اخبار الصناعة

أصدرت Microsoft مؤخرًا نموذجًا خفيف الوزن للذكاء الاصطناعي يسمى Phi-3 Mini، وهو مصمم للعمل على الهواتف الذكية والأجهزة المحلية الأخرى. يعد نموذج المعلمة البالغ 3.8 مليار هو الأول من بين ثلاثة نماذج لغة Phi-3 ستصدرها Microsoft. الهدف هو توفير بديل أقل تكلفة لنماذج اللغات الكبيرة المستندة إلى السحابة، مما يجعل تكنولوجيا الذكاء الاصطناعي في متناول المؤسسات الصغيرة.

تقول Microsoft أن Phi-3 Mini يتفوق بسهولة على نماذج Phi-2 المصغرة السابقة وهو على قدم المساواة مع الطرز الأكبر مثل Llama 2. والمثير للدهشة أن استجابة هذا النموذج الجديد قريبة من تلك التي يبلغ حجمها 10 أضعاف حجم حدود.

ويشير فريق البحث في ورقته البحثية إلى أن مفتاح هذا الابتكار يكمن في مجموعة بيانات التدريب التي يستخدمونها. تعتمد مجموعة البيانات على نموذج Phi-2، ولكنها تتضمن "بيانات شبكة تمت تصفيتها بإحكام وبيانات تركيبية". هذه الطريقة الفريدة لبناء مجموعات البيانات مستوحاة من كتب الأطفال التي تستخدم لغة أبسط لتوضيح موضوعات معقدة، مما يتيح بشكل فعال لنماذج اللغات الأصغر أن تكون أكثر فعالية.

في حين أن Phi-3 Mini قد لا يكون قادرًا على التنافس مع نماذج اللغات الكبيرة التي تعمل بالسحابة في بعض النواحي، فقد أظهر قوة على Phi-2 ونماذج اللغات الصغيرة الأخرى (على سبيل المثال، Mistral، Gemma، Llama-3-In) في المهام تتراوح من الرياضيات إلى البرمجة إلى الاختبار الأكاديمي. علاوة على ذلك، يمكن تشغيل هذا الطراز على جهاز بسيط مثل الهاتف الذكي، ولا يتطلب اتصالاً بالإنترنت.

ومع ذلك، فإن القيد الرئيسي لجهاز Phi-3 Mini هو اتساع نطاق "المعرفة الواقعية"، والذي يرجع أساسًا إلى مجموعة بيانات التدريب الصغيرة نسبيًا. ونتيجة لذلك، لم يكن أداؤها جيدًا في اختبار "TriviaQA". ومع ذلك، فهي خطوة كبيرة للأمام بالنسبة للنماذج التي تحتاج فقط إلى العمل مع مجموعات بيانات داخلية أصغر. وتأمل مايكروسوفت أنه من خلال طرح مثل هذا النموذج، ستكون تكنولوجيا الذكاء الاصطناعي متاحة للشركات التي لا تستطيع تحمل تكلفة الاتصال بنموذج لغة كبير في السحابة.

حاليًا، يتوفر Phi-3 Mini بالفعل على منصات مثل Azure وHugging Face وOllama. وتخطط مايكروسوفت أيضًا لإصدار نماذج Phi-3 Small وPhi-3 Medium الأكثر قوة، مع 7 مليارات و14 مليار معلمة على التوالي.