استراتيجية الذكاء الاصطناعي في ميتا: زوكربيرغ يبرز قوة الحوسبة، المبادرات مفتوحة المصدر، وأهمية بيانات التدريب

أبرزت مكالمات الأرباح لشركات التكنولوجيا الكبرى هذا الأسبوع تقدم كل شركة في مجال الذكاء الاصطناعي. ركزت شركة Google حديثها على الذكاء الاصطناعي التوليدي في خدمات البحث والسحابة، بينما شرحت Microsoft تكاملها للذكاء الاصطناعي عبر مجموعة تقنياتها. قدمت Amazon شرائح ذكاء اصطناعي ومنصة Bedrock، بالإضافة إلى مساعد التسوق المدعوم بالذكاء الاصطناعي، "روفس". لكن Meta ظهرت كقائدة في تقديم استراتيجية شاملة للذكاء الاصطناعي.

تبرز نهج Meta في الذكاء الاصطناعي من خلال التزامها بالمصادر المفتوحة والبيانات الكبيرة التي جمعتها من مشاركات عامة على منصتي Facebook وInstagram. خلال مكالمة أرباح Q4 2023، أكد CEO مارك زوكربيرغ على الموقف المتميز للشركة في تطوير الذكاء الاصطناعي، خصوصاً في الموارد الحاسوبية.

البنية التحتية الرائدة للذكاء الاصطناعي لدى Meta

أوضح زوكربيرغ الاستراتيجية طويلة الأمد للشركة في خلق منتجات متطورة وشائعة للذكاء الاصطناعي، مشيراً إلى أن تحقيق "الذكاء العام الكامل" يتطلب طاقة حاسوبية كبيرة. وأشار إلى أنه في نهاية العام، ستنشرMeta حوالي 350,000 وحدة معالجة الرسوميات H100، مع قدرة حسابية إجمالية تقترب من 600,000 وحدة تعادل H100. وكانت الحاجة إلى هذه البنية التحتية ناتجة بشكل كبير عن مستخدمي Instagram Reels.

شرح زوكربيرغ: "تعلمنا دروساً قيمة من Reels. في البداية، أخطأنا في تقدير احتياجاتنا من وحدات المعالجة، مما دفعنا لبناء سعة كافية لدعم كل من Reels وخدمة ذكاء اصطناعي مماثلة الحجم." وأضاف: "تلعب Meta لتربح" متوقعاً أن تدريب النماذج المستقبلية سيتطلب موارد حسابية أكبر.

استراتيجية Meta في الذكاء الاصطناعي المصدر المفتوح

كرر زوكربيرغ التزام Meta الراسخ باستراتيجية المصادر المفتوحة، على الرغم من التدقيق التنظيمي. وفسر قائلاً: "استراتيجيتنا هي بناء بنية تحتية عامة ومفتوحة المصدر، مع الاحتفاظ بتنفيذ المنتجات المحددة في السر." هذا يشمل نماذج Llama، خاصة النموذج الواعد Llama 3، وأدوات مثل PyTorch.

سلط الضوء على المزايا الاستراتيجية للمصادر المفتوحة، قائلاً إنها تعزز الأمان وتروج للمعايير الصناعية وتجذب المطورين. "المصادر المفتوحة تساعدنا على تجنيد أفضل المواهب، وهو أمر أساسي لقيادة التكنولوجيا الجديدة"، أضاف. إن توفير أدوات مثل Llama كمصدر مفتوح لا يقلل من ميزة Meta التنافسية.

البيانات التدريبية الكبيرة تتجاوز Common Crawl

أكد زوكربيرغ على قوة بيانات Meta وآليات التغذية الراجعة، مشيراً إلى أن ثروة البيانات من Facebook وInstagram، التي تشمل "مئات المليارات من الصور وملايين مقاطع الفيديو العامة"، تفوق على الأرجح مجموعة بيانات Common Crawl. تشمل Common Crawl كميات ضخمة من البيانات التي تم جمعها منذ عام 2008.

أضاف زوكربيرغ: "ما يميزنا حقاً هو قدرتنا على إنشاء حلقات تغذية راجعة فعالة مع مئات الملايين من المستخدمين الذين يتفاعلون مع خدماتنا الذكية. هذه التفاعلات تعزز بشكل كبير من تحسين نظم الذكاء الاصطناعي لدينا، خاصة مع Reels والإعلانات."

التزام Meta بصدارة الذكاء الاصطناعي

أشار مقال حديث في Bloomberg إلى أن نجاح نموذج Llama لشركة Meta جعل اللاما الحقيقية رموزاً غير رسمية لأحداث الذكاء الاصطناعي المصدر المفتوح. ومع ذلك، وفقًا لتقرير أرباح Meta الأخير، يبدو أن الشركة مستعدة لاستثمار بشكل كبير - محتمل بمليارات الدولارات - في سعيها للريادة في الذكاء الاصطناعي وسط منافسة متطورة بسرعة.