أعلنت شركة Meta الأمريكية، يوم الخميس بالتوقيت المحلي، عن نموذج الأوزان المفتوحة «Muse Spark Open». ويضم النموذج 816 مليار مُعامِل، مع نافذة سياق تبلغ مليون رمز، وقد صُمم للتشغيل محليًا على أجهزة Apple. وبدأ توفيره بالفعل عبر منصات متعددة لواجهات API.
يعمل على Mac، لكن ليس بالضرورة على جهاز Mac الذي تملكه
عندما تسمع عبارة «ذكاء اصطناعي يعمل على Mac»، قد تتخيل أنك تستطيع تنزيله وتجربته على حاسوبك المحمول الحالي. لكن الأمر هذه المرة ليس بهذه البساطة. إذ تشير التقارير إلى أن تشغيل نموذج محليًا بهذا الحجم، البالغ 816 مليار مُعامِل، يتطلب ذاكرة لا تقل عن 1 تيرابايت. وهذا مستوى يختلف بمرتبة كاملة عن ذاكرة الحواسيب المحمولة العادية.
البيئة المثلى المقترحة هي Mac Studio المزوّد بشريحة M5 Ultra. ومن الطبيعي أن نفهم ما تقدمه Meta بهذا النموذج على أنه خيار يتيح التعامل مع نموذج ضخم على جهاز موجود على مكتبك، بدلًا من إسناده إلى السحابة، أكثر من كونه خيارًا يركز على سهولة الاستخدام.
ومع ذلك، فإن مجرد وجود هذا «الخيار» أمر لا يُستهان به. فحتى الآن، كانت النماذج فائقة الضخامة موجودة خلف جدران مراكز البيانات. لكنها بدأت تظهر الآن على امتداد مسار أجهزة الكمبيوتر المكتبية. ورغم صعوبة متطلبات التشغيل، فإن هذا توجه يستحق الانتباه.
من ذكاء اصطناعي يكتب الشيفرة إلى ذكاء اصطناعي يشاهد الفيديو
صُمم «Muse Spark Open» بهندسة متعددة الوسائط أصلية تتيح له التعامل مع الصور وغيرها، كما أُعدّ لمهام البرمجة المعقدة والعمل القائم على الوكلاء. والمقصود بالعمل القائم على الوكلاء نمط استخدام لا يكتفي فيه النموذج بالإجابة عن سؤال مرة واحدة، بل يضع بنفسه خطوات متعددة وينفذ العمل.
وقالت Meta إنها استخدمت النموذج مع طرفيتها الخاصة للبرمجة بالذكاء الاصطناعي «Muse Code»، وأوكلت إليه مجموعة متنوعة من مهام سير العمل القائمة على الوكلاء. ومن الأمثلة التي ذكرتها إجراء تعديلات على عميل شبكة التواصل الاجتماعي اللامركزية «Mastodon». وأضافت أنه أنجز سلسلة من المهام شملت إصلاح الأخطاء وإضافة ميزة جديدة ثم بناء البرنامج.
واستُخدم النموذج أيضًا للتحكم في برنامج تحرير الفيديو «DaVinci Resolve»، وتمكن، بحسب الشركة، من معاينة المواد واقتصاصها. من عالم الشيفرات إلى أدوات تحرير الفيديو الاحترافية، يتسع باستمرار نطاق الحالات التي يتعامل فيها الذكاء الاصطناعي مع التطبيقات على الشاشة.
ما أراه لافتًا شخصيًا هو أن المثالين كلاهما يتعلقان بمهام على جهاز كمبيوتر مكتبي. نحن ننتقل من ذكاء اصطناعي يرد عبر نافذة دردشة إلى ذكاء اصطناعي يشبه زميلًا يجلس أمام الكمبيوتر وينجز العمل. وربما كان هذا جانبًا من الهدف وراء التركيز على التشغيل محليًا على Mac.
قيمة الأوزان المفتوحة لا تُقاس بالأداء وحده
تقول Meta، استنادًا إلى نتائج التقييم التي نشرتها، إن أداء النموذج يتفوق على نماذج الأوزان المفتوحة الرئيسية الأخرى. كما تصفه بأنه نموذج الأوزان المفتوحة الأعلى أداءً في الولايات المتحدة.
لكن أهمية الأوزان المفتوحة لا تختزل في ترتيب النماذج. فعندما تُنشر الأوزان، أي محتويات النموذج المدرّب نفسها، يصبح من المرجح أن تكون تكلفته أفضل مقارنة بالنماذج المغلقة، كما يسهل توفير الشفافية بشأن آلية عمله والمرونة في استخدامه.
تتمثل المفاضلة أمام الشركات في الاختيار بين الاستخدام السهل عبر واجهة API وتشغيل النموذج داخل بيئتها الخاصة. الخيار الأول أسرع في التنفيذ، أما الثاني فيتيح إبقاء البيانات داخل الشركة. ورغم أن 1 تيرابايت يمثل عائقًا كبيرًا، فقد ترى بعض الجهات التي تتعامل مع تطوير برمجيات شديد السرية أو مواد فيديو أن الاستثمار يستحق ذلك.
يضيف «Muse Spark Open» معيارًا جديدًا يساعد على اتخاذ هذا القرار. جرّبه عبر واجهة API، ثم انقله إلى جهازك عند الحاجة. وقد يصبح هذا النهج المزدوج طريقة شائعة للتعامل مع الذكاء الاصطناعي مفتوح الأوزان مستقبلًا.
コメント