يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
علماء بجامعة ستانفورد يصنعون "مبضعاً" لاستخدامه في تعديل النماذج اللغوية
ثمة مشكلة تواجه النماذج اللغوية الكبيرة ألا وهي صعوبة التعامل معها نظراً لاحتوائها على عشرات وأحياناً مئات المليارات من المعاملات الوسيطة. لكن تلك النماذج تخطئ في بعض الأحيان، وإصلاح هذه الأخطاء لا يزال يمثل تحدياً، حيث تتنوع الأساليب المستخدمة في هذه الحالة من إعادة التدريب على مجموعات مختلفة من البيانات إلى الضبط الدقيق للنموذج.
لحل هذه المشكلة، طور باحثون من جامعة ستانفورد نهجاً جديداً يعمل كالمبضع لتعديل نماذج الذكاء الاصطناعي. ويتيح هذا النهج المُسمى ميند (MEND) للباحثين إجراء تغييرات دقيقة للغاية على أجزاء صغيرة من المعلومات التي تحتوي عليها النماذج اللغوية الكبيرة.
وكتب الباحثين -في دراسة لم تخضع بعد لمراجعة الأقران نشرت على خادم (arXiv) لأبحاث ما قبل النشر- أن "المساهمة الأساسية لهذا العمل هي (بناء) خوارزمية قابلة للتطوير لإجراء تعديلات سريعة في النماذج، يمكنها تعديل نماذج اللغة الكبيرة للغاية المدربة مسبقاً". وأضافوا أن "ميند هو طريقة تعلم لتحويل الضبط الدقيق الأولى المُتدرج إلى عملية تحديث محددة الهدف بدرجة أكبر للمعاملات الوسيطة، تقوم بتعديل النموذج بنجاح في خطوة واحدة".
وأختبر الباحثون ميند على مجموعة من النماذج الكبيرة منها (GPT-Neo) الذي يحتوي على 2.7 مليار معامل وسيط، و (GPT-J) الذي يحتوي على 6 مليارات معامل و(T5-XXL) الذي يحتوي على 11 مليار معامل، ووجدوا أنه "ينتج باستمرار تعديلات أكثر فعالية من المحررين الحاليين".
ولكن تماماً كما هو الحال في الجراحة الحقيقية، يمكن للمبضع أن يقطع أماكن أكثر من المطلوب. وفي بعض الأحيان يمكن للتغييرات التي يقوم بها ميند أن تقود النموذج أحياناً إلى تغيير مخرجاته. ومع ذلك فإنه يبدو أقل تدميراً وعرضة للأخطاء مقارنة بالأنظمة الأخرى.
الرابط (إنجليزي)
تطوير حل مبني على الذكاء الاصطناعي لمرضى غسيل الكلى الدموي
طورت شركة دياڤيرم حلاً مبني على الذكاء الاصطناعي يهدف لخلق أسس للتغيير في مجال الوقاية من تجلط الأوعية الدموية في الوصلات الوريدية، حيث صممت نموذجاً للذكاء الاصطناعي يدعم الأطباء وطاقم التمريض بتنبؤ ذي دقة عالية لحدوث نوبات تجلط الأوعية الدموية في الوصلات الوريدية للمرضى الخاضعين لجلسات التنقية الدموية (غسيل الكلى الدموي) ومعرفة طرق الوقاية منها.
وتنبأت عمليات المحاكاة التي أجرتها الشركة باستخدام بيانات المرضى المسجلة بما يعادل متوسط 75٪ من الحالات الفعلية التي لم يتم اكتشافها من خلال أنظمة المراقبة التقليدية، بل والتي لم تصل إليها أفضل التقييمات الإكلينيكية، حيث تعد حالات تجلط الأوعية الدموية في الوصلات الوريدية من العوامل المسببة التي تفاقم معاناة المرضى.
وتسبب هذه الحالات المرضية زيادة معدل الوفيات بين مرضى الفشل الكلوي، حيث تتراوح نسب الإصابة بين 0.11 إلى 0.5 حالة لكل مريض سنوياً، ما يترتب عليه زيادة كبيرة في النفقات العلاجية والرعاية المصاحبة وبالتالي التكلفة الإجمالية للرعاية، ما يؤثر على أنظمة الرعاية الصحية في جميع أنحاء العالم.
من جانبه، قال ديميتريس مولاڤاسيليس الرئيس التنفيذي العالمي لديافيرم، إن هذه النقلة التكنولوجية تمكن كافة العاملين في مراكزنا من استخدام الذكاء الاصطناعي في تحسين المخرجات الإكلينيكية والنتائج الطبية للمرضى؛ علاوة على مساهمته في تخفيض تكلفة الرعاية الإجمالية. كما عبر الرئيس التنفيذي للشركة في المملكة العربية السعودية زياد عبد العزيز كابلي، عن تطلع الشركة إلى الاستفادة من هذه التكنولوجيا لتعزيز تجربة وجودة حياة المرضى في 40 مركزاً وفي 33 مدينة وبلدة في المملكة.
ويعتمد النموذج على مدخلات من 12 متغير يتعلق بجلسات التنقية الدموية "غسيل الكلى الدموي"، بالإضافة إلى النتائج المخبرية والديموغرافية التي تتعلق بالتركيبة السكانية حتى يصل لنتائج متناهية الدقة، ومن ثم يتنبأ النموذج إذا ما كان المريض يعاني من مخاطر في الوصلة الوريدية قبل أسبوع من حدوث أي تخثر مفاجئ.
ووفقاً لذلك؛ يقوم نموذج الذكاء الاصطناعي بتقديم إرشادات لطبيب أمراض الكلى المعالج، ما يساعد ويمكن الفريق الطبي بشكل كبير في اتخاذ قرارات واجراءات وقائية ورعاية فردانية محورها المريض لمنع حدوث أي جلطات دموية تضمن استمرارية سلامة الوصلة الوريدية.
الرابط
كيف يحول الذكاء الاصطناعي الصور ثنائية الأبعاد إلى عالم ثلاثي الأبعاد قابل للاستكشاف؟
طور باحثون ألمان خوارزمية ذكاء اصطناعي يمكنها تحويل الصور الثابتة إلى عالم ثلاثي الأبعاد عالي الدقة وقابل للاستكشاف، الأمر الذي قد يكون له تداعيات محتملة على المؤثرات البصرية المستخدمة في الأفلام وتقنية الواقع الافتراضي.
وتختلف الشبكة العصبونية، التي طورها داريوس روكيرت وزملاؤه في جامعة إرلانجن-نورمبرج في ألمانيا، عن الأنظمة السابقة لأنها قادرة على استخلاص الخصائص الفيزيائية من الصور الثابتة. ومن خلال تغذية الشبكة العصبونية بمجموعة مختارة من صور مشهد ونموذج تقريبي ثلاثي الأبعاد للمشهد تم إنشاؤه تلقائياً باستخدام برنامج جاهز يسمى (COLMAP)، يمكنها تصور شكل المشهد بدقة من أي زاوية. ويقول روكيرت: "يمكننا تغيير وضعية الكاميرا، وبالتالي الحصول على مشهد جديد للجسم".
ويمكن لهذا النظام -من الناحية الفنية- إنشاء عالم ثلاثي الأبعاد قابل للاستكشاف من صورتين فحسب، لكنه لن يكون دقيقاً للغاية. ويوضح روكيرت: "كلما حصلت على صور أكثر، كانت الجودة أفضل. لا يمكن للنموذج إنشاء أشياء لم يرها".
وتحتاج الشبكة إلى ما بين 300 و350 صورة تم التقاطها من زوايا مختلفة لصنع بعض من أفضل الأمثلة على العوالم ثلاثية الأبعاد. ويأمل روكيرت في تحسين النظام من خلال جعله يحاكي كيفية ارتداد الضوء عن الأشياء الموجودة في المشهد للوصول إلى الكاميرا، والذي يعني تقليل عدد الصور الثابتة التي يحتاجها النموذج لتوفير دقة ثلاثية الأبعاد.
ويعتقد تيم فيلد، مؤسس شركة (Abound Labs) ومقرها نيويورك، أن هذه التقنية ستُستخدم لتوليد تأثيرات بصرية في الأفلام وجولات الواقع الافتراضي للمواقع، مضيفاً: "سيؤدي هذا الأمر إلى تسريع البحث المحموم بالفعل للعرض المستند إلى التعلم الآلي للصور التي تم إنشاؤها بواسطة الحاسوب".
الرابط (إنجليزي)
|