من التدريب المسبق لفرق وكلاء AI: ليه دورات التوسع الأربعة عند Jensen Huang بتغيّر سؤال الحوسبة؟
مقدمة: إيه اللي بيكبر لما الذكاء الاصطناعي يبقى أقدر؟
الكلام عن الذكاء الاصطناعي [AI] غالبا بيبدأ بحجم النموذج [Model]. فيه كام مُعامل [Parameters]؟ اتدرّب على قد إيه من المعلومات؟ وكان حجم نظام الحوسبة [Computing System] اللي وراه قد إيه؟
الأسئلة دي بتوصف جزء بس من النظام. حجة Jensen Huang الأوسع إن AI ممكن يكبر في مراحل مختلفة: وهو بيتعلم أساسياته، وهو بيحسّن سلوكه، وهو بيشتغل على مشكلة معينة، وهو بيوزع الشغل بين الوكلاء [Agents]. فهم العلاقة بين المراحل دي بيغيّر تفكيرنا في الطلب على الحوسبة [Computing Demand].
الفرق المهم بين بناء نموذج واستخدام نظام ذكي. الاتنين نشاطات مرتبطة، بس مش نفس حمل الشغل [Workload].
1. التدريب المسبق بيبني أساس، مش عامل جاهز بالكامل
التدريب المسبق [Pre-training] بيطوّر قدرات النموذج العامة عن طريق تعريضه لكمية كبيرة من المعلومات. النموذج بيتعلم أنماط وعلاقات ممكن تساعده في مهام بعد كده.
بيانات أكتر وحوسبة أكتر [Computing] ممكن يحسّنوا الأساس ده. لكن تشغيل تدريب أكبر [Training Run] مش تفسير كامل للذكاء المفيد. النموذج ممكن يبقى عنده معرفة عامة واسعة ولسه محتاج حكم أحسن، أو خبرة مخصوصة للمهمة، أو وصول لمعلومات ماقابلهاش وقت التدريب.
عشان كده السؤال ماينفعش يقف عند هل المعروض من المواد اللي البشر كتبوها هيبقى قيد في الآخر. المراحل اللي جاية ممكن تغيّر طريقة تعلّم النظام والشغل اللي بيعمله مع بعض.
2. التدريب اللاحق بيغيّر طريقة استخدام الأساس
التدريب اللاحق [Post-training] بيحسّن النموذج بعد تعلّمه الأولاني. التركيز بينقل للسلوك والمهام العملية ونوعية الردود اللي الناس محتاجاها.
البيانات الاصطناعية [Synthetic Data] ممكن تساعد في العملية دي. النظام يقدر يولّد أمثلة، ويستكشف تنويعات، وينتج مواد تنفع لتعلّم إضافي. القيمة في جودة الخبرة الناتجة، مش لمجرد إن آلة هي اللي أنتجتها.
الفرق ده مهم. إنتاج مواد أكتر مايثبتش تلقائيا إنها صحيحة. الدورة المفيدة بتختار الخبرات اللي تستاهل تتخزن وتستخدمها لتحسين السلوك بعد كده. الكمية من غير اختيار ممكن تكرر نقاط الضعف بدل ما تصلحها.
3. الحوسبة وقت الاختبار بتخلّي الاستدلال مشكلة أصعب
الاستدلال [Inference] أحيانا بيتتخيّل كخطوة أخيرة بسيطة: النموذج اتعلم خلاص، فالمفروض إنتاج إجابة يحتاج شغل إضافي قليل.
التوسع وقت الاختبار [Test-time Scaling] بيتحدى الصورة دي. المهمة الصعبة ممكن تحتاج من النظام يقسّم المشكلة لأجزاء أصغر، ويقارن طرق ممكنة، ويدوّر على معلومات، ويراجع محاولة مانجحتش.
احتياج الحوسبة [Computing Requirement] ساعتها بيتحدد باللي لازم النظام يعمله قبل ما يرجّع إجابة مفيدة. الرد القصير ممكن ييجي بعد شغل كبير. والعكس، الرد الطويل مش دليل على تفكير متأني.
بالنسبة للشركات، ده بيخلّي تأخير الرد [Latency] وجودة الإجابة وتكلفة التشغيل اختيارات مرتبطة ببعض. أرخص رد فوري مش دايما أرخص مهمة اتكملت بنجاح.
4. التوسع بالوكلاء بيضيف التنسيق للقدرة
التوسع بالوكلاء [Agentic Scaling] بيقدّم طريق تاني: النظام يقدر يوزع الشغل على كذا وكيل [Agents] بدل ما يطلب من نموذج واحد يعمل كل حاجة بالترتيب.
وكيل ممكن يراجع السجلات والتاني يقارن الاختيارات. النتائج اللي يوصلوا لها ممكن تدعم نتيجة مشتركة. ده نمو مختلف عن تكبير نموذج واحد أو إعطائه وقت أكتر.
المقارنة بمؤسسة مفيدة. موظفين أكتر ممكن يزودوا القدرة، بس لما المسؤوليات والتواصل والقرار النهائي يكونوا واضحين. ووكلاء أكتر كمان بيخلقوا شغل للتنسيق، والتوفيق بين النتائج، والمراجعة. عددهم مُدخل، مش مقياس نجاح.
5. المراحل الأربعة بيكوّنوا دورة تعلّم
أهم علاقة هي اللي بيحصل بعد ما النظام يشتغل. خبرات الوكلاء المفيدة ممكن تبقى مواد لتدريب بعد كده. والنماذج المحسّنة تقدر تدعم تفكير أحسن ووكلاء أكتر فاعلية.
عشان كده التدريب المسبق [Pre-training]، والتدريب اللاحق [Post-training]، وشغل وقت الاختبار [Test-time Work]، ونشاط الوكلاء [Agentic Activity] مش لازم يفضلوا في خانات منفصلة. يقدروا يغذّوا بعض.
ده بيغيّر سؤال البنية التحتية [Infrastructure] كمان. تدريب نموذج، والبحث جوه ملفات، وتنسيق كذا عامل بيحطوا متطلبات مختلفة على المعالجات [Processors] والذاكرة [Memory] والتخزين [Storage] والشبكات [Networking]. نظام متصمم حوالين اختبار أداء ضيق واحد [Benchmark] ممكن مايناسبش سير الشغل الكامل [Workflow].
الخلاصة: قيسوا الشغل، مش النموذج بس
إطار Huang اللي من أربع أجزاء بينقل النقاش أبعد من فكرة إن تقدم AI يعني بس نموذج أكبر اتدرّب مرة على مجموعة بيانات أكبر [Dataset].
الدرس العملي تحديد فين الحوسبة الإضافية [Computing] بتطلع نتيجة أحسن. هل المهمة محتاجة أساس أحسن، ولا تحسين أفيد، ولا وقت أطول لحل المشكلة، ولا تقسيم شغل متنسّق؟
المؤسسة المفروض تقيّم الإجابة بالمهام اللي خلصت، والجودة، والوقت، والتكلفة الكلية. دي بداية أفيد من عدّ المُعاملات [Parameters] أو الوكلاء [Agents] بس. سؤال الحوسبة في المستقبل عن نظام التعلّم والشغل كله.
Powered By K7