معلم تدريبي لشركة «بيتنوسور» يلفت انتباه «شاماث باليهابيتيا» والرئيس التنفيذي لشركة «إنفيديا» «جينسن هوانغ»

زخم الذكاء الاصطناعي مفتوح المصدر يتزايد بفضل تأييد الرئيس التنفيذي لشركة Nvidia

سلط تشاماث باليهابيتيا الضوء على Covenant-72B من Bittensor خلال حلقة من بودكاست All-In، واصفاً إياه بأنه مثال ملموس على الذكاء الاصطناعي اللامركزي الذي يتجاوز النظرية. تعمل Bittensor كشبكة لامركزية مدعومة بتقنية البلوك تشين، تنشئ سوقاً من نظير إلى نظير يتم فيه تبادل نماذج التعلم الآلي وحوسبة الذكاء الاصطناعي وتحفيزها.

وصف باليهابيتيا هذا الجهد بعبارات بسيطة: نموذج لغوي واسع النطاق (LLM) تم تدريبه بدون بنية تحتية مركزية، ويتم تشغيله بدلاً من ذلك بواسطة شبكة من المساهمين المستقلين. وقال: "تمكنوا من تدريب نموذج LLaMA ذي 4 مليارات معلمة، موزع بالكامل، مع مجموعة من الأشخاص يساهمون بالحوسبة الزائدة"، واصفاً ذلك بأنه "إنجاز تقني جنوني للغاية".

انتهت المقارنة بتشبيه مألوف. وأضاف باليهابيتيا: "هناك أشخاص عشوائيون، ويحصل كل شخص على حصة صغيرة"، في إشارة إلى مشروع الحوسبة الموزعة المبكر الذي استغل الأجهزة الخاملة في جميع أنحاء العالم.

لم يرفض هوانغ الفكرة. بدلاً من ذلك، اتجه إلى إطار أوسع لسوق الذكاء الاصطناعي، مشيرًا إلى أن النهجين اللامركزيين والملكيين لا يستبعد أحدهما الآخر. قال هوانغ: "هذان الأمران ليسا إما أ أو ب؛ بل هما أ وب". "لا شك في ذلك".

تعكس هذه الرؤية ذات المسارين انقسامًا متزايدًا — وتداخلًا — داخل الذكاء الاصطناعي. من ناحية، هناك أنظمة مغلقة ومصقولة للغاية مثل ChatGPT وClaude وGemini. ومن ناحية أخرى، هناك نماذج مفتوحة الوزن ولا مركزية تسمح للمطورين والمؤسسات بتخصيص الأنظمة لتلبية احتياجات محددة.

أوضح هوانغ أنه يرى أن كلا المسارين ضروريان. قال: "النماذج هي تقنية، وليست منتجًا"، مشيرًا إلى أن معظم المستخدمين سيستمرون في الاعتماد على أنظمة متطورة ومتعددة الأغراض بدلاً من بناء أنظمة خاصة بهم من الصفر.

وفي الوقت نفسه، أشار إلى الصناعات التي لا يعد التخصيص فيها أمراً اختيارياً. أوضح هوانغ قائلاً: "هناك كل هذه الصناعات التي يجب أن يتم التقاط خبرتها في المجال… بطريقة يمكنها التحكم فيها"، مضيفاً أن "ذلك لا يمكن أن يأتي إلا من النماذج المفتوحة".

تتوافق هذه التصريحات تمامًا مع مجال عمل Bittensor. يمثل Covenant-72B، الذي تم تطويره من خلال Subnet 3 (Templar)، أحد أكبر عمليات التدريب اللامركزية حتى الآن، حيث ينسق بين أكثر من 70 مساهمًا عبر اتصالات الإنترنت القياسية دون سلطة مركزية.

من الناحية الفنية، يدفع النموذج الحدود. تم بناؤه باستخدام 72 مليار معلمة وتدريبه على ما يقرب من 1.1 تريليون رمز، ويستفيد من ابتكارات مثل بروتوكولات الاتصال المضغوطة وتوازي البيانات الموزعة لجعل التدريب قابلاً للتطبيق خارج مراكز البيانات التقليدية.

تشير مقاييس الأداء إلى أنه ليس مجرد تجربة. تضع نتائج المقارنة المعيارية هذا النموذج في منافسة مع النماذج المركزية الراسخة، وهو تفصيل يساعد في تفسير سبب جذب المشروع للانتباه خارج نطاق جمهور العملات المشفرة.

وقد لاحظ السوق ذلك أيضًا. بعد الإعلان، ارتفع الرمز المميز للمشروع TAO بنسبة 24٪ منذ أن انتشر مقطع الفيديو الخاص بـ Palihapitiya وHuang على وسائل التواصل الاجتماعي.

ومع ذلك، تشير تعليقات هوانغ إلى أن القصة الحقيقية ليست الاضطراب، بل التعايش بين الاثنين. من المرجح أن تظل أنظمة الذكاء الاصطناعي الخاصة هي السائدة بالنسبة للمستخدمين العاديين، بينما تكتسب النماذج المفتوحة واللامركزية أدوارًا في التطبيقات المتخصصة أو الحساسة من حيث التكلفة أو التي تحركها السيادة.

بالنسبة للشركات الناشئة، حدد الرئيس التنفيذي لشركة Nvidia خطة عمل عملية: البدء بشكل مفتوح، ثم إضافة المزايا الخاصة. قال: "كل شركة ناشئة نستثمر فيها الآن تعتمد على البرمجيات مفتوحة المصدر أولاً، ثم تنتقل إلى النموذج الخاص".

بعبارة أخرى، قد لا ينتمي مستقبل الذكاء الاصطناعي إلى بنية أو فلسفة واحدة. بل قد ينتمي إلى أولئك القادرين على التعامل مع كليهما، ومعرفة متى يستخدم كل منهما.

الأسئلة الشائعة 🔎

• ما هو Covenant-72B من Bittensor؟
  نموذج لغوي مكون من 72 مليار معلمة تم تدريبه من خلال شبكة لامركزية من المساهمين دون بنية تحتية مركزية.
• ماذا قال جينسن هوانغ عن الذكاء الاصطناعي اللامركزي؟
  قال إن نماذج الذكاء الاصطناعي المفتوحة والمملوكة ستتعايش معًا، واصفًا العلاقة بأنها "أ و ب"، وليست اختيارًا بينهما.
• لماذا يعتبر هذا التطور مهمًا؟
  إنه يوضح أن نماذج الذكاء الاصطناعي واسعة النطاق يمكن تدريبها خارج مراكز البيانات التقليدية، مما يشكل تحديًا للافتراضات المتعلقة باحتياجات البنية التحتية.
• كيف يؤثر هذا على صناعة الذكاء الاصطناعي؟
  إنه يدعم مستقبلًا هجينًا حيث تؤدي المنصات المركزية والنماذج اللامركزية أدوارًا مختلفة عبر مختلف الصناعات.