GPT-3

GPT-3، وهو اختصار للمحول التوليدي المدرب مسبقًا 3، هو نموذج ثوري نموذج لغة كبير (LLM) تم تطويره بواسطة منظمة OpenAI البحثية. تم إصداره في عام 2020، وهو يمثل لحظة فاصلة في مجال الذكاء الاصطناعي (AI), حيث يُظهر قدرة غير مسبوقة على فهم وتوليد نصوص شبيهة بالنصوص البشرية. كنموذج من الجيل الثالث في سلسلة GPT، فإنه يستفيد من مجموعات البيانات الضخمة و بنية المحوِّل لأداء مجموعة واسعة من معالجة اللغة الطبيعية (NLP) دون الحاجة إلى إعادة تدريب مكثف خاص بمهمة محددة.

ميكانيكا GPT-3

يكمن جوهر أداء GPT-3 المثير للإعجاب في حجمه الهائل وتصميمه المتطور. فهو يحتوي على 175 مليار معلمة تعلّم آلي، وهي المتغيرات الداخلية التي يعدّلها النموذج أثناء التدريب لتقليل الأخطاء. يسمح هذا العدد الهائل من المعلمات للنموذج بالتقاط الفروق الدقيقة المعقدة في اللغة البشرية. بُني GPT-3 على شبكة عصبونية ذات محول لفك التشفير فقط، باستخدام آلية تُعرف باسم الانتباه الذاتي لتقييم أهمية الكلمات المختلفة المختلفة في الجملة حسب السياق.

أثناء تطويره، خضع النموذج لتدريب على مئات المليارات من الكلمات المستمدة من مجموعة بيانات Common Crawl المشتركة والكتب وويكيبيديا ومصادر أخرى على الإنترنت. تُعرف هذه العملية باسم التعلّم غير الخاضع للإشراف، تمكّن النموذج من التنبؤ بالكلمة التالية في التسلسل بفعالية. إحدى السمات المميزة ل GPT-3 هي قدرته على على التعلّم في لقطات قليلة. على عكس النماذج القديمة التي التي كانت تحتاج إلى ضبط دقيق لكل وظيفة محددة، يمكن ل GPT-3 في كثير من الأحيان فهم مهمة جديدة - مثل ترجمة اللغات أو أو تلخيص الفقرات - ببساطة من خلال رؤية بعض الأمثلة المقدمة في موجه الإدخال.

تطبيقات واقعية

أدّى تعدد استخدامات GPT-3 إلى اعتماده في العديد من الصناعات، حيث يعمل على تشغيل التطبيقات التي تتطلب توليد نصوص متطورة وفهمها.

1. إنشاء المحتوى الآلي: تستخدم منصات التسويق ومساعدي الكتابة GPT-3 لصياغة رسائل البريد الإلكتروني، ومنشورات المدونات، ونسخ وسائل التواصل الاجتماعي. تعتمد أدوات مثل Jasper على هذه التكنولوجيا لمساعدة المستخدمين على التغلب على عوائق الكتابة وتوسيع نطاق سير عمل إنتاج المحتوى، مما يضمن اتساق لهجة وأسلوب متسق.
2. إكمال التعليمات البرمجية والبرمجة: يستخدم المطورون مساعدين للبرمجة مدعومين بالذكاء الاصطناعي، مثل GitHub Copilot، الذي يتتبع نسبه إلى GPT-3 ومشتقاته مثل OpenAI Codex. ومشتقاته مثل OpenAI Codex. تقوم هذه الأدوات بتفسير تعليقات اللغة الطبيعية واقتراح كتل برمجية صحيحة من الناحية النحوية الصحيحة نحويًا، مما يسرع بشكل كبير من دورات تطوير البرمجيات.

بينما تتعامل GPT-3 مع البيانات النصية، غالبًا ما تجمع أنظمة الذكاء الاصطناعي الحديثة بين LLMs و مع الرؤية الحاسوبية (CV) لإنشاء عوامل متعددة الوسائط متعددة الوسائط. على سبيل المثال، قد يفسر نظام LLM طلب المستخدم "العثور على السيارة الحمراء" ويطلق نموذج اكتشاف الكائنات للكشف عن كائن لتنفيذ البحث المرئي.

يوضّح مقتطف الشيفرة التالي كيف يمكن للمعيار Ultralytics YOLO11 القياسي وتشغيله، وهو إجراء الذي يمكن برمجة وكيل متقدم يعمل بنظام GPT-3 لتنفيذه بشكل مستقل بناءً على أوامر المستخدم.

from ultralytics import YOLO

# Load the YOLO11 model, optimized for speed and accuracy
model = YOLO("yolo11n.pt")

# Perform inference on an image to detect objects
# This command could be triggered by an NLP agent parsing user intent
results = model("https://ultralytics.com/images/bus.jpg")

# Display the detection results with bounding boxes
results[0].show()

تمييز GPT-3 عن المفاهيم ذات الصلة

لفهم مشهد الذكاء الاصطناعي، من المفيد التفريق بين GPT-3 والنماذج والمصطلحات البارزة الأخرى.

• مقابل GPT-4: GPT-3 هو نموذج أحادي النمط، بمعنى أنه يعالج النص ويولّده فقط. أما خليفته, GPT-4، يقدم قدرات تعلم متعددة الوسائط، مما يسمح له بقبول مدخلات الصورة إلى جانب النص لأداء مهام التفكير البصري المعقدة، وهي قفزة كبيرة موصوفة في بحث GPT-4 الخاص بالذكاء الاصطناعي المفتوح.
• مقابل BERT: بينما يستخدم كلاهما بنية المحول, BERT هو نموذج مشفِّر فقط صممه Google لفهم سياق الكلمات في كلا الاتجاهين (ثنائي الاتجاه). GPT-3 هو نموذج لفك التشفير فقط مصمم للمهام التوليدية. يتفوق BERT في التصنيف و وتحليل المشاعر، بينما يتفوق نموذج GPT-3 في إنتاج النصوص الإبداعية.
• مقابل Ultralytics YOLO11: GPT-3 هو نموذج لغوي، بينما YOLO11 هو نموذج بصري متطور. YOLO (أنت فقط انظر مرة واحدة) متخصص في اكتشاف الأجسام, وتصنيف وتحديد مواقع الأجسام داخل الصور في الوقت الفعلي. بينما يتعامل GPT-3 مع الرموز والدلالات، يتعامل YOLO مع البيكسلات والمربعات المحدودة.

التحديات والأخلاقيات

على الرغم من قدراته الرائدة، إلا أن GPT-3 لا يخلو من القيود. إذ يمكن أن ينتج بثقة معلومات غير صحيحة معلومات غير صحيحة، وهي ظاهرة تعرف باسم الهلوسة. بالإضافة إلى ذلك، ولأنه تم تدريبه على بيانات الإنترنت، فقد ينتج عن غير قصد التحيز الخوارزمي عن غير قصد. استخدام النموذج بفعالية يتطلب في كثير من الأحيان هندسة سريعة ماهرة توجيه مخرجاته. تؤكد هذه التحديات على أهمية أخلاقيات الذكاء الاصطناعي والأبحاث الجارية من قبل مؤسسات مثل مركز ستانفورد لأبحاث النماذج التأسيسية (CRFM) لضمان النشر الآمن والنشر الآمن والمسؤول.