اكتشف كيف تُحدث النماذج التأسيسية ثورة في الذكاء الاصطناعي من خلال البنى القابلة للتطوير، والتدريب المسبق الواسع، والقدرة على التكيف مع التطبيقات المتنوعة.
تمثل النماذج التأسيسية نقلة نوعية كبيرة في مجال الذكاء الاصطناعي (AI)، حيث تتميز بنطاقها الهائل وتدريبها على مجموعات بيانات واسعة ومتنوعة. على عكس نماذج التعلم الآلي التقليدية المصممة لمهام محددة، يتم تدريب النماذج التأسيسية مسبقًا على بيانات واسعة، مما يتيح تكييفها - أو ضبطها بدقة- لمجموعة واسعة من التطبيقات النهائية مع القليل نسبيًا من البيانات الخاصة بمهمة محددة. ويسرّع هذا النهج، الذي غالباً ما يستفيد من التعلّم التحوّلي، من عملية تطوير الذكاء الاصطناعي ويجعل القدرات القوية أكثر سهولة. وقد تم تعميم هذا المصطلح من قبل معهد ستانفورد للذكاء الاصطناعي الذي يركز على الإنسان (HAI).
يتم تعريف النماذج التأسيسية بثلاث خصائص أساسية: النطاق والعمومية والقدرة على التكيف.
تعدد استخدامات نماذج المؤسسات يدفع الابتكار في العديد من المجالات.
يكمن الاختلاف الأساسي في النطاق وقابلية إعادة الاستخدام. عادةً ما يتم تدريب نماذج التعلم الآلي التقليدية على مهمة واحدة محددة باستخدام مجموعة بيانات مخصصة. إذا ظهرت مهمة جديدة، فغالبًا ما يلزم بناء نموذج جديد وتدريبه من الصفر. ومع ذلك، توفر النماذج التأسيسية قاعدة قابلة لإعادة الاستخدام. حيث يلتقط تدريبها المسبق الواسع المعرفة العامة، والتي يمكن بعد ذلك تخصيصها بكفاءة.
ويوفر هذا النموذج مزايا مثل تقليل الحاجة إلى جمع البيانات والتعليقات التوضيحية المكثفة لكل مهمة جديدة واحتمال نشر النموذج بشكل أسرع. ومع ذلك، تشمل التحديات التكلفة الحسابية الهائلة والطاقة اللازمة للتدريب المسبق، وخطر توريث وتضخيم التحيزات الموجودة في بيانات التدريب، والاعتبارات الأخلاقية الهامة المتعلقة بسوء الاستخدام المحتمل وتأثيرها المجتمعي. تهدف منصات مثل Ultralytics HUB إلى تبسيط عملية الوصول إلى نماذج الذكاء الاصطناعي المتقدمة وتدريبها ونشرها، مما يساعد المستخدمين على الاستفادة من هذه التقنيات القوية بفعالية.
AR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
TR
VI
