الذكاء الاصطناعي بعمق‹قصة الذكاء الاصطناعياختبر نفسك8 أسئلة عن «قصة الذكاء الاصطناعي». اختر إجابة لكل سؤال، ثم اضغط «تحقّق من إجاباتي».1. لماذا أخفق الذكاء الاصطناعي الرمزي في النهاية في التوسّع؟أ. كان عتاد تلك الحقبة أبطأ من أن يقيّم قواعد ضخمة في وقت معقولب. تعذّر تفسير القرارات القائمة على القواعد للجهات الرقابية أو المدققين، فمنعت متطلبات الامتثال نشرها في التشغيل الفعليج. كل قدرة كان لا بد من تأليفها يدويًا، فتوسّعت التغطية مع عدد الموظفين بينما توسّعت حالات العالم الحقيقي الحدّية توسّعًا توافقيًاد. ثبت رياضيًا تفوّق الشبكات العصبية في الستينيات، فغادر التمويل والكفاءات المجال2. ما الذي أرسته نتيجة Chinchilla بشأن التدريب الأمثل حوسبيًا؟أ. نماذج ذلك الوقت كانت ناقصة التدريب — التدريب الأمثل يستخدم نحو 20 رمزًا لكل معاملب. عدد المعاملات هو المهيمن — فبعد ميزانية بيانات ثابتة متواضعة لا تضيف الرموز الإضافية أي قدرةج. جودة البيانات تتوقف عن الأهمية فوق عتبة معيّنة، فيصبح الحجم الخام للرموز المتغير الوحيد الجدير بالضبطد. تكلفة الاستدلال مستقلة عن حجم النموذج، فلا يحتاج تخطيط السعة إلا إلى نمذجة تشغيل التدريب3. ما الذي يعرّف «حقبة التوسّع الثانية»؟أ. التدريب حصريًا على بيانات اصطناعية ولّدتها نماذج سابقة، مما يلغي أي حاجة إلى نصوص بشريةب. تشغيلات تدريب مسبق أكبر باستمرار، يضيف كل جيل منها مرتبة عشرية من المعاملاتج. التخلي عن المحوّلات لصالح معماريات فضاء الحالة التي تتوسّع بتكلفة أقلد. توسيع حوسبة وقت الاستدلال — استدلال أطول وبحث أكثر لكل طلب يحسّنان القدرة4. لماذا يهيمن عرض نطاق الذاكرة، لا عمليات FLOPS الخام، على أداء استدلال النماذج اللغوية الكبيرة؟أ. المسرّعات تقضي معظم دوراتها خاملة بانتظار عبء المجدول بين عمليات إطلاق النوىب. توليد كل رمز يمرّر أوزان النموذج وذاكرة KV المؤقتة عبر الرقاقة، فيحدد عرض النطاق عدد الرموز في الثانيةج. زمن الرحلة الشبكية ذهابًا وإيابًا بين العميل ومركز البيانات هو المهيمن، فلا يكاد يؤثر عرض النطاق على الرقاقة في الإنتاجيةد. فك الترميز محكوم بدالة softmax، وهي خطوة تسلسلية لا تستطيع وحدة GPU توزيعها بالتوازي عبر المفردات5. يحتاج فريق إلى نموذج للتنبؤ بتسرّب العملاء على بيانات جدولية منظّمة مع متطلبات صارمة لقابلية التفسير. أقوى خيار افتراضي هو:أ. الأشجار المعزّزة بالتدرّج — دقة منافسة، وتكلفة منخفضة، وسهولة أكبر بكثير في التفسيرب. نموذج لغوي كبير رائد يُستدعى عبر API، مع تمرير سجل كل عميل إليه نصًا في التعليماتج. محوّل يُدرَّب من الصفر على الخصائص الجدولية لتحقيق أعلى دقة ممكنةد. نظام وكلاء متعدد يعتمد على نماذج لغوية كبيرة، يقيّم فيه وكيل الخطر ويكتب آخر المبرّر6. ما الذي يفصل الحقبة الحالية للذكاء الاصطناعي بنيويًا عن الموجات السابقة؟أ. حلّ التمويل الحكومي محل الاستثمار الخاص كمحرّك رئيسي لميزانيات الأبحاث الرائدةب. الحوسبة والبيانات والمعمارية والتوسّع القابل للتنبؤ انعطفت معًا، إضافة إلى دولاب زخم للإيرادات لم تُكمل الموجات السابقة دورته قطج. الخوارزميات الأساسية جديدة حقًا — لا شيء في هذه الموجة يعود إلى أبحاث الشبكات العصبية في العقود السابقةد. أصبح عتاد المسرّعات رخيصًا بما يكفي لئلا تقيّد تكلفة الحوسبة النشر بعد الآن7. لماذا تجاوز إجمالي الإنفاق على الاستدلال إنفاق التدريب عبر الصناعة؟أ. انخفضت تكاليف التدريب بحدة مع تحسّن كفاءة المسرّعات، فتقلّص هذا الجانب من الدفاتر إلى رقم هامشيب. توقفت المختبرات الرائدة إلى حد كبير عن التدريب المسبق لنماذج أساسية جديدة وصارت تكتفي بالتدريب اللاحق للنماذج الحاليةج. النماذج تُدرَّب مرة لكنها تُستعلم على نطاق هائل، ورموز الاستدلال وحلقات الوكيل تضاعف الاستخدام لكل طلبد. صارت الجهات الرقابية تضع سقفًا للحوسبة التي يمكن أن يستهلكها تشغيل تدريب واحد، فدفعت الميزانيات نحو جانب التشغيل8. متى تتفوق الاستضافة الذاتية لنموذج مفتوح الأوزان عادةً على استخدام API رائد؟أ. دائمًا تقريبًا، لأن الأوزان المفتوحة تلغي رسوم كل رمز ويسدّد العتاد ثمنه بسرعةب. في أحمال العمل المتقطعة منخفضة الحجم دون قيود على إقامة البيانات، حيث يكون ترك السعة الخاملة قيد التشغيل رخيصًاج. نادرًا، لأن واجهات API لدى المزوّدين مسعّرة دون التكلفة الحقيقية للتشغيل ولا تستطيع الاستضافة الذاتية مجاراتهاد. في أحمال العمل الثابتة عالية الحجم، أو الحساسة لزمن الاستجابة، أو الخاضعة لسيادة البيانات، حيث تتوزّع تكلفة البنية التحتية على حجم الاستخدامتحقّق من إجاباتيالوحدة التالية: الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة ←