لا تزال روبوتات الدردشة التوليدية المعتمدة على الذكاء الاصطناعي في بداية رحلتها فقط، ولكننا نفكر بالفعل في الخطوة التالية.
الماخذ الرئيسية
- أدى نجاح ChatGPT إلى إطلاق استثمارات واسعة النطاق في أبحاث الذكاء الاصطناعي وتكامله، مما أدى إلى فرص وتقدمات غير مسبوقة في هذا المجال.
- يُحدث البحث الدلالي باستخدام قواعد بيانات المتجهات ثورة في خوارزميات البحث من خلال استخدام تضمينات الكلمات ودلالاتها لتوفير نتائج أكثر دقة من حيث السياق.
- يهدف تطوير وكلاء الذكاء الاصطناعي والشركات الناشئة متعددة الوكلاء إلى تحقيق الاستقلالية الكاملة وحل القيود الحالية من خلال التقييم الذاتي والتصحيح والتعاون بين الوكلاء المتعددين.
لقد أجبر النجاح الهائل الذي حققه ChatGPT كل شركة تقنية على البدء في الاستثمار في أبحاث الذكاء الاصطناعي ومعرفة كيفية دمج الذكاء الاصطناعي في منتجاتها. إنه وضع لا يشبه أي شيء رأيناه من قبل، ومع ذلك، فإن الذكاء الاصطناعي في بدايته للتو.
لكن الأمر لا يقتصر فقط على روبوتات الدردشة الذكية ومولدات تحويل النص إلى صورة. هناك بعض التكهنات العالية ولكن أدوات الذكاء الاصطناعي المثيرة للإعجاب بشكل لا يصدق تلوح في الأفق.
البحث الدلالي مع قواعد البيانات المتجهة
يتم اختبار استعلامات البحث الدلالي لتوفير نتائج بحث أفضل للأشخاص. تستخدم محركات البحث حاليًا خوارزميات تتمحور حول الكلمات الرئيسية لتوفير المعلومات ذات الصلة للمستخدمين. ومع ذلك، فإن الاعتماد المفرط على الكلمات الرئيسية يطرح العديد من المشكلات، مثل الفهم المحدود للسياق، واستغلال المسوقين لتحسين محركات البحث، ونتائج البحث منخفضة الجودة بسبب صعوبة التعبير عن الاستعلامات المعقدة.
على عكس خوارزميات البحث التقليدية، يستخدم البحث الدلالي تضمينات الكلمات والتخطيط الدلالي لفهم سياق الاستعلام قبل تقديم نتائج البحث. لذلك، بدلاً من الاعتماد على مجموعة من الكلمات الرئيسية، يوفر البحث الدلالي نتائج بناءً على الدلالات أو معنى استعلام معين.
لقد كان مفهوم البحث الدلالي موجودًا منذ بعض الوقت. ومع ذلك، تواجه الشركات صعوبة في تنفيذ مثل هذه الوظيفة نظرًا لمدى بطء البحث الدلالي واستهلاكه للموارد.
الحل هو رسم خريطة للتضمينات المتجهة وتخزينها في مساحة كبيرة قاعدة بيانات المتجهات. يؤدي القيام بذلك إلى تقليل متطلبات طاقة الحوسبة بشكل كبير وتسريع نتائج البحث عن طريق تضييق النتائج إلى المعلومات الأكثر صلة فقط.
تستثمر شركات التكنولوجيا الكبرى والشركات الناشئة مثل Pinecone وRedis وMilvus حاليًا في قواعد بيانات المتجهات من أجل توفير إمكانيات البحث الدلالي في أنظمة التوصية، ومحركات البحث، وأنظمة إدارة المحتوى، و روبوتات الدردشة.
ديمقراطية الذكاء الاصطناعي
على الرغم من أن هذا لا يمثل بالضرورة تقدمًا تقنيًا، إلا أن العديد من شركات التكنولوجيا الكبرى مهتمة بإضفاء الطابع الديمقراطي على الذكاء الاصطناعي. للأفضل أو للأسوأ، ويجري الآن تدريب نماذج الذكاء الاصطناعي مفتوحة المصدر ومنح تراخيص أكثر تساهلاً للمؤسسات لاستخدامها وضبطها.
وذكرت صحيفة وول ستريت جورنال تقوم شركة Meta بشراء مسرعات Nvidia H100 AI وتهدف إلى تطوير ذكاء اصطناعي يتنافس مع نموذج GPT-4 الأخير من OpenAI.
لا يوجد حاليًا LLM متاح للعامة يمكنه مطابقة الأداء الأولي لـ GPT-4. ولكن مع وعد شركة ميتا بمنتج تنافسي بترخيص أكثر تساهلاً، تستطيع الشركات أخيراً ذلك قم بضبط شهادة LLM قوية دون التعرض لخطر كشف الأسرار التجارية والبيانات الحساسة واستخدامها ضدهم.
وكلاء الذكاء الاصطناعي والشركات الناشئة متعددة الوكلاء
هناك العديد من المشاريع التجريبية قيد التنفيذ حاليًا لتطوير عوامل الذكاء الاصطناعي التي تتطلب القليل من التعليمات أو لا تتطلب أي تعليمات لتحقيق هدف معين. ربما تتذكر مفاهيم وكلاء الذكاء الاصطناعي من Auto-GPT، أداة الذكاء الاصطناعي التي تعمل على أتمتة إجراءاتها.
والفكرة هي أن يحصل الوكيل على الاستقلالية الكاملة من خلال التقييم الذاتي المستمر والتصحيح الذاتي. إن مفهوم العمل لتحقيق التأمل الذاتي والتصحيح هو أن يقوم الوكيل بتحفيز نفسه باستمرار في كل خطوة عن الطريق بشأن الإجراء الذي يجب القيام به، والخطوات المتعلقة بكيفية القيام بذلك، والأخطاء التي ارتكبتها، وما الذي يمكن القيام به يحسن.
تكمن المشكلة في أن النماذج الحالية المستخدمة في عملاء الذكاء الاصطناعي لا تتمتع إلا بالقليل من الفهم الدلالي. وهذا يجعل العملاء يهلوسون ويطالبون بمعلومات كاذبة، مما يجعلهم عالقين في حلقة لا نهاية لها من التقييم الذاتي والتصحيح.
تهدف مشاريع مثل MetaGPT Multi-agent Framework إلى حل المشكلة عن طريق استخدام العديد من عوامل الذكاء الاصطناعي في وقت واحد لتقليل مثل هذه الهلوسة. يتم إعداد أطر عمل متعددة الوكلاء لمحاكاة كيفية عمل الشركة الناشئة. سيتم تعيين مناصب لكل وكيل في هذه الشركة الناشئة مثل مدير المشروع ومصمم المشروع والمبرمج والمختبر. من خلال تقسيم الأهداف المعقدة إلى مهام أصغر وتفويضها إلى وكلاء الذكاء الاصطناعي المختلفين، من المرجح أن يحقق هؤلاء الوكلاء أهدافهم المحددة.
بالطبع، لا تزال هذه الأطر في مرحلة مبكرة جدًا من التطوير، ولا تزال العديد من المشكلات بحاجة إلى حل. ولكن مع وجود نماذج أكثر قوة، وبنية تحتية أفضل للذكاء الاصطناعي، والبحث والتطوير المستمر، فهي مسألة وقت فقط قبل أن يصبح وكلاء الذكاء الاصطناعي الفعالون وشركات الذكاء الاصطناعي متعددة الوكلاء شيئًا.
تشكيل مستقبلنا مع الذكاء الاصطناعي
تستثمر الشركات الكبرى والشركات الناشئة بكثافة في البحث والتطوير في مجال الذكاء الاصطناعي وبنيته التحتية. لذلك، يمكننا أن نتوقع أن يوفر مستقبل الذكاء الاصطناعي التوليدي وصولاً أفضل إلى المعلومات المفيدة من خلال البحث الدلالي بشكل كامل وكلاء الذكاء الاصطناعي المستقلين وشركات الذكاء الاصطناعي، والنماذج عالية الأداء المتاحة مجانًا للشركات والأفراد لاستخدامها و ضبط دقيق.
على الرغم من أنه أمر مثير، فمن المهم أيضًا أن نأخذ وقتنا في النظر في أخلاقيات الذكاء الاصطناعي، وخصوصية المستخدم، والتطوير المسؤول لأنظمة الذكاء الاصطناعي والبنية التحتية. دعونا نتذكر أن تطور الذكاء الاصطناعي التوليدي لا يقتصر فقط على بناء أنظمة أكثر ذكاءً؛ بل يتعلق أيضًا بإعادة تشكيل أفكارنا وتحمل المسؤولية عن الطريقة التي نستخدم بها التكنولوجيا.