الذكاء المركّز: عائلة نماذج Bonsai AI الجديدة تتيح ذكاء اصطناعي عالي الأداء يتجاوز مركز البيانات

باختصار

ظهرت PrismML من الخفاء وأطلقت Bonsai، نموذج ذكاء اصطناعي مفتوح المصدر صغير للغاية يُظهر ذكاءً قويًا مقارنةً بحجمه، وقادرًا على العمل على أجهزة المستهلكين.

أعلنت PrismML، وهي مختبر أبحاث للذكاء الاصطناعي مقره في كاليفورنيا، عن عائلة جديدة من نماذج Bonsai بعمق 1-بت، مصممة لتقديم ذكاء متقدم مباشرةً إلى الأجهزة التي يعيش فيها الناس ويعملون، بدلًا من حصر الذكاء الاصطناعي داخل مراكز بيانات ضخمة

انطلاقًا من الأبحاث التي أجرتها Caltech، قالت PrismML إن عملها يركز على تعظيم “كثافة الذكاء”، وهي مقياس لما يمكن للنموذج تقديمه من قدرات مفيدة لكل وحدة من الحجم وبصمة النشر. وتباين هذه المقاربة تطوير الذكاء الاصطناعي التقليدي، والذي غالبًا ما يركز على زيادة حجم النموذج وعدد المعلمات على حساب قابلية النشر والكفاءة.

يتميز النموذج الرائد في المختبر، 1-bit Bonsai 8B، بتصميم كامل من 1-بت عبر جميع المكونات، بما في ذلك طبقات تضمين embeddings وطبقات attention وطبقات MLP ورأس الإخراج، دون أي طبقات احتياطية أعلى دقة. وبحجم 1.15 جيجابايت، يكون النموذج أصغر بنحو 14 مرة من نماذج 16-بت المماثلة ضمن فئة المعلمات نفسها، ومع ذلك تشير PrismML إلى أنه يحافظ على أداء تنافسي عبر المعايير القياسية. يتيح تقليل الحجم نشره على أجهزة مثل iPhones و iPads و Macs، بالإضافة إلى وحدات معالجة الرسوميات GPUs القياسية، مما يوفر استدلالًا أسرع واستخدامًا أقل للذاكرة مقارنةً بالنماذج التقليدية كبيرة النطاق.

تشدد PrismML على أن الاختراق لا يتعلق فقط بالأداء، بل أيضًا بمكان إمكانية عمل الذكاء الاصطناعي. تُمكّن النماذج الأصغر والأكثر كفاءة من تطبيقات أقل زمنًا للكمون، وتعزيز الخصوصية عبر الحوسبة على الجهاز، والحفاظ على الوظائف في البيئات دون اتصال أو التي تعاني من قيود في عرض النطاق

تشمل التطبيقات المحتملة وكلاء دائمين على الجهاز، والروبوتات في الوقت الحقيقي، ومساعدين للأعمال داخل الشركات، وأدوات مصممة أصلاً للذكاء الاصطناعي لبيئات آمنة أو محدودة الموارد. وتجادل PrismML بأن تركيز الذكاء يوسع مساحة تصميم أنظمة الذكاء الاصطناعي، مما يجعل الأنظمة أكثر استجابة وموثوقية وقابلة للنشر على نطاق واسع.

توسيع Bonsai: نماذج أصغر بعمق 1-بت تمتد بالكفاءة والذكاء إلى أجهزة الحافة

بالإضافة إلى Bonsai 8B، قدمت PrismML نماذج أصغر، 1-bit Bonsai 4B و1.7B، تمتد بالمبادئ نفسها المتعلقة بالكفاءة وكثافة الذكاء إلى أحجام نماذج أقل. تُظهر العروض المبكرة إنتاجية عالية وكفاءة طاقية ودقة قياسات معيارية تنافسية عبر العائلة. كما أشارت المختبر إلى أن النماذج تعمل بفعالية على العتاد التجاري الحالي، وأن الأجهزة المستقبلية المحسّنة للاستدلال بعمق 1-بت قد تحقق مكاسب كفاءة أكبر.

يمثل إصدار PrismML تحولًا أوسع في تطوير الذكاء الاصطناعي، مع التركيز على الذكاء المتركز وقابلية التنقل بدلًا من مجرد الحجم الهائل. تتصور المختبر مستقبلًا يعمل فيه ذكاء اصطناعي متقدم بسلاسة عبر أجهزة السحابة والحافة، مما يجعل الأنظمة الذكية متاحة حيثما تكون هناك حاجة إليها. تتوفر نماذج Bonsai بعمق 1-بت تحت رخصة Apache 2.0، ما يدعم النشر عبر أجهزة Apple و وحدات NVIDIA GPUs، بالإضافة إلى مجموعة من المنصات الأخرى.