ميتا تكشف عن آلية لتدريب نماذج الذكاء الاصطناعي دون تدخل بشري

- في السنوات الأخيرة، شهدت تقنيات الذكاء الاصطناعي تطورًا سريعًا حيث أصبحت أساسية في مختلف الصناعات.
- العديد من الشركات التقنية، مثل ميتا، تسعى إلى تحسين نماذجها لزيادة كفاءتها وتقليل الاعتماد على التدخل البشري المكلف.
- إعلان ميتا عن نموذج "المُقيّم الذاتي التعليم" يُعد خطوة هامة نحو تطوير نماذج ذكاء اصطناعي قادرة على التعلم والتقييم ذاتيًا، مما قد يُحدث ثورة في هذا المجال.

أعلنت شركة ميتا نموذج ذكاء اصطناعي جديد يحمل اسم “المُقيّم الذاتي التعليم” (Self-Taught Evaluator)، الذي يهدف إلى تقييم نماذج الذكاء الاصطناعي الأخرى وتدريبها بنحو مستقل.
ويأتي هذا الإعلان في وقت تشهد فيه تقنيات الذكاء الاصطناعي انتشارًا واسعًا، إذ اعتمدت معظم الشركات التقنية الكبرى على الذكاء الاصطناعي سواءً بتطوير نماذج خاصة بها أو بإدماج نماذج من أطراف خارجية في خدماتها أو مزاياها الجديدة.
وتُعد تكلفة تطوير نماذج الذكاء الاصطناعي من أكبر التحديات التي تواجه الشركات؛ لأن الوضع الحالي يتطلب استثمارات ضخمة لضمان البقاء في المنافسة.
وبالإضافة إلى ذلك، يستخدم المطورون تقنية تُعرف باسم “التعلم التعزيزي من خلال ملاحظات البشر” (RLAIF) خلال عملية التدريب، وهي عملية تتطلب تدخل البشر، مما يبطئ سرعة عملية تطوير النماذج.
ويهدف النموذج الجديد من ميتا إلى إلغاء الحاجة إلى التدخل البشري، إذ يتميز بقدرته على تدريب نماذج الذكاء الاصطناعي الأخرى وتقييمها دون الاستعانة بالخبرات البشرية.
ويُعد التدخل البشري حاليًا ضروريًا لضمان تقديم الذكاء الاصطناعي نتائج دقيقة وموثوقة، إذ يجب التحقق من صحة البيانات المستخدمة في عملية تدريب الذكاء الاصطناعي، لكن هذا الإجراء يزيد مدة التطوير، ويرفع التكاليف المرتبطة به.
ومع ذلك، يعتمد نموذج ميتا الجديد على تقنية “سلسلة الأفكار” (Chain of Thought) التي استخدمتها شركة OpenAI في نماذج o1 التي طرحتها حديثًا، والتي تهدف إلى تقسيم

 المشكلات المعقدة إلى خطوات منطقية أصغر، مما يؤدي إلى تحسين دقة الإجابات في مجالات متقدمة مثل العلوم والبرمجة والرياضيات.
ومن الجدير بالذكر أن ميتا طوّرت نموذج “المقيم الذاتي التعليم” باستخدام تقنية “سلسلة الأفكار” ذاتها، ودربته باستخدام بيانات ولّدها الذكاء الاصطناعي.
ويقول جيسون ويستون، أحد الباحثين المشاركين في المشروع: “نأمل أنه مع تطور الذكاء الاصطناعي وتفوقه على البشر أن يصبح أكثر كفاءة في فحص أعماله، وأفضل من الأداء البشري المتوسط”.

1. خلفية عامة:
التحديات الحالية في تدريب نماذج الذكاء الاصطناعي:
- النماذج الحالية تعتمد بشكل كبير على التدخل البشري خلال التدريب، مثل مراجعة البيانات والتحقق من دقتها.
- عملية "التعلم التعزيزي من خلال ملاحظات البشر" (RLAIF) تُستخدم بشكل شائع لتحسين أداء النماذج، لكن هذا يتطلب وقتًا وتكلفة كبيرة.
- مع تزايد التنافس في سوق الذكاء الاصطناعي، تحتاج الشركات إلى إيجاد طرق لتقليل الوقت والتكلفة

 التعلم التعزيزي من خلال ملاحظات البشر (RLAIF):
- هذه التقنية تعتمد على ملاحظات بشرية تُضاف إلى مراحل التدريب بهدف تحسين أداء النماذج. البشر يقومون بتقييم استجابات النماذج وتقديم تصحيحات.
- بالرغم من أن هذه الطريقة قد أثبتت فعاليتها، إلا أن القيود البشرية في الوقت والتكلفة تعني أن النماذج لا يمكن أن تتطور بالسرعة المطلوبة في بعض الأحيان.

2. نموذج ميتا الجديد:
ما هو المُقيّم الذاتي التعليم؟:
- يُعد "المُقيّم الذاتي التعليم" نموذجًا يتمتع بالقدرة على تقييم نماذج الذكاء الاصطناعي الأخرى وتدريبها دون الحاجة إلى تدخل البشر.
- هذه الآلية تمكّن الذكاء الاصطناعي من أن يصبح أكثر استقلالية وكفاءة من خلال تحسين ذاته وتقديم ملاحظات على أدائه، مما يُقلل بشكل كبير من الحاجة إلى تقييمات خارجية بشرية.

التقنيات المستخدمة - "سلسلة الأفكار" (Chain of Thought):
- تقنية "سلسلة الأفكار" تُمكّن النماذج من تحليل المشاكل المعقدة عبر تقسيمها إلى خطوات منطقية صغيرة، مما يُحسن من دقة وجودة الإجابات.
- تم استخدام هذه التقنية من قبل في نماذج متقدمة، مثل تلك التي طورتها OpenAI، وقد حققت نتائج مميزة خاصة في حل المسائل العلمية والبرمجية

 الاعتماد على البيانات التي يولدها الذكاء الاصطناعي:
- بدلاً من الاعتماد على البشر في توليد البيانات وتقييمها، يقوم "المُقيّم الذاتي التعليم" بتوليد بياناته الخاصة وتقييمها بشكل ذاتي.
- هذا يسمح بتوسيع نطاق التدريب بسرعة، حيث يمكن للنموذج إنتاج وتحليل كميات ضخمة من البيانات دون انتظار التدخل البشري.

3. تأثير النموذج:
مزايا الاعتماد على الذكاء الاصطناعي لتدريب نماذج أخرى:
- تقليل التكلفة: من خلال تقليل أو إلغاء الحاجة إلى التدخل البشري، يمكن للشركات خفض النفقات المرتبطة بتوظيف مختصين لتقييم النماذج.
- تسريع عملية التطوير: الذكاء الاصطناعي يعمل على مدار الساعة دون توقف، مما يسمح بتسريع عملية التدريب والتقييم.
- تحسين الأداء: مع تقنيات مثل "سلسلة الأفكار"، يمكن للنماذج تحسين جودة الحلول والقرارات في مجالات متقدمة كالرياضيات والبرمجة  

 التوقعات المستقبلية:
- من المتوقع أن يؤدي هذا التطور إلى نماذج ذكاء اصطناعي أكثر كفاءة، قادرة على التكيف والتعلم بسرعة.
- الشركات قد تتبنى هذا النهج لتقليل الاعتماد على الموارد البشرية في مراحل تقييم النماذج وتحسينها، مما سيساهم في رفع كفاءة المنتجات والخدمات

4. التحديات والانتقادات المحتملة:
موثوقية النماذج المستقلة:
- بينما يوفر هذا النموذج استقلالية أكبر، هناك مخاوف حول مدى دقته في مواجهة المواقف الحرجة التي تتطلب معرفة عميقة قد لا يمتلكها الذكاء الاصطناعي.
- هل يمكن لهذه النماذج اكتشاف وتحليل الأخطاء المعقدة بنفس دقة البشر؟

الأخلاق والمسؤولية:
- مع تقليل التدخل البشري، تصبح مسألة المساءلة أكثر تعقيدًا: من يتحمل المسؤولية إذا ارتكب النموذج أخطاءً جسيمة؟
- يجب النظر في الأخلاقيات المتعلقة بتدريب النماذج بالبيانات الاصطناعية ومدى تأثير ذلك على تطوير ذكاء اصطناعي آمن وموثوق.

الخاتمة:
- نموذج "المُقيّم الذاتي التعليم" يمثل خطوة مهمة في مسار تطوير الذكاء الاصطناعي الذاتي.
- مع تقدم تقنيات الذكاء الاصطناعي المستقلة، من المتوقع أن نرى زيادة في الكفاءة وتقليل التكلفة في تطوير النماذج.
- بالرغم من المزايا الواضحة، ما زالت هناك تحديات أخلاقية وتقنية تتطلب اهتمامًا أكبر من الشركات والباحثين لضمان أن الذكاء الاصطناعي سيظل أداة آمنة وموثوقة.

---

هذا الهيكل المحدث يقدم تفاصيل إضافية حول كل جانب، مع التركيز على التحديات التقنية والأخلاقية المرتبطة بتطوير نماذج الذكاء الاصطناعي المستقلة.