اختر منطقتك 
على مدى العام الماضي أو نحو ذلك، اكتسب الذكاء الاصطناعي التوليدي (AI) قوة جذب هائلة في المشهد التكنولوجي العالمي.
ويرجع ذلك إلى حد كبير إلى قدرتها الابتكارية على تغيير كيفية تعامل الشركات والأفراد مع حل المشكلات والإبداع واتخاذ القرار. في الواقع، أدى تنوع وكفاءة تطبيقات الذكاء الاصطناعي التوليدية إلى اعتمادها عبر مجموعة واسعة من الصناعات، من الرعاية الصحية إلى الترفيه، وهو ما يتضح من حجم السوق سريع التوسع.
اعتبارًا من عام 2023، بلغت قيمة سوق الذكاء الاصطناعي التوليدي العالمي 12.1 مليار دولار؛ لكن من المتوقع أن يرتفع هذا الرقم إلى 119.7 مليار دولار بحلول عام 2032، بحسب بعض التوقعات.
علاوة على ذلك، طوال عام 2022، وهو الوقت الذي لم تصبح فيه المناقشات المحيطة بهذه التكنولوجيا سائدة بعد، تمكنت الشركات الناشئة في مجال الذكاء الاصطناعي من جمع 2.6 مليار دولار عبر 110 صفقة، وهو رقم ارتفع إلى ما يقرب من 50 مليار دولار في عام 2023، مع شركات بارزة مثل OpenAI وAnthropic و انعطاف الذكاء الاصطناعي يؤمن عدة مليارات من الدولارات لكل منهما.
هناك مؤشر واضح آخر على الاهتمام المتزايد بهذا المجال وهو العدد المتزايد من عمليات البحث المتعلقة بمصطلح “الذكاء الاصطناعي التوليدي”. كما يتبين من الرسم البياني أدناه، بعد إصدار منصة ChatGPT التابعة لشركة OpenAI، ارتفع الاهتمام بالتكنولوجيا بشكل كبير – وبلغ ذروته خلال شهر يونيو – خاصة عبر دول مثل سنغافورة والصين وهونج كونج والهند وإسرائيل.
لذلك، مع استمرار تطور عالم التكنولوجيا المدعمة بالذكاء الاصطناعي، يتوسع نطاق تطبيقه أيضًا، مما يدفع المزيد من الشركات إلى دمج هذه التقنيات في عملياتها.
قال إيلان راخمانوف، المؤسس والرئيس التنفيذي لشركة ChainGPT.org – مزود البنية التحتية للذكاء الاصطناعي لكيانات بلوكتشين ومشاريع Web3 – لكوينتيليغراف: “يمكن لمعظم العلامات التجارية المعروفة الآن تحمل تكاليف التعامل مع الذكاء الاصطناعي التوليدي واستخدامه كميزة تنافسية. نحن نعلم أيضًا ما يمكن أن يفعله الذكاء الاصطناعي التوليدي، ولكن لا يزال لدينا فهم محدود لكيفية تطوره في المستقبل على المدى الطويل مع استفادة المزيد والمزيد من المؤسسات والأفراد من التكنولوجيا ومع تزايد عدد النماذج التي تتدرب على ما يرتبط بها. مجموعات البيانات.”
الكيانات الرئيسية التي تستكشف الذكاء الاصطناعي التوليدي
في مطلع العام الجديد، أعلن بنك JPMorgan عن إطلاق DocLLM، وهو نموذج لغوي كبير توليدي (LLM) مصمم لفهم المستندات متعددة الوسائط. ويقال إنه يمكنه تحليل ومعالجة البيانات المرتبطة بمجموعة من مستندات المؤسسة – من النماذج والفواتير إلى العقود والتقارير – التي تحتوي غالبًا على مجموعات معقدة من النص والتخطيط.
ما يميز DocLLM هو تصميمه التشغيلي الفريد، حيث يتجنب الاعتماد الكبير على برامج تشفير الصور الشائعة بين نماذج اللغات متعددة الوسائط الحالية. وبدلاً من ذلك، فهو يركز على معلومات المربع المحيط، ويدمج هياكل التخطيط المكاني بشكل أكثر فعالية. يتم تحقيق ذلك من خلال آلية انتباه مكاني جديدة ومفككة تعمل على تحسين عملية الانتباه في المحولات الكلاسيكية.
قامت أمازون أيضًا بتعزيز لعبة الذكاء الاصطناعي التوليدية من خلال دمج أداة جديدة لمساعدة البائعين على منصتها. فهو يُنشئ أوصافًا دقيقة وجذابة للمنتج، مما يسهل بشكل كبير عملية إدراج المنتجات الجديدة. إنها تحظى بالفعل بشعبية كبيرة بين غالبية بائعي أمازون.
الأخيرة: الانتخابات الأمريكية: هل أصبحت العملات الرقمية للبنوك المركزية “مسيسة بشكل مفرط”؟
لقد اكتسب مزيج ميسترال الجديد المتناثر من الخبراء، أو نموذج SMoE، قوة جذب هائلة في مجتمع المطورين بفضل سرعته وكفاءته ومجموعة الميزات الشاملة. يعتمد النموذج على المصدر المفتوح، مما يجعله أداة يستخدمها المطورون لإنشاء نماذج لغة فريدة بموارد محدودة.
كما استمرت شركة DeepMind، وهي شركة تابعة لشركة Google، في كونها لاعبًا مهمًا في مجال الذكاء الاصطناعي التوليدي. وتتجلى التطورات التي أحرزوها في خدمات مثل Google Brain وGoogle Translate. ومن بين المساهمات البارزة الأخيرة إطلاق Bard AI، وهو روبوت محادثة يعكس قدرات ChatGPT ويسمح للمستخدمين بإنشاء نص عالي الجودة ومحتوى إبداعي.
لقد تركت Amazon Web Services (AWS) بصمتها من خلال تقديم Bedrock، وهي خدمة توفر الوصول إلى مجموعة متنوعة من النماذج من شركات الذكاء الاصطناعي المختلفة. تتميز Bedrock بشكل خاص بمجموعات أدوات المطورين الشاملة، والتي تلعب دورًا أساسيًا في بناء وتوسيع نطاق تطبيقات الذكاء الاصطناعي التوليدية.
قامت شركة البرمجيات السحابية Salesforce بدمج خوارزميات الذكاء الاصطناعي التوليدية – والتي يشار إليها مجتمعة باسم “Einstein GPT” – في منصة إدارة علاقات العملاء الخاصة بها، وبالتالي تعزيز مشاركة العملاء وتخصيصهم بشكل كبير.
وأخيرًا، أصدرت شركة IBM منصة Watson AI الخاصة بها، والتي تجمع بين تقنيات الذكاء الاصطناعي التوليدية ومعالجة اللغة الطبيعية (NLP) والتعلم الآلي (ML).
ماذا يحمل المستقبل للذكاء الاصطناعي التوليدي؟
على الرغم من أن مستقبل الذكاء الاصطناعي التوليدي يبدو مهيأً للنمو التحويلي، إلا أن القطاع لا يزال يبحر في تضاريس مجهولة مليئة بالوعود والتحديات. وفقًا لرحمونوف، لا يزال مسار التقنيات التوليدية المعتمدة على الذكاء الاصطناعي يعتمد إلى حد كبير على تطوير النماذج التي لا يمكن الاعتماد عليها فحسب، بل تحقق أيضًا قيمة ملموسة لمستخدميها، مضيفًا:
“إن مستقبل الذكاء الاصطناعي التوليدي غير مؤكد إلى حد ما لأنه يتطور مع اعتماد أوسع ومزيد من البيانات. ومع ذلك، فإن طبيعة “الصندوق الأسود” للعديد من نماذج الذكاء الاصطناعي تشكل تحديًا كبيرًا، لأنها قد تؤدي إلى مشاكل في التحقق من موثوقية البيانات والرؤى. وبدون وضوح حول كيفية إنتاج نماذج الذكاء الاصطناعي للمخرجات، فإن الدعم العام للذكاء الاصطناعي السائد قد يتضاءل.
وفي ملاحظة مماثلة إلى حد ما، قال سكوت ديكسترا، كبير المسؤولين الفنيين والمؤسس المشارك لشركة Space and Time – وهو مستودع بيانات لا مركزي مدعوم بالذكاء الاصطناعي ومدعوم من Microsoft – لكوينتيليغراف أنه على الرغم من وجود الكثير من الضجة المحيطة بالذكاء الاصطناعي التوليدي، فإن الواقع المسألة أكثر دقة بكثير.
قال ديكسترا، في ظل الوضع الحالي، فإن معظم الشركات المدرجة في قائمة Fortune 500 تتنقل في مجال الذكاء الاصطناعي التوليدي بشكل متحفظ إلى حد ما، وهو ما يتضح من حقيقة أن معظمها سعيدة “ببساطة بإضافة برنامج دردشة آلي يعمل بالذكاء الاصطناعي إلى موقعها الإلكتروني وإنهاء الأمر”. ثم مضى يضيف:
“المشكلة هي أن الشركات يجب أن تعمل على نطاق المؤسسة، واليوم، يعد القيام بذلك مكلفًا للغاية. في حين أن GPT-4 يتصدر بشكل واضح من حيث جودة الاستدلال، فهو أيضًا مكلف للغاية بالنسبة لأعباء العمل الخاصة بالمنتجات المخصصة للإنتاج في المؤسسات. في جميع المجالات، نحتاج إلى رؤية انخفاض أسعار التوكنات، واستدلال أسرع، والمزيد من الأدوات حول أتمتة الجيل المعزز للاسترجاع.
المشاكل التي تعيق نمو الذكاء الاصطناعي التوليدي
كما ذكرنا سابقًا، فإن تطور الذكاء الاصطناعي التوليدي لا يخلو من العقبات. تعتقد Dykstra أن التحدي التقني الحاسم الذي تواجهه النماذج التوليدية (مثل LLMs) سيكون سرعة تدفقات الرموز المميزة الخاصة بها. وأضاف: “بالنسبة لإنترنت حقيقي قائم على LLM، ما نحتاج إليه هو سرعة الاستدلال التي تقل عن الثانية، وهو أمر يمثل تحديًا لا يصدق”.
على جبهة التطوير، يعتقد ديكسترا أنه على الرغم من التقدم الذي تم إحرازه عندما يتعلق الأمر بأدوات البرمجة المعتمدة على الذكاء الاصطناعي، إلا أنه لم يتم رؤية تقدم كبير في الحلول “بدون تعليمات برمجية” بعد. الحل بدون تعليمات برمجية هو أسلوب تطوير برمجي يتطلب القليل من مهارات البرمجة لإنشاء تطبيق بسرعة.
وقال: “تستخدم العديد من المشاريع GPT-4 للتشفير ضمن قواعد تعليمات برمجية كبيرة، لكن التصميم بدون تعليمات برمجية يظل دون حل بسبب تعقيد وضع قاعدة التعليمات البرمجية بأكملها في سياقها”.
الأخيرة: العملات المشفرة مليئة بعمليات احتيال انتحال الشخصية، فلا تسمح لهم بسرقة أموالك
من ناحية أخرى، يركز رحمانوف على المشهد الأوسع الذي يؤثر على الذكاء الاصطناعي التوليدي. وهو يعتقد أن الإجراءات التنظيمية التي تتخذها الحكومات الرائدة ستكون عاملاً رئيسياً يجب مراقبته لتحديد ممارسات الذكاء الاصطناعي المقبولة.
علاوة على ذلك، فهو يعتقد أننا ربما نكون أيضًا على شفا سباق عالمي لهيمنة الذكاء الاصطناعي، وخاصة بين اللاعبين الرئيسيين في مجال التكنولوجيا ودول مثل الولايات المتحدة والصين.
وأشار إلى أن “قوة الحوسبة وإنتاج الرقائق هي من بين المحادثات الحاسمة التي ستشكل مستقبل الذكاء الاصطناعي”.
وبالتالي، بينما نتجه نحو مستقبل مدفوع بتقنيات مثل الذكاء الاصطناعي والتعلم الآلي والبرمجة اللغوية العصبية، سيكون من المثير للاهتمام أن نرى كيف سيستمر المشهد الرقمي العالمي في التطور والنمو خلال العقد القادم.
