الضخم عبارة عن عدد كبير من المحادثات والمحادثات الصينية المستخرجة من صناعات Taobao وAlipay وTmall التابعة لـ Alibaba. ويبلغ حجم بيانات التدريب المسبق للبيانات النصية، وكذلك البيانات النصية من بعض المصادر الأخرى، حوالي 200 مليار كلمة، أي ما يعادل 14 تيرابايت من البيانات النصية.
يبلغ حجم بيانات تدريب Chat GPT حوالي 4.5 مليار كلمة، أي ما يعادل 300 جيجابايت من البيانات النصية. بيانات التدريب صغيرة نسبيًا، لذا فإن "Tongyi Qianwen" من Alibaba يفتقر أيضًا إلى إمكانات الوسائط المتعددة من حيث النص، وكلاهما متخلف كثيرًا عن GPT-4.
وفقًا لبيانات من "تقرير تقييم القدرة الشاملة لنموذج اللغة الكبيرة 2023" الصادر عن مركز أبحاث InfoQ، تتصدر Chat GPT حاليًا الشركات المصنعة للنماذج الكبيرة المحلية الأخرى بدرجة شاملة تبلغ 77.13%.
المصدر: "تقرير تقييم القدرة الشامل لنموذج اللغة الكبيرة 2023"
وفي الوقت نفسه، أشار البروفيسور هوانغ تيجون أيضًا إلى أن النماذج الكبيرة الحالية هي نتاج وسيط للتكرار التكنولوجي، ومع التطور اللاحق لصناعة النماذج الكبيرة المحلية، يبلغ العدد المعقول للأنظمة البيئية النموذجية الكبيرة التي يمكنها البقاء في المستقبل حوالي ثلاثة .
كما قال البروفيسور هوانغ تيجون، أشار ما هواتينج في اجتماع رفيع المستوى في Tencent إلى أن أرباح سوق C-end ستختفي في السنوات العشر المقبلة. الأمل كله يكمن في سوق ToB، والنصف الثاني الإنترنت ينتمي إلى الإنترنت الصناعي. وقد أشار معهد علي لأبحاث الأعمال في وقت سابق إلى أن السنوات العشر المقبلة ستكون فرصة ذهبية لتحويل المؤسسات التقليدية.
ومع ذلك، من منظور سوق ToB، مع أخذ سوق SaaS الذي تم تطويره لسنوات عديدة كمرجع، إذا كان النموذج الكبير يريد حقًا فتح سوق ToB، فيجب أن يكون جوهره هو جلب قيمة "خفض التكلفة و "زيادة الكفاءة" للعملاء، خاصة في العصر الحالي من عدم اليقين. وينطبق هذا بشكل خاص عندما تظل بعض الصناعات على الهامش فيما يتعلق بالنماذج الكبيرة. تعتمد بشكل أساسي على الصناعات التحويلية التقليدية، والمشاكل الشائعة الحالية التي تواجهها الصناعات التحويلية التقليدية الصغيرة والمتوسطة الحجم هي انخفاض الطلبات، وكانت الصناعة تخوض حروب الأسعار، وأصبحت دورات تحصيل المدفوعات النهائية أطول في العديد من الصناعات الصغيرة والمتوسطة الصناعات تكافح حاليا لدعم نفسها. من أجل تجنب تكاليف التجربة والخطأ المرتفعة، فإن العديد من شركات التصنيع الصغيرة والمتوسطة الحجم بطبيعة الحال لا تجرؤ على تجربة استخدام النماذج الكبيرة بسهولة.
وانطلاقًا من تاريخ تطور صناعة SaaS، شهدت صناعة SaaS المحلية ذروة نمو في عام 2015 بعد أن شهدت 10 سنوات من الهدوء منذ أوائل عام 2004. منذ تفشي الوباء في عام 2020، أدى الوباء إلى تسريع التحول الرقمي للمؤسسات، ودخل سوق SaaS المحلي فترة نمو حرجة. ولكن على الرغم من ذلك، فإن النظام البيئي المحلي الحالي لصناعة SaaS لم يكتمل بعد ولم ينضج السوق بعد.
مصدر الصورة: فلاش كلاود
ومن الواضح أن افتتاح سوق TOB للنماذج الكبيرة لا يحدث بين عشية وضحاها، بل هو عملية بطيئة للغاية. علاوة على ذلك، فإن التكاليف التي تتكبدها الخوارزميات، والقدرة الحاسوبية، والبيانات أثناء تكرار النموذج، بما في ذلك الإطلاق اللاحق لوظائف مختلفة، تتطلب من الشركات النموذجية الكبيرة استثمار مبالغ كبيرة من الأموال بشكل مستمر.
فالتسويق يستغرق وقتا طويلا، والاستثمار الرأسمالي مرتفع، ومن الصعب تحقيق الأرباح على المدى القصير. وفي المستقبل، لن يكون أمام الشركات التي تفتقر إلى التدفق النقدي خيار سوى إغلاق نماذجها الضخمة في مواجهة الضغوط المالية ، وسوف تصبح موارد الصناعة أكثر صعوبة في التركيز على الشركات المصنعة لنماذج الرأس الكبيرة.
انطلاقًا من تجربة العديد من الصناعات مثل خدمات نقل الركاب عبر الإنترنت وتوصيل الطعام، بعد سنوات عديدة من الاضطراب في الصناعة الناشئة، يمكن لحوالي ثلاث شركات فقط أن تتطور حقًا في المستقبل، وقد غرقت العديد من الشركات الأخرى في التاريخ نهر طويل.
بشكل عام، يمر الذكاء الاصطناعي التوليدي بمرحلة تطور سريع، مع وجود فرص وتحديات. في المستقبل، قد تصبح النماذج العالمية اتجاها هاما للتنمية، لكن تنفيذها لا يزال يواجه العديد من المشاكل التقنية والتجارية. تحتاج صناعة الذكاء الاصطناعي التوليدي المحلية أيضًا إلى حل مشكلات مثل حجم البيانات والتسويق التجاري من أجل التميز في المنافسة الشرسة. سيستمر محرر Downcodes في الاهتمام بالاتجاهات في هذا المجال وتقديم المزيد من المحتوى المثير للقراء.