الذكاء الاصطناعي بعمق‹آفاق الذكاء الاصطناعياختبر نفسك8 أسئلة عن «آفاق الذكاء الاصطناعي». اختر إجابة لكل سؤال، ثم اضغط «تحقّق من إجاباتي».1. ما المقايضة الجوهرية لحوسبة وقت الاختبار في النماذج الاستدلالية؟أ. مزيد من التفكير وقت الاستدلال يحسّن الجودة في المهام الصعبة لكنه يضاعف زمن الاستجابة والتكلفة، مع تناقص العوائدب. مزيد من التفكير يحسّن كل مهمة بما يتناسب مع الرموز المنفقة، لذا يجب دائمًا رفع ميزانية الاستدلال إلى أقصاهاج. حوسبة وقت الاختبار تخفّض تكلفة التشغيل لأنها تتيح لنموذج أصغر أن يحل محل نموذج أكبرد. رموز التفكير تجعل الاستجابات تصل أسرع لكنها تخفّض جودة الإجابة النهائية بشكل ملموس2. يصنّف خط المعالجة لديك ملايين تذاكر الدعم القصيرة يوميًا بميزانيات زمن استجابة ضيقة. ما استراتيجية النماذج المناسبة؟أ. نموذج استدلالي رائد على كل تذكرة بأقصى ميزانية تفكيرب. نموذج استدلالي لكل طلب، مع تخزين مؤقت مكثّف للتعليمات لإبقاء التكلفة منخفضةج. نموذج سريع للجزء الأكبر من الحركة، مع التصعيد إلى الاستدلال للحالات الصعبة أو الفاشلة فقطد. محرّك قواعد مكتوب يدويًا فقط — فالنماذج اللغوية الكبيرة لا تستطيع الوفاء بميزانيات زمن الاستجابة عند هذا الحجم3. نموذج رؤية ولغة يصف الصور بسلاسة لكنه يخفق في قراءة الرسوم البيانية والمستندات الكثيفة. أي سبب معماري يناسب ذلك أكثر؟أ. مفردات مقسّم الرموز النصي لديه أصغر من أن تغطي الحروف التي تظهر في المستندات الكثيفةب. يولّد بمطابقة التدفق بدل الانتشار، وهذه تتعامل مع التفاصيل الدقيقة بشكل سيئج. نافذة السياق لديه أقصر من أن تتسع لصورة إلى جانب تعليمات الوصفد. أُلحقت الرؤية بنموذج لغوي نصي مدرَّب بدل دمجها أصليًا أثناء التدريب المسبق4. كيف تتفوق مطابقة التدفق على الانتشار التقليدي في توليد الصور؟أ. تولّد مباشرة في فضاء البكسلات بدل فضاء كامن مضغوط، فتعطي مخرجات أعلى دقةب. تتعلّم نقلًا شبه مستقيم من الضجيج إلى البيانات، ما يتيح خطوات أخذ عينات أقل وتدريبًا أكثر استقرارًاج. تلغي الحاجة إلى التكييف بالنص باستنتاج التعليمات من جدول الضجيجد. تستبدل بالمحوّل الأساسي شبكة متكررة تتوسّع خطيًا مع الدقة5. لماذا يتعثر RLHF حين تقترب مخرجات النماذج من الخبرة البشرية أو تتجاوزها؟أ. تصبح نماذج المكافأة باهظة التدريب جدًا ما إن يتجاوز النموذج الأساسي مستوى قدرة معيّنًاب. لن يقرأ المقيّمون البشر مخرجات طويلة بما يكفي لاحتواء استدلال على مستوى الخبراء، فتنهار التغطيةج. الحكم البشري هو إشارة المكافأة، والمقيّمون لا يستطيعون رصد العيوب الخفية التي تتجاوز خبرتهم بشكل موثوقد. يتوقف RLHF عن العمل فوق عدد ثابت من المعاملات، وعندها يصبح تدرّج السياسة غير مستقر عدديًا6. ما التقنية التي تتيح لباحثي قابلية التفسير تفكيك تنشيطات النموذج إلى سمات يتعرّف عليها البشر رغم التراكب؟أ. المرمِّزات الذاتية المتناثرة (تعلّم القاموس)ب. التخزين المؤقت KV لحالات الانتباه الوسيطةج. فك الترميز التخميني بنموذج مسودةد. التكييف منخفض الرتبة (LoRA) لأوزان الانتباه7. حتى عام 2026، أي عبارة عن السياسة الاتحادية الأمريكية للذكاء الاصطناعي صحيحة؟أ. ما زال الأمر التنفيذي لعام 2023 بشأن الذكاء الاصطناعي ساريًا بوصفه الإطار الاتحادي الملزم للرقابة على الذكاء الاصطناعيب. أُلغي الأمر التنفيذي لعام 2023 في يناير 2025، تاركًا خليطًا من قوانين الولايات والتطبيق القطاعي من الوكالاتج. قانون اتحادي شامل للذكاء الاصطناعي يحاكي الآن القانون الأوروبي فئةً بفئة، ويتقدّم على تشريعات الولايات المتعارضةد. القانون الاتحادي يتقدّم الآن على قوانين الولايات، ويمنعها من التشريع في الذكاء الاصطناعي بشكل مستقل8. أي تحوّل يصف المسار الحالي للوكلاء الأذكياء على أفضل وجه؟أ. يجري التراجع عن الوكلاء لصالح روبوتات محادثة أبسط وجدتها الفرق أكثر موثوقية في التشغيل الفعليب. يتجه الوكلاء نحو الصوت بوصفه الواجهة الأساسية، ويصبح النص خيارًا احتياطيًاج. يتجه الوكلاء نحو تأكيد بشري في كل خطوة، مع بوابة موافقة صريحة على كل استدعاء أداةد. ينتقل الوكلاء من المحادثة دورًا بدور نحو عمل طويل في الخلفية يُراجَع عند الاكتمالتحقّق من إجاباتيأنهيت الدورة كلها! العودة إلى صفحة الدورة ←