يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
تزايد تكاليف تدريب نماذج الذكاء الاصطناعي يدفع لظهور نوع جديد من الشركات الناشئة
يقدر الخبراء أن نموذج (Megatron-Turing Natural Language Generation) العملاق الذي أعلنت عنه شركتا مايكروسوفت وإنفيديا، نهاية الأسبوع الماضي، قد تكلف ملايين الدولارات، لكي يصبح "أحد أكبر نماذج الذكاء الاصطناعي اللغوية وأكثرها قدرة حتى الآن"، على حد زعم الشركتان. (كتبنا عنه في نشرة الخميس الماضي)
بيد أن تطوير هذا النموذج -الذي تبلغ عدد معاملاته الوسيطة 530 ملياراً- وغيره من أنظمة الذكاء الاصطناعي العملاقة، يثير تساؤلات حول من الذي يمكنه الوصول إلى مناهج البحث المتطورة في مجال التعلم الآلي. فعلى الرغم من انخفاض تكاليف تدريب الذكاء الاصطناعي بمقدار 100 ضعف بين عامي 2017 و2019، بحسب تحليل أجرته شركة (Ark Invest) الأميركية، إلا أنها لا تزال تتجاوز ميزانيات الحوسبة لدى معظم الشركات الناشئة والحكومات والمنظمات غير الربحية والجامعات.
وحتى داخل الشركات الكبيرة يبدو الأمر صعباً. على سبيل المثال، لم تُصلح شركة (أوبن إيه آي) أي خطأ بعدما أطلقت نموذجها جي بي تي-3، وذلك لأن تكلفة التدريب جعلت عملية إعادة تدريب النموذج غير ممكنة.
دفعت هذه التكاليف المتزايدة لخوارزميات التدريب إلى ظهور نوع جديد من الشركات الناشئة التي تستهدف "تحسين" النماذج دون تقليل دقتها. هذا الأسبوع على سبيل المثال، أطلق نافيين راو المسئول التنفيذي السابق في شركة إنتل شركة جديدة تدعى (Mosaic ML)، لتوفير الأدوات والخدمات وطرق التدريب التي تعمل على تحسين دقة نظام الذكاء الاصطناعي مع خفض التكاليف وتوفير الوقت. وتتنافس هذه الشركة الجديدة -التي جمعت استثمارات بقيمة 37 مليون دولار- مع العديد من الشركات التي تسعى وراء نفس الهدف ومنها (Codeplay Software) و(OctoML) وغيرها، في سوق من المتوقع أن تنمو بشكل كبير خلال السنوات القادمة.
الرابط (إنجليزي)
كيف يلعب الذكاء الاصطناعي والرياضيات دوراً أكبر في الدبلوماسية العالمية؟
اعتمدت الدبلوماسية العالمية تاريخياً على قوة المساومة وقنوات الاتصال السرية والتفاهمات الشخصية بين القادة، إلا أننا أصبحنا على أبواب عصر جديد ستلعب فيه الرؤى التي لا تعتمد على العواطف والتي تولدها خوارزميات الذكاء الاصطناعي والتقنيات الرياضية دوراً متزايداً في الصفقات المبرمة بين الدول.
ويرى مايكل أمبول، أستاذ التفاوض وإدارة الصراع وكبير المفاوضين السويسريين السابق، أن التطورات الأخيرة في الذكاء الاصطناعي والتعلم الآلي تعني أن ثمة دور الآن لهذه التقنيات في الدبلوماسية الدولية، بما في ذلك قمة المناخ التي ستبدأ في وقت لاحق من هذا الشهر، وفي صفقات ما بعد خروج بريطانيا من الاتحاد الأوروبي.
وقال أمبول -الذي شارك مؤخراً في تأسيس مختبر العلوم في الدبلوماسية (Science in Diplomacy)- إن هذه التقنيات تم استخدامها جزئياً بالفعل لكن هذا الأمر لا يزال في مرحلة مبكرة، مشيراً إلى استخدام التعلم الآلي لتقييم سلامة البيانات واكتشاف الأخبار المزيفة لضمان أن العملية الدبلوماسية لها أسس موثوقة. وأضاف أنه في المستقبل يمكن استخدام هذه التقنيات لتحديد الأنماط في البيانات الاقتصادية التي تدعم صفقات التجارة الحرة والمساعدة في توحيد بعض جوانب المفاوضات.
وسيركز المختبر الجديد -الذي يعد الأول من نوعه في العالم، وهو ثمرة تعاون بين المعهد الفدرالي السويسري للتكنولوجيا في زيورخ وجامعة جنيف- أيضاً على "هندسة التفاوض"، حيث تُستخدم التقنيات الرياضية الحالية، مثل نظرية الألعاب، إما للمساعدة في تأطير مناقشة أو وضع سيناريوهات مختلفة قبل الانخراط في المحادثات.
ومع أن معظم هذه الأدوات ليست جديدة، إلا أنها بحسب أمبول كانت خارج نطاق الاستخدام السائد "ليس بسبب نقص التكنولوجيا ولكن بسبب نقص المعرفة". ويستطرد قائلاً: لكن مع تزايد إدراك العالم للتكنولوجيا، فإن أولئك الذين يتجاهلون الأساليب الكمية يخاطرون بالخسارة، موضحاً أنه وبصفته كبير المفاوضين السويسريين مع الاتحاد الأوروبي، أجرى محاكاة لنظرية الألعاب قبل المحادثات التي أدت إلى انضمام سويسرا إلى منطقة شنجن وقادت إلى مجموعة كبيرة من الاتفاقيات مع الاتحاد الأوروبي بشأن الضرائب والتجارة والأمن. وأضاف أن التحليل أشار إلى أنه من مصلحة سويسرا أن تتم المفاوضات كحزمة واحدة وليس بالتتابع، لذلك أصرت الحكومة السويسرية على ذلك كأساس للمحادثات.
في المقابل، قال المفاوض السويسري إنه لا يعتقد أن الاتحاد الأوروبي قام بالتحليل نفسه، مضيفاً: "لم نخبرهم بأننا طبقنا نظرية الألعاب". غير أنه يشير إلى ضرورة عدم الاعتماد على هذه الأدوات بشكل أعمى، موضحاً: "لن تخوض حرباً فقط لأن خوارزمية عمياء تقرر ذلك. إنها دائماً مجرد أداة لاتخاذ القرار".
الرابط (إنجليزي)
نموذج تعلم عميق يتنبأ بحوادث المرور قبل وقوعها
بالرغم من جميع التطورات التكنولوجية الحديثة الخاصة بأنظمة النقل، بما فيها نظام تحديد المواقع العالمي (GPS) والكاميرات المستخدمة على الطرق والسيارات الكهربائية ذاتية القيادة التي تحتاج إلى وقود أقل، إلا أن تدابير السلامة على الطرق لا تزال غير كافية.
للتغلب على حالة عدم اليقين المتأصلة في حوادث التصادم المروري، طور علماء من مختبر علوم الحاسوب والذكاء الاصطناعي (CSAIL) التابع لجامعة إم آي تي، ومركز قطر للذكاء الاصطناعي، نموذج تعلم عميق يتنبأ بخرائط عالية الدقة لمخاطر الاصطدام.
تم تدريب النموذج على مجموعة من بيانات الحوادث المرورية التاريخية وخرائط الطريق وصور الأقمار الصناعية ونظام تحديد المواقع العالمي (GPS). وتتنبأ خرائط المخاطر بالعدد المتوقع من الحوادث على مدى فترة زمنية في المستقبل، لتحديد المناطق عالية الخطورة والتنبؤ بالحوادث المستقبلية.
عادةً ما كان يتم رسم هذه الأنواع من خرائط المخاطر بدقة أقل بكثير تبلغ مئات الأمتار، وبالتالي فإنها لا تُظهر التفاصيل المهمة. أما الخرائط الجديدة فهي عبارة عن خلايا شبكية بحجم 5 × 5 أمتار، وبالطبع فإن الدقة الأعلى أتاحت للعلماء المزيد من المعلومات. على سبيل المثال وجدو أن الطرق السريعة تحتوي على مخاطر أعلى من الطرق السكنية، كما أن المنحدرات التي تخرج من الطريق السريع ترفع نسبة الخطورة بشكل أكبر من غيرها من الطرق.
ويقول سونجتاو هي، طالب الدكتوراه في مختبر علوم الحاسوب، وأحد المؤلفين الرئيسيين في الدراسة المنشورة حول النموذج الجديد: "من خلال تحديد توزيع المخاطر الأساسية التي تحدد احتمالية وقوع حوادث مستقبلية في جميع الأماكن، وبدون أي بيانات تاريخية، يمكننا العثور على طرق أكثر أماناً، وتمكين شركات التأمين على السيارات من تقديم خطط تأمين مخصصة بناءً على مسارات قيادة العملاء، ومساعدة مخططي المدن في تصميم طرق أكثر أماناً".
الرابط (إنجليزي)
|
