يبدأ عام 2024 بموجة من الذكاء الاصطناعي التوليدي

يبدو أن مجتمع الذكاء الاصطناعي يتصدر عناوين الأخبار يوميًا تقريبًا. كانت الأشهر القليلة الأولى من عام 2024 حافلة بالحماس ومليئة بابتكارات جديدة في الذكاء الاصطناعي. فمن نماذج اللغة الكبيرة الجديدة والقوية إلى زراعات الدماغ البشري، يبدو أن عام 2024 سيكون مذهلًا.

نشهد تحوّل الذكاء الاصطناعي للصناعات، وجعل المعلومات أكثر سهولة في الوصول إليها، بل واتخاذ الخطوات الأولى نحو دمج عقولنا بالآلات. لِنسترجع الربع الأول من عام 2024 ونلقِ نظرةً فاحصةً على التقدم المحرز في الذكاء الاصطناعي خلال بضعة أشهر فقط.

نماذج اللغة الكبيرة تتصدر الاتجاهات#

احتلت نماذج اللغة الكبيرة (LLMs)، المصممة لفهم اللغة البشرية وتوليدها ومعالجتها استنادًا إلى كميات هائلة من البيانات النصية، مركز الصدارة في الربع الأول من عام 2024. أطلقت العديد من شركات التقنية الكبرى نماذج LLMs الخاصة بها، وتميز كل منها بقدرات فريدة. وقد ألهم النجاح المذهل لنماذج LLMs السابقة مثل GPT-3 هذا الاتجاه. فيما يلي بعض أبرز إصدارات LLMs في أوائل عام 2024.

Claude 3 من Anthropic#

أطلقت Anthropic نموذج Claude 3 في 14 مارس 2024. يأتي نموذج Claude 3 في ثلاثة إصدارات: Opus وSonnet وHaiku، ويخدم كل منها أسواقًا وأغراضًا مختلفة. أما Haiku، وهو النموذج الأسرع، فهو مُحسّن لتقديم استجابات سريعة وأساسية. ويوازن Sonnet بين السرعة والذكاء، ويستهدف تطبيقات المؤسسات. بينما يقدم Opus، وهو الإصدار الأكثر تقدمًا، مستوىً غير مسبوق من الذكاء والاستدلال، ويُعد مثاليًا للمهام المعقدة وتحقيق أفضل النتائج المعيارية.

يتميز Claude 3 بالعديد من الميزات والتحسينات المتقدمة:

• محادثات متعددة اللغات محسّنة: قدرات محسّنة في لغات تشمل الإسبانية واليابانية والفرنسية.
• ميزات رؤية متقدمة: قادر على التعامل مع تنسيقات بصرية متنوعة.
• تقليل حالات الرفض: يُظهر فهمًا أكبر مع عدد أقل من حالات الرفض غير الضرورية، مما يشير إلى تحسن في استيعاب السياق.
• نافذة سياق موسعة: يوفر نافذة سياق تبلغ 200 ألف رمز، لكنه قادر على معالجة مدخلات تتجاوز مليون رمز وفقًا لاحتياجات العملاء.

الشكل 1. يتمتع Claude 3 بوعي سياقي أكبر من الإصدارات السابقة.

DBRX من Databricks#

إن Databricks DBRX هو نموذج LLM مفتوح وعام الغرض، أطلقته Databricks في 27 مارس 2024. ويحقق DBRX أداءً جيدًا للغاية في معايير متنوعة، تشمل فهم اللغة والبرمجة والرياضيات. كما يتفوق على نماذج أخرى راسخة، مع كونه أصغر بنحو 40% من النماذج المماثلة.

الشكل 2. مقارنة DBRX بنماذج أخرى.

دُرّب DBRX باستخدام التنبؤ بالرمز التالي وبنية مزيج الخبراء الدقيقة (MoE)، ولذلك نلاحظ تحسينات كبيرة في أداء التدريب والاستدلال. وتتيح بنيته للنموذج التنبؤ بالكلمة التالية في التسلسل بدقة أكبر من خلال الاستعانة بمجموعة متنوعة من النماذج الفرعية المتخصصة («الخبراء»). وتجيد هذه النماذج الفرعية التعامل مع أنواع مختلفة من المعلومات أو المهام.

Gemini 1.5 من Google#

قدمت Google نموذج Gemini 1.5، وهو نموذج ذكاء اصطناعي متعدد الوسائط وفعّال حسابيًا، قادر على تحليل كميات كبيرة من البيانات النصية والمرئية والصوتية، في 15 فبراير 2024. ويُعد النموذج الأحدث أكثر تقدمًا من حيث الأداء والكفاءة والقدرات. وتتمثل إحدى الميزات الرئيسية لـ Gemini 1.5 في إنجازه الرائد في فهم السياقات الطويلة. فالنموذج قادر على التعامل باستمرار مع ما يصل إلى مليون رمز. كما تُعزى قدرات Gemini 1.5 إلى بنية جديدة قائمة على MoE.

الشكل 3. مقارنة أطوال السياق لنماذج LLMs الشائعة

فيما يلي بعض الميزات الأكثر إثارة للاهتمام في Gemini 1.5:

• معالجة بيانات محسّنة: تتيح تحميل ملفات PDF كبيرة أو مستودعات شيفرة برمجية أو مقاطع فيديو طويلة مباشرةً باعتبارها مطالبات. ويمكن للنموذج الاستدلال عبر الوسائط وإخراج نص.
• تحميل واستعلامات لملفات متعددة: يمكن للمطورين الآن تحميل ملفات متعددة وطرح الأسئلة.
• إمكانية استخدامه لمهام مختلفة: إنه مُحسّن للتوسع عبر مهام متنوعة، ويُظهر تحسينات في مجالات مثل الرياضيات والعلوم والاستدلال وتعدد اللغات وفهم الفيديو والشيفرة البرمجية.

مرئيات مذهلة من الذكاء الاصطناعي#

كشف الربع الأول من عام 2024 عن نماذج ذكاء اصطناعي توليدي قادرة على إنشاء مرئيات واقعية إلى حد أثار نقاشات حول مستقبل وسائل التواصل الاجتماعي وتقدم الذكاء الاصطناعي. دعونا نتعمق في النماذج التي تحرك هذا النقاش.

Sora من OpenAI#

أعلنت OpenAI، مبتكرة ChatGPT، في 15 فبراير 2024 عن نموذج تعلم عميق متطور لتحويل النص إلى فيديو يُسمى Sora. وSora مولّد لتحويل النص إلى فيديو، قادر على إنشاء مقاطع فيديو تصل مدتها إلى دقيقة واحدة بجودة بصرية عالية، استنادًا إلى مطالبات نصية من المستخدم.

على سبيل المثال، ألقِ نظرةً على المطالبة التالية.

«عالم مصنوع من الورق المقوى بتفاصيل رائعة لشعاب مرجانية، يعج بالأسماك والمخلوقات البحرية الملونة.»

وإليك إطارًا من الفيديو الناتج.

الشكل 4. إطار من فيديو أنشأه Sora.

تجعل بنية Sora ذلك ممكنًا من خلال دمج نماذج الانتشار لتوليد النسيج ونماذج Transformer لتحقيق الاتساق البنيوي. وحتى الآن، مُنح الوصول إلى Sora لأعضاء فرق الاختبار الهجومي ومجموعة مختارة من الفنانين البصريين والمصممين وصنّاع الأفلام لفهم المخاطر والحصول على الملاحظات.

Stable Diffusion 3 من Stability AI#

أعلنت Stability AI عن وصول Stable Diffusion 3، وهو نموذج لتوليد الصور من النص، في 22 فبراير 2024. ويمزج النموذج بين بنية Transformer للانتشار ومطابقة التدفق. ولم تُصدر الشركة بعد ورقة تقنية، لكن هناك بعض الميزات الرئيسية التي تستحق المتابعة.

الشكل 5. الصورة الناتجة استنادًا إلى المطالبة: «عمل فني ملحمي بأسلوب الأنمي لساحر فوق جبل ليلًا، يلقي تعويذة كونية في السماء المظلمة تقول "Stable Diffusion 3" ومصنوعة من طاقة ملونة» (المصدر)

يقدم أحدث نموذج من Stable Diffusion أداءً وجودة صورة ودقةً محسّنة عند إنشاء صور تحتوي على عناصر متعددة. كما سيوفر Stable Diffusion 3 مجموعة متنوعة من النماذج التي يتراوح عدد معلماتها بين 800 مليون و8 مليارات. وسيتيح للمستخدمين الاختيار وفقًا لاحتياجاتهم الخاصة المتعلقة بقابلية التوسع ومستوى التفاصيل.

Lumiere من Google#

أطلقت Google في 23 يناير 2024 نموذج Lumiere، وهو نموذج انتشار لتحويل النص إلى فيديو. ويستخدم Lumiere بنية تُسمى Space-Time-U-Net، أو STUNet اختصارًا. وتساعد هذه البنية Lumiere على فهم مواقع الأشياء وكيفية حركتها في الفيديو. وبذلك يستطيع إنشاء مقاطع فيديو سلسة وحيوية.

الشكل 6. إطار من فيديو أُنشئ استنادًا إلى المطالبة: «دب باندا يعزف على القيثارة في المنزل.»

بفضل قدرته على إنشاء 80 إطارًا لكل فيديو، يدفع Lumiere الحدود ويضع معايير جديدة لجودة الفيديو في مجال الذكاء الاصطناعي. فيما يلي بعض ميزات Lumiere:

• تحويل الصورة إلى فيديو: انطلاقًا من صورة ومطالبة، يستطيع Lumiere تحريك الصور وتحويلها إلى مقاطع فيديو.
• التوليد بأسلوب محدد: يستطيع Lumiere إنشاء مقاطع فيديو بأساليب معينة باستخدام صورة مرجعية واحدة.
• الصور السينمائية المتحركة: يستطيع Lumiere تحريك مناطق محددة داخل صورة لإنشاء مشاهد ديناميكية، مثل تحرك كائن معين بينما يظل باقي المشهد ثابتًا.
• الترميم الداخلي للفيديو: يمكنه تعديل أجزاء من الفيديو، مثل تغيير ملابس الأشخاص الظاهرين فيه أو تعديل تفاصيل الخلفية.

يبدو أن المستقبل قد حلّ#

جلبت بداية عام 2024 أيضًا العديد من ابتكارات الذكاء الاصطناعي التي تبدو وكأنها مأخوذة من فيلم خيال علمي. فأمور كنا نقول سابقًا إنها مستحيلة يجري العمل عليها الآن. ولم يعد المستقبل يبدو بعيدًا جدًا مع الاكتشافات التالية.

Neuralink من Elon Musk#

نجحت Neuralink التابعة لـ Elon Musk في زرع شريحة دماغ لاسلكية في إنسان في 29 يناير 2024. وتمثل هذه خطوة هائلة نحو ربط أدمغة البشر بأجهزة الكمبيوتر. وشارك Elon Musk أن أول منتج لـ Neuralink، الذي يحمل اسم «Telepathy»، قيد التطوير.

الشكل 7. زرعة Neuralink

يتمثل الهدف في تمكين المستخدمين، ولا سيما الذين فقدوا القدرة على استخدام أطرافهم، من التحكم في الأجهزة بسهولة من خلال أفكارهم. وتمتد التطبيقات المحتملة إلى ما هو أبعد من الراحة. ويتصور Elon Musk مستقبلًا يستطيع فيه الأشخاص المصابون بالشلل التواصل بسهولة.

أرضية HoloTile من Disney#

كشفت Walt Disney Imagineering في 18 يناير 2024 عن أرضية HoloTile. وقد أُطلق عليها اسم أول منصة أرضية في العالم لجهاز مشي متعدد الأشخاص ومتعدد الاتجاهات.

الشكل 8. يقف مصمم Disney Lanny Smoot على أحدث ابتكاراته، أرضية HoloTile.

يمكنها التحرك تحت أي شخص أو جسم كما لو كانت تحريكًا ذهنيًا، لتوفير تجربة غامرة للواقع الافتراضي والواقع المعزز. ويمكنك المشي في أي اتجاه وتجنب الاصطدامات أثناء استخدامها. كما يمكن تثبيت أرضية HoloTile من Disney على المسارح لتتيح الرقص والحركة بطرق إبداعية.

Vision Pro من Apple#

في 2 فبراير 2024، وصلت سماعة Vision Pro المرتقبة بشدة من Apple إلى الأسواق. وهي تضم مجموعة من الميزات والتطبيقات المصممة لإعادة تعريف تجربة الواقع الافتراضي والواقع المعزز. وتخدم سماعة Vision Pro جمهورًا متنوعًا من خلال دمج الترفيه والإنتاجية والحوسبة المكانية. وأعلنت Apple بفخر أن أكثر من 600 تطبيق، تتراوح بين أدوات الإنتاجية وخدمات الألعاب والترفيه، قد حُسّنت لتناسب Vision Pro عند إطلاقها.

Devin من Cognition#

أطلقت Cognition في 12 مارس 2024 مساعدًا لهندسة البرمجيات يُسمى Devin. ويمثل Devin أول محاولة في العالم لإنشاء مهندس برمجيات مستقل يعمل بالذكاء الاصطناعي. وعلى خلاف مساعدي البرمجة التقليديين الذين يقدمون اقتراحات أو يكملون مهام محددة، صُمم Devin للتعامل مع مشاريع تطوير البرمجيات بأكملها، بدءًا من الفكرة الأولية ووصولًا إلى الإكمال.

يمكنه تعلم تقنيات جديدة، وإنشاء تطبيقات كاملة ونشرها، والعثور على الأخطاء وإصلاحها، وتدريب نماذجه الخاصة، والمساهمة في قواعد الشيفرة مفتوحة المصدر وقواعد شيفرة الإنتاج، بل وتولي وظائف تطوير حقيقية من مواقع مثل Upwork.

الشكل 9. مقارنة Devin بنماذج أخرى.

جرى تقييم Devin على SWE-bench، وهو معيار صعب يطلب من الوكلاء حل مشكلات GitHub الواقعية الموجودة في مشاريع مفتوحة المصدر مثل Django وscikit-learn. وقد حلّ بشكل صحيح 13.86% من المشكلات من البداية إلى النهاية، مقارنةً بأفضل أداء سابق بلغ 1.96%.

إشادات خاصة#

لقد حدثت أمور كثيرة إلى حد يجعل تغطية كل شيء في هذه المقالة أمرًا غير ممكن. لكن إليكم بعض الإشادات الخاصة الأخرى.

• إن LATTE3D من NVIDIA، الذي أُعلن عنه في 21 مارس 2024، هو نموذج ذكاء اصطناعي لتحويل النص إلى مجسمات ثلاثية الأبعاد، ينشئ تمثيلات ثلاثية الأبعاد فورًا انطلاقًا من المطالبات النصية.
• بدأ تدريب مولّد Midjourney الجديد لتحويل النص إلى فيديو، الذي ألمح إليه الرئيس التنفيذي David Holz، في يناير، ومن المتوقع إطلاقه قريبًا.
• وفي إطار دفع ثورة أجهزة الكمبيوتر الشخصية المدعومة بالذكاء الاصطناعي إلى الأمام، أطلقت Lenovo جهاز ThinkBook 13x المزود بتقنية E Ink Prism وأجهزة كمبيوتر محمولة عالية الأداء مدعومة بالذكاء الاصطناعي في 8 يناير 2024.

ابقَ على اطلاع باتجاهات الذكاء الاصطناعي معنا!#

شهدت بداية عام 2024 تطورات رائدة في الذكاء الاصطناعي والعديد من الإنجازات التقنية الكبرى. لكن هذا ليس سوى بداية ما يمكن للذكاء الاصطناعي فعله. إذا كنت ترغب في معرفة المزيد عن أحدث تطورات الذكاء الاصطناعي، فإن Ultralytics توفر لك كل ما تحتاج إليه.

اطّلع على مستودعنا على GitHub للتعرف على أحدث إسهاماتنا في مجالَي الرؤية الحاسوبية والذكاء الاصطناعي. ويمكنك أيضًا زيارة صفحات حلولنا لمعرفة كيفية استخدام الذكاء الاصطناعي في صناعات مثل التصنيع والرعاية الصحية.