لماذا تنتقل المؤسسات من OpenAI إلى النماذج مفتوحة المصدر المضبوطة بدقة؟

في مشهد الذكاء الاصطناعي التوليدي سريع التطور، أحدثت OpenAI ثورة في الطريقة التي يبني بها المطورون النماذج الأولية، وينشئون العروض التوضيحية، ويحققون نتائج رائعة باستخدام نماذج اللغات الكبيرة (ماجستير في القانون). ومع ذلك، عندما يحين وقت وضع شهادات LLM في مرحلة الإنتاج، تبتعد المؤسسات بشكل متزايد عن شهادات LLM التجارية مثل OpenAI لصالح نماذج مفتوحة المصدر تم ضبطها بدقة. ما الذي يدفع هذا التحول، ولماذا يتبناه المطورون؟

الدوافع الأساسية بسيطة: 1. الكفاءة، و2. تجنب تقييد البائع مع حماية الملكية الفكرية المرتبطة بكل من البيانات والنماذج. تتطابق الآن النماذج مفتوحة المصدر مثل Llama2 وMistral، بل وتتفوق في بعض الحالات على شهادات LLM التجارية في الأداء، بينما تتميز أيضًا بحجم أصغر بكثير. إن التحول نحو النماذج مفتوحة المصدر لا يضمن توفيرًا كبيرًا في التكاليف فحسب، بل يمنح المطورين أيضًا قدرًا أكبر من التحكم والإشراف على نماذجهم.

حماية الملكية الفكرية وتجنب حبس البائعين

بالنسبة لمعظم المؤسسات، تعد شهادات LLM التجارية بمثابة صندوق أسود، نظرًا لأنها تفشل في توفير الوصول إلى الكود المصدري للنموذج أو القدرة على تصدير العناصر النموذجية. لم يعد الاعتماد فقط على نماذج الصندوق الأسود التي يمكن الوصول إليها من خلال واجهة برمجة التطبيقات (API) مثاليًا للتطبيقات التجارية والمهام الحرجة. يجب على المؤسسات التأكد من ملكية النموذج وتمييز منتجاتها عن المنافسين، مع الاحتفاظ بالملكية الفكرية الخاصة بالذكاء الاصطناعي والبيانات. وفقاً لاستطلاع حديث أجرته شركتي، فإن ثلاثة أرباع المشاركين لن يكونوا مرتاحين لاستخدام شهادة LLM تجارية في الإنتاج. أشار هؤلاء المستجيبون إلى الملكية والخصوصية والتكلفة باعتبارها اهتماماتهم الأساسية.

يظل ضمان الامتثال والخصوصية أمرًا بالغ الأهمية، ويواجه المطورون التحدي المتمثل في التحقق من حماية بيانات المستخدم النهائي من الكيانات الضارة عند تمريرها إلى نظام الصندوق الأسود. علاوة على ذلك، فإن الاعتماد على منصات الطرف الثالث يثير مخاوف بشأن زمن الوصول والحفاظ على اتفاقيات مستوى الخدمة على مستوى الإنتاج للتطبيقات التجارية (SLAs). وأخيرا، يرى قادة الأعمال بشكل متزايد أن الذكاء الاصطناعي هو جوهر الملكية الفكرية الخاصة بهم، ويرون بشكل متزايد أن النماذج المخصصة مع البيانات الخاصة هي عامل التمييز الرئيسي الذي يميزهم عن المنافسين. ببساطة، لم تعد الشركات سعيدة بفكرة إسناد الملكية الفكرية إلى طرف ثالث وكونها مجرد طبقة رقيقة فوق واجهة برمجة التطبيقات (API) الخاصة بشخص آخر.

النماذج المتخصصة: الأداء وكفاءة التكلفة

لقد شهدت النماذج مفتوحة المصدر، التي كانت تعتبر ذات يوم تفتقر إلى الأداء، تحولا ملحوظا من خلال الضبط الدقيق، وهي الآن تبرز كمنافسين أقوياء. إن النماذج مفتوحة المصدر المضبوطة بدقة تلبي الآن النماذج التجارية، إن لم تكن تتجاوزها. مستوى الأداء، مع الاحتفاظ بمساحة أصغر بكثير. 

يمثل هذا فرصة هائلة، نظرًا لأن إنتاج شهادات LLM تجارية ضخمة قد تسبب في صعوبات للعديد من المؤسسات نظرًا لحجم LLMs والتكاليف المرتبطة بها. ومن خلال الاستفادة من النماذج المضبوطة بدقة، يمكن للمطورين تحقيق نتائج ممتازة أثناء التعامل مع نماذج أصغر بمقدار مرتين إلى ثلاث مرات من نظيراتها التجارية، وبالتالي أرخص وأسرع بشكل كبير. 

خذ بعين الاعتبار حالة إحدى المنظمات التي تستخدم ماجستير إدارة الأعمال (LLM) لمعالجة مئات الآلاف من الرسائل الواردة من العاملين في الخطوط الأمامية. يمكن للمنظمة تقليل تكاليفها من خلال استخدام نموذج مضبوط بدلاً من ماجستير إدارة الأعمال واسع النطاق. إن القدرة على تحقيق نتائج ملحوظة بجزء بسيط من التكلفة تجعل الضبط الدقيق خيارًا جذابًا للمؤسسات التي تسعى إلى تحسين تطبيقات الذكاء الاصطناعي الخاصة بها.

وفي الختام

يمثل الانتقال من OpenAI إلى النماذج مفتوحة المصدر المرحلة التالية للشركات التي تسعى إلى الاحتفاظ بملكية معلوماتها ونماذجها خصوصية، وتجنب قفل البائع. تقدم النماذج مفتوحة المصدر، مع استمرارها في التطور، بديلاً جذابًا للمطورين الذين يطمحون إلى إدخال الذكاء الاصطناعي في بيئات الإنتاج. في عصر الذكاء الاصطناعي المخصص، لا تقدم النماذج المتخصصة الأداء الأمثل فحسب، بل تؤدي أيضًا إلى تخفيضات كبيرة في التكلفة، مما يشير إلى مستقبل مشرق.

ومع ذلك، لا تزال هناك تحديات فيما يتعلق بتبسيط وإدارة عملية الضبط الدقيق، وإنشاء بنية تحتية قوية للإنتاج، وضمان الجودة والموثوقية والسلامة والأخلاقيات لتطبيقات الذكاء الاصطناعي. ولمواجهة هذه التحديات، تقدم المنصات المبتكرة حلولاً تصريحية تساعد المؤسسات في بناء تطبيقات مخصصة للذكاء الاصطناعي. ومن خلال توفير إمكانات الضبط الدقيق سهلة الاستخدام والبنية التحتية الجاهزة للإنتاج، تعمل هذه المنصات على تمكين المؤسسات من إطلاق العنان للإمكانات الهائلة للنماذج مفتوحة المصدر مع الحفاظ على أقصى قدر من التحكم وتحقيق الأداء الأمثل.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.dataversity.net/why-organizations-are-transitioning-from-openai-to-fine-tuned-open-source-models/