صورة تم إنشاؤها بواسطة المؤلف باستخدام BlueWillow
مرحبًا بكم في الإصدار الافتتاحي من "This Week in AI" على KDnuggets. يهدف هذا المنشور الأسبوعي المنسق إلى إبقائك على اطلاع دائم بالتطورات الأكثر إلحاحًا في عالم الذكاء الاصطناعي سريع التقدم. من العناوين الرائدة التي تشكل فهمنا لدور الذكاء الاصطناعي في المجتمع إلى المقالات المحفزة للتفكير ، وموارد التعلم الثاقبة ، والأبحاث البارزة التي تدفع حدود معرفتنا ، يقدم هذا المنشور نظرة عامة شاملة على المشهد الحالي للذكاء الاصطناعي. دون الخوض في التفاصيل حتى الآن ، توقع استكشاف عدد كبير من الموضوعات المتنوعة التي تعكس الطبيعة الواسعة والديناميكية للذكاء الاصطناعي. تذكر أن هذا هو الأول من بين العديد من التحديثات الأسبوعية القادمة ، وهي مصممة لإبقائك على اطلاع دائم في هذا المجال المتطور باستمرار. ابق على اتصال وسعيد القراءة!
يناقش قسم "العناوين" أهم الأخبار والمستجدات من الأسبوع الماضي في مجال الذكاء الاصطناعي. تتراوح المعلومات من سياسات الذكاء الاصطناعي الحكومية إلى التطورات التكنولوجية وابتكارات الشركات في مجال الذكاء الاصطناعي.
؟؟؟؟ جبابرة الذكاء الاصطناعي يتعهدون بالابتكار المسؤول تحت إدارة بايدن هاريس
حصلت إدارة بايدن هاريس على التزامات طوعية من سبع شركات رائدة في مجال الذكاء الاصطناعي - أمازون ، وأنثروبيك ، وجوجل ، وإنفليكشن ، وميتا ، ومايكروسوفت ، وأوبن إيه آي - لضمان التطوير الآمن والآمن والشفاف لتقنية الذكاء الاصطناعي. تؤكد هذه الالتزامات على ثلاثة مبادئ أساسية لمستقبل الذكاء الاصطناعي: السلامة والأمن والثقة. وافقت الشركات على إجراء اختبارات أمنية داخلية وخارجية لأنظمة الذكاء الاصطناعي الخاصة بها قبل إصدارها ، ومشاركة المعلومات حول إدارة مخاطر الذكاء الاصطناعي ، والاستثمار في الأمن السيبراني. يلتزمون أيضًا بتطوير آليات تقنية لضمان معرفة المستخدمين عندما يتم إنشاء المحتوى بواسطة الذكاء الاصطناعي والإبلاغ علنًا عن قدرات أنظمة الذكاء الاصطناعي الخاصة بهم وقيودها ومجالات الاستخدام المناسب وغير المناسب. هذه الخطوة هي جزء من التزام أوسع من قبل إدارة بايدن هاريس لضمان تطوير الذكاء الاصطناعي بشكل آمن ومسؤول ، وحماية الأمريكيين من الأذى والتمييز.
أعلنت منظمة Stability AI ومعمل CarperAI التابع لها عن إطلاق Stable Beluga 1 و Stable Beluga 2 ، وهما نموذجان قويان ومفتوحان للوصول ، ونماذج لغات كبيرة (LLMs). تستند هذه النماذج ، التي تُظهر قدرة استثنائية على التفكير عبر معايير متنوعة ، إلى نماذج الأساس الأصلية LLaMA 65B و LLaMA 2 70B على التوالي. تم صقل كلا النموذجين باستخدام مجموعة بيانات جديدة مُنشأة صناعياً باستخدام ضبط دقيق خاضع للإشراف (SFT) بتنسيق Alpaca القياسي. تم استلهام التدريب على نماذج Stable Beluga من المنهجية التي استخدمتها Microsoft في ورقتها البحثية: "Orca: التعلم التقدمي من آثار الشرح المعقدة لـ GPT-4." على الرغم من التدريب على عُشر حجم عينة ورق Orca الأصلي ، فإن نماذج Stable Beluga تُظهر أداءً استثنائيًا عبر معايير مختلفة. اعتبارًا من 27 يوليو 2023 ، أصبح Stable Beluga 2 هو النموذج الأعلى في لوحة المتصدرين ، و Stable Beluga 1 في المركز الرابع.
أثناء مكالمة أرباح الربع الثاني من Spotify ، ألمح الرئيس التنفيذي دانييل إيك إلى إمكانية إدخال وظائف إضافية مدعومة بالذكاء الاصطناعي إلى خدمة البث. اقترح إيك أنه يمكن استخدام الذكاء الاصطناعي لإنشاء تجارب أكثر تخصيصًا ، وتلخيص ملفات البودكاست ، وإنشاء إعلانات. وسلط الضوء على نجاح ميزة DJ التي تم إطلاقها مؤخرًا ، والتي تقدم مجموعة مختارة من الموسيقى جنبًا إلى جنب مع التعليقات المدعومة بالذكاء الاصطناعي حول المسارات والفنانين. ذكر Ek أيضًا الاستخدام المحتمل للذكاء الاصطناعي التوليدي لتلخيص المدونات الصوتية ، مما يسهل على المستخدمين اكتشاف محتوى جديد. علاوة على ذلك ، ناقش Ek إمكانية إنشاء إعلانات صوتية بواسطة الذكاء الاصطناعي ، والتي يمكن أن تقلل بشكل كبير من تكلفة المعلنين لتطوير أشكال إعلانات جديدة. تأتي هذه التعليقات في الوقت الذي تسعى فيه Spotify للحصول على براءة اختراع لنظام "تخليق النص إلى كلام" الذي يعمل بالذكاء الاصطناعي ، والذي يمكنه تحويل النص إلى صوت كلام يشبه الإنسان يتضمن العاطفة والنية.
يقدم قسم "المقالات" مجموعة من المقالات المثيرة للتفكير حول الذكاء الاصطناعي. تتعمق كل مقالة في موضوع معين ، وتقدم للقراء رؤى ثاقبة في جوانب مختلفة من الذكاء الاصطناعي ، بما في ذلك التقنيات الجديدة ، والنهج الثورية ، والأدوات الرائدة.
📰 مترجم كود ChatGPT: هل علم البيانات في دقائق
تقدم مقالة KDnuggets هذه المكون الإضافي Code Interpreter بواسطة ChatGPT ، وهي أداة يمكنها تحليل البيانات وكتابة كود Python وإنشاء نماذج للتعلم الآلي. توضح الكاتبة ، Natassha Selvaraj ، كيف يمكن استخدام المكون الإضافي لأتمتة عمليات سير عمل علوم البيانات المختلفة ، بما في ذلك تلخيص البيانات ، وتحليل البيانات الاستكشافية ، والمعالجة المسبقة للبيانات ، وبناء نماذج التعلم الآلي. يمكن أيضًا استخدام مترجم الشفرة لشرح التعليمات البرمجية وتصحيحها وتحسينها. تؤكد ناتاشا أنه في حين أن الأداة قوية وفعالة ، يجب استخدامها كخط أساس لمهام علوم البيانات ، لأنها تفتقر إلى المعرفة الخاصة بالمجال ولا يمكنها التعامل مع مجموعات البيانات الكبيرة الموجودة في قواعد بيانات SQL. تقترح ناتاشا أن علماء البيانات على مستوى المبتدئين وأولئك الذين يتطلعون إلى أن يصبحوا واحدًا يجب أن يتعلموا كيفية الاستفادة من أدوات مثل Code Interpreter لجعل عملهم أكثر كفاءة.
📰 الكتب المدرسية هي كل ما تحتاجه: نهج ثوري لتدريب الذكاء الاصطناعي
يناقش مقال KDnuggets هذا نهجًا جديدًا لتدريب الذكاء الاصطناعي اقترحه باحثو Microsoft ، والذي يتضمن استخدام كتاب مدرسي اصطناعي بدلاً من مجموعات البيانات الضخمة. قام الباحثون بتدريب نموذج يسمى Phi-1 بالكامل على كتاب مدرسي مخصص ووجدوا أنه كان يؤدي أداءً جيدًا بشكل مثير للإعجاب في مهام ترميز Python ، على الرغم من كونه أصغر بكثير من نماذج مثل GPT-3. يشير هذا إلى أن جودة بيانات التدريب يمكن أن تكون بنفس أهمية حجم النموذج. تحسن أداء نموذج Phi-1 أيضًا عند ضبطه باستخدام التدريبات والحلول الاصطناعية ، مما يشير إلى أن الضبط الدقيق المستهدف يمكن أن يعزز قدرات النموذج بما يتجاوز المهام التي تم تدريبه من أجلها بشكل خاص. يشير هذا إلى أن هذا النهج القائم على الكتب المدرسية يمكن أن يحدث ثورة في تدريب الذكاء الاصطناعي عن طريق تحويل التركيز من إنشاء نماذج أكبر إلى تنسيق بيانات تدريب أفضل.
تتناول المقالة تقنية جديدة في الهندسة السريعة تشجع على استخدام المطالبات غير الكاملة. يجادل المؤلف بأن السعي وراء المحفزات المثالية يمكن أن يؤدي إلى نتائج عكسية وأنه غالبًا ما يكون من العملي استهداف مطالبات "جيدة بما فيه الكفاية". تستخدم تطبيقات الذكاء الاصطناعي التوليدية الأساليب الاحتمالية والإحصائية لتحليل المطالبات وتوليد الاستجابات. لذلك ، حتى إذا تم استخدام نفس المطالبة عدة مرات ، فمن المرجح أن ينتج الذكاء الاصطناعي استجابات مختلفة في كل مرة. يقترح المؤلف أنه بدلاً من السعي للحصول على موجه مثالي ، يجب على المستخدمين الاستفادة من المطالبات غير الكاملة وتجميعها لإنشاء مطالبات فعالة. تشير المقالة إلى دراسة بحثية بعنوان "اسألني أي شيء: إستراتيجية بسيطة للنماذج اللغوية المحفزة" والتي تقترح طريقة لتحويل المطالبات غير الكاملة إلى محفزات قوية من خلال تجميع تنبؤات المحفزات المتعددة الفعالة ، ولكنها غير كاملة.
يسرد قسم "مصادر التعلم" محتوى تعليميًا مفيدًا للراغبين في توسيع معرفتهم في مجال الذكاء الاصطناعي. الموارد ، التي تتراوح من الأدلة الشاملة إلى الدورات المتخصصة ، تلبي احتياجات كل من المبتدئين والمحترفين المتمرسين في مجال الذكاء الاصطناعي.
📚 LLM University by Cohere: بوابتك إلى عالم نماذج اللغات الكبيرة
تعد جامعة Cohere's LLM مصدرًا تعليميًا شاملاً للمطورين المهتمين بمعالجة اللغات الطبيعية (NLP) ونماذج اللغات الكبيرة (LLMs). تم تصميم المنهج لتوفير أساس متين في البرمجة اللغوية العصبية (NLP) والماجستير في اللغة الإنجليزية (LLMs) ، ثم البناء على هذه المعرفة لتطوير تطبيقات عملية. ينقسم المنهج إلى أربع وحدات رئيسية: "ما هي نماذج اللغة الكبيرة؟" ، "تمثيل النص مع نقاط نهاية Cohere" ، "إنشاء النص باستخدام نقاط نهاية Cohere" ، و "النشر". سواء كنت مهندسًا جديدًا للتعلم الآلي أو مطورًا متمرسًا يتطلع إلى توسيع مهاراتك ، تقدم LLM University by Cohere دليلًا شاملاً لعالم البرمجة اللغوية العصبية (NLP) والماجستير في اللغة الإنجليزية (LLM).
📚 مجانًا من Google: مسار التعلم التوليدي AI
أصدرت Google Cloud مسار التعلم العام للذكاء الاصطناعي ، وهو عبارة عن مجموعة من الدورات التدريبية المجانية التي تغطي كل شيء بدءًا من أساسيات الذكاء الاصطناعي العام وحتى الأدوات الأكثر تقدمًا مثل Generative AI Studio. يتضمن مسار التعلم سبع دورات: "مقدمة إلى الذكاء الاصطناعي التوليدي" ، و "مقدمة لنماذج اللغة الكبيرة" ، و "مقدمة في إنشاء الصور" ، و "آلية الانتباه" ، و "نماذج المحولات ونموذج BERT" ، و "إنشاء نماذج توضيحية للصور" ، و "مقدمة إلى Generative AI Studio". تغطي الدورات مجموعة من الموضوعات ، بما في ذلك نماذج اللغات الكبيرة ، وتوليد الصور ، وآلية الانتباه ، ونماذج المحولات ، ونموذج BERT ، ونماذج تعليق الصور.
يسلط قسم "أضواء البحث" الضوء على الأبحاث الهامة في مجال الذكاء الاصطناعي. يتضمن القسم دراسات متقدمة ، واستكشاف نظريات جديدة ، ومناقشة الآثار المحتملة والتوجهات المستقبلية في مجال الذكاء الاصطناعي.
🔍 دور النماذج اللغوية الكبيرة في تطور تعليم علوم البيانات
تناقش الورقة البحثية التي تحمل عنوان "دور النماذج اللغوية الكبيرة في تطور تعليم علوم البيانات" التأثير التحويلي لنماذج اللغات الكبيرة (LLMs) على أدوار ومسؤوليات علماء البيانات. يجادل المؤلفون بأن ظهور LLM يحول تركيز علماء البيانات من الترميز العملي إلى إدارة وتقييم التحليلات التي تقوم بها أنظمة الذكاء الاصطناعي الآلية. يستلزم هذا التحول تطورًا كبيرًا في تعليم علوم البيانات ، مع تركيز أكبر على تنمية مهارات متنوعة بين الطلاب. وتشمل هذه الإبداع المستنير من قبل LLM ، والتفكير النقدي ، والبرمجة الموجهة بواسطة الذكاء الاصطناعي ، والمعرفة متعددة التخصصات.
يقترح المؤلفون أيضًا أن LLM يمكن أن تلعب دورًا مهمًا في الفصل الدراسي كأدوات تعليم وتعلم تفاعلية. يمكنهم المساهمة في التعليم الشخصي وإثراء تجارب التعلم. ومع ذلك ، فإن دمج LLM في التعليم يتطلب دراسة متأنية لتحقيق التوازن بين فوائد LLM مع تعزيز الخبرة البشرية التكميلية والابتكار. تشير الورقة إلى أن مستقبل تعليم علوم البيانات سيشمل على الأرجح علاقة تكافلية بين المتعلمين من البشر ونماذج الذكاء الاصطناعي ، حيث يتعلم كلا الكيانين من قدرات كل منهما ويعززها.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
- المصدر https://www.kdnuggets.com/2023/07/this-week-ai-2023-07-31.html?utm_source=rss&utm_medium=rss&utm_campaign=this-week-in-ai-july-31-2023
