ستساعدك المقالة التالية: ظهور التراص: كيف يمكن لطبيعة الإحالة الذاتية للتكديس في نماذج اللغات الكبيرة تحويل صناعة الذكاء الاصطناعي (AI)؟
تتطور صناعة الذكاء الاصطناعي وتخرج بأبحاث ونماذج جديدة وفريدة يوميًا. سواء كنا نتحدث عن الرعاية الصحية أو التعليم أو البيع بالتجزئة أو التسويق أو الأعمال التجارية ، فإن ممارسات الذكاء الاصطناعي وتعلم الآلة بدأت في تغيير كيفية عمل الصناعات. تتبنى كل منظمة الذكاء الاصطناعي لتضمين إمكاناته في حياة الناس اليومية. من خلال الأتمتة وقدرات الذكاء الاصطناعي الممتازة للتعلم والتفكير وتنفيذ عملية صنع القرار ، يتقدم مجال الذكاء الاصطناعي بسرعة.
تعد نماذج اللغات الكبيرة المعروفة ، والتي اكتسبت شهرة كبيرة مؤخرًا ، أفضل مثال على سيطرة الذكاء الاصطناعي على العالم. يعد ChatGPT الشهير ، الذي يستخدم بنية محول GPT لإنشاء المحتوى ، حديث المدينة حاليًا وروبوت الدردشة المفضل لمعظم الأفراد الذين يدركون ذلك. في الآونة الأخيرة ، أ Twitter ناقش المستخدم ، جاي هاك ، اتجاهًا مثيرًا للفضول في الذكاء الاصطناعي يُعرف باسم تكديس نماذج الذكاء الاصطناعي في سلسلة تغريداته. بالإشارة إلى المفهوم على أنه “نماذج على طول الطريق” ، ذكر جاي كيف تستخدم نماذج الذكاء الاصطناعي نماذج أخرى مماثلة لأداء المهام وأداء صنع القرار.
التراص هو في الأساس وجود نموذج ذكاء اصطناعي يمكنه استدعاء نماذج أخرى لحل مهمة معقدة ، مما يؤدي إلى ظهور ذكاء. الفكرة الرئيسية وراء هذا النهج هي جعل نماذج الذكاء الاصطناعي تستخدم نماذج أخرى كأدوات أو وسائط لإنجاز مهمة فرعية أو مهام فرعية متعددة. بعض الأمثلة المقتبسة هي – ينشئ GPT نسخًا خاصة به لحل المهام الفرعية ، GPT باستخدام نموذج رؤية لرسم صور جميلة ، إلخ.
ناقش جاي طبيعة الإحالة الذاتية للتكديس التي يمكن أن تساعد في تطوير نماذج لها ذكاء عام اصطناعي (AGI). لقد ذكر كيف أنه من خلال تكديس عدة نماذج للذكاء الاصطناعي فوق بعضها البعض ، يمكن لكل نموذج الاستفادة من قدرات النماذج الموجودة أسفله ، مما يؤدي إلى نظام يتمتع بذكاء إجمالي أكبر. يُنظر إلى هذا النهج على أنه الحد الأقصى في بناء الأنظمة التي يمكنها أداء المهام التي كانت تعتبر سابقًا بعيدة المنال بالنسبة للذكاء الاصطناعي.
اثنان من الأمثلة الحديثة على LLMs التي استخدمت هذا المفهوم لأغراض رائعة هما BabyAGI و AutoGPT. كل من LLMs هذه تسمي نفسها بشكل متكرر. من ناحية أخرى ، حيث يقوم BabyAGI بتدريب وتقييم مختلف وكلاء الذكاء الاصطناعي في بيئة محاكاة ويختبر قدرتهم على التعلم وأداء المهام الصعبة. من ناحية أخرى ، يستخدم AutoGPT GPT-4 و GPT-3.5 عبر API لإنشاء مشاريع كاملة عن طريق التكرار بناءً على مطالباته الخاصة. حتى أن AutoGPT أنشأ موقعًا إلكترونيًا باستخدام React و Tailwind CSS في أقل من ثلاث دقائق.
المجالات الأخرى التي يتم فيها تعميم التراص هي ViperGPT ، والتي تمنح GPT الوصول إلى Python REPL (Read-Eval-Print Loop) وواجهة برمجة تطبيقات عالية المستوى لمعالجة نماذج رؤية الكمبيوتر. يظهر SayCan أيضًا في مجال الروبوتات ، حيث يتم استخدام LLM باعتباره العمود الفقري للتفكير الروبوتي. يستخدم مشروع آخر حديث يسمى “toolkit.club” LLMs لبناء ونشر أدوات لأنظمة الذكاء الاصطناعي الأخرى. يستخدم هذا حلقة حيث يطلب الوكيل أداة ، ويتم إنشاء الأداة ونشرها بواسطة LLM ، وبالتالي يستخدم الوكيل الأداة.
وبالتالي ، فإن تكديس الذكاء الاصطناعي يتقدم بسرعة ويفتح الأبواب لإمكانيات جديدة. يمكنه حل المهام المعقدة التي قد لا يتمكن استعلام LLM واحد من حلها. مع الاستخدام الصحيح والتغلب على القيود المتعلقة بسلامة الذكاء الاصطناعي ، يمكن لهذا النهج أن يصنع العجائب في المستقبل لمزيد من التطورات.
