ما وراء النماذج اللغوية: لماذا يربط Jensen Huang أبحاث AI المفتوحة بالبيولوجيا والطقس ومستقبل الحوسبة؟
مقدمة: ما الذي نفقده عندما نعامل AI بوصفه مجرد روبوت محادثة؟
يجعل النظام الحواري الذكاء الاصطناعي [AI] سهل التعرّف عليه. يستطيع الناس كتابة سؤال وقراءة إجابة. ومع ذلك، فاللغة ليست سوى طريقة واحدة لتمثيل العالم.
تحتوي البيولوجيا والكيمياء والطقس والأنظمة الفيزيائية على معلومات لا يمكن اختزالها في محادثة عادية. وتربط حجة Jensen Huang المؤيدة لأبحاث AI المفتوحة هذه الفرصة العلمية الأوسع بمشكلة حوسبية عملية: يحتاج مصممو العتاد [Hardware Designers] إلى فهم ما ستطلبه النماذج المستقبلية [Models] من أنظمتهم.
تتكون الحجة من أجزاء متعددة. فالعمل المفتوح قد يدعم البحث، ويوسع المشاركة، ويساعد صناعة الحوسبة على تعلّم المواضع التي تحتاج فيها بنيتها [Architecture] إلى التغيير.
1. يعلّم بناء النماذج شركة الحوسبة ما الذي ينبغي بناؤه
لا تستطيع شركة تصمم البنية التحتية [Infrastructure] للذكاء الاصطناعي الاعتماد فقط على متطلبات نماذج الأمس. فهي تحتاج إلى خبرة مباشرة بالعمل الذي قد يشكّل أنظمة الغد.
تخلق أبحاث بنية النماذج [Model Architecture] هذه الخبرة. فقد تفرض الأساليب المختلفة متطلبات مختلفة على الذاكرة [Memory] وحركة البيانات [Data Movement] والمعالجات [Processors] والوصلات بينها.
يربط Huang أبحاث النماذج لدى NVIDIA باستراتيجيتها الأوسع للتصميم المشترك [Co-design]. فالعمل على النماذج يوفّر طريقة أخرى لفهم الأنظمة التي تحتاج إليها تلك النماذج.
وهذا يجعل البحث ذا قيمة حتى عندما لا تحاول الشركة أن تصبح مزوّد التطبيق النهائي [Application Provider] في كل مجال. إذ يمكن أن يسترشد بهذا التعلّم تصميم المنصة الحاسوبية [Computing Platform] التي يستخدمها الآخرون.
2. يتيح الانفتاح لعدد أكبر من الناس مساحة للتجربة
لو لم يتوافر كل نموذج مفيد إلا كخدمة مغلقة الملكية مكتملة [Proprietary Service]، لكانت حرية الباحثين والمؤسسات الصغيرة في فحصه وتعديله والبناء عليه أقل.
يمكن للنماذج المفتوحة [Open Models] أن تخلق مسارا آخر. فيستطيع الباحثون اختبار أسلوب، ودراسة سلوكه، واستكشاف تطبيقات لم تكن من أولويات مطوّره الأصلي.
هذه الفرصة مهمة عبر الصناعات والبلدان. فقد يحتاج مختبر جامعي وفريق هندسي ومجموعة علمية متخصصة إلى أشكال مختلفة من الوصول، لكن كلا منها يستفيد من المساحة المتاحة لإجراء عمله الخاص.
ليس الانفتاح وعدا بنجاح كل تجربة. بل يوسع إمكان التعلّم والمساهمة من دون اشتراط أن يبدأ الجميع من الصفر.
3. تحتاج كلمة "مفتوح" إلى معنى دقيق
أوزان النموذج [Model Weights]، وشيفرة تدريبه [Training Code]، والبيانات المستخدمة في تدريبه، والأساليب المستخدمة لإعداد تلك البيانات، أمور مختلفة.
إتاحة أحدها لا تتيح البقية تلقائيا. وقد يكون إصدار مفتوح الأوزان [Open-weight Release] مفيدا من دون تقديم كل ما يلزم لإعادة إنتاج عملية التدريب الأصلية.
بالنسبة إلى أي جهة تختار نموذجا، يتمثل السؤال العملي فيما يسمح به الإصدار الفعلي. هل يستطيع الفريق فحصه وتعديله ونشره [Deploy] للغرض المقصود وفهم حدوده؟
الدرس هو النظر إلى ما وراء التسمية. فدرجة الانفتاح المفيدة تعتمد على المواد المقدمة والشروط المرتبطة بها.
4. يحتاج AI العلمي إلى تمثيلات تتجاوز اللغة العادية
يعمل نموذج الطقس [Weather Model] مع سلوك نظام فيزيائي. ويتناول البحث البيولوجي البنى والتفاعلات. وتربط الروبوتيات [Robotics] الإدراك [Perception] والفعل ببيئة متغيرة.
يمكن للغة أن تساعد الناس على وصف هذه المشكلات، لكن المعلومات والعلاقات الأساسية قد تتطلب تمثيلات أخرى [Representations]. ولذلك يعتمد التقدم على ما هو أكثر من تحسين المهارات الحوارية لنموذج لغوي كبير [Large Language Model].
تمنح رؤية Huang الأوسع النماذج المتخصصة مكانا ضمن نظام أكبر. فيمكن لوكيل [Agent] استخدام نموذج علمي كأحد أدواته، بدلا من محاولة الإجابة عن كل سؤال انطلاقا من اللغة وحدها.
هذا تحول مفيد في التركيز. إذ يصبح الهدف الوصول إلى القدرة المناسبة للمهمة، بدلا من توقع أن يحتوي نموذج واحد على كل القدرات.
5. تستطيع المنصة دعم صناعات لا تنوي الحلول محلها
لا يلزم شركة الحوسبة أن تبني السيارة النهائية، أو تكتشف الدواء النهائي، أو تدير كل مؤسسة علمية حتى تسهم في تلك المجالات.
يمكنها تقديم نماذج [Models] وأدوات وبنية تحتية [Infrastructure] تساعد المتخصصين على أداء عملهم الخاص. ويأتي هؤلاء المتخصصون بمعرفة المجال [Domain Knowledge] والتجارب والقيود العملية التي لا تستطيع منصة عامة توفيرها وحدها.
يفسر هذا التقسيم للعمل أيضا إمكان تعايش البحث المفتوح والمنتجات التجارية. فقد يخدم تطبيق مملوك [Proprietary Application] غرضا واحدا، بينما تدعم أسس بحثية مشتركة مجتمعا أوسع.
ينبغي أن تظل الحدود واضحة. فالوصول إلى نموذج بداية، وليس دليلا على جاهزيته لاتخاذ قرار علمي أو تشغيلي.
خاتمة: يجب أن تفسح المنصة التالية مجالا لأنواع مختلفة من الذكاء
حجة Huang لأبحاث AI المفتوحة أوسع من إصدار روبوت محادثة آخر. فهي تربط تصميم الحوسبة بالاستكشاف العلمي وقدرة الآخرين على البناء.
تكمن الفرصة في الجمع بين الأدوات العامة والمعرفة المتخصصة، مع الدقة في تحديد ما هو مفتوح وما يبقى تقييمه من مسؤولية المستخدم.
يصبح AI أكثر فائدة عندما تستطيع منصته دعم أنواع مختلفة من العمل. واللغة واجهة [Interface] مهمة لذلك المستقبل، لكنها ليست المستقبل كله.
Powered By K7