ما يجيده الذكاء الاصطناعي التوليدي

ينفق فريق ستة أسابيع في بناء مصنّف مشاعر لمراجعات المنتجات. يسمون 20,000 مراجعة، ويدرّبون نموذجاً، ويضبطونه، وينشرونه. يعمل. ثم يطلب مدير المنتج تحليل المشاعر نفسه على رسائل الدعم، ووسماً موضوعياً لكل مراجعة، ومسودة رد على السلبية منها.

مع المصنّف، هذه ثلاثة مشاريع جديدة، لكل منها جهد وسم خاص به. مع نموذج أساسي، هي ثلاث جمل تُضاف إلى مطالبة، وتعمل بعد الظهر.

هذه الفجوة هي أولى أربع مزايا يسميها دليل الاختبار في هدف المهمة 2.2: "القدرة على التكيّف، والاستجابة، والقدرات الحوارية، والقدرة على توليد المحتوى". كل واحدة منها تبدو كلاماً تسويقياً حتى تسعّرها مقابل ما كان يكلّفه الأسلوب السابق.

القدرة على التكيّف: المهمة تخرج من التدريب

مهمة النموذج المُشرَف تحددها وسومه، والوسوم تُختار قبل بدء التدريب. درّبه على وسمَي "إيجابي" و"سلبي" فسيعيد إحدى فئتين لأي مراجعة. إلى الأبد. اطلب منه وسماً موضوعياً ولن تجد آلية تسمح له بالإجابة، لأن لا شيء في طبقة مخرجه يستطيع تمثيل موضوع.

النموذج الأساسي يعمل بالعكس. أعطاه التدريب المسبق قدرة واسعة بلا مهمة محددة ملتصقة بها، فتصل المهمة وقت الاستدلال، مكتوبة في المطالبة. الأوزان نفسها، تعليمة جديدة، عمل مختلف.

النتيجة العملية تغيّر في وحدة العمل. في تعلم الآلة التقليدي، تغيير ما يفعله النظام يعني دورة تدريب: اجمع الوسوم، درّب، قيّم، أعد النشر، وتُقاس بالأيام أو الأسابيع. مع النموذج الأساسي يعني تعديل نص، ويُقاس بالدقائق. تشعر الفرق بهذا كتحوّل فيما يستحق التجربة أصلاً، لأن مهمة لم تكن لتبرر مشروعاً من ستة أسابيع يسهل تبريرها كفقرة.

حدّان يُبقيان هذا صادقاً. التكيّف ليس دقة: المصنّف المدرَّب على 20,000 مراجعة موسومة سيتفوق غالباً على النموذج العام في تلك المراجعات تحديداً، وتلك مقايضة حقيقية. والتكيّف ليس مجانياً: المطالبة التي تحمل التعليمة تُحاسَب على كل طلب إلى الأبد، بينما تكلفة تدريب المصنّف دُفعت مرة واحدة.

للاختبار اسم لقياس هذه الخاصية، وهو الأداء العابر للمجالات (cross-domain performance)، ويظهر في هدف مقاييس الأعمال الذي يغطيه آخر درس في هذا الموضوع.

الاستجابة: معنيان، وكلاهما مُختبَر

"الاستجابة" هي الميزة الأكثر عرضة لسوء القراءة، لأن خاصيتين مختلفتين تسيران تحت الاسم نفسه.

الأولى زمن الاستجابة. يجيب النموذج الأساسي عن طلب اعتباطي في الوقت الفعلي، ويبث الـ tokens عادة أثناء إنتاجها، فيقرأ الشخص بداية الإجابة بينما نهايتها ما تزال تُولَّد. هذا ما يجعل المحادثة الحية ممكنة أصلاً. تقدّم AWS أيضاً استدلالاً محسّن زمن الاستجابة على Amazon Bedrock لنماذج مختارة، يوجّه الطلبات إلى مسار خدمة أسرع بلا تغيير في النموذج ولا في المطالبة.

الثانية الاستجابة للتغيير: يجيب النظام عن طلب لم يتوقعه أحد، بلا دورة بناء تقف بين الطلب والإجابة. حين يُطلق منتج جديد يوم الثلاثاء، يستطيع المساعد مناقشته يوم الثلاثاء، ما دامت تفاصيله تصل إلى المطالبة.

وهنا سوء الفهم الذي يستحق التسمية، لأنه مشتِّت مغرٍ. الاستجابة لا تعني أن النموذج الأساسي أسرع من البديل. المصنّف الصغير المدرَّب لغرض واحد يعيد النتيجة خلال أجزاء من الألف من الثانية؛ ونموذج اللغة الكبير يستغرق من مئات الأجزاء إلى عدة ثوانٍ، ويزداد بطئاً كلما طالت الإجابة. إن طلب سيناريو قراراً في أقل من 50 جزءاً من الألف من الثانية داخل مسار دفع، فالذكاء الاصطناعي التوليدي هو الأداة الخاطئة، والاختبار يتوقع منك قول ذلك. الاستجابة تعني سريع بما يكفي لإدارة محادثة وسريع التغيّر، لا الأسرع مطلقاً.

القدرة الحوارية: لغة طبيعية على الطرفين

الميزة الثالثة هي التي يلاحظها المستخدمون، وسبب وصول الذكاء الاصطناعي التوليدي إلى غير التقنيين بهذه السرعة. المدخل جملة لا نموذج إدخال ولا مخطط ولا لغة استعلام. والمخرج جملة لا وسم فئة ولا رقم.

تعدد الأدوار هو ما يجعلها تستحق مكانها. يسأل محلل: "أي العقود تُجدَّد هذا الربع؟"، ثم "فقط ما يتجاوز 100 ألف دولار"، ثم "رتّب تلك حسب تاريخ التجديد وأخبرني أيها يحمل بند تجديد تلقائي". كل سؤال متابعة بلا معنى وحده. مجتمعة هي محادثة، والنموذج يحلّ "تلك" و"ما يتجاوز" بالرجوع إلى ما سبق.

الآن الآلية، لأن الاختبار يحب الفجوة بين كيف يبدو هذا وكيف يعمل. النموذج بلا ذاكرة. أوزان مجمّدة، وطلب واحد في كل مرة. ما يصنع الوهم أن تطبيقك يعيد إرسال الأدوار السابقة كـ tokens مدخل مع كل طلب جديد، فيصل التاريخ كجزء من المطالبة. تتبع ذلك ثلاث نتائج مباشرة، وكلها مادة اختبار: المحادثات الطويلة تكلّف أكثر تدريجياً، والمحادثة تتجاوز نافذة السياق في النهاية، ولا يُحفظ شيء بعد انتهاء الجلسة ما لم تخزّنه أنت عمداً.

توليد المحتوى: مخرج لم يكن موجوداً

الميزة الرابعة هي التي تسمّي الفئة كلها. النموذج التقليدي يختار: يلتقط فئة، أو يسجّل احتمالاً، أو يتنبأ برقم كان له جواب صحيح في البيانات أصلاً. النموذج التوليدي يؤلّف شيئاً جديداً.

يشمل ذلك المخرجات الواضحة، من نص وصور وصوت وفيديو وشيفرة، ومخرجاً واحداً يسهل تفويته. تذكر AWS توليد بيانات موسومة اصطناعية ضمن تطبيقات تحسين العمليات، ما يعني أن إحدى وظائف الذكاء الاصطناعي التوليدي المفيدة هي تصنيع بيانات تدريب لتعلم الآلة التقليدي. فريق ينقصه أمثلة احتيال موسومة يستطيع توليد أمثلة معقولة لتقوية مصنّف. هذا الانقلاب يظهر في أسئلة السيناريوهات.

التوليد أيضاً هو موضع تركّز المخاطر، وللسبب نفسه الذي يجعله قوياً: لا شيء يقيّد المخرج مقابل مصدر. الدرس التالي عن ذلك.

الميزة الكامنة تحت الأربع: لا شيء لتوسمه

فكّك المزايا الأربع فتجد الحقيقة نفسها تحت معظمها. الجزء المكلف حدث بالفعل، في مركز بيانات شخص آخر، قبل أشهر.

ضع الأسلوبين جنباً إلى جنب على المهمة نفسها، تحليل مشاعر مراجعات المنتجات:

الصف الذي يحسم المشاريع الحقيقية هو شكل التكلفة. النموذج الأساسي يزيل الاستثمار المسبق ويستبدل به رسماً لكل طلب لا ينتهي أبداً. عند 500 طلب يومياً تكون هذه المقايضة رابحة بوضوح. وعند 50 مليون طلب يومياً يستطيع الاستدلال الرخيص للمصنّف الفوز بفارق واسع، حتى بعد حساب جهد الوسم. الحجم هو ما يقلب الجواب، والسيناريو الذي يذكر حجم طلبات ضخماً مع مهمة ضيقة مستقرة يوجّهك عادة بعيداً عن النموذج الأساسي.

قراءة الإشارات في السيناريو

أربع إشارات تدفع نحو الذكاء الاصطناعي التوليدي، وتستحق أن تحملها كمجموعة:

• مدخل غير مهيكل لا يناسبه مخطط: نص حر، صور، صوت، مستندات مختلطة.
• مخرج متغيّر تكون إجابته فقرة أو صورة، بلا رد وحيد صحيح يُدرَّب عليه.
• عدة مهام مترابطة كانت ستحتاج كل واحدة نموذجها الخاص.
• غياب بيانات موسومة، وغياب طريقة رخيصة لبنائها.

وثلاث تدفع بعيداً:

• تنبؤ واحد ضيق بحجم ضخم مع وفرة في الوسوم، فالنموذج الصغير أرخص وأدق.
• موازنة زمن استجابة صارمة تُقاس بعشرات الأجزاء من الألف من الثانية.
• اشتراط أن ينتج المدخل نفسه المخرج نفسه دائماً، وهو موضوع الدرس التالي.

نصائح للاختبار

• احفظ المزايا الأربع المسماة كما وردت: القدرة على التكيّف، والاستجابة، والقدرات الحوارية، والقدرة على توليد المحتوى. قوائم التشتيت تستبدل بها عادة الدقة أو الحتمية أو قابلية التفسير، وهي بالضبط أضعف خصائص الذكاء الاصطناعي التوليدي.
• افصل بين هدف المهمة 2.2 و2.3. مزايا الذكاء الاصطناعي التوليدي كتقنية تعني الأربع أعلاه. ومزايا خدمات AWS التوليدية تعني سهولة الوصول وانخفاض حاجز الدخول والكفاءة وفعالية التكلفة وسرعة الوصول إلى السوق. صياغة السؤال تخبرك أي قائمة يريد.
• القدرة على التكيّف تعني تحديد المهمة في المطالبة بدل الوسوم. أي خيار يصف إعادة تدريب يصف الأسلوب التقليدي.
• الاستجابة لا تعني زمن استجابة أقل من كل بديل. السيناريو ذو الموازنة الزمنية الصارمة على تنبؤ ضيق واحد يشير إلى تعلم الآلة التقليدي.
• الذاكرة الحوارية سياق مُعاد الإرسال لا حالة مخزّنة. أسئلة ارتفاع التكلفة في المحادثات الطويلة أو بلوغ نافذة السياق تنبع من هذه الحقيقة.
• انتبه لاجتماع الحجم الضخم مع مهمة ضيقة مستقرة. هذا المزيج يرجّح النموذج المدرَّب لغرض واحد حتى لو استطاع النموذج الأساسي أداء العمل.

فكرة واحدة تحملها: كل ميزة في هذا الدرس تنبع من كون النموذج عاماً ومدرَّباً سلفاً، وكل حدّ في الدرس التالي ينبع من الحقيقتين نفسيهما. العمومية هي سبب تكيّفه، وهي أيضاً سبب جهله التام بأنه مخطئ.