جوجل (ناسداك: جوجل) تقول إنها طورت تقنية تدريب ذكاء اصطناعي جديدة أسرع بـ 13 مرة من الأساليب الحالية في وقت يثير فيه استهلاك الطاقة المتزايد لصناعة الذكاء الاصطناعي مخاوف عالمية.
في بحث حديث ورقوقد قام مختبر أبحاث الذكاء الاصطناعي DeepMind التابع لشركة Google بتفصيل نهجه الجديد، والذي يعتمد على التعلم المتباين متعدد الوسائط مع اختيار المثال المشترك (JEST). ويقول باحثو DeepMind إن هذا النهج ليس أسرع بـ 13 مرة فحسب، بل وأكثر كفاءة بعشر مرات أيضًا.
موجود طرق تدريب الذكاء الاصطناعي تتعامل JEST مع نقاط البيانات الفردية. وتتفرع من هذا النهج عن طريق تجميع البيانات المتشابهة في مجموعات، والتي تستخدمها بعد ذلك لتدريب نماذج الذكاء الاصطناعي.
“في مجال الرؤية الحاسوبية، وجد أن السلبيات الصعبة (أي مجموعات النقاط التي تقع بالقرب من بعضها البعض ولكنها تحتوي على تسميات مختلفة) توفر إشارة تعلم أكثر فعالية من تلك التي يمكن حلها بسهولة”، كما ذكر باحثو DeepMind.
استندت جوجل في نهجها الجديد على هذه الفكرة لتسريع التعلم بما يتجاوز النموذج الحالي من الأمثلة المستقلة.
“عند تسجيل الدفعات وفقًا لقابليتها للتعلم … يتحسن JEST بشكل أكبر، مما يتوافق مع أداء النماذج الحديثة مع ما يصل إلى 13 × تكرارات تدريب أقل،” كما جاء في الورقة البحثية.
مع JEST، أنشأت Google أولاً نموذج الذكاء الاصطناعي الأصغر ثم يتم استخدامه لتصنيف جودة بيانات التدريب، وتعيينها إلى دفعات مختلفة، ثم تصنيف هذه الدفعات حسب الجودة. ثم يحدد هذا النموذج الصغير الدفعات التي تناسب أفضل تدريب نموذج الذكاء الاصطناعيويتم ترجمة نتائجها إلى نموذج ذكاء اصطناعي كبير.
تعتمد JEST على القدرة على “توجيه عملية اختيار البيانات نحو توزيع مجموعات بيانات أصغر وأكثر تنظيمًا”.
تدريب الذكاء الاصطناعي يعتمد في المقام الأول فيما يتعلق بجودة البيانات المستخدمة، ومع JEST، يتم تضخيم أهمية جودة البيانات. في الأساس، JEST هي محاولة من Google لإيجاد طريقة يقوم بها نموذج الذكاء الاصطناعي بتصفية البيانات واختيار أفضل مجموعة بيانات عالية الجودة للتدريب عليها.
لقد جاء وصول JEST في الوقت المناسب. ففي الأشهر الأخيرة، تحول التركيز العالمي نحو ارتفاع تكاليف الطاقة من صناعة الذكاء الاصطناعي، حيث يزعم بعض الخبراء أن هذا الأمر غير مستدام.
رينيه هاس، الرئيس التنفيذي لشركة آرم هولدينجز لصناعة الرقائق الإلكترونية والتي تبلغ قيمتها 190 مليار دولار (ناسداك: ARMفي أبريل/نيسان، أشار تقرير لشركة “إنتلجنس إنك” إلى أنه بحلول عام 2030، “قد تستهلك مراكز بيانات الذكاء الاصطناعي ما يصل إلى 20% إلى 25% من متطلبات الطاقة في الولايات المتحدة. واليوم، ربما لا تستهلك هذه المراكز سوى 4% أو أقل”.
“هذا ليس مستدامًا على الإطلاق، لأكون صادقًا معك،” قال هاس، الذي تضاعفت قيمة شركته ثلاث مرات منذ أكتوبر/تشرين الأول الماضي.
لكي يعمل الذكاء الاصطناعي بشكل صحيح ضمن إطار القانون ويزدهر في مواجهة التحديات المتزايدة، فإنه يحتاج إلى دمج نظام blockchain المؤسسي الذي يضمن جودة إدخال البيانات وملكيتها – مما يسمح له بالحفاظ على البيانات آمنة مع ضمان ثبات البيانات.تعرف على تغطية CoinGeekحول هذه التقنية الناشئة لمعرفة المزيدلماذا ستكون تقنية blockchain المؤسسية العمود الفقري للذكاء الاصطناعي.
شاهد أبرز أحداث مؤتمر BSV DevCon 2024: بناء حلول واقعية لمشاكل واقعية
هل أنت جديد على blockchain؟ تحقق من CoinGeek البلوكشين للمبتدئين القسم، الدليل الشامل للموارد لمعرفة المزيد عن تقنية blockchain.