SKT وأبستيج ومختبر LG للذكاء الاصطناعي تكشف عن نماذجها على منصة هوجينج فيس
SKT تحقق أعلى درجات في 4 من أصل 7 معايير قياس موحدة
مختبر LG للذكاء الاصطناعي يتصدر من حيث حجم النموذج.. تحسينات نوعية متوقعة
على وشك الانطلاق التقييم في مرحلته الثانية لمشروع "النماذج الأساسية للذكاء الاصطناعي المستقل" الذي تتولى وزارة العلوم والتكنولوجيا ونظم المعلومات والاتصالات الإشراف عليه. وفي الوقت الذي كشفت فيه الشركات المشاركة عن نماذجها، أثبتت تنافسيتها في مجالات متخصصة مثل اللغة الكورية والرياضيات والعلوم، إلا أن الفجوة لا تزال قائمة مقارنة بالنماذج العالمية الرائدة من حيث تشغيل النماذج فائقة الضخامة وكفاءة الاستدلال.
وبحسب ما أفادت به الأوساط الصناعية في الثاني من أغسطس الجاري، كشفت شركات SK تيليكوم وأبستيج ومختبر LG للذكاء الاصطناعي عن نماذجها على منصة هوجينج فيس في الشهر السابق. وأطلقت شركة موتيف تكنولوجيز، التي انضمت بشكل إضافي، نسخة معاينة من نموذجها.
وبناءً على تحليل بطاقات النماذج المكشوف عنها على منصة هوجينج فيس، تبين وجود سبعة معايير قياس موحدة تم الكشف عنها بأسماء متطابقة أو متشابهة: الاستدلال الرياضي والاستدلال العلمي والاستدلال الشامل عالي المستوى والامتثال للتعليمات والاستدلال طويل النص والمعرفة باللغة الكورية والثقافة والمعارف الكورية العامة. واشتملت المعايير القياسية العامة المكشوف عنها على تقييمات متخصصة محلية بما في ذلك المعرفة باللغة الكورية وفهم الثقافة.
وسجل نموذج "A.X K2" من SK تيليكوم أعلى الدرجات بين النماذج الثلاثة في أربعة معايير تشمل: الثقافة والمعارف الكورية (91.6 نقطة) والمعرفة باللغة الكورية (80.5 نقطة) والاستدلال طويل النص (66.0 نقطة) والاستدلال الرياضي (97.1 نقطة). أما نموذج "Solar Open 2" من أبستيج فقد حقق درجات نسبية أعلى في ثلاثة معايير هي: الاستدلال العلمي (86.3 نقطة) والاستدلال الشامل عالي المستوى (28.8 نقطة) والامتثال للتعليمات (80.0 نقطة).
بالمقابل، لم يسجل نموذج "K-EXAONE 2.0" من مختبر LG للذكاء الاصطناعي، الذي احتل المركز الأول في تقييم المرحلة الأولى، أعلى درجة في أي من المعايير السبعة الموحدة.
يتقدم مختبر LG للذكاء الاصطناعي من حيث حجم النموذج. يتمتع نموذج K-EXAONE بحجم يبلغ 750 مليار معامل (750B)، مما يمثل أكبر حجم محلي. وتعتزم مختبر LG للذكاء الاصطناعي بناء النموذج ليصل إلى مستوى النماذج العالمية الرائدة من خلال تحسينات إضافية لجودة البيانات والتعلم المعزز.
قال إيم وو-هيونج، النائب الأول للمدير المشارك لمختبر LG للذكاء الاصطناعي: "النموذج الحالي ليس نتيجة نهائية بل هو نقطة انطلاق للرقي به إلى مستوى النماذج الرائدة عالمياً". وأضاف: "سنكمل تطوير أداء K-EXAONE من خلال تحسين جودة البيانات والتدريب اللاحق والتعلم المعزز وتطوير تقنيات الاستدلال بشكل متقن".
إلا أن المتخصصين يشيرون إلى أن النماذج المكشوف عنها تمثل نسخ معاينة وليست النسخ النهائية المراد تقديمها، مما يحد من تقييم التنافسية العالمية. علاوة على ذلك، نظراً لارتفاع نسبة المجالات المتخصصة مثل اللغة الكورية وفهم الثقافة المحلية في المعايير القياسية المكشوف عنها، فإن هذه النتائج تتسم بأهمية أكثر في التحقق من نقاط القوة الخاصة بكل شركة والاتجاهات التكنولوجية بدلاً من تحديد التفوق والتأخر في جميع مؤشرات الأداء مقارنة بالنماذج العالمية.
قال بونج كانج-هو، الباحث الأول بمعهد سياسة البرمجيات: "تكمن أهمية هذه النتائج في التحقق من ما إذا كان قد تم تحقيق تنافسية برتبة النماذج العالمية الرائدة في مجالات معينة، بدلاً من التقييم حول ما إذا كانت قد تم تجاوز النماذج العالمية في جميع مؤشرات الأداء". وتابع: "ستشكل التكنولوجيا والخبرات التنموية المتراكمة من خلال مشروع النماذج الأساسية المستقلة أساساً لتنافسية الذكاء الاصطناعي المحلية في المستقبل".
يتخذ التنافس بين النماذج العالمية الرائدة طابعاً تنافسياً على كفاءة الاستدلال إلى جانب حجم النماذج فائقة الضخامة. اعتمد نموذج "Kimi K3" الذي أطلقته شركة Moonshot AI الصينية مؤخراً على معمارية متناهية الندرة (MoE - Mixture of Experts)، حيث يختار 16 خبيراً فقط من بين 896 خبيراً بناءً على كل رمز، مما يقلل نسبة المعاملات النشطة المشاركة في العمليات الحسابية الفعلية إلى حوالي 3.7%. وبينما أن حجم المعاملات الإجمالي لـ Kimi K3 يزيد بحوالي 3.7 مرة عن K-EXAONE، الأكبر محلياً، فقد دمج أيضاً معالجة النصوص الطويلة والقدرات متعددة الوسائط ووظائف الوكيل. تمثل هذه الطريقة وسيلة لزيادة كفاءة الاستدلال من خلال الحفاظ على نموذج فائق الضخامة مع تقليل حجم العمليات الحسابية والتكاليف. بالمقابل، تبلغ نسبة المعاملات النشطة في النماذج المحلية المكشوف عنها حوالي 4.1-6.0%، مما يعكس بدء مرحلة تنافسية حقيقية في تقنيات رفع كفاءة الاستدلال للنماذج فائقة الضخامة.
* تمت ترجمة هذا المقال تلقائيًا بواسطة الذكاء الاصطناعي.