الذكاء الاصطناعي التوليدي

كيف يعمل الذكاء الاصطناعي التوليدي

تعمل نماذج الذكاء الاصطناعي التوليدي عادةً من خلال تعلم تمثيل التوزيع الاحتمالي لبيانات التدريب. ويمكنها بعد ذلك أخذ عينة من هذا التوزيع المكتسب لتوليد نقاط بيانات جديدة. تشمل البنى الشائعة ما يلي:

• شبكات الخصومة التوليدية (GANs): تتضمن هذه الشبكات شبكتين عصبيتين، مولّد ومميّز، تتنافسان ضد بعضهما البعض لتحسين جودة المخرجات المولدة.
• المحولات: تُستخدم هذه النماذج على نطاق واسع في نماذج اللغات الكبيرة (LLMs) مثل GPT-4، وتستخدم هذه النماذج آليات الانتباه لتوليد تسلسلات متماسكة وذات صلة بالسياق، وفي المقام الأول النص.
• أجهزة الترميز التلقائي المتغير (VAEs): تتعلم هذه البرامج تمثيلات مضغوطة للبيانات ويمكنها توليد بيانات جديدة عن طريق فك تشفير نقاط مأخوذة من الفضاء الكامن.
• نماذج الانتشار: تعمل هذه النماذج عن طريق إضافة الضوضاء تدريجياً إلى البيانات ثم تعلم عكس العملية، مما يتيح توليد عالي الدقة، خاصةً بالنسبة للصور (على سبيل المثال، الانتشار المستقر).

الذكاء الاصطناعي التوليدي مقابل الرؤية الحاسوبية

وفي حين أن كلاهما فرعان من فروع الذكاء الاصطناعي، إلا أن الذكاء الاصطناعي التوليدي والرؤية الحاسوبية يخدمان أغراضاً مختلفة اختلافاً جوهرياً.

• التركيز على الذكاء الاصطناعي التوليدي: إنشاء محتوى جديد (مثل توليد الصور من الأوصاف النصية، وكتابة المقالات، وتأليف الموسيقى).
• التركيز على الرؤية الحاسوبية: تحليل البيانات المرئية الموجودة وفهمها (على سبيل المثال، اكتشاف الأجسام، وتصنيف الصور، وتجزئة النماذج باستخدام نماذج مثل Ultralytics YOLO).

كما تمت مناقشته خلال مؤتمرYOLO Vision 2024، غالبًا ما تكون نماذج الذكاء الاصطناعي التوليدي أكبر بكثير (مليارات المعلمات) مقارنةً بنماذج السيرة الذاتية الفعالة المصممة للتحليل في الوقت الفعلي (مثل Ultralytics YOLOv8مع نماذج تبدأ من بضعة ملايين من المعلمات). يتطلب الذكاء الاصطناعي التوليدي موارد حاسوبية كبيرة للتدريب والاستدلال، في حين أن العديد من نماذج السيرة الذاتية مُحسّنة للنشر على الأجهزة القياسية أو الأجهزة المتطورة.

ومع ذلك، تتقاطع هذه المجالات بشكل متزايد. يمكن للذكاء الاصطناعي التوليدي أن يساعد السيرة الذاتية من خلال إنشاء بيانات اصطناعية لتدريب نماذج الكشف أو التجزئة، خاصةً في السيناريوهات النادرة، مما قد يحسن من متانة النموذج وأدائه.

تطبيقات وأمثلة من العالم الحقيقي

للذكاء الاصطناعي التوليدي العديد من التطبيقات في مختلف المجالات:

1. إنشاء المحتوى: إنشاء مقالات أو نسخ تسويقية أو نصوص(إنشاء النصوص)، أو إنشاء صور أو أعمال فنية أصلية(تحويل النص إلى صورة)، أو تأليف الموسيقى، أو إنشاء الفيديو(تحويل النص إلى فيديو). أدوات مثل ChatGPT للنصوص و Midjourney للصور من الأمثلة الشائعة.
2. زيادة البيانات: إنشاء عينات بيانات اصطناعية لتوسيع مجموعات البيانات المحدودة. على سبيل المثال، توليد صور اصطناعية لحالات طبية نادرة لتحسين دقة أنظمة الذكاء الاصطناعي التشخيصية المستخدمة في تحليل الصور الطبية. يساعد ذلك في التغلب على ندرة البيانات وتحسين تعميم النموذج.
3. اكتشاف الأدوية وتطويرها: محاكاة الهياكل الجزيئية والتنبؤ بخصائصها لتسريع البحث عن أدوية جديدة، كما تستكشفها شركات مثل DeepMind.
4. التخصيص: تشغيل روبوتات الدردشة الآلية المتطورة والمساعدين الافتراضيين، أو إنشاء مواد تعليمية مخصصة، أو إنشاء توصيات مخصصة للمنتجات.

الاعتبارات الأخلاقية

تجلب قوة الذكاء الاصطناعي التوليدي أيضًا تحديات أخلاقية كبيرة. وتشمل هذه التحديات احتمالية توليد معلومات مضللة أو محتوى ضار، وإنشاء محتوى مزيف مقنع، والقضايا المتعلقة بحقوق النشر والملكية الفكرية للمحتوى المولد، والتحيزات المتأصلة المستفادة من بيانات التدريب. وتتطلب معالجة هذه الأمور دراسة متأنية لأخلاقيات الذكاء الاصطناعي والشفافية والأطر التنظيمية القوية. إن تطوير هذه التقنيات ونشرها بشكل مسؤول أمر بالغ الأهمية. ولإدارة نماذج الذكاء الاصطناعي الخاصة بك وتدريبها، يمكنك التفكير في منصات مثل Ultralytics HUB.