كيف تم دمج نماذج اللغة الكبيرة في تكنولوجيا البيانات الحديثة: رؤى من عام 2023

عندما أُطلق ChatGPT قبل أكثر من عام، قدم للمستخدمين على الإنترنت مساعدًا ذكيًا متاحًا دائمًا لمهام متنوعة، بدءًا من إنتاج محتوى بلغة طبيعية مثل المقالات، وصولاً إلى تحليل المعلومات المعقدة. وأبرز هذا الارتفاع السريع التكنولوجيا القوية التي تدعمها: سلسلة نماذج اللغة الكبيرة GPT.

اليوم، لم تعد نماذج اللغة الكبيرة، بما في ذلك سلسلة GPT، تعزز المهام الفردية فحسب، بل تُحدث ثورة في عمليات الأعمال بأكملها. تستخدم الشركات واجهات برمجة التطبيقات للنماذج التجارية والحلول مفتوحة المصدر لأتمتة المهام المتكررة، وزيادة الكفاءة، وتبسيط الوظائف الأساسية. تخيل التفاعل مع الذكاء الاصطناعي لتصميم حملات إعلانات لفرق التسويق أو تسريع دعم العملاء من خلال الوصول السريع إلى قاعدة البيانات المناسبة.

تحول بنية البيانات

تلعب البيانات دورًا حاسمًا في أداء نماذج اللغة الكبيرة. عند تدريبها بشكل فعال، تمكّن هذه النماذج الفرق من معالجة بياناتها وتحليلها بكفاءة. مع تزايد شعبية ChatGPT ومنافسيه على مدار العام الماضي، بدأت العديد من المؤسسات في دمج الذكاء الاصطناعي التوليدي في تدفقات بياناتها، مما ساده تجربة المستخدم وساعد العملاء على توفير الوقت والموارد لمهامهم الأساسية.

أحد أبرز الابتكارات كان تقديم قدرات الاستعلام التفاعلي. تتيح هذه الميزة للمستخدمين التفاعل مع البيانات المنظمة بلغة طبيعية، مما يلغي الحاجة لكتابة استعلامات SQL المعقدة. بفضل هذه الوظيفة، يمكن حتى للمستخدمين غير التقنيين إدخال استعلامات بلغة واضحة والحصول على رؤى من بياناتهم.

لقد تقدمت عدة شركات رائدة في هذا المجال، بما في ذلك Databricks وSnowflake وDremio وKinetica وThoughtSpot. تستخدم Kinetica، التي كانت تستخدم ChatGPT في البداية، الآن نموذجها الخاص. تقدم Snowflake أداتين رئيسيتين: مساعد لاستفسارات البيانات التفاعلية وتوليد استعلامات SQL، وأداة Document AI التي تستخرج المعلومات من مجموعات البيانات غير المنظمة مثل الصور وملفات PDF. تعمل Databricks بطريقة مشابهة مع حلاً يسمى ‘LakehouseIQ’.

تركز الشركات الناشئة أيضًا على التحليلات المدعومة بالذكاء الاصطناعي. على سبيل المثال، تقدم DataGPT من كاليفورنيا محللاً ذكياً مخصصاً ينفذ آلاف الاستعلامات في الوقت الفعلي، ويقدم النتائج بصيغة تفاعلية.

دعم إدارة البيانات ومبادرات الذكاء الاصطناعي

إلى جانب إنتاج الرؤى، تسهم نماذج اللغة الكبيرة بشكل متزايد في تسهيل المهام المتعلقة بإدارة البيانات، وهي ضرورية لبناء منتجات ذكاء اصطناعي قوية. في مايو، قدمت Informatica أداة Claire GPT، وهي أداة ذكاء اصطناعي تفاعلية متعددة النماذج تساعد المستخدمين في اكتشاف وإدارة والتفاعل مع أصول بيانات سحابة إدارة البيانات الذكية (IDMC) باستخدام مدخلات بلغة طبيعية. تقوم Claire GPT بمجموعة متنوعة من الوظائف، بما في ذلك اكتشاف البيانات، وإنشاء خطوط البيانات، واستكشاف البيانات الوصفية، وضمان الجودة.

لتسهيل تطوير الفرق لعروض الذكاء الاصطناعي، قدمت Refuel AI نموذجًا مخصصًا لمهام تصنيف البيانات وإثرائها. تشير الأبحاث المنشورة في أكتوبر 2023 إلى أن نماذج اللغة الكبيرة يمكنها أيضًا تقليل الضوضاء في مجموعات البيانات، وهي خطوة أساسية لضمان جودة الذكاء الاصطناعي.

تطبق نماذج اللغة الكبيرة أيضًا في هندسة البيانات، خاصة في تكامل البيانات وتنظيمها. يمكنها توليد الكود اللازم لتحويل أنواع البيانات المختلفة، والاتصال بمصادر متنوعة، أو إنشاء قوالب YAML وPython لبناء مخططات Airflow DAGs.

نظرة مستقبلية

خلال عام واحد، أحدثت نماذج اللغة الكبيرة تأثيرًا كبيرًا في مشهد المؤسسات، ومع تقدم هذه النماذج في 2024، يمكننا توقع المزيد من التطبيقات عبر بنية البيانات، بما في ذلك مجال مراقبة البيانات الناشئ. قدمت Monte Carlo أداة Fix with AI، التي تحدد المشكلات في خطوط البيانات وتوصي بكود تصحيحي. وبالمثل، استحوذت Acceldata على Bewgle لتعزيز تكامل نماذج اللغة الكبيرة لمراقبة البيانات.

مع ظهور تطبيقات جديدة، من الضروري أن تضمن الفرق أن نماذج اللغات الخاصة بها، سواء كانت مطورة داخليًا أو مُعدلة، تحتفظ بأداء عالٍ. حتى الأخطاء البسيطة يمكن أن تؤدي إلى تأثيرات كبيرة في النتائج، مما يهدد تجربة العملاء.