PrismML: مراجعة لمستقبل النماذج اللغوية الكبيرة على الأجهزة

#Quasa #QUA #prismml

PrismML هي شركة أمريكية لأبحاث الذكاء الاصطناعي (ذات جذور راسخة في Caltech) تركز على تحدٍّ بالغ الأهمية: كيفية مضاعفة الذكاء في النماذج دون زيادة حجمها أو تعقيدها. ويتمثل حلها في نماذج فائقة الكثافة وعالية الضغط تقدم أداءً قويًا مع استهلاك أقل بكثير للذاكرة والطاقة وموارد الحوسبة.

منتجها الرائد، Bonsai 27B، هو نموذج يضم 27 مليار معلمة، ويتوفر بإصدار 1-bit (بحجم 3.9 GB فقط) وإصدار ثلاثي القيم (بحجم 5.9 GB). ويتيح ذلك تشغيل نموذج بهذا الحجم مباشرةً على الهواتف الذكية والحواسيب المحمولة — وهو أمر كان مستحيلًا سابقًا مع النماذج القياسية كاملة الدقة. وتقول PrismML إن إصدار 1-bit يستخدم ذاكرة أقل بمقدار 14×، ويعمل بسرعة أكبر بمقدار 8×، ويستهلك طاقة أقل بمقدار 5× مقارنةً بنماذج 16-bit التقليدية، مع استمرار دعمه للاستدلال متعدد الخطوات، واستدعاء الأدوات، وسير العمل القائم على الوكلاء، والفهم متعدد الوسائط.

تتمحور فلسفة الشركة الأساسية حول “كثافة الذكاء” — أي تعظيم الذكاء المفيد لكل بت بدلًا من مجرد زيادة عدد المعلمات. ويهدف هذا النهج إلى حل مشكلتين رئيسيتين في آنٍ واحد: النماذج الكبيرة التي لا تتسع لها الأجهزة الشخصية، ومتطلبات الطاقة غير المستدامة لمراكز البيانات الضخمة.

تُعد PrismML خيارًا مثاليًا للمطورين ومصنّعي الأجهزة والباحثين والشركات التي ترغب في تشغيل ذكاء اصطناعي قوي محليًا، مع حماية قوية للخصوصية، وزمن استجابة منخفض، وكفاءة عالية في استهلاك الطاقة.

أبرز المزايا

• ضغط بمستوى عالمي بتقنيتَي 1-bit والقيم الثلاثية (عائلة Bonsai).
• يعمل Bonsai 27B على الهواتف بحجم ~4 GB فقط.
• تحسينات كبيرة في استخدام الذاكرة والسرعة وكفاءة استهلاك الطاقة.
• يدعم الاستدلال واستخدام الأدوات والقدرات متعددة الوسائط على الجهاز.
• أساس بحثي قوي من Caltech.

اعتبارات محتملة

• نظرًا إلى أن هذه التقنية جديدة نسبيًا، لا يزال دعم منظومتها وأدوات الضبط الدقيق في توسع مستمر.
• تتحقق أفضل النتائج حاليًا على الهواتف والحواسيب المحمولة الحديثة ذات المواصفات العالية.

التقييم العام: 4.6/5 نجوم

تدفع PrismML حاليًا حدود أحد أهم مجالات التقدم في الذكاء الاصطناعي — وهو جعل النماذج الكبيرة قابلة للاستخدام العملي على الأجهزة اليومية. ومن خلال التركيز على كثافة الذكاء بدلًا من الحجم وحده، تساعد الشركة على نقل الذكاء الاصطناعي القوي من السحابة إلى الأجهزة الطرفية بصورة مؤثرة.

احصل أنت أيضًا على مكافأة QUA من خلال كتابة مراجعة على Quasa.io!

ابدأ الآن: https://quasa.io/projects/prismml