نماذج العمل الكبيرة (LAMs) تُحدث نقلة نوعية في عالم الذكاء الاصطناعي مُقارنةً بالنماذج التقليدية
أدى ظهور روبوتات الدردشة المُستندة إلى الذكاء الاصطناعي التوليدي إلى انتشار مفهوم “نموذج اللغة الكبير” (LLM)، وهي تقنية مُتقدمة تعتمد على الذكاء الاصطناعي وتعمل على تحليل وفهم اللغة الطبيعية لتوليد ردود ذات معنى بناءً على استفسارات المُستخدم. تتميز نماذج اللغة الكبيرة بقدرتها على توليد محتوى متسق ومُشابه للبشر، مما يمنح انطباعًا بأنَّ الذكاء الاصطناعي يمتلك نوعًا من “التفكير” الذاتي.
ومع ذلك، فإنَّ نماذج اللغة ليست التقنية الوحيدة التي تُسهم في تطور الذكاء الاصطناعي؛ فقد تكون نماذج العمل الكبيرة (LAMs) هي الخطوة المُقبلة. تُركز هذه النماذج على تعزيز القدرات التحليلية واتخاذ القرارات في سياقات عملية، مما قد يُحدث نقلة نوعية في مجالات مثل الأتمتة وإدارة الأعمال. في هذا المقال، سنتعرف على كيفية عمل كل من LLMs و LAMs، وتأثيرهما المتزايد في تحسين تطبيقات الذكاء الاصطناعي وتوسيع مجالات استخدامه.
ما هو نموذج العمل الكبير (LAM)؟
نموذج العمل الكبير (LAM) هو نموذج ذكاء اصطناعي قادر على فهم المُدخلات البشرية وتنفيذ الإجراء المُقابل مما يجعله قادر على التفاعل مع العالم بطريقة مشابهة للإنسان. وهذا نهج مُختلف قليلاً عن نماذج الذكاء الاصطناعي التي تُركز فقط على توليد الاستجابات. تم تقديم مصطلح “نموذج العمل الكبير” لأول مرة بواسطة شركة Rabbit Inc، المُطورة لجهاز Rabbit R1. في فيديو إطلاق Rabbit R1 الخاص بالشركة، حيث تقول أنَّ LAM هو نموذج تأسيسي جديد يُساعد في تحويل الذكاء الاصطناعي من الكلمات إلى العمل.
يتم تدريب نماذج LAMs على مجموعات كبيرة من بيانات إجراءات المستخدم؛ ومن ثم فإنها تتعلم عن طريق تقليد أفعال الإنسان أو من خلال البرهان. من خلال العرض التوضيحي، يُمكن لنموذج LAM فهم واجهات المستخدم الخاصة بمواقع الويب أو تطبيقات الهاتف المحمول المُختلفة والتنقل فيها وتنفيذ إجراءات مُحددة بناءً على تعليماتك. وفقًا لـ Rabbit، يُمكن لـ LAM تحقيق ذلك حتى لو تم تغيير الواجهة قليلاً.
يُمكنك التفكير في نماذج LAMs كامتداد للقدرات الحالية لنماذج LLMs. في حين أنَّ مخرجات النص أو الوسائط التوليدية في LLM تعتمد على مدخلات المستخدم من خلال التنبؤ بالكلمة أو الرمز المُميز التالي (أنت تطرح سؤالاً، ويُوفر نموذج LLM مخرجات نصية أو وسائط)، فإنَّ نماذج LAMs تأخذ الأمر أبعد من ذلك عن طريق إضافة القدرة على تنفيذ إجراءات مُعقَّدة نيابة عنك.
ما الذي يُمكن أن تفعله نماذج LAMs؟
تتمحور نماذج LAMs حول تنفيذ إجراءات مُعقَّدة نيابةً عنك. ومع ذلك، النقطة الحاسمة التي يجب ملاحظتها هي القدرة على تنفيذ إجراءات مُعقَّدة. وهذا يجعل نماذج LAMs أكثر فائدة في القيام بالمهام المُتقدمة، ولكن هذا لا يعني أنها لا تستطيع تنفيذ إجراءات أبسط.
من الناحية النظرية، هذا يعني أنه يُمكنك، على سبيل المثال، أن تطلب من نموذج LAM أن يفعل شيئًا نيابة عنك، مثل طلب قهوة من المقهى القريب منك، أو رحلة من Uber، وحتى إجراء حجز فندق. ولذلك فهو يختلف عن أداء مهام بسيطة مثل مُطالبة مُساعد Google أو Siri أو Alexa بتشغيل التلفزيون أو أضواء غرفة المعيشة.
تحت الغطاء، وفقًا للرؤية التي شاركتها شركة Rabbit Inc.، فإنَّ نموذج LAM قادر على الوصول إلى موقع الويب أو التطبيق ذي الصلة مثل Uber والتنقل عبر واجهته لاتخاذ إجراء، مثل طلب رحلة أو إلغاء واحدة إذا غيرت رأيك.
ستنجح نماذج LAMs في التفوق على نماذج LLMs، لكنها ليست جاهزة (بعد)
إنَّ مفهوم نماذج LAMs مُثير، وربما أكثر من نماذج LLMs. ستكون نماذج العمل الكبيرة (LAMs) هي المُستقبل بعد الذكاء الاصطناعي التوليدي، مما يمكننا من القدرة على تعويض المهام الدنيوية والتركيز على الأنشطة المُرضية الأخرى. ومع ذلك، بقدر ما يبدو الأمر مُثيرًا، إلا أنَّ نماذج LAMs ليست جاهزة بعد.
المنتج التجاري الأول الذي وعد بالاستفادة من LAM (Rabbit r1) لم يفي بالكامل بوعده التسويقي بتنفيذ إجراءات نيابة عن مُستخدميه. لقد فشل الجهاز بشكل كبير في نقطة البيع الأساسية لدرجة أنَّ العديد من المراجعات المباشرة وصفته بأنه عديم الفائدة إلى حد ما.
والأسوأ من ذلك، أنَّ تحقيقًا أجراه Coffeezilla، أحد مُستخدمي YouTube، بالتعاون مع مجموعة مختارة من مهندسي البرمجيات الذين لديهم إمكانية الوصول إلى جزء من قاعدة Rabbit r1، وجد أنَّ شركة Rabbit استخدمت نصوص Playwright لتنفيذ إجراءات بدلاً من LAM. لذا، فبدلاً من جهاز يقوم بتشغيل نموذج ذكاء اصطناعي فريد، كان في الواقع يقوم فقط بتشغيل مجموعة من عبارات النمط If > then؛ بعيدة كل البعد عن نموذج LAM الموعود.
إذا كان هناك أي شيء يُمكنك أخذه من جهاز Rabbit r1، فهو نعم، الرؤية موجودة. ومع ذلك، يجب أن يتم العمل قبل التنفيذ، لذلك لا تتحمس بعد.
