د - استعرضت "سدايا" جهودها في بناء النماذج اللغوية الكبيرة، وجمع أكبر مجموعة بيانات عربية، وبناء النماذج اللغوية لتخدم اللغة العربية، وسبل تطويرها.
وتأتي مشاركة "سدايا" ضمن أعمال المؤتمر EMNLP العالمي المقام في سنغافورة، إذ أشارت إلى أهمية أبعاد السلامة في تطوير النماذج اللغوية الضخمة بالذكاء الاصطناعي.
نماذج اللغات الضخمة
ولفتت إلى أن نماذج اللغات الضخمة هي نماذج تعلم عميق كبيرة جدًا مدرَّبة مسبقًا على كميات هائلة من البيانات.
بينما معالجة اللغات الطبيعية (NLP) هي فرع من فروع الذكاء الاصطناعي الذي يتيح لأجهزة الحاسب فهم اللغة البشرية وإنشائها ومعالجتها، ولديها القدرة على استجواب البيانات مع نص اللغة الطبيعية أو الصوت بشكل كامل وفعال".
وتسعى "سدايا" إلى إبراز ما وصلت إليه المملكة من تقدم في مجال البيانات والذكاء الاصطناعي حتى تبوأت أعلى المؤشرات العالمية في تلك التقنيات المتقدمة.
دراسة: الذكاء الاصطناعى يمكنه زيادة الذكاء الاجتماعى
- يعتمد الذكاء البشري بشكل كبير على اكتساب المعرفة من البشر الآخرين، والتي تراكمت عبر الزمن كجزء من تطورنا الثقافي، هذا النوع من التعلم الاجتماعي، المعروف في الأدب بالنقل الثقافي، يمكّننا من تقليد الأفعال والسلوكيات في الوقت الفعلي، ولكن هل يستطيع الذكاء الاصطناعي أيضًا تطوير مهارات التعلم الاجتماعي بنفس الطريقة؟
لطالما كان التعلم بالتقليد أسلوبًا تدريبيًا للذكاء الاصطناعي، حيث يتم توجيه الخوارزميات لمراقبة البشر وهم يكملون مهمة ثم يحاولون تقليدهم، لكن عادةً ما تحتاج أدوات الذكاء الاصطناعي إلى أمثلة متعددة والتعرض لكميات هائلة من البيانات لنسخ مدربها بنجاح.
وفي هذا الإطار، تزعم دراسة رائدة أجراها باحثون في شركة DeepMind أن عملاء الذكاء الاصطناعي يمكنهم أيضًا إظهار مهارات التعلم الاجتماعي في الوقت الفعلي، من خلال تقليد الإنسان في سياقات جديدة "دون استخدام أي بيانات بشرية تم جمعها مسبقًا".
على وجه التحديد، ركز الفريق على شكل معين من أشكال النقل الثقافي، المعروف باسم التعلم بالملاحظة أو التقليد (القليل)، والذي يشير إلى نسخ حركة الجسم، وفقا لما أوردته TheNextWeb.
أجرت شركة DeepMind تجربتها في بيئة محاكاة تسمى GoalCycle3D، وهو عالم افتراضي به تضاريس غير مستوية وممرات للمشاة وعقبات، كان على عملاء الذكاء الاصطناعي التنقل فيها.
لمساعدة الذكاء الاصطناعي على التعلم، استخدم الباحثون التعلم المعزز، وبالنسبة لأولئك الذين ليسوا على دراية بعمل بافلوف في هذا المجال، تعتمد هذه الطريقة على تقديم مكافآت على كل سلوك يسهل التعلم والنتيجة المرجوة، وفي هذه الحالة، العثور على المسار الصحيح.
في المرحلة التالية، أضاف الفريق عملاء خبراء (إما مبرمجون أو يتحكم بهم الإنسان) يعرفون بالفعل كيفية التنقل في المحاكاة، حيث أدرك عملاء الذكاء الاصطناعي بسرعة أن أفضل طريقة للوصول إلى وجهتهم هي التعلم من الخبراء.
كانت ملاحظات الباحثين ذات شقين، أولاً، وجدوا أن الذكاء الاصطناعي لم يتعلم بشكل أسرع عند تقليد الخبراء فحسب، بل إنه طبق المعرفة التي اكتسبها على مسارات افتراضية أخرى.
ثانيًا، اكتشفت شركة DeepMind أن عملاء الذكاء الاصطناعي لا يزال بإمكانهم استخدام مهاراتهم الجديدة حتى في غياب الخبراء، وهو ما يشكل، وفقًا لمؤلفي الدراسة، مثالاً للتعلم الاجتماعي.
