Skip to content

نماذج اتخاذ القرار: ثورة في الذكاء الاصطناعي ومسار نحو التخصيص

Модели принятия решений: революция в ИИ и путь к кастомизации — illustration 1

في أكتوبر 2023، شكلت نماذج اتخاذ القرار أكثر من ربع الاستعلامات الموجهة إلى موجه نماذج الذكاء الاصطناعي من Vercel، بدلاً من نماذج اللغة الكبيرة (LLM) التقليدية. يمثل هذا اختراقًا كبيرًا لتقنية ظهرت قبل شهر واحد فقط. نماذج اتخاذ القرار هي في الأساس نماذج لغة كبيرة متخصصة لا تولد رموزًا نصية، بل تختار بسرعة واقتصادية من خيارات محددة مسبقًا، مع تقييم مستوى ثقتها في الاختيار. تكمن قيمتها بشكل خاص في بيئات الإنتاج حيث تكون سرعة اتخاذ القرار غالبًا أكثر أهمية من التبرير المفصل الذي تقدمه النماذج «الحدودية» الأبطأ والأكثر تكلفة.

ظاهرة Jev: رائد السوق واللاعبون الجدد

هيمنة السوق والنمو السريع

حققت شركة TypeSafe رأسمال سوقي قدره 7.5 مليار دولار بفضل مجموعتها من نماذج Jev، التي لا تزال تهيمن على السوق. في الأسبوع الماضي وحده، عالجت خدمة OpenRouter أكثر من 1.5 مليار طلب لنماذج TypeSafe.

ومع ذلك، أدت سهولة إنشاء مثل هذه النماذج إلى ظهور عشرات النماذج المماثلة بعد وقت قصير من إصدار Jev. قام أحد مهندسي أمازون بتطوير نموذجه الخاص خلال عطلة نهاية الأسبوع، وسرعان ما قدم كل مزود خدمة سحابية رئيسي حله الخاص.

دخول العمالقة: Microsoft Decision-1.1

أعلن ساتيا ناديلا، الرئيس التنفيذي لشركة مايكروسوفت، مؤخرًا عن الإطلاق الفوري لنموذج اتخاذ القرار الخاص بهم، Microsoft-Decision-1.1، للاستخدام الواسع على منصة Azure. يؤكد هذا على الأهمية الاستراتيجية لهذا الاتجاه لعمالقة التكنولوجيا.

ابتكارات الشركات الناشئة: Sqwish ونهج البيانات

جذب الاستثمارات وعرض فريد

أعلنت شركة Sqwish البريطانية الناشئة، مطورة نموذج اتخاذ القرار kettei fat، عن جمع 3 ملايين دولار في جولة تمويل ما قبل التأسيس. المؤسسان المشاركان أوشنيش سينغوبتا وفيديريكا فريدي، اللذان التقيا أثناء دراستهما في كامبريدج، كانا يطوران في الأصل نماذج لغة كبيرة صغيرة، ولكن مع ظهور Jev، أدركا إمكانات بنياتهما لإنشاء نماذج قوية لاتخاذ القرار.

دور البيانات والتخصيص

مفتاح النجاح في هذه الفئة من النماذج هو البيانات. صرح ديوغو ألميدا، الرئيس التنفيذي لشركة TypeSafe، لموقع TechCrunch أن الجزء الأكثر تحديًا في إنشاء Jev كان المعايرة الدقيقة لأحكامه باستخدام بيانات اصطناعية معدلة إحصائيًا.

تعمل Sqwish أيضًا مع البيانات الاصطناعية، ولكن عرضها الفريد هو أدوات ما بعد التدريب المضمنة التي تسمح للعملاء باستخدام بياناتهم الخاصة لتحسين دقة النموذج.

«ما يميزنا عن المنافسين هو أننا نوفر لعملائنا نفس القوة… يمكنهم الاستمرار في تحميل بيانات الإنتاج الخاصة بهم، وبنفس الطريقة التي قمنا بها بتدريب نماذجنا، يمكن لنماذجهم أيضًا التحسن باستمرار في المهام التي تهمهم»، أشار أوشنيش سينغوبتا، الرئيس التنفيذي لشركة Sqwish، في مقابلة مع TechCrunch.

اختيار وتقييم النماذج: ما يهم حقًا

أفضلية الحالات الواقعية على المعايير

تقييم نماذج اتخاذ القرار ليس بالمهمة السهلة. أظهر نموذج kettei fat من Sqwish نتائج جيدة في بعض الاختبارات، لكن معظم المطورين يتفقون على أن الفعالية الحقيقية تظهر فقط في الممارسة العملية.

يمكن للمطورين بسهولة استبدال نموذج بآخر لتقييم أدائه في سياق معين.

نماذج اتخاذ القرار: ثورة في الذكاء الاصطناعي والطريق إلى التخصيص — illustration 2

«المعيار هو بالأحرى دعوة لتجربة النموذج، والتعديل الدقيق المستمر هو السبب الذي يجعلهم يبقون معنا»، يؤكد سينغوبتا.

نموذج Microsoft Decision 1.1 هو أيضًا نتيجة توازن دقيق بين التكلفة، التأخير، الذكاء، والمعايرة. يتفق أتشينت شريفاستافا، نائب رئيس الهندسة الذي قاد المشروع، على أن التركيز المفرط على المعايير هو خطأ.

«نرى أن النماذج ‘الأكثر اختبارًا’ تفشل بسرعة كبيرة في الاستخدام المؤسسي الحقيقي»، كتب شريفاستافا في رسالة بريد إلكتروني. «يبرز اختبارنا مدى صعوبة ضمان الدقة، الموثوقية، السرعة، والفعالية من حيث التكلفة في نموذج واحد. Microsoft-Decision-1.1 و Jev هما من القلائل الذين يظهرون نتائج عالية في جميع المعايير الأربعة، حتى عند التقييم على معايير ‘مؤجلة’ أو لم يسبق رؤيتها من قبل، والتي تعكس سيناريوهات الاستخدام الحقيقية».

مستقبل نماذج اتخاذ القرار: التعايش مع LLM

بالنسبة للشركات الناشئة مثل Sqwish، تفتح المنافسة مع العمالقة فرصًا جديدة. يتوقع فريدي أن الأنظمة في المستقبل ستجمع بين «ذكاء النظام الأول» (نماذج اتخاذ القرار) و«ذكاء النظام الثاني» (نماذج LLM الحدودية). سيسمح هذا بإنشاء حلول ذكاء اصطناعي أكثر فعالية وتعددًا للوظائف. تعرف على المزيد حول ترويج محتوى الفيديو.

الأسئلة الشائعة

ما هي نماذج اتخاذ القرار؟

هي نماذج ذكاء اصطناعي متخصصة، مبنية على بنية LLM، ولكنها مُحسّنة للاختيار السريع والاقتصادي من بين الخيارات المحددة بدلاً من توليد النصوص. كما أنها تقيّم مدى ثقتها في القرار المتخذ.

بماذا تختلف عن نماذج LLM التقليدية؟

الفرق الرئيسي يكمن في الغرض المستهدف: نماذج LLM تولد المحتوى، بينما نماذج اتخاذ القرار تختار الخيار الأمثل. الأولى أبطأ وتستهلك موارد أكثر، بينما الثانية سريعة وفعالة للمهام المحددة.

ما هو دور التخصيص في هذه النماذج؟

يصبح التخصيص، أي إمكانية إعادة تدريب النماذج على بيانات العميل الخاصة، عاملاً رئيسيًا للنجاح. وهذا يسمح بزيادة دقة وملاءمة القرارات بشكل كبير في سياقات الأعمال المحددة.

الخاتمة

تغير نماذج اتخاذ القرار بسرعة مشهد الذكاء الاصطناعي، وتقدم للشركات سرعة وكفاءة غير مسبوقتين في أتمتة العمليات الحيوية. إذا كنت تسعى لتحسين عملياتك وتقليل «الصداع» الناتج عن القرارات الروتينية، فإن هذه التقنيات تستحق اهتمامًا وثيقًا.

نحن نقدم ترويجًا شاملاً عبر مقاطع الفيديو القصيرة، بما في ذلك إنشاء المحتوى وتكييفه لمختلف المنصات، حتى تتمكن من التركيز على المهام الاستراتيجية. تواصل معنا لمعرفة كيف يمكننا مساعدتك في دمج حلول الذكاء الاصطناعي المتقدمة في استراتيجية تسويق الفيديو الخاصة بك وطلب كل شيء في مكان واحد، مما يوفر الميزانية والأعصاب.


← العودة إلى المدونة