عام 2024 يبدأ بموجة من الذكاء الاصطناعي التوليدي

يبدو أن مجتمع الذكاء الاصطناعي يتصدر العناوين يومياً تقريباً. لقد كانت الأشهر القليلة الأولى من عام 2024 مثيرة ومليئة بابتكارات الذكاء الاصطناعي الجديدة. فمن نماذج اللغة الكبيرة القوية إلى غرسات الدماغ البشري، يبدو أن عام 2024 سيكون عاماً مذهلاً.

نحن نشهد تحول الذكاء الاصطناعي للصناعات، مما يجعل المعلومات أكثر سهولة في الوصول إليها، بل ويتخذ الخطوات الأولى نحو دمج عقولنا مع الآلات. دعونا نراجع الربع الأول من عام 2024 ونلقي نظرة فاحصة على التقدم المحرز في مجال الذكاء الاصطناعي خلال بضعة أشهر فقط.

نماذج LLMs تتصدر الاتجاهات#

احتلت نماذج اللغة الكبيرة (LLMs)، المصممة لفهم وتوليد ومعالجة اللغة البشرية بناءً على كميات هائلة من البيانات النصية، مركز الصدارة في الربع الأول من عام 2024. أطلقت العديد من شركات التكنولوجيا الكبرى نماذج LLM الخاصة بها، ولكل منها قدرات فريدة. لقد ألهم النجاح المذهل لنماذج LLMs السابقة مثل GPT-3 هذا الاتجاه. فيما يلي بعض من أبرز إصدارات LLM من أوائل عام 2024.

نموذج Claude 3 من Anthropic#

أصدرت شركة Anthropic نموذج Claude 3 في 14 مارس 2024. يأتي نموذج Claude 3 في ثلاث نسخ: Opus وSonnet وHaiku، حيث تخدم كل نسخة أسواقاً وأغراضاً مختلفة. يُعد نموذج Haiku الأسرع، وهو مخصص للاستجابات السريعة والأساسية. بينما يوازن نموذج Sonnet بين السرعة والذكاء ومُستهدف للتطبيقات المؤسسية. أما نموذج Opus، فهو النسخة الأكثر تقدماً، حيث يقدم ذكاءً وقدرات استدلال لا تُضاهى، مما يجعله مثالياً للمهام المعقدة وتحقيق أفضل النتائج في اختبارات الأداء.

يتميز Claude 3 بالعديد من الميزات والتحسينات المتقدمة:

• محادثات متعددة اللغات معززة: قدرات محسنة في لغات تشمل الإسبانية واليابانية والفرنسية.
• ميزات رؤية متقدمة: قادر على التعامل مع تنسيقات بصرية متنوعة.
• تقليل الرفض: يظهر فهماً أكبر مع رفض غير مبرر أقل، مما يشير إلى تحسن في استيعاب السياق.
• نافذة سياق موسعة: يوفر نافذة سياق بحجم 200 ألف رمز، ولكنه قادر على معالجة مدخلات تزيد عن مليون رمز بناءً على احتياجات العميل.

الشكل 1. يتمتع نموذج Claude 3 بوعي سياقي أكبر مقارنة بالإصدارات السابقة.

نموذج DBRX من Databricks#

Databricks DBRX هو نموذج لغة كبير مفتوح وعام أطلقته شركة Databricks في 27 مارس 2024. يحقق نموذج DBRX نتائج ممتازة في اختبارات الأداء المختلفة، بما في ذلك الفهم اللغوي والبرمجة والرياضيات. وهو يتفوق على النماذج الأخرى الراسخة بينما يكون أصغر بنحو 40% من النماذج المماثلة.

الشكل 2. مقارنة نموذج DBRX بالنماذج الأخرى.

تم تدريب DBRX باستخدام التنبؤ بالرمز التالي مع بنية خليط الخبراء (MoE) دقيقة، ولهذا السبب نرى تحسينات كبيرة في أداء التدريب والاستدلال. تسمح بنيته للنموذج بالتنبؤ بالكلمة التالية في التسلسل بدقة أكبر من خلال استشارة مجموعة متنوعة من النماذج الفرعية المتخصصة ("الخبراء"). هذه النماذج الفرعية جيدة في التعامل مع أنواع مختلفة من المعلومات أو المهام.

نموذج Gemini 1.5 من Google#

قدمت Google نموذج Gemini 1.5، وهو نموذج ذكاء اصطناعي متعدد الوسائط يتسم بكفاءة الحوسبة ويمكنه تحليل كميات واسعة من النصوص والفيديو والبيانات الصوتية، وذلك في 15 فبراير 2024. النموذج الأحدث أكثر تقدماً من حيث الأداء والكفاءة والقدرات. إحدى الميزات الرئيسية لـ Gemini 1.5 هي اختراقه في فهم السياق الطويل. النموذج قادر على التعامل مع ما يصل إلى مليون رمز باستمرار. كما تعود قدرات Gemini 1.5 إلى بنية جديدة تعتمد على MoE.

الشكل 3. مقارنة أطوال السياق لنماذج اللغة الكبيرة الشائعة

إليك بعضاً من أبرز ميزات Gemini’s 1.5:

• معالجة بيانات محسنة: يسمح بالتحميل المباشر لملفات PDF الكبيرة، أو مستودعات الأكواد البرمجية، أو مقاطع الفيديو الطويلة كـ prompts. يمكن للنموذج الاستدلال عبر الوسائط المختلفة وإخراج النصوص.
• تحميل واستعلامات متعددة للملفات: يمكن للمطورين الآن تحميل ملفات متعددة وطرح أسئلة عليها.
• يمكن استخدامه لمهام مختلفة: تم تحسينه ليتوسع عبر مهام متنوعة، ويظهر تحسينات في مجالات مثل الرياضيات والعلوم والاستدلال وتعدد اللغات وفهم الفيديو والأكواد البرمجية.

صور مذهلة من الذكاء الاصطناعي#

كشف الربع الأول من عام 2024 عن نماذج ذكاء اصطناعي توليدي يمكنها إنشاء صور واقعية للغاية لدرجة أنها أثارت جدلاً حول مستقبل وسائل التواصل الاجتماعي وتقدم الذكاء الاصطناعي. دعونا نتعمق في النماذج التي تثير هذه المحادثة.

نموذج Sora من OpenAI#

أعلنت OpenAI، مبتكرة ChatGPT، عن نموذج تعلم عميق متطور لتحويل النص إلى فيديو يسمى Sora في 15 فبراير 2024. Sora هو مولد نص إلى فيديو قادر على إنشاء مقاطع فيديو مدتها دقيقة بجودة بصرية عالية بناءً على مطالب نصية من المستخدم.

على سبيل المثال، ألقِ نظرة على الـ prompt التالي.

"عالم مصنوع من الورق تم تصويره ببراعة لشعاب مرجانية، تعج بالأسماك الملونة والمخلوقات البحرية."

وهنا إطار من الفيديو الناتج.

الشكل 4. إطار من فيديو تم إنشاؤه بواسطة Sora.

تهيكل بنية Sora’s يتيح ذلك من خلال مزج نماذج الانتشار لتوليد الملمس ونماذج Transformer للاتساق الهيكلي. حتى الآن، تم منح الوصول إلى Sora لفريق اختبار المخاطر ومجموعة مختارة من الفنانين البصريين والمصممين وصانعي الأفلام لفهم المخاطر وجمع التعليقات.

نموذج Stable Diffusion 3 من Stability AI#

أعلنت Stability AI عن وصول Stable Diffusion 3، وهو نموذج لتوليد الصور من النصوص، في 22 فبراير 2024. يمزج النموذج بين بنية محولات الانتشار ومطابقة التدفق. ولم يتم إطلاق ورقة تقنية بعد، ولكن هناك بعض الميزات الرئيسية التي يجب ترقبها.

الشكل 5. الصورة الناتجة بناءً على الوصف النصي: "عمل فني ملحمي لأنمي لساحر أعلى جبل في الليل يلقي تعويذة كوانية في السماء المظلمة مكتوب عليها "Stable Diffusion 3" مصنوعة من طاقة ملونة" (المصدر)

يوفر أحدث نموذج من Stable Diffusion أداءً محسناً، وجودة صورة، ودقة في إنشاء صور ذات عناصر متعددة. سيوفر Stable Diffusion 3 أيضاً مجموعة متنوعة من النماذج تتراوح من 800 مليون إلى 8 مليارات معامل. سيسمح ذلك للمستخدمين بالاختيار بناءً على احتياجاتهم الخاصة لقابلية التوسع والتفاصيل.

نموذج Lumiere من Google#

في 23 يناير 2024، أطلقت Google نموذج Lumiere، وهو نموذج انتشار لتحويل النص إلى فيديو. يوتخدم Lumiere بنية تُسمى Space-Time-U-Net، أو اختصاراً STUNet. تساعد هذه البنية نموذج Lumiere على فهم أماكن الأشياء وكيفية تحركها في الفيديو. ومن خلال القيام بذلك، يمكنه توليد فيديوهات سلسة وواقعية.

الشكل 6. إطار من فيديو تم إنشاؤه بناءً على الوصف: "باندا تعزف على القيثارة في المنزل."

مع القدرة على توليد 80 إطاراً لكل فيديو، يدفع Lumiere الحدود ويضع معايير جديدة لجودة الفيديو في مجال الذكاء الاصطناعي. فيما يلي بعض ميزات Lumiere:

• من صورة إلى فيديو: بدءاً من صورة و prompt، يمكن لـ Lumiere تحريك الصور إلى مقاطع فيديو.
• توليد منمق: يمكن لـ Lumiere إنشاء مقاطع فيديو بأنماط محددة باستخدام صورة مرجعية واحدة.
• Cinemagraphs: يمكن لـ Lumiere تحريك مناطق محددة داخل صورة لإنشاء مشاهد ديناميكية، مثل تحرك كائن معين بينما يظل باقي المشهد ثابتاً.
• تعبئة الفيديو (Video Inpainting): يمكنه تعديل أجزاء من الفيديو، مثل تغيير ملابس الأشخاص فيه أو تغيير تفاصيل الخلفية.

المستقبل يبدو أنه قد وصل#

جلب بداية عام 2024 أيضاً العديد من ابتكارات الذكاء الاصطناعي التي تبدو كأنها شيء من أفلام الخيال العلمي. الأشياء التي كنا نقول سابقاً إنها مستحيلة يتم العمل عليها الآن. المستقبل لا يبدو بعيداً جداً مع الاكتشافات التالية.

نموذج Neuralink من Elon Musk#

نجحت شركة Neuralink المملوكة لإيلون ماسك في زرع شريحة دماغية لاسلكية في بشر في 29 يناير 2024. تُعد هذه خطوة هائلة نحو ربط أقول البشر بالحواسيب. شارك إيلون ماسك أن أول منتج لشركة Neuralink، والذي يحمل اسم "Telepathy" (التخاطر)، قيد التطوير حالياً.

الشكل 7. غرسة Neuralink

الهدف هو تمكين المستخدمين، وخاصة أولئك الذين فقدوا وظائف الأطراف، من التحكم في الأجهزة دون عناء من خلال أفكارهم. التطبيقات المحتملة تتجاوز مجرد الراحة. يتخيل Elon Musk مستقبلاً حيث يمكن للأفراد المصابين بالشلل التواصل بسهولة.

أرضية HoloTile من Disney#

في 18 يناير 2024، كشفت Walt Disney Imagineering عن أرضية HoloTile. وقد أُطلق عليها أول أرضية جهاز مشي متعددة الاتجاهات ولعدة أشخاص في العالم.

الشكل 8. مهندس ديزني لاني سموت يتقمص وضعية التصوير بجانب أحدث ابتكاراته، أرضية HoloTile.

يمكنها التحرك تحت أي شخص أو كائن مثل التحريك الذهني لتجربة واقع افتراضي ومعزز غامرة. يمكنك المشي في أي اتجاه، وتجنب الاصطدامات أثناء وجودك عليها. يمكن أيضاً وضع أرضية HoloTile من Disney على المسارح للرقص والتحرك بطرق إبداعية.

جهاز Vision Pro من Apple#

في 2 فبراير 2024، طرحت Apple سماعة Vision Pro المنتظرة بشدة في السوق. تحتوي على مجموعة من الميزات والتطبيقات المصممة لإعادة تعريف تجربة الواقع الافتراضي والمعزز. تلبي سماعة Vision Pro احتياجات جمهور متنوع من خلال مزج الترفيه والإنتاجية والحوسبة المكانية. أعلنت Apple بفخر أنه تم تحسين أكثر من 600 تطبيق، تتراوح من أدوات الإنتاجية إلى الألعاب وخدمات الترفيه، لـ Vision Pro عند إطلاقها.

نموذج Devin من Cognition#

في 12 مارس 2024، أصدرت Cognition مساعد هندسة برمجيات يسمى Devin. Devin هو المحاولة الأولى في العالم لمهندس برمجيات ذكاء اصطناعي مستقل. على عكس مساعدي البرمجة التقليديين الذين يقدمون اقتراحات أو يكملون مهاماً محددة، تم تصميم Devin للتعامل مع مشاريع تطوير البرمجيات بالكامل من المفهوم الأولي حتى الاكتمال.

يمكنه تعلم تقنيات جديدة، وبناء وتطوير تطبيقات كاملة، وإيجاد وإصلاح الأخطاء، وتدريب نماذجه الخاصة، والمساهمة في قواعد الأكواد مفتوحة المصدر والإنتاجية، وحتى تولي وظائف تطوير حقيقية من مواقع مثل Upwork.

الشكل 9. مقارنة نموذج Devin بالنماذج الأخرى.

تم تقييم Devin على SWE-bench، وهو معيار صعب يطلب من الوكلاء حل مشاكل GitHub الواقعية الموجودة في المشاريع مفتوحة المصدر مثل Django وscikit-learn. نجح في حل 13.86% من المشكلات من البداية إلى النهاية، مقارنة بـ 1.96% لأفضل أداء سابق.

إشارات شرفية#

لقد حدث الكثير لدرجة أن تغطية كل شيء في هذه المقالة غير ممكنة. ولكن، إليك بعض الإشارات الشرفية الأخرى.

• نموذج LATTE3D من NVIDIA، الذي تم الإعلان عنه في 21 مارس 2024، هو نموذج ذكاء اصطناعي لتحويل النص إلى رسومات ثلاثية الأبعاد يقوم بإنشاء تمثيلات ثلاثية الأبعاد فورياً من الوصف النصي.
• بدأ تدريب مولد النص إلى فيديو الجديد من Midjourney، الذي أشار إليه الرئيس التنفيذي David Holz، في يناير ومن المتوقع إطلاقه قريباً.
• تعزيزاً لثورة الـ AI PC، أصدرت Lenovo جهاز ThinkBook 13x بتقنية E Ink Prism وأجهزة كمبيوتر محمولة عالية الأداء تعمل بالذكاء الاصطناعي في 8 يناير 2024.

ابقَ على اطلاع باتجاهات الذكاء الاصطناعي معنا!#

شهدت بداية عام 2024 تطورات رائدة في الذكاء الاصطناعي والعديد من المعالم التكنولوجية الرئيسية. لكن هذه مجرد بداية لما يمكن أن يفعله الذكاء الاصطناعي. إذا كنت ترغب في معرفة المزيد عن أحدث تطورات الذكاء الاصطناعي، فإن Ultralytics تغطي احتياجاتك.

تحقق من مستودع GitHub الخاص بنا للاطلاع على أحدث مساهماتنا في الرؤية الحاسوبية والذكاء الاصطناعي. يمكنك أيضاً الاطلاع على صفحات الحلول الخاصة بنا لمعرفة كيف يُستخدم الذكاء الاصطناعي في قطاعات مثل التصنيع والرعاية الصحية.