يشهد مجال الذكاء الاصطناعي تطورًا سريعًا، ما يطرح تساؤلات حول تكلفة إنشاء شركة متخصصة في هذا المجال. الإجابة ليست ثابتة، إذ تؤثر عوامل مثل انخفاض تكاليف الحوسبة والتطورات التقنية الحديثة، ومنها تقنية التقطير، في خفض تكلفة تطوير النماذج الذكية وجعلها أكثر كفاءة.
ورغم أن تقنية التقطير ليست جديدة، فإنها أصبحت محورية في تطوير النماذج اللغوية، إذ تمكّن الشركات الناشئة والمطورين المستقلين من المنافسة بموارد أقل. وتعتمد هذه التقنية على استخلاص المعرفة من نموذج ذكاء اصطناعي ضخم، لاستخدامها في تدريب نموذج أصغر يتمتع بقدرات مماثلة ولكن بتكلفة أقل، ما يقلل الحاجة إلى موارد حوسبة ضخمة.
برزت شركة DeepSeek الصينية كأحد أبرز اللاعبين في هذا المجال، إذ نجحت في تطوير نماذج منافسة لنماذج OpenAI بتكلفة تدريب منخفضة، ما أثار مخاوف في سوق الأسهم، خصوصًا مع تراجع قيمة إنفيديا مؤقتًا بسبب المخاوف من انخفاض الطلب على الرقاقات الإلكترونية.
وعلى مستوى الأبحاث، تمكن باحثون من جامعة كاليفورنيا – بيركلي وجامعات أخرى من تطوير نماذج ذكاء اصطناعي متقدمة بتكلفة أقل من ألف دولار، ما يعزز فكرة أن تقنية التقطير يمكن أن تغيّر قواعد اللعبة في المجال.
ويستخدم المطورون هذه التقنية جنبًا إلى جنب مع أساليب الضبط الدقيق لتحسين أداء النماذج، مما يسمح بإنشاء نماذج متخصصة بكفاءة عالية. على سبيل المثال، يمكن تحسين أداء نموذج عام مثل Llama من ميتا باستخدام نموذج آخر متخصص ليصبح أكثر كفاءة في مجالات معينة.
وتؤكد تقارير تحليلية أن تقنية التقطير ليست مجرد أداة لتصغير حجم النماذج، بل يمكنها أيضًا تحسين قدراتها الاستدلالية، ما يجعلها ذات قيمة عالية للمطورين والشركات على حد سواء.
ومع استمرار الشركات في إطلاق نماذج مفتوحة المصدر، مثل DeepSeek التي وفرت نموذجها تحت ترخيص MIT، يتقلص الفارق بين الشركات العملاقة والمطورين المستقلين، إذ أصبح بإمكان الجميع الاستفادة من هذه التقنيات لخفض التكاليف وزيادة الكفاءة.
وعلى الرغم من الإمكانات الهائلة التي تقدمها تقنية التقطير، فإنها لا تخلو من التحديات، إذ قد تؤدي إلى فقدان بعض الميزات الأصلية للنماذج الكبيرة، ما يستدعي الحذر في استخدامها لضمان تحقيق التوازن بين الكفاءة والجودة.
إرسال تعليق