في مؤتمر VB Transform 2024، أكد ديفيد كوكس من IBM على أهمية الابتكار المفتوح في الذكاء الاصطناعي التوليدي المؤسساتي، مستندًا إلى التزام الشركة طويل الأمد بتقنيات المصدر المفتوح. كمدير لمختبر MIT-IBM Watson AI، قدم كوكس رؤية تتحدى وتلهم قطاع التكنولوجيا.
قال كوكس: "الابتكار المفتوح هو في جوهره قصة التقدم البشري"، مشيدًا بأهمية هذه الفكرة في تعزيز التطور التكنولوجي. وأكد على أهمية المرحلة الحالية في تطوير الذكاء الاصطناعي: "يجب علينا اتخاذ قرارات حول أين نستثمر وكيف نتجنب الاعتماد على نظام مغلق".
تحدى كوكس الرؤية الثنائية البسيطة للانفتاح في الذكاء الاصطناعي، قائلاً: "الانفتاح ليس مجرد شيء واحد. بل يتضمن معانٍ متعددة". وأشار إلى النظام البيئي الناشئ للنماذج المفتوحة من مصادر متنوعة، بما في ذلك الشركات العملاقة والجامعات وحتى الحكومات.
ومع ذلك، أثار مخاوفه بشأن جودة الانفتاح في العديد من النماذج اللغوية الكبيرة، محذرًا: "في بعض الحالات، يتم تقديم مجموعة من الأرقام فقط، مما يجعلك غير مدرك لكيفية إنتاجها". وأكد أن هذا النقص في الشفافية يعقد عملية الاستنساخ ويمرر المبادئ الأساسية للمصدر المفتوح.
رسم كوكس تشابهات مع برامج المصدر المفتوح التقليدية، مشيدًا بالخصائص التي ساهمت في نجاحها: التحديثات المتكررة، دورات الإصدار المنظمة، تصحيحات الأمان، والمساهمات النشطة من المجتمع. وأوضح قائلاً: "كل شيء محدد بشكل جيد، مما يسمح بمساهمات تدريجية من الشركات والمجتمع الأوسع".
انتقد الوضع الحالي للنماذج اللغوية المفتوحة، مؤكدًا: "على الرغم من كونها مثيرة للإعجاب، إلا أنها غالبًا ما تفتقر إلى الصفات الأساسية للمصدر المفتوح". وأشار إلى جداول الإصدار غير المتسقة لبعض المزودين، حيث لا تتلقى النماذج التحديثات بعد إطلاقها الأولي. هذا التباين، وفقًا لكوكس، يعوق جوهر المصدر المفتوح ويحد من الابتكار المدعوم من المجتمع في مجال الذكاء الاصطناعي.
أكد كوكس على التزام IBM بالشفافية من خلال سلسلة Granite من نماذج الذكاء الاصطناعي المفتوحة. قائلاً: "نحن نكشف كل شيء عن النموذج"، مشددًا على أنهم قاموا بفتح جميع رموز المعالجة لضمان الجودة وتصنيف المحتوى غير المناسب.
وأشار كوكس إلى أن هذا المستوى من الانفتاح لا يضر بالأداء، حيث قدم معايير تظهر أن نماذج Granite تتفوق في أدائها، مؤكداً: "لا تحتاج للتضحية بالشفافية من أجل الأداء المتفوق".
قدم كوكس وجهة نظر مبتكرة حول النماذج اللغوية الكبيرة، حيث اعتبرها تمثيلات للبيانات بدلاً من كونها أدوات محادثة فقط. مع تقديرات تشير إلى أن النماذج اللغوية الكبيرة ستشمل قريبًا تقريبًا جميع البيانات المتاحة للجمهور، لاحظ كوكس وجود فجوة ملحوظة: المعرفة الخاصة بالمؤسسات تظل غير ممثلة إلى حد كبير.
وأوضح أنه لتحقيق ذلك، يجب دمج بيانات المؤسسات في النماذج الأساسية لفتح إمكانياتها الكاملة. بينما توجد تقنيات مثل توليد المعلومات المعزز بالاسترجاع (RAG)، إلا أن كوكس جادل بأنها غالبًا ما تفشل في استغلال المعرفة الخاصة الفريدة للمؤسسات والمعلومات الملكية.
ورسم كوكس نهجًا من ثلاث خطوات للمؤسسات: تحديد نموذج أساسي موثوق، إنشاء تمثيل جديد لبيانات الأعمال، ثم نشره وتطويره لتحقيق قيمة مضافة. وأكد على الحاجة إلى الشفافية في اختيار نموذج أساسي، خاصةً في الصناعات الخاضعة للتنظيم، مشيراً إلى أن العديد من مزودي النماذج لا يكشفون عن بياناتهم.
التحدي يكمن في دمج البيانات الملكية بفعالية مع النموذج الأساسي. أكد كوكس أن النموذج الأساسي المختار يجب أن يكون عالي الأداء وشفافًا ومفتوح المصدر لتوفير السيطرة والمرونة اللازمة للمؤسسات.
لتجسيد رؤيته، قدم كوكس InstructLab، وهي مبادرة مشتركة بين IBM وRed Hat مصممة لدمج المعرفة المؤسسية في نماذج الذكاء الاصطناعي. وأوضح: "InstructLab يتيح مساهمات حقيقية مفتوحة المصدر للنماذج اللغوية الكبيرة".
يستخدم المشروع تصنيفاً هيكليًا للمعرفة والمهارات العالمية، مما يسمح للمستخدمين بتحسين أداء النماذج بدقة. تسهل هذه المقاربة الهيكلية دمج الرؤى الخاصة بالمؤسسات، مما يقلل الحواجز أمام الخبراء في المجال لتخصيص النماذج.
تستخدم InstructLab نموذج "المعلم" لإنشاء بيانات تدريب اصطناعية، مدمجة بسلاسة مع البيانات الملكية والنماذج الأساسية دون التضحية بالأداء. من اللافت تسريع دورة تحديث النموذج لتصبح يوماً واحداً فقط، في تباين مع دورات الإصدار التقليدية الطويلة.
تشير رؤى كوكس ومبادرة InstructLab من IBM إلى تحول في اعتماد المؤسسات للذكاء الاصطناعي، متجهةً من نماذج عامة إلى حلول مخصصة تعكس خبرات كل شركة بشكل فريد. مع تطور التكنولوجيا، قد يعتمد التفوق التنافسي على القدرة الفعالة على تحويل المعرفة المؤسسية إلى رؤى مدفوعة بالذكاء الاصطناعي. الفصل التالي من الذكاء الاصطناعي ليس مجرد آلات أذكى؛ بل يتعلق بآلات تفهم الأعمال بعمق مثلما يفهمها مستخدموها.
قائمة الترتيب
