وداعًا للسحابة، ومرحبًا بالهاتف: يقدم برنامج SlimLM من Adobe الذكاء الاصطناعي إلى الأجهزة المحمولة

الائتمان: VentureBeat مصنوع من Midjourney

أدوبي ابتكر الباحثون نظامًا ذكاءً اصطناعيًا متطورًا يعالج المستندات مباشرة على الهواتف الذكية دون الاتصال بالإنترنت، مما قد يغير كيفية تعامل الشركات مع المعلومات الحساسة وكيفية تفاعل المستهلكين مع أجهزتهم.

النظام، ودعا”https://arxiv.org/pdf/2411.09944″> سليمLMيمثل تحولًا كبيرًا في نشر الذكاء الاصطناعي – بعيدًا عن مراكز الحوسبة السحابية الضخمة وعلى الهواتف الموجودة في جيوب المستخدمين. في الاختبارات على أحدث سامسونج”https://news.samsung.com/global/galaxy-s24-series”>جالاكسي اس24، أثبت SlimLM أنه يمكنه تحليل المستندات وإنشاء ملخصات والإجابة على الأسئلة المعقدة أثناء التشغيل بالكامل على أجهزة الجهاز.

وأوضح فريق البحث، بقيادة علماء من شركة Adobe Research بجامعة أوبورن: “على الرغم من أن نماذج اللغات الكبيرة جذبت اهتمامًا كبيرًا، فإن التنفيذ العملي والأداء لنماذج اللغات الصغيرة على الأجهزة المحمولة الحقيقية لا تزال غير مدروسة، على الرغم من أهميتها المتزايدة في تكنولوجيا المستهلك”. وجورجيا تك.

كيف تعمل نماذج اللغات الصغيرة على تعطيل الوضع الراهن للحوسبة السحابية

سليمLM يدخل المشهد في لحظة محورية في تحول صناعة التكنولوجيا نحو الحوسبة المتطورة – وهو نموذج تتم فيه معالجة البيانات في مكان إنشائها، وليس في مراكز البيانات البعيدة. يتسابق كبار اللاعبين مثل Google وApple وMeta لدفع الذكاء الاصطناعي إلى الأجهزة المحمولة، مع كشف Google النقاب عنه”https://deepmind.google/technologies/gemini/nano/”> الجوزاء نانو لنظامي التشغيل Android وMeta”https://ai.meta.com/blog/llama-3-2-connect-2024-vision-edge-mobile-devices/”> لاما-3.2وكلاهما يهدف إلى جلب القدرات اللغوية المتقدمة للهواتف الذكية.

ما يميز SlimLM عن غيره هو تحسينه الدقيق للاستخدام في العالم الحقيقي. اختبر فريق البحث تكوينات مختلفة، ووجد أن أصغر نموذج لديهم – يحتوي على 125 مليون معلمة فقط، مقارنة بنماذج مثل”https://openai.com/index/hello-gpt-4o/”> جي بي تي-4o، والتي تحتوي على مئات المليارات – يمكنها معالجة مستندات يصل طولها إلى 800 كلمة بكفاءة على الهاتف الذكي. كما تمكنت متغيرات SlimLM الأكبر حجمًا، والتي تصل إلى مليار معلمة، من الاقتراب من أداء النماذج الأكثر استهلاكًا للموارد، مع الحفاظ على التشغيل السلس على الأجهزة المحمولة.

هذه القدرة على تشغيل نماذج الذكاء الاصطناعي المتطورة على الجهاز دون التضحية بالكثير من الأداء يمكن أن تغير قواعد اللعبة. “يُظهر أصغر نموذج لدينا أداءً فعالاً [the Samsung Galaxy S24]وكتب الباحثون: “بينما توفر المتغيرات الأكبر قدرات محسنة ضمن قيود التنقل”.

لماذا يمكن للذكاء الاصطناعي الموجود على الجهاز إعادة تشكيل حوسبة المؤسسة وخصوصية البيانات

تمتد الآثار التجارية لـ SlimLM إلى ما هو أبعد من الإنجاز التقني. تنفق الشركات حاليًا الملايين على حلول الذكاء الاصطناعي المستندة إلى السحابة، وتدفع مقابل مكالمات واجهة برمجة التطبيقات (API) لخدمات مثل”https://platform.openai.com/docs/api-reference/introduction”>أوبن إيه آي أو”https://docs.anthropic.com/en/api/getting-started”> أنثروبي لمعالجة المستندات والإجابة على الأسئلة وإنشاء التقارير. يقترح SlimLM مستقبلًا حيث يمكن تنفيذ الكثير من هذا العمل محليًا على الهواتف الذكية، مما يقلل التكاليف بشكل كبير مع تحسين خصوصية البيانات.

الصناعات التي تتعامل مع المعلومات الحساسة – مثل مقدمي الرعاية الصحية، وشركات المحاماة، والمؤسسات المالية – ستستفيد أكثر من غيرها. ومن خلال معالجة البيانات مباشرة على الجهاز، يمكن للشركات تجنب المخاطر المرتبطة بإرسال المعلومات السرية إلى الخوادم السحابية. تساعد هذه المعالجة على الجهاز أيضًا على ضمان الامتثال للوائح الصارمة لحماية البيانات مثل”https://gdpr-info.eu/”> اللائحة العامة لحماية البيانات و”https://www.hhs.gov/hipaa/index.html”>HIPAA.

وأشار الفريق في ورقته البحثية إلى أن “النتائج التي توصلنا إليها توفر رؤى قيمة وتسلط الضوء على إمكانيات تشغيل نماذج اللغة المتقدمة على الهواتف الذكية المتطورة، مما قد يقلل من تكاليف الخادم ويعزز الخصوصية من خلال المعالجة على الجهاز”.

داخل التكنولوجيا: كيف جعل الباحثون الذكاء الاصطناعي يعمل بدون السحابة

الاختراق التقني وراء”https://arxiv.org/pdf/2411.09944″> سليمLM يكمن في كيفية إعادة تفكير الباحثين في نماذج اللغة لتلبية قيود الأجهزة الخاصة بالأجهزة المحمولة. فبدلاً من مجرد تقليص النماذج الكبيرة الحالية، أجروا سلسلة من التجارب للعثور على “النقطة المناسبة” بين حجم النموذج وطول السياق ووقت الاستدلال، مما يضمن قدرة النماذج على تقديم أداء حقيقي دون زيادة التحميل على المعالجات المحمولة.

كان الابتكار الرئيسي الآخر هو إنشاء DocAssist، وهي مجموعة بيانات متخصصة مصممة لتدريب SlimLM على المهام المتعلقة بالمستندات مثل التلخيص والإجابة على الأسئلة. بدلاً من الاعتماد على بيانات الإنترنت العامة، قام الفريق بتصميم تدريبهم للتركيز على تطبيقات الأعمال العملية، مما يجعل SlimLM عالي الكفاءة للمهام الأكثر أهمية في البيئات المهنية.

مستقبل الذكاء الاصطناعي: لماذا قد لا يحتاج مساعدك الرقمي القادم إلى الإنترنت

يشير تطوير SlimLM إلى مستقبل لا يتطلب فيه الذكاء الاصطناعي المتطور اتصالاً سحابيًا مستمرًا، وهو تحول يمكن أن يضفي طابعًا ديمقراطيًا على الوصول إلى أدوات الذكاء الاصطناعي مع معالجة المخاوف المتزايدة بشأن خصوصية البيانات والتكاليف المرتفعة للحوسبة السحابية.

خذ بعين الاعتبار التطبيقات المحتملة: الهواتف الذكية التي يمكنها معالجة رسائل البريد الإلكتروني وتحليل المستندات والمساعدة في الكتابة بذكاء – كل ذلك دون إرسال بيانات حساسة إلى خوادم خارجية. يمكن أن يؤدي هذا إلى تغيير كيفية تفاعل المتخصصين في صناعات مثل القانون والرعاية الصحية والمالية مع أجهزتهم المحمولة. الأمر لا يتعلق فقط بالخصوصية؛ يتعلق الأمر بإنشاء أنظمة ذكاء اصطناعي أكثر مرونة ويمكن الوصول إليها وتعمل في أي مكان، بغض النظر عن الاتصال بالإنترنت.

بالنسبة لصناعة التكنولوجيا الأوسع، يمثل SlimLM بديلاً مقنعًا لعقلية “الأكبر هو الأفضل” التي هيمنت على تطوير الذكاء الاصطناعي. في حين أن شركات مثل OpenAI تتجه نحو نماذج تريليون معلمة، توضح أبحاث Adobe أن النماذج الأصغر والأكثر كفاءة لا تزال قادرة على تقديم نتائج مبهرة عند تحسينها لمهام محددة.

نهاية الاعتماد على السحابة؟

ال”https://arxiv.org/pdf/anonymous.slimlm”> (قريبا ليكون) الإصدار العام يمكن أن تؤدي مجموعة بيانات التدريب والتعليمات البرمجية الخاصة بـ SlimLM إلى تسريع هذا التحول، وتمكين المطورين من إنشاء تطبيقات الذكاء الاصطناعي التي تحافظ على الخصوصية للأجهزة المحمولة. مع استمرار تطور معالجات الهواتف الذكية، فإن التوازن بين معالجة الذكاء الاصطناعي المستندة إلى السحابة ومعالجة الذكاء الاصطناعي على الجهاز يمكن أن يميل بشكل كبير نحو الحوسبة المحلية.

ما يقدمه SlimLM هو أكثر من مجرد خطوة أخرى إلى الأمام في مجال تكنولوجيا الذكاء الاصطناعي؛ إنه نموذج جديد لكيفية تفكيرنا في الذكاء الاصطناعي. فبدلاً من الاعتماد على مزارع خوادم واسعة واتصالات إنترنت ثابتة، يمكن تخصيص مستقبل الذكاء الاصطناعي، وتشغيله مباشرة على الجهاز الموجود في جيبك، والحفاظ على الخصوصية، وتقليل الاعتماد على البنية التحتية للحوسبة السحابية.

يمثل هذا التطور بداية فصل جديد في تطور الذكاء الاصطناعي. مع نضوج التكنولوجيا، قد ننظر قريبًا إلى الذكاء الاصطناعي القائم على السحابة باعتباره مرحلة انتقالية، حيث تتمثل الثورة الحقيقية في اللحظة التي أصبح فيها الذكاء الاصطناعي صغيرًا بما يكفي ليناسب جيوبنا.