نموذج PaLM 2 من جوجل ونموذج GPT-4 من OpenAI .. معركة النماذج اللغوية المتقدمة
بقلم: أنطون ألكساندر، المدير التنفيذي للشؤون التقنية، شركة DEER Information technology
في خضم المشهد الآخذ بالتطور لروبوتات الدردشة التي تستند في عملها إلى الذكاء الاصطناعي؛ تخوض كل من شركتي جوجل و OpenAI منافسة شرسة، إذ قدمت جوجل يوم الأربعاء الماضي نموذج PaLM 2؛ وهو الجيل الثاني من النموذج اللغوي الكبير (PaLM)، النموذج الذي يعمل به روبوت جوجل (بارد) Bard، كما أنه المنافس الأول لنموذج (GPT-4) الذي قدمته شركة (OpenAI) خلال شهر مارس الماضي، والذي يعمل به حاليًا الإصدار المدفوع من ChatGPT.
وبينما أثار نموذج (GPT-4) ضجة كبيرة في مجال الذكاء الاصطناعي التوليدي خلال الفترة الماضية، فإن خبرة جوجل الطويلة في الذكاء الاصطناعي من خلال شركتها الفرعية DeepMind وقدرات أجهزتها تجعلها منافسًا قويًا للغاية.
لذلك دعنا نستكشف في هذا المقال التطورات الرائعة التي حققتها الشركتان ونبرز الفروق بين نموذجي PaLM 2 و GPT-4:
نموذج PaLM 2 وإظهار قوة جوجل في اللغات المتعددة:
يمثل نموذج (PaLM 2) من جوجل قفزة كبيرة في النماذج الكبيرة للغة؛ إذ إنه يتميز بقدرات محسنة في التعامل مع اللغات المتعددة، وبراعة في التفكير المنطقي والرياضيات، وكفاءة في كتابة الأكواد البرمجية وتصحيحها، وذلك وفقًا لما قاله (زوبين قهرماني) Zoubin Ghahramani نائب الرئيس في شركة (DeepMind) التابعة لجوجل.
وبخلاف الإصدار السابق PaLM؛ الذي دُرِّب على بيانات اللغة الإنجليزية فقط، دربت جوجل نموذج (PaLM 2) على مجموعة بيانات متعددة اللغات أكثر شمولاً، تتجاوز 100 لغة، وقد مكّن ذلك النموذج من فهم التفاصيل الدقيقة، وفك رموز المعاني الخفية في الشعر، وحتى معالجة الألغاز والتعابير المعقدة.
وبالإضافة إلى ذلك؛ يعرض PaLM 2 فهمًا سياقيًا للصور، ويعالج المعادلات الرياضية بفضل براعته في التفكير المنطقي، ويمكنه من كتابة الأكواد البرمجية بلغات برمجة مختلفة مثل: Python و JavaScript و Prolog و Fortran.
تعدد جوانب الاستخدام وقابلية التوسع في نموذج PaLM 2:
بينما لم تكشف جوجل عن الحجم الدقيق لمجموعة البيانات المستخدمة في تدريب نموذج (PaLM 2)؛ فقد أكدت أن بيانات التدريب أكبر بكثير من البيانات المستخدمة في الإصدار السابق. كما تخطط جوجل لتقديم نموذج PaLM 2 بأحجام مختلفة، بدءًا من الطرز الأكبر المستخدمة في روبوت Bard؛ وانتهاءً بالنماذج الأصغر المسماة Gecko و Otter و Bison و Unicorn. إذ طورت جوجل نموذج (Gecko)، الأصغر من بينها؛ ليكون خفيف الوزن ويعمل في الأجهزة المحمولة بسهولة، مما يوفر أداءً ممتازًا حتى في وضع عدم الاتصال.
نموذج (GPT-4) .. تحفة شركة OpenAI:
يحظى نموذج (GPT-4) – وهو الإصدار الأحدث والأكثر تقدمًا من النموذج اللغوي (GPT) الذي تقدمه شركة (OpenAI) – بالاهتمام بقدراته القوية لتوليد النصوص؛ على الرغم من عدم الكشف عن تفاصيل محددة حول حجم مجموعة البيانات المستخدمة في تدريبه. ولكن على غرار نهج شركة جوجل، تؤكد شركة OpenAI أهمية قابلية نشر (النماذج اللغوية الكبيرة) LLM وفائدتها للتطبيقات المختلفة، والابتعاد عن عقلية النموذج “الأكبر هو الأفضل”.
مقارنة بين نموذجي PaLM 2 و GPT-4:
يشترك كل من نموذجي PaLM 2 و GPT-4 في بعض الميزات؛ إذ يتفوقان في المهام المتعددة اللغات ولديهما قدرات عالية في معالجة الصور. ومع ذلك؛ لم تعلن شركتا جوجل و OpenAI عن الاختلافات الدقيقة في أحجام مجموعة البيانات المستخدمة في تدريبهما. يبدو أن هذا النهج يعكس توجهًا أوسع في الصناعة، حيث تعطي الشركات الأولوية للنماذج اللغوية الكبيرة (LLMs) العملية القابلة للنشر والمصممة لحالات استخدام محددة.
الخاتمة:
مع احتدام المنافسة بين نموذج (PaLM 2) من جوجل ونموذج GPT-4 من OpenAI، من الواضح أن عمالقة الذكاء الاصطناعي هؤلاء يدفعون بقوة نحو تطوير نماذج اللغة. يثير نموذج PaLM 2 من جوجل الإعجاب بقدراته المحسنة في معالجة النصوص المتعددة اللغات، والتفكير المنطقي والرياضيات، بالإضافة إلى قدراته في كتابة الأكواد البرمجية وتصحيحها.
ومن ناحية أخرى؛ يتميز نموذج GPT-4 الخاص بشركة OpenAI بقدراته الرائعة في توليد النصوص. ومع تركيز كلتا الشركتين على التطبيق العملي لنماذجهما، يمكن للمؤسسات أن تتوقع نماذج لغوية أكثر سهولة وكفاءة في المستقبل القريب.
فقد عززت سلسلة نماذج (GPT) الخاصة بشركة OpenAI سمعتها في هذا المجال على الرغم من أن خبرة جوجل العميقة في الذكاء الاصطناعي وموارد أجهزتها تمنحها ميزة فريدة. لذلك تَعد المعركة بينهما بمزيد من الابتكارات، مما يفيد المستخدمين من خلال تجارب روبوتات الدردشة المتطورة التي تستند في عملها إلى الذكاء الاصطناعي.
نبذة عن الكاتب:
أنطون ألكساندر Anton Alexander محترف متمرس في علوم الحاسوب والرياضيات والتقنيات المتطورة، معروف بالتزامه الثابت بالتعلم المستمر وخلفيته الشاملة في الذكاء الاصطناعي والتعلم الآلي وتصميم أجهزة إنترنت الأشياء والشبكات. لقد زودته مؤهلاته الأكاديمية وخبرته العملية الثرية بمزيج فريد من المعرفة الفنية والقدرة على حل المشكلات.
بدأ أنطون رحلته المهنية في عام 2004 كمتعهد خاص في واشنطن، حيث صقل مهاراته المتنوعة في الحاسوب، ويتقن مجموعة من لغات البرمجة تشمل: C و ++ C و Cuda و Python و Javascript و Bash و AutoCad و MatLab و Java و .Net و HTML و CSS و MySql و SQL و PHP وغيرها، لقد أظهر مرارًا قدرته على التكيف مع التقنيات الجديدة وإتقانها.
وفي عام 2019؛ عُين أنطون في شركة (BlueRidge.AI) كمهندس أول للتعلم الآلي في فولتون بولاية ماريلاند، ومن خلال العمل من كثب مع قائد البحرية السابق، طور فهمًا عميقًا للحسابات العالية السرعة باستخدام وحدات معالجة الرسومات من Nvidia، ولغات البرمجة Python و C وواجهة برمجة التطبيقات في منصة Cuda. وقد ساهمت كفاءته في كتابة عمليات نشر Docker و Kubernetes لتطبيقات التعلم الآلي في جعله متميزًا في هذا المجال.
حاليًا؛ بصفته الرئيس التنفيذي للتكنولوجيا في شركة (DEER IT) في الدمام، في المملكة العربية السعودية، يلعب أنطون دورًا أساسيًا في دفع عجلة الابتكار في مجال الذكاء الاصطناعي التجاري والصناعي. كما أن التزامه بمواكبة توجهات الصناعة وكفاءته تعتبر من العوامل الرئيسية في نموه المهني.
بالإضافة إلى ذلك تُعد مسيرة أنطون التعليمية مثيرة للإعجاب بالقدر نفسه، إذ حصل على شهادتي بكالوريوس في العلوم من جامعة ماريلاند، فتخصص في الهندسة الكهربائية والإلكترونية من 2005 إلى 2009، وأدار في الوقت نفسه نشاطًا ترفيهيًا. كما شحذ أنطون براعته في الرياضيات عندما حصل على درجة ثانية في الرياضيات وعلوم الحاسوب في عام 2017.
تمتد معرفته الواسعة في الرياضيات إلى الرياضيات المتقطعة والجبر الخطي وحساب التفاضل والتكامل المتقدم مع تطبيقات الفيزياء والمنطق الرقمي والتحليل المعقد والحقيقي والعددي.
تُظهر رحلة أنطون من متعهد خاص إلى كبير مسؤولي التكنولوجيا تفانيه وابتكاره وقدرته على التكيف. إن سعيه الدؤوب للمعرفة والقدرة على التكيف مع المشهد المتطور باستمرار لعلوم الحاسوب والرياضيات والذكاء الاصطناعي يجعله شخصًا قيمًا لأي منظمة.
