نماذج اللغات الكبيرة (LLMs) هي التكنولوجيا الأساسية التي عززت الصعود السريع لروبوتات محادثة الذكاء الاصطناعي التوليدية. تعتمد أدوات مثل ChatGPT و Google Bard و Bing Chat جميعها على LLMs لتوليد ردود شبيهة بالبشر على مطالباتك وأسئلتك.
ولكن ما هي LLMs ، وكيف تعمل؟ هنا شرعنا في إزالة الغموض عن LLMs.
ما هو نموذج اللغة الكبير؟
في أبسط مصطلحاتها ، تعد LLM قاعدة بيانات ضخمة من البيانات النصية التي يمكن الرجوع إليها لإنشاء استجابات شبيهة بالبشر لمطالباتك. يأتي النص من مجموعة من المصادر ويمكن أن يصل إلى بلايين الكلمات.
من بين المصادر الشائعة للبيانات النصية المستخدمة:
- الأدب: غالبًا ما تحتوي LLM على كميات هائلة من الأدب المعاصر والكلاسيكي. يمكن أن يشمل ذلك الكتب والشعر والمسرحيات.
- المحتوى عبر الإنترنت: غالبًا ما تحتوي LLM على مستودع كبير للمحتوى عبر الإنترنت ، بما في ذلك المدونات ومحتوى الويب وأسئلة المنتدى والإجابات ونصوص أخرى عبر الإنترنت.
- الأخبار والشؤون الجارية: يمكن لبعض ، وليس كل ، ماجستير في القانون الوصول إلى موضوعات الأخبار الحالية. يتم تقييد بعض LLMs ، مثل GPT-3.5 ، بهذا المعنى.
- وسائل التواصل الاجتماعي: تمثل وسائل التواصل الاجتماعي مورداً هائلاً للغة الطبيعية. تستخدم LLM نصًا من المنصات الرئيسية مثل Facebook و Twitter و Instagram.
بالطبع ، يعد امتلاك قاعدة بيانات ضخمة للنص أمرًا واحدًا ، ولكن تحتاج LLM إلى التدريب لفهمها لإنتاج استجابات شبيهة بالبشر. كيف يفعل هذا هو ما نغطيه بعد ذلك.
كيف تعمل LLM؟
كيف تستخدم LLM هذه المستودعات لإنشاء استجاباتهم؟ الخطوة الأولى هي تحليل البيانات باستخدام عملية تسمى التعلم العميق.
يستخدم التعلم العميق لتحديد الأنماط والفروق الدقيقة للغة البشرية. وهذا يشمل اكتساب فهم القواعد والنحو. لكن الأهم من ذلك ، أنه يشمل أيضًا السياق. يعد فهم السياق جزءًا مهمًا من LLMs.
دعنا نلقي نظرة على مثال لكيفية استخدام LLMs للسياق.
يشير الموجه في الصورة التالية إلى رؤية خفاش في الليل. من هذا ، فهم موقع ChatGPT أننا نتحدث عن حيوان وليس ، على سبيل المثال ، مضرب بيسبول. بالطبع ، برامج الدردشة الأخرى مثل Bing Chat أو Google Bard قد يجيب على هذا بشكل مختلف تماما.
ومع ذلك ، فهو ليس معصومًا عن الخطأ ، وكما يوضح هذا المثال ، ستحتاج أحيانًا إلى توفير معلومات إضافية للحصول على الاستجابة المطلوبة.
في هذه الحالة ، قمنا بإلقاء كرة منحنية عن عمد لإثبات مدى سهولة فقدان السياق. لكن يمكن للبشر أن يسيئوا فهم سياق الأسئلة أيضًا ، ويحتاج فقط إلى موجه إضافي لتصحيح الإجابة.
لتوليد هذه الاستجابات ، تستخدم LLM تقنية تسمى توليد اللغة الطبيعية (NLG). يتضمن ذلك فحص المدخلات واستخدام الأنماط المستفادة من مستودع البيانات الخاص به لتوليد استجابة صحيحة من حيث السياق وذات صلة.
لكن LLMs تذهب أعمق من هذا. يمكنهم أيضًا تخصيص الردود لتناسب النغمة العاطفية للمدخلات. عندما يقترن الفهم السياقي ، فإن الوجهين هما الدوافع الرئيسية التي تسمح للغة LLM بإنشاء استجابات شبيهة بالبشر.
للتلخيص ، تستخدم LLM قاعدة بيانات نصية ضخمة مع مزيج من تقنيات التعلم العميق و NLG لإنشاء استجابات شبيهة بالبشر لمطالباتك. لكن هناك قيودًا على ما يمكن أن يحققه هذا.
ما هي حدود ماجستير؟
تمثل ماجستير في القانون إنجازًا تقنيًا مثيرًا للإعجاب. لكن التكنولوجيا أبعد ما تكون عن الكمال ، ولا يزال هناك الكثير من القيود على ما يمكنهم تحقيقه. بعض من أبرز هؤلاء مذكورة أدناه:
- فهم السياق: ذكرنا هذا كشيء تدمجه LLM في إجاباتها. ومع ذلك ، فهم لا يفهمونها دائمًا بشكل صحيح وغالبًا ما يكونون غير قادرين على فهم السياق ، مما يؤدي إلى إجابات غير مناسبة أو مجرد إجابات خاطئة.
- تحيز: غالبًا ما تكون أي تحيزات موجودة في بيانات التدريب موجودة في الردود. وهذا يشمل التحيز تجاه الجنس والعرق والجغرافيا والثقافة.
- الفطرة السليمة: من الصعب تحديد الفطرة السليمة ، لكن البشر يتعلمون ذلك منذ سن مبكرة بمجرد مشاهدة العالم من حولهم. لا تمتلك LLMs هذه الخبرة المتأصلة للتراجع عنها. إنهم يفهمون فقط ما تم توفيره لهم من خلال بيانات التدريب الخاصة بهم ، وهذا لا يمنحهم فهمًا حقيقيًا للعالم الذي يعيشون فيه.
- LLM جيدة فقط مثل بيانات التدريب الخاصة بها: لا يمكن ضمان الدقة. يلخص القول المأثور على الكمبيوتر القديم "Garbage In، Garbage Out" هذا القيد تمامًا. تعد LLM جيدة بقدر جودة وكمية بيانات التدريب الخاصة بهم.
هناك أيضًا حجة مفادها أن المخاوف الأخلاقية يمكن اعتبارها قيودًا على LLM ، لكن هذا الموضوع يقع خارج نطاق هذه المقالة.
3 أمثلة على LLMs الشائعة
يتم الآن دعم التقدم المستمر للذكاء الاصطناعي إلى حد كبير بواسطة LLMs. لذا في حين أنها ليست تقنية جديدة تمامًا ، إلا أنها وصلت بالتأكيد إلى نقطة من الزخم الحرج ، وهناك الآن العديد من النماذج.
فيما يلي بعض من أكثر LLMs استخدامًا.
1. GPT
ربما يكون المحولات التوليدية المدربة مسبقًا (GPT) هي أكثر المحولات LLM المعروفة على نطاق واسع. يعمل GPT-3.5 على تشغيل منصة ChatGPT المستخدمة في الأمثلة الواردة في هذه المقالة ، بينما يتوفر الإصدار الأحدث ، GPT-4 من خلال اشتراك ChatGPT Plus. تستخدم Microsoft أيضًا أحدث إصدار في منصة Bing Chat الخاصة بها.
2. لامدا
هذا هو LLM الأولي الذي يستخدمه Google Bard ، روبوت الدردشة AI من Google. تم وصف النسخة التي تم طرحها في البداية بشركة Bard بأنها نسخة "خفيفة" من LLM. حل التكرار الأكثر قوة لـ PaLM لـ LLM محل هذا.
3. بيرت
يرمز BERT إلى تمثيل التشفير ثنائي الاتجاه من المحولات. تميز الخصائص ثنائية الاتجاه للنموذج BERT من LLMs الأخرى مثل GPT.
تم تطوير الكثير من LLMs ، والفروع شائعة من LLMs الرئيسية. مع تطورها ، ستستمر هذه في النمو من حيث التعقيد والدقة والأهمية. ولكن ما الذي يحمله المستقبل للماجستير في القانون؟
مستقبل ماجستير
ستشكل هذه بلا شك الطريقة التي نتفاعل بها مع التكنولوجيا في المستقبل. يعد الاستيعاب السريع لنماذج مثل ChatGPT و Bing Chat دليلًا على هذه الحقيقة. على المدى القصير، من غير المحتمل أن يحل محلك الذكاء الاصطناعي في العمل. ولكن لا يزال هناك عدم يقين بشأن حجم الدور الذي سيلعبه هؤلاء في حياتنا في المستقبل.
قد يكون للحجج الأخلاقية رأي في كيفية دمج هذه الأدوات في المجتمع. ومع ذلك ، وبوضع هذا جانباً ، فإن بعض تطورات ماجستير القانون المتوقعة تشمل:
- تحسين كفاءة: مع LLMs التي تتميز بمئات الملايين من المعلمات ، فإنهم متعطشون للموارد بشكل لا يصدق. مع التحسينات في الأجهزة والخوارزميات ، من المحتمل أن تصبح أكثر كفاءة في استخدام الطاقة. سيؤدي هذا أيضًا إلى تسريع أوقات الاستجابة.
- تحسين الوعي السياقي: LLMs هي تدريب ذاتي ؛ كلما زاد استخدامهم وردود فعلهم ، أصبحوا أفضل. الأهم من ذلك ، هذا دون أي هندسة كبرى أخرى. مع تقدم التكنولوجيا ، سيشهد هذا تحسينات في القدرات اللغوية والوعي بالسياق.
- تدربوا على مهام محددة: أدوات Jack-of-all-trade التي تمثل الوجه العام لـ LLMs عرضة للأخطاء. ولكن أثناء تطويرهم وتدريبهم للمستخدمين لتلبية احتياجات محددة ، يمكن أن تلعب LLM دورًا كبيرًا في مجالات مثل الطب والقانون والتمويل والتعليم.
- تكامل أكبر: يمكن أن تصبح LLMs مساعدين رقمي شخصي. فكر في Siri على المنشطات ، وستحصل على الفكرة. يمكن أن تصبح LLM مساعدين افتراضيين يساعدك في كل شيء من اقتراح الوجبات إلى التعامل مع مراسلاتك.
هذه ليست سوى عدد قليل من المناطق التي من المرجح أن تصبح LLM جزءًا أكبر من الطريقة التي نعيش بها.
تحويل وتعليم ماجستير
LLMs تفتح عالمًا مثيرًا من الاحتمالات. يعد الارتفاع السريع في برامج الدردشة مثل ChatGPT و Bing Chat و Google Bard دليلًا على الموارد التي يتم ضخها في هذا المجال.
يمكن لمثل هذا الانتشار للموارد أن يرى هذه الأدوات أكثر قوة وتنوعًا ودقة. التطبيقات المحتملة لمثل هذه الأدوات واسعة ، وفي الوقت الحالي ، نحن فقط نخدش سطح مورد جديد لا يصدق.
