بينما تسعى الشركات للاستفادة من الذكاء الاصطناعي لتعزيز ميزتها التنافسية، يسرع المزودون لإطلاق أدوات تسهل تطوير تطبيقات الذكاء الاصطناعي وتعلم الآلة عالية الأداء. في حين أن تطوير التطبيقات بدون كود قد اكتسب زخمًا، تتخذ شركة Iterate خطوة جريئة بإلغاء طبقة الترميز تمامًا. تقع Iterate في كاليفورنيا، وتتخصص في نشر الذكاء الاصطناعي والتقنيات الناشئة عبر البيئات الخاصة والحافة والسحابة. اليوم، كشفت النقاب عن AppCoder LLM—نموذج مُحسن ينتج كود تطبيقات الذكاء الاصطناعي الجاهزة للإنتاج باستخدام طلبات اللغة الطبيعية.
دمجت Iterate AppCoder LLM في منصة تطوير التطبيقات Interplay، حيث يعمل بسلاسة مع طلبات النصوص، ويعمل كرفيق ذكاء اصطناعي توليدي. تتجاوز أداؤه حلول الترميز الحالية، بما في ذلك Wizardcoder، مما يسمح لفرق التطوير بالحصول بسرعة على كود دقيق لمختلف تطبيقات الذكاء الاصطناعي، من اكتشاف الأجسام إلى معالجة الوثائق.
قال براين ساتهياناثان، المدير التنفيذي للتكنولوجيا في Iterate.ai: "يمكن لهذا النموذج المبتكر توليد كود وظيفي للمشروعات، مما يسرع دورة التطوير بشكل كبير. نشجع الفرق على استكشاف Interplay-AppCoder LLM وتجربة قوة توليد الكود التلقائي."
ما الذي يميز AppCoder LLM؟
في جوهره، تعد Interplay منصة متكاملة بالكامل تعتمد على السحب والإفلات، تجمع بين محركات الذكاء الاصطناعي ومصادر بيانات المؤسسات والعقد الخدماتية الخارجية لتبسيط تطوير التطبيقات الجاهزة للإنتاج. يمكن لفرق المطورين فتح كل عقدة لكود مخصص، حيث يتألق AppCoder. يسمح للمستخدمين بتحويل التعليمات البسيطة باللغة الطبيعية إلى كود بكفاءة.
أضاف ساتهياناثان: "يمكن لـ Interplay-AppCoder الاستفادة من مكتبات رؤية الحاسوب مثل YOLOv8 لإنشاء تطبيقات متقدمة للكشف عن الأجسام. كما يمكننا أيضًا توليد كود لمكتبات شائعة مثل LangChain ومكتبات Google، والتي تعتبر ضرورية للدردشة وغيرها من الوظائف."
على سبيل المثال، يمكن لمطعم للوجبات السريعة ربط مصدر بيانات الفيديو وطلب من Interplay-AppCoder إنشاء تطبيق لكشف السيارات باستخدام نموذج YOLOv8. سيتولى LLM توليد الكود اللازم على الفور.
أشار ساتهياناثان إلى أن فريقه أنشأ تطبيق كشف جاهز للإنتاج في أقل من خمس دقائق أثناء الاختبار. يعد هذا التطوير السريع بتقليل التكاليف وزيادة الإنتاجية، مما يتيح للفرق التركيز على المبادرات الاستراتيجية التي تعزز نمو الأعمال.
مقارنة أداء AppCoder
بعيدًا عن السرعة، يقدم AppCoder LLM مخرجات متفوقة مقارنة مع المنافسين مثل Code Llama من Meta وWizardcoder. في اختبار ICE الذي قيم إصدارات بحجم 15B من AppCoder وWizardcoder باستخدام مكتبات LangChain وYOLOv8، حقق نموذج Iterate درجة صحة وظيفية أعلى بمعدل 300% (2.4/4.0 مقابل 0.6/4.0) ودرجة فائدة أعلى بمعدل 61% (2.9/4.0 مقابل 1.8/4.0).
تشير هذه النتائج إلى تفوق AppCoder في إجراء اختبارات وحدات ذات صلة بالطلب وكود المصدر، مع ضمان أن تكون المخرجات واضحة ومنظمة منطقيًا، مما يسهل قراءتها من قبل البشر.
أضاف ساتهياناثان: "كان وقت الاستجابة لتوليد الكود على معالج A100 يتراوح عادة بين 6-8 ثوانٍ. لقد استخدم تدريبنا تنسيق سؤال وجواب بأسلوب المحادثة." وكشف أن هذه النتائج تنبع من تحسين دقيق لموديلات مختلفة على مجموعة بيانات مختارة من مكتبات الذكاء الاصطناعي التوليدية الحديثة.
نظرة مستقبلية
بينما يتوفر AppCoder الآن للاختبار والاستخدام، ترى Iterate هذه البدايات كنقطة انطلاق فقط. تعمل الشركة على تطوير 15 نموذجًا خاصًا كبيرًا للمؤسسات الكبرى وترتكز على توسيع الدعم لتطبيقات المعالجات المركزية والحافة لتعزيز القابلية للتوسع.
اختتم المدير التنفيذي للتكنولوجيا حديثه قائلاً: "ستواصل Iterate تعزيز منصتها وأدواتها لإدارة محركات الذكاء الاصطناعي والنماذج اللغوية الناشئة ومجموعات البيانات الواسعة، وكلها مصممة لتطوير التطبيقات ونشرها بسرعة. يضمن هيكلنا منخفض الكود تكيفًا سريعًا مع النماذج الناشئة في بيئة تتطور بسرعة."
على مدار العامين الماضيين، تضاعف إيرادات Iterate تقريبًا، وتخدم الآن عملاء ضمن قائمة Fortune 100 في قطاعات متنوعة، بما في ذلك المصارف والتأمين وخدمات الوثائق والترفيه والسلع الفاخرة وخدمات السيارات وتجارة التجزئة.
قائمة الترتيب
