نموذج اللغة الكبيرة (LLM)

التعريف

إن نموذج اللغة الكبير هو في الأساس شبكة عصبية متطورة (NN)، تعتمد عادةً على بنية المحولات، والتي تم تقديمها في الورقة البحثية المؤثرة"الانتباه هو كل ما تحتاجه". تشير كلمة "كبير" في LLM إلى العدد الضخم من المتغيرات - المتغيراتالتي يتم تعديلها أثناء التدريب - والتي يمكن أن تتراوح بين المليارات وحتى التريليونات. بشكل عام، يسمح عدد المعلمات الأعلى للنموذج بتعلم أنماط أكثر تعقيدًا من البيانات.

تتعلم هذه الأنماط من خلال التعلّم غير الخاضع للإشراف على مجموعات نصية ضخمة تم جمعها من الإنترنت والكتب والمصادر الأخرى، وغالبًا ما يشار إليها باسم البيانات الضخمة. وتساعدهم هذه العملية على فهم القواعد والحقائق والقدرات المنطقية وحتى الفروق الدقيقة مثل النبرة والأسلوب، على الرغم من أنها يمكن أن تقودهم أيضًا إلى تعلم التحيزات الموجودة في بيانات التدريب. القدرة الأساسية التي يتم تطويرها أثناء التدريب هي التنبؤ بالكلمات اللاحقة في الجملة. وتشكل هذه القدرة التنبؤية أساسًا لمهام أكثر تعقيدًا مثل توليد النصوص، ونمذجة اللغة، والإجابة على الأسئلة.

تشمل الأمثلة المعروفة سلسلة GPT من OpenAI (مثل GPT-4)، ونماذج لاما من Meta AI مثل لاما 3، و Gemini من Google DeepMind، و Claude من Anthropic.

التطبيقات

إن تعدد استخدامات الآليات متعددة الاستخدامات يسمح بتطبيقها في مجالات متنوعة. وفيما يلي مثالان ملموسان:

• الذكاء الاصطناعي التحادثي: تُعد أنظمة LLM هي المحركات وراء العديد من روبوتات الدردشة الآلية المتقدمة والمساعدين الافتراضيين. فهي تُمكِّن هذه الأنظمة من فهم استفسارات المستخدم، والحفاظ على سياق المحادثات، وتوليد ردود ذات صوت طبيعي. ومن الأمثلة البارزة على ذلك روبوتات الدردشة ChatGPT) من OpenAI، والتي تستخدم آليات التعلم الآلي القابلة للتشغيل للدخول في حوارات مفصلة والإجابة على أسئلة المتابعة، وحتى الاعتراف بالأخطاء.
• إنشاء المحتوى وتلخيصه: يمكن لأخصائيي إدارة اللغات مساعدة البشر في إنشاء أشكال مختلفة من المحتوى المكتوب، بما في ذلك المقالات ورسائل البريد الإلكتروني والنسخ التسويقية والكتابة الإبداعية. كما أنها بارعة أيضًا في تلخيص النصوص، وتلخيص المستندات المطولة في ملخصات موجزة، مما يساعد على مكافحة الحمل الزائد للمعلومات. وتستفيد أدوات مثل جاسبر Microsoft كوبيلوت من أدوات مثل "جاسبر" و" Microsoft كوبيلوت " في هذه الأغراض.

المفاهيم الرئيسية

ينطوي فهم آليات إدارة الأراضي المنخفضة والمتوسطة على الإلمام بالعديد من المفاهيم ذات الصلة:

• نماذج التأسيس: غالبًا ما تُعتبر نماذج LLMs نماذج تأسيس ية لأنها مدرّبة على بيانات واسعة ويمكن تكييفها (أو ضبطها) لمجموعة واسعة من المهام النهائية دون الحاجة إلى التدريب من الصفر.
• آليات الانتباه: تسمح هذه الآليات، ولا سيما الانتباه الذاتي، للنموذج بتقييم أهمية الكلمات المختلفة (الرموز) في تسلسل المدخلات عند معالجة كلمة معينة. وهذا أمر بالغ الأهمية لفهم السياق والعلاقات داخل النص.
• هندسة موجه: يشير هذا إلى فن وعلم تصميم مطالبات المدخلات الفعالة لتوجيه جهاز LLM نحو توليد المخرجات المطلوبة. تؤثر جودة الموجه بشكل كبير على دقة وملاءمة الاستجابة. تساعد تقنيات مثل المطالبة بتسلسل الأفكار في تحسين التفكير في المهام المعقدة.
• الترميز: قبل معالجة النص، تقوم أجهزة إدارة اللغات المحلية بتقسيمه إلى وحدات أصغر تسمى الرموز. يمكن أن تكون هذه الرموز كلمات أو كلمات فرعية أو أحرف. يقوم الترميز بتحويل النص الخام إلى صيغة رقمية يمكن للنموذج فهمها. منصات مثل Hugging Face أدوات ومعلومات عن استراتيجيات الترميز المختلفة.

نماذج الرؤية الحاسوبية في مقابل نماذج الرؤية الحاسوبية

في حين تتفوق نماذج LLMs في المهام اللغوية، إلا أنها تختلف بشكل كبير عن النماذج المصممة أساسًا للرؤية الحاسوبية (CV). نماذج السيرة الذاتية، مثل Ultralytics YOLO (على سبيل المثال YOLOv8و YOLOv9، و YOLOv10، و YOLO11)، وهي نماذج متخصصة في تفسير المعلومات المرئية من الصور أو مقاطع الفيديو. تشمل مهامها اكتشاف الأشياء، وتصنيف الصور، وتجزئة النماذج.

ومع ذلك، فإن الحدود غير واضحة مع ظهور النماذج متعددة الوسائط ونماذج لغة الرؤية (VLMs). تدمج هذه النماذج، مثل GPT-4o من OpenAI أو Gemini من Google الفهم عبر طرائق مختلفة (مثل النصوص والصور)، مما يتيح مهام مثل وصف الصور أو الإجابة عن أسئلة حول المحتوى المرئي.

توفر منصات مثل Ultralytics HUB أدوات وبنية تحتية لتدريب ونشر نماذج الذكاء الاصطناعي المختلفة، بما في ذلك تلك الخاصة بمهام الرؤية، مما يسهل تطوير تطبيقات الذكاء الاصطناعي المتنوعة. ومع ازدياد قوة نماذج الذكاء الاصطناعي ونماذج الذكاء الاصطناعي الأخرى، تزداد أهمية الاعتبارات المتعلقة بأخلاقيات الذكاء الاصطناعي والتحيز الخوارزمي وخصوصية البيانات. للمزيد من المعلومات حول مفاهيم الذكاء الاصطناعي ومقارنات النماذج، استكشف صفحات توثيقUltralytics وصفحات مقارنة النماذج.