شگفتی تازه مایکروسافت؛ هوش مصنوعی کوچک این شرکت به سطح Gemini ۱.۰ Pro رسید
پایگاه خبری آفتابنگاران، مایکروسافت بار دیگر با رویکرد خود در توسعه مدلهای زبانی کوچک، توجهها را به خود جلب کرده است. مدلهای خانواده Phi که با هدف ارائه قابلیتهای قدرتمند هوش مصنوعی در ابعاد کوچکتر توسعه یافتهاند، نشان دادهاند که کاهش اندازه مدل الزاماً به معنای افت شدید عملکرد نیست.
مایکروسافت پیشتر نیز با مدل Phi-2 نشان داده بود که یک مدل ۲.۷ میلیارد پارامتری میتواند در برخی آزمونها عملکردی نزدیک یا حتی بهتر از مدلهای بسیار بزرگتر داشته باشد. این شرکت در ارزیابیهای رسمی خود اعلام کرده بود که Phi-۲ در برخی وظایف استدلالی، ریاضی و برنامهنویسی توانسته از مدلهایی با تعداد پارامتر بسیار بیشتر عبور کند.
مدل کوچک، عملکرد بزرگ
اهمیت این رویکرد در آن است که مدلهای کوچکتر به منابع محاسباتی کمتری نیاز دارند و میتوانند گزینه مناسبی برای اجرای هوش مصنوعی روی رایانههای شخصی، دستگاههای لبهای و حتی برخی تجهیزات بدون اتصال دائمی به فضای ابری باشند.
مایکروسافت در سالهای اخیر تمرکز ویژهای روی این مسیر داشته است. در کنار خانواده Phi، این شرکت مدلهای دیگری را نیز برای انجام وظایف تخصصی توسعه داده که برخی از آنها در مقایسه با مدلهای بزرگتر عملکرد رقابتی نشان دادهاند.
برای نمونه، خانواده Fara1.5 مایکروسافت در نسخههای ۴، ۹ و ۲۷ میلیارد پارامتری توسعه یافته و برای انجام وظایف مربوط به استفاده از رایانه و مرور وب طراحی شده است. مایکروسافت اعلام کرده نسخه ۲۷ میلیارد پارامتری این خانواده در برخی ارزیابیها توانسته با مدلهای اختصاصی و بسیار بزرگتر رقابت کند.
چرا کوچک بودن مدل اهمیت دارد؟
مدلهای هوش مصنوعی بزرگ معمولاً برای آموزش و اجرای خود به زیرساختهای پردازشی گسترده نیاز دارند. این مسئله هزینه استفاده از آنها را افزایش میدهد و در برخی کاربردها اجرای مستقیم مدل روی دستگاه را دشوار میکند.
در مقابل، مدلهای کوچکتر میتوانند با مصرف منابع کمتر، سرعت پاسخگویی بالاتر و امکان اجرای محلی، گزینه جذابتری برای رایانههای شخصی و تجهیزات هوشمند باشند.
همین مسئله باعث شده رقابت در صنعت هوش مصنوعی تنها بر سر ساخت بزرگترین مدلها نباشد. اکنون شرکتها تلاش میکنند مدلهایی تولید کنند که با حجم کمتر، عملکرد بیشتری ارائه دهند.
رقابت مایکروسافت و گوگل وارد مرحله تازهای شده است
در سوی دیگر این رقابت، گوگل نیز به توسعه مدلهای کوچکتر و سریعتر ادامه داده است. با این حال، مقایسه مدلها باید با احتیاط انجام شود؛ زیرا عملکرد یک مدل در یک یا چند بنچمارک بهتنهایی نمیتواند برتری کلی آن را ثابت کند.
مدلهای جدید گوگل مانند Gemini 3.1 Pro نیز در طیف گستردهای از آزمونهای استدلال، چندرسانهای و استفاده از ابزارها ارزیابی شدهاند و نتایج رسمی گوگل نشان میدهد این مدل در بسیاری از آزمونها عملکرد بسیار بالایی دارد.
بنابراین، اگرچه عنوان «همسطح بودن» یک مدل کوچک مایکروسافت با Gemini میتواند جذاب باشد، اما برای مقایسه دقیق باید مشخص شود منظور کدام نسخه Gemini، کدام مدل مایکروسافت و کدام مجموعه آزمونها است.
آینده هوش مصنوعی فقط در مدلهای غولپیکر نیست
مسیر توسعه مدلهای کوچک نشان میدهد آینده هوش مصنوعی احتمالاً تنها به مدلهای عظیم ابری محدود نخواهد شد. مدلهای سبکتر میتوانند بخشی از پردازش را مستقیماً روی دستگاه انجام دهند و همین موضوع در حوزههایی مانند رایانههای شخصی، تلفنهای هوشمند، خودروهای هوشمند و تجهیزات صنعتی اهمیت زیادی دارد.
مایکروسافت نیز با توسعه مدلهای کوچک و تخصصی تلاش میکند بخشی از پردازشهای هوش مصنوعی را از مراکز داده به دستگاههای کاربران نزدیکتر کند.
در نهایت، رقابت اصلی دیگر صرفاً بر سر «بزرگتر بودن» مدلها نیست؛ بلکه ترکیب هوش، سرعت، هزینه، مصرف انرژی و قابلیت اجرای محلی به معیارهای مهمتری تبدیل شدهاند. رویکرد مایکروسافت در توسعه مدلهای کوچک نشان میدهد این شرکت قصد دارد در این بخش از بازار هوش مصنوعی نیز سهم قابل توجهی داشته باشد.
نویسنده: روح الله واعظی جزه