يبدأ عام 2024 بموجة من الذكاء الاصطناعي التوليدي

تكاد أخبار مجتمع الذكاء الاصطناعي تتصدر العناوين يوميًا. وقد شهدت الأشهر الأولى من عام 2024 أحداثًا مشوقة وزاخرة بابتكارات جديدة في الذكاء الاصطناعي. فمن النماذج اللغوية الكبيرة القوية إلى زرع الشرائح في أدمغة البشر، يبدو أن عام 2024 سيكون عامًا بارزًا للذكاء الاصطناعي.

نشهد الذكاء الاصطناعي وهو يغيّر القطاعات، ويجعل المعلومات أكثر سهولة، بل ويخطو خطواته الأولى نحو دمج عقولنا بالآلات. دعونا نستعرض الربع الأول من عام 2024 ونلقي نظرة أقرب على التقدم الذي أُحرز في الذكاء الاصطناعي خلال بضعة أشهر فحسب.

النماذج اللغوية الكبيرة تتصدر المشهد#

النماذج اللغوية الكبيرة (LLMs)، المصممة لفهم اللغة البشرية وإنشائها ومعالجتها بالاستناد إلى كميات هائلة من البيانات النصية، تصدرت المشهد في الربع الأول من عام 2024. وأطلقت شركات تقنية كبرى كثيرة نماذجها الخاصة، ولكل منها إمكانات فريدة. وقد ألهم نجاح النماذج اللغوية الكبيرة السابقة مثل GPT-3 هذا الاتجاه. إليك بعض أبرز النماذج اللغوية الكبيرة التي طُرحت في أوائل عام 2024.

Claude 3 من Anthropic#

أصدرت Anthropic نموذج Claude 3 في 4 مارس 2024. ويتوفر النموذج بثلاثة إصدارات: Opus وSonnet وHaiku، يخدم كل منها أسواقًا وأغراضًا مختلفة. وقد حُسّن Haiku، وهو الأسرع، لتقديم إجابات أساسية بسرعة. أما Sonnet فيوازن بين السرعة والذكاء، ويستهدف تطبيقات المؤسسات. وصُمم Opus، وهو الإصدار الأقدر، لمهام الاستدلال المعقدة، وتصدر العديد من المقاييس المعيارية عند إطلاقه.

كما تناولنا في استعراضنا بطاقة نموذج Claude 3، يقدم Claude 3 عدة ميزات وتحسينات:

• تحسين المحادثات متعددة اللغات: قدرات مطوّرة في لغات منها الإسبانية واليابانية والفرنسية.
• ميزات متقدمة للرؤية: القدرة على التعامل مع تنسيقات مرئية متنوعة.
• تقليل حالات الرفض: يُظهر فهمًا أكبر مع عدد أقل من حالات الرفض غير الضرورية، مما يشير إلى تحسن استيعابه للسياق.
• نافذة سياق موسعة: يوفر نافذة سياق بسعة 200K، 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#

Databricks DBRX نموذج لغوي كبير مفتوح ومتعدد الأغراض، أطلقته Databricks في 27 مارس 2024. ويحقق DBRX أداءً جيدًا في معايير متنوعة، تشمل فهم اللغة والبرمجة والرياضيات. كما يتفوق على نماذج راسخة أخرى، مع كونه أصغر بنحو 40% من النماذج المماثلة.

الشكل 2. مقارنة DBRX بنماذج أخرى.

دُرّب DBRX باستخدام التنبؤ بالرمز التالي وبنية مزيج خبراء دقيق (MoE)، مما يحسّن كفاءة التدريب والاستدلال بدرجة كبيرة. وتتيح بنيته للنموذج التنبؤ بالكلمة التالية في تسلسل بدقة أكبر عبر الاستعانة بمجموعة متنوعة من النماذج الفرعية المتخصصة («الخبراء»). وتتخصص هذه النماذج الفرعية في معالجة أنواع مختلفة من المعلومات أو المهام.

Gemini 1.5 من Google#

قدمت Google نموذج Gemini 1.5 في 15 فبراير 2024، وهو نموذج ذكاء اصطناعي متعدد الوسائط وفعّال حاسوبيًا، قادر على تحليل كميات كبيرة من النصوص ومقاطع الفيديو والبيانات الصوتية. ويتسم أحدث إصدار بتطور أكبر من حيث الأداء والكفاءة والإمكانات. ومن أبرز ميزات Gemini 1.5 تقدمه الكبير في فهم السياقات الطويلة. إذ يستطيع النموذج التعامل بثبات مع ما يصل إلى مليون رمز. وتعود إمكانات Gemini 1.5 أيضًا إلى بنية جديدة قائمة على MoE.

الشكل 3. مقارنة أطوال السياق في نماذج LLM الشائعة

إليك بعضًا من أبرز ميزات Gemini 1.5:

• تحسين التعامل مع البيانات: يتيح تحميل ملفات PDF كبيرة ومستودعات شيفرات ومقاطع فيديو طويلة مباشرةً بوصفها مطالبات. ويمكن للنموذج الاستدلال عبر الوسائط المختلفة وإخراج النصوص.
• تحميل ملفات متعددة والاستفسار عنها: أصبح بإمكان المطورين الآن تحميل ملفات متعددة وطرح الأسئلة.
• إمكانية استخدامه في مهام مختلفة: صُمّم للتوسع في مجموعة متنوعة من المهام، ويُظهر تحسنًا في مجالات مثل الرياضيات والعلوم والاستدلال وتعدد اللغات وفهم الفيديو والبرمجة.

صور مبهرة من الذكاء الاصطناعي#

شهد الربع الأول من عام 2024 ظهور نماذج للذكاء الاصطناعي التوليدي قادرة على إنشاء صور واقعية إلى حد أثار نقاشات حول مستقبل وسائل التواصل الاجتماعي وتقدم الذكاء الاصطناعي. إليك النماذج التي تقود هذا النقاش.

Sora من OpenAI#

أعلنت OpenAI، الشركة المطوّرة لـ ChatGPT، في 15 فبراير 2024 عن Sora، وهو نموذج متطور للتعلم العميق يحوّل النص إلى فيديو. يستطيع Sora إنشاء مقاطع فيديو عالية الجودة بصريًا، تصل مدتها إلى دقيقة، استنادًا إلى مطالبات المستخدم النصية.

على سبيل المثال، ألقِ نظرة على المطالبة التالية.

«عالم مصنوع من الورق، بتصميم رائع، لشعاب مرجانية تعج بأسماك ومخلوقات بحرية زاهية الألوان.»

وإليك إطارًا من الفيديو الناتج.

الشكل 4. إطار من فيديو أنشأه Sora.

تتيح بنية Sora ذلك من خلال دمج نماذج الانتشار لتوليد الملامس ونماذج Transformer لضمان الاتساق البنيوي. وحتى الآن، أُتيح الوصول إلى Sora لأعضاء فرق الاختبار الهجومي ومجموعة مختارة من الفنانين البصريين والمصممين وصنّاع الأفلام، لفهم المخاطر وجمع الملاحظات.

Stable Diffusion 3 من Stability AI#

أعلنت Stability AI عن إطلاق Stable Diffusion 3، وهو نموذج لتوليد الصور من النصوص، في 22 فبراير 2024. ويجمع النموذج بين بنية المحوّل الانتشاري وتقنية مطابقة التدفق. ولم تُصدر الشركة ورقة تقنية بعد، لكن ثمة ميزات أساسية تستحق المتابعة.

الشكل 5. الصورة الناتجة استنادًا إلى المطالبة: «عمل فني ملحمي بأسلوب الأنمي لساحر يقف على قمة جبل ليلًا ويلقي تعويذة كونية في السماء المظلمة، كُتبت فيها عبارة "Stable Diffusion 3" باستخدام طاقة زاهية الألوان» (المصدر)

يوفر أحدث نموذج من Stable Diffusion أداءً وجودة صور ودقةً محسّنة عند إنشاء صور تضم عدة عناصر. كما سيقدم Stable Diffusion 3 مجموعة متنوعة من النماذج، يتراوح عدد معاملاتها بين 800 مليون و8 مليارات. وسيتيح للمستخدمين الاختيار وفقًا لاحتياجاتهم المحددة من حيث قابلية التوسع ومستوى التفاصيل.

Lumiere من Google#

في 23 يناير 2024، قدّم باحثو Google نموذج Lumiere، وهو نموذج انتشار يحوّل النص إلى فيديو. ويستخدم Lumiere بنية تُسمى Space-Time-U-Net، أو STUNet اختصارًا. وتساعد هذه البنية Lumiere على فهم مواضع الأشياء وكيفية تحركها في الفيديو، ما يمكّنه من إنشاء مقاطع فيديو سلسة وواقعية.

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

بقدرته على إنشاء 80 إطارًا لكل مقطع فيديو، يمثل Lumiere خطوة بارزة إلى الأمام في جودة الفيديو المُنشأ بالذكاء الاصطناعي. إليك بعض ميزات Lumiere:

• تحويل الصور إلى فيديو: يستطيع Lumiere تحريك الصور وتحويلها إلى مقاطع فيديو انطلاقًا من صورة ومطالبة.
• التوليد بأسلوب محدد: يستطيع Lumiere إنشاء مقاطع فيديو بأساليب محددة باستخدام صورة مرجعية واحدة.
• الصور الحركية: يستطيع Lumiere تحريك مناطق محددة داخل صورة لإنشاء مشاهد ديناميكية، مثل تحريك عنصر معين مع إبقاء بقية المشهد ثابتة.
• ترميم الفيديو: يستطيع تعديل أجزاء من مقطع فيديو، مثل تغيير ملابس الأشخاص فيه أو تعديل تفاصيل الخلفية.

يبدو أن المستقبل قد أصبح حاضرًا#

شهد مطلع عام 2024 أيضًا ابتكارات عديدة في الذكاء الاصطناعي بدت وكأنها مقتبسة من أفلام الخيال العلمي. فالأمور التي كنا نعدّها مستحيلة أصبحت قيد التطوير الآن. ومع الاكتشافات التالية، لم يعد المستقبل بعيدًا جدًا.

Neuralink التابعة لإيلون ماسك#

نجحت Neuralink التابعة لإيلون ماسك في زرع شريحتها الدماغية اللاسلكية في إنسان في 29 يناير 2024. وتمثل هذه خطوة كبيرة نحو ربط أدمغة البشر بالحواسيب. وذكر إيلون ماسك أن أول منتج لـ Neuralink، المسمى «Telepathy»، قيد الإعداد.

الشكل 7. غرسة Neuralink

الهدف هو تمكين المستخدمين، ولا سيما من فقدوا القدرة على استخدام أطرافهم، من التحكم في الأجهزة بسهولة من خلال أفكارهم. وتتجاوز التطبيقات المحتملة مجرد توفير الراحة؛ إذ يتصور إيلون ماسك مستقبلًا يستطيع فيه المصابون بالشلل التواصل بسهولة.

أرضية HoloTile من Disney#

في 18 يناير 2024، كشفت Walt Disney Imagineering عن أرضية HoloTile. ووُصفت بأنها أول أرضية جهاز مشي متعدد الاتجاهات في العالم، مخصصة لعدة أشخاص.

الشكل 8. مهندس Disney لاني سموت يستعرض أحدث ابتكاراته، أرضية HoloTile.

يمكنها التحرك أسفل أي شخص أو غرض كما لو كان بتحريك الأشياء عن بُعد، لتوفير تجربة غامرة للواقع الافتراضي والمعزز. ويمكنك المشي في أي اتجاه وتجنب الاصطدامات أثناء الوقوف عليها. كما يمكن تركيب أرضية HoloTile من Disney على خشبات المسارح لأداء الرقص والحركة بطرق إبداعية.

Vision Pro من Apple#

في 2 فبراير 2024، وصلت سماعة Vision Pro المرتقبة بشدة من Apple إلى الأسواق. وتضم مجموعة من الميزات والتطبيقات المصممة لإعادة تعريف تجربة الواقع الافتراضي والمعزز. وتلبي سماعة Vision Pro احتياجات جمهور متنوع من خلال الجمع بين الترفيه والإنتاجية والحوسبة المكانية. وأعلنت Apple بفخر أن أكثر من 600 تطبيق، تشمل أدوات الإنتاجية والألعاب وخدمات الترفيه، قد خُصصت للعمل مع Vision Pro عند إطلاقها.

Devin من Cognition#

في 12 مارس 2024، أطلقت Cognition مساعدًا لهندسة البرمجيات يُدعى Devin. ويُعد Devin أول محاولة في العالم لإنشاء مهندس برمجيات مستقل يعمل بالذكاء الاصطناعي. وعلى خلاف مساعدات البرمجة التقليدية التي تقدم اقتراحات أو تنجز مهام محددة، صُمم Devin للتعامل مع مشاريع تطوير البرمجيات كاملةً، من الفكرة الأولية إلى الإنجاز.

يمكنه تعلّم تقنيات جديدة، وبناء تطبيقات كاملة ونشرها، واكتشاف الأخطاء وإصلاحها، وتدريب نماذجه الخاصة، والمساهمة في قواعد الشيفرات مفتوحة المصدر والإنتاجية، 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 واقعية على GitHub في مشاريع مفتوحة المصدر مثل Django وscikit-learn. وتمكن Devin من حل 13.86% من المشكلات من البداية إلى النهاية، مقارنةً بأفضل نتيجة سابقة بلغت 1.96%.

إشارات تستحق الذكر#

حدث الكثير إلى حد يجعل تناول كل شيء في هذه المقالة أمرًا غير ممكن، لكن إليكم بعض الإشارات الشرفية الإضافية.

• يُعد LATTE3D من NVIDIA، الذي أُعلن عنه في 21 مارس 2024، نموذج ذكاء اصطناعي يحوّل النص إلى مجسمات ثلاثية الأبعاد، وينشئ تمثيلات ثلاثية الأبعاد من المطالبات النصية فورًا.
• بدأ تدريب مولّد Midjourney الجديد لتحويل النص إلى فيديو في يناير، بعد أن ألمح إليه الرئيس التنفيذي David Holz، ومن المتوقع إطلاقه قريبًا.
• في خطوة تعزز ثورة الحواسيب الشخصية المدعومة بالذكاء الاصطناعي، أطلقت Lenovo في 8 يناير 2024 جهاز ThinkBook 13x المزود بتقنية E Ink Prism، إلى جانب حواسيب محمولة عالية الأداء مدعومة بالذكاء الاصطناعي.

تابعوا معنا أحدث توجهات الذكاء الاصطناعي!#

شهد مطلع عام 2024 تطورات كبرى في الذكاء الاصطناعي وعدة محطات تقنية بارزة. لكن هذه ليست سوى بداية ما يمكن للذكاء الاصطناعي فعله. إذا أردتم معرفة المزيد عن أحدث تطورات الذكاء الاصطناعي، فإن Ultralytics تقدم لكم ما تحتاجون إليه.

تفقّد مستودع GitHub للاطلاع على أحدث إسهاماتنا في الرؤية الحاسوبية والذكاء الاصطناعي. ويمكنك أيضًا زيارة صفحات حلولنا لمعرفة كيفية استخدام الذكاء الاصطناعي في قطاعات مثل التصنيع والرعاية الصحية.