تطورت تقنية الذكاء الاصطناعي الإنتاجية بسرعة في السنوات الأخيرة، لكن يعتقد ريتشارد سوشر، الرئيس التنفيذي السابق لشركة Salesforce، أن هناك مجالاً للتحسين. في بودكاست نشرة هارفارد للأعمال، ناقش سوشر كيف يمكننا رفع مستوى النماذج اللغوية الكبيرة من خلال دفعها للرد على التحفيزات في شكل رموز البرمجة بدلاً من التنبؤ بالرمز التالي.
في الوقت الحاضر، تعتمد النماذج اللغوية الكبيرة على التنبؤ بالرمز التالي استنادًا إلى البيانات السابقة. على الرغم من أن هذه النماذج تظهر قدرات مذهلة في فهم القراءة والبرمجة، فإنها غالباً ما تعاني من حالات هلاوس، حيث تنتج أخطاء حقوقية كما لو أنها صحيحة. يصبح هذا أمرًا مشكلًا بشكل خاص عندما يواجهون أسئلة رياضية معقدة.
قدم سوشر مثالًا على سؤال يمكن أن تواجهه النماذج اللغوية الكبيرة صعوبة في حله: “إذا منحت طفلاً 5000 دولار عند ولادته للاستثمار في صندوق مؤشر الأسهم بدون رسوم، وافترضنا نسبة معينة من العائدات السنوية المتوسطة، فكم سيكون المبلغ الذي سيكون لديه من سنتين إلى خمس سنوات؟” بدلاً من النظر في السؤال وأداء الحسابات اللازمة، ستقوم النموذج بإنشاء نص استنادًا إلى أسئلة مماثلة واجهتها من قبل.
لتجاوز هذا القيد، يقترح سوشر “فرض” ترجمة النموذج للسؤال إلى رموز البرمجة وإنشاء إجابة بناءً على هذا الكود. من خلال ذلك، فإن النموذج أكثر احتمالاً أن يقدم استجابة دقيقة. وأشار سوشر إلى أنه في محرك البحث الذي يعمل بالذكاء الاصطناعي You.com، تمكنوا من ترجمة الأسئلة إلى رموز Python.
في مقابل النهج التقليدي المتمثل في مجرد توسيع البيانات وقوة المعالجة، يشير سوشر إلى أن البرمجة ستلعب دورًا حاسمًا في تطوير النماذج اللغوية الكبيرة. من خلال تعليم هذه النماذج البرمجة، ستكتسب فهمًا أعمق وقدرات أكثر مرونة في حل المشكلات. ستمكنها هذه الطريقة المنهجية للبرمجة من التعامل مع مهام أكثر تعقيدًا في المستقبل.
مع تصاعد المنافسة بين النماذج اللغوية الكبيرة، مع GPT-4 من OpenAI و Gemini من Google يتسابقان للتفوق، تقدم وجهة نظر سوشر زاوية جديدة لتعزيز قدرات الذكاء الاصطناعي. بدلاً من الاعتماد فقط على توسيع البيانات، يمكن أن يفتح فرض البرمجة على نماذج الذكاء الاصطناعي إمكاناتها الكاملة ويؤدي إلى تقدمات كبيرة في هذا المجال.
الأسئلة المتداولة (الأسئلة الشائعة) حول تحسين النماذج اللغوية الكبيرة من خلال البرمجة
س: ما هي التحديات التي تواجه النماذج اللغوية الكبيرة الحالية؟
ج: تعاني النماذج اللغوية الكبيرة الحالية من قيود في إنتاج ردود دقيقة عندما يتعلق الأمر بالأسئلة المعقدة، خاصة تلك التي تتطلب حسابات رياضية. غالبًا ما تعاني من حالات هلاوس، حيث تنتج أخطاء حقوقية كما لو أنها صحيحة.
س: ما هو الحل المقترح للتغلب على هذه القيود؟
ج: يقترح ريتشارد سوشر “فرض” على النماذج اللغوية الكبيرة ترجمة الأسئلة إلى رموز برمجة الحاسوب وإنشاء إجابات بناءً على هذا الكود. عن طريق ذلك، يكون من المرجح أن توفر النماذج استجابات دقيقة.
س: كيف يحسن ترجمة الأسئلة إلى البرمجة النماذج؟
ج: يساعد ترجمة الأسئلة إلى البرمجة النماذج على فهم أعمق للأسئلة ويمكّنها من أداء الحسابات اللازمة. هذا النهج يعزز قدراتها في حل المشكلات ويزيد من احتمالية الحصول على استجابات دقيقة.
س: هل تم تنفيذ هذا النهج في أي محرك بحث يعمل بالذكاء الاصطناعي؟
ج: نعم، في You.com، محرك بحث يعمل بالذكاء الاصطناعي، تم ترجمة الأسئلة بنجاح إلى رموز Python لتحسين دقة الإجابات.
س: ما الفرق بين هذا النهج المنهجي والتقليدي في توسيع البيانات وقوة المعالجة؟
ج: يشير سوشر إلى أن تعليم النماذج اللغوية الكبيرة البرمجة ستكون أمرًا حاسمًا في تطوير قدراتها، بدلاً من الاعتماد فقط على توسيع البيانات. من خلال برمجة النماذج، تكتسب فهمًا أعمق وقدرات أكثر مرونة لحل المشكلات المعقدة في المستقبل.
س: كيف يبرز وجهة نظر سوشر في المنافسة بين النماذج اللغوية الكبيرة؟
ج: تقدم وجهة نظر سوشر زاوية جديدة لتعزيز قدرات الذكاء الاصطناعي. بدلاً من الاعتماد فقط على توسيع البيانات، يمكن أن يفتح فرض البرمجة على نماذج الذكاء الاصطناعي إمكاناتها الكاملة ويؤدي إلى تقدمات كبيرة في هذا المجال.
المصطلحات الرئيسية:
– تكنولوجيا الذكاء الاصطناعي الإنتاجية: تشير إلى النماذج الذكاء الاصطناعي المقتدرة على إنتاج محتوى أصلي عن طريق توليد بيانات جديدة استنادًا إلى الأنماط والأمثلة من البيانات الموجودة.
– النماذج اللغوية: النماذج الذكاء الاصطناعي المصممة خصيصًا لتوليد وفهم اللغة البشرية.
– الهلوسة: في سياق النماذج اللغوية الذكاء الاصطناعي، تشير إلى إنتاج أخطاء حقوقية كما لو كانت صحيحة.
– الرمز: في النماذج اللغوية، يشير الرمز إلى قسم من النص، عادة كلمة أو حرفًا.
– رموز Python: لغة البرمجة التي استخدمها سوشر كمثال لترجمة الرموز من أجل تحسين النماذج اللغوية الكبيرة.
روابط ذات صلة المقترحة:
– OpenAI – الموقع الرسمي لشركة OpenAI، المعروفة بنماذجها اللغوية الكبيرة مثل GPT-4.
– Google – الموقع الرسمي لشركة Google، الشركة وراء النماذج اللغوية الكبيرة مثل جيميني.
The source of the article is from the blog xn--campiahoy-p6a.es