من الشبكات التوليدية إلى وكلاء الذكاء الاصطناعي: كيف تطور الذكاء الاصطناعي التوليدي
خط زمني متجدد لأهم الأبحاث والمنتجات التي نقلت الذكاء الاصطناعي التوليدي من تجارب إنشاء الصور إلى أنظمة تكتب وتستدل وترى وتسمع وتنتج الفيديو وتنفذ المهام عبر الأدوات البرمجية.
-
Research
الشبكات التوليدية التنافسية تحول الإنشاء إلى منافسة
قدم إيان جودفيلو وزملاؤه الشبكات التوليدية التنافسية (GANs)، حيث يتدرب نموذج مولّد في مواجهة نموذج مميّز.
تعلم النموذج المولّد إنشاء عينات تستطيع خداع النموذج المميّز، بينما تعلم المميّز اكتشاف الناتج الاصطناعي. وأصبحت GANs مؤثرة في إنشاء الصور الواقعية، رغم استمرار مشكلات عدم استقرار التدريب ومحدودية تنوع النتائج.المصادر والمراجع 1 مصدر
-
Research
بنية المحولات تعيد تشكيل الذكاء الاصطناعي اللغوي
قدمت ورقة “الانتباه هو كل ما تحتاج إليه” بنية تعتمد على آلية الانتباه بدلاً من المعالجة التكرارية.
تعالج المحولات العلاقات بين الوحدات النصية بالتوازي، ما سهّل توسيع التدريب مقارنة بالأساليب التكرارية السابقة. ركزت الورقة الأصلية على الترجمة، لكن البنية أصبحت أساس معظم النماذج اللغوية الكبيرة وكثير من الأنظمة متعددة الوسائط.المصادر والمراجع 1 مصدر
-
Research
GPT يكشف قوة التدريب المسبق التوليدي
أظهرت OpenAI أن محولاً مدرباً على نطاق واسع من النصوص غير المصنفة يمكن تكييفه مع مهام لغوية متعددة.
كان المحول التوليدي المدرب مسبقاً (GPT) الأول صغيراً مقارنة بما تبعه، لكن وصفته ذات المرحلتين أصبحت شديدة التأثير: تعلم الأنماط اللغوية العامة عبر التنبؤ، ثم الضبط الدقيق لمهام محددة. وساعد ذلك على انتقال المجال نحو النماذج الأساسية القابلة لإعادة الاستخدام.المصادر والمراجع 1 مصدر
-
Research
GPT-3 يبرهن على التعلم من الأوامر عند التوسع
نفّذ نموذج لغوي يضم 175 مليار معلمة مهام متعددة انطلاقاً من التعليمات والأمثلة، من دون ضبط دقيق تقليدي لكل مهمة.
جعل GPT-3 التوجيه بأمثلة قليلة أو من دون أمثلة واجهة أساسية للنماذج اللغوية الكبيرة. جذبت طلاقته اهتماماً واسعاً، لكن البحث وثق أيضاً الإجابات غير الموثوقة والتحيز والحاجة إلى موارد حاسوبية ضخمة. حسّن التوسع القدرات، لكنه لم يحل مشكلة الدقة الواقعية.المصادر والمراجع 1 مصدر
-
Research
DALL-E يربط الأوامر اللغوية بإنشاء الصور
عرضت OpenAI نموذجاً ينشئ الصور ويعدلها انطلاقاً من أوصاف نصية تشمل مفاهيم متنوعة.
Illustration: Justin Jay Wang / OpenAI أظهر DALL-E أن النمذجة التوليدية واسعة النطاق تستطيع الربط بين اللغة والرؤية. كانت النتائج المبكرة محدودة ومنتقاة، لكنها مهدت للانتشار السريع لأنظمة تحويل النص إلى صورة.المصادر والمراجع 1 مصدر
-
Open Release
Stable Diffusion ينقل إنشاء الصور إلى الأجهزة المحلية
وسع الإطلاق العام لـ Stable Diffusion الوصول إلى تحويل النص إلى صورة، وأتاح منظومة كبيرة من التعديلات والأدوات.
على خلاف مولدات الصور المحصورة في خدمات مستضافة، أتاحت الأوزان المنشورة لـ Stable Diffusion للمطورين وكثير من المستخدمين تشغيل النموذج وتعديله. سرّع ذلك التجارب، لكنه صعّد النقاش حول بيانات التدريب والموافقة وحقوق النشر وإساءة الاستخدام. -
Product Launch
ChatGPT يحول النموذج اللغوي إلى محادثة جماهيرية
أطلقت OpenAI نسخة بحثية للمحادثة مدربة على اتباع التعليمات والاستجابة عبر الحوار.
لم يخترع ChatGPT بنية المحولات أو النماذج اللغوية الكبيرة، لكن واجهته السهلة غيّرت نطاق الاستخدام. أصبح بوسع الملايين طرح الأسئلة وتصحيح الطلبات وتحسينها عبر الحوار. كما جعل الإطلاق الهلوسة وتأثير الذكاء الاصطناعي في التعليم والعمل والحوكمة قضايا عامة لا نقاشات متخصصة فقط.المصادر والمراجع 1 مصدر
-
Model Release
LLaMA يسرّع منظومة النماذج المفتوحة
قدمت Meta عائلة من النماذج اللغوية الأساسية الأصغر حجماً بهدف توسيع الوصول إلى أبحاث النماذج عالية الأداء.
أسهم LLaMA وما تبعه في بناء منظومة من النماذج المضبوطة والقابلة للتشغيل محلياً. وظل وصف “مفتوح” موضع جدل لأن التراخيص وبيانات التدريب وشروط النشر تختلف عن البرمجيات مفتوحة المصدر تقليدياً، لكن التحول قلل الاعتماد على الأنظمة التجارية المستضافة. -
Model Launch
GPT-4 يضيف فهم الصور إلى نموذج لغوي رائد
استقبل GPT-4 مدخلات نصية وصورية وأنتج نصوصاً، في خطوة مهمة نحو الذكاء الاصطناعي متعدد الوسائط واسع الاستخدام.
استطاع النموذج تحليل المستندات والصور والمخططات ولقطات الشاشة إلى جانب النص. لكن OpenAI نشرت تفاصيل تقنية محدودة عن حجمه وبيانات تدريبه، ما عكس تراجعاً أوسع في الشفافية مع ارتفاع القيمة التجارية للأنظمة المتقدمة.المصادر والمراجع 2 مصادر
-
Model Launch
Gemini يُصمم نموذجاً متعدد الوسائط من الأساس
قدمت Google عائلة Gemini المصممة للتعامل مع النصوص والصور والصوت والفيديو ضمن نموذج متعدد الوسائط من الأساس.
بدلاً من إضافة مكونات منفصلة للإدراك بعد تدريب اللغة فقط، قدمت Google نموذج Gemini بوصفه متعدد الوسائط منذ البداية. وصعّد الإطلاق المنافسة حول النماذج التي تفهم أشكالاً متعددة من المعلومات وتنتج عبرها، مع اختلاف القدرات وشروط الوصول بين الإصدارات. -
Research Preview
Sora يستعرض إنشاء فيديو أطول وأكثر ترابطاً من النص
استعرضت OpenAI نموذج فيديو ينشئ مشاهد معقدة ويمد المقاطع الموجودة انطلاقاً من أوامر نصية.
أبرز Sora التقدم السريع في الفيديو التوليدي واستخدام محولات الانتشار. كانت العروض المبكرة منتقاة من المطور، وظل النموذج يواجه صعوبة في الاتساق الفيزيائي والسبب والنتيجة. وتكمن أهميته في اتجاه القدرات، لا في إثبات محاكاة موثوقة للعالم.المصادر والمراجع 1 مصدر
-
Model Launch
GPT-4o يوحد التفاعل الفوري بالنص والرؤية والصوت
عالج GPT-4o مزيجاً من النص والصوت والصور وأنتجه بزمن استجابة أقل من الأنظمة السابقة المركبة من نماذج منفصلة.
OpenAI يشير الحرف “o” إلى “omni” أو الشمول، في انتقال من المحادثة النصية إلى تفاعل متعدد الوسائط أكثر طبيعية. جعل الصوت والرؤية المساعدات الذكية أكثر فورية، وأثارا في الوقت نفسه أسئلة أكبر حول الانتحال والخصوصية والاعتماد العاطفي وضوابط إنشاء الوسائط المباشرة.المصادر والمراجع 1 مصدر
-
Research
نماذج الاستدلال تخصص حوسبة أكبر قبل الإجابة
قدمت OpenAI نموذج o1-preview الذي يستخدم حوسبة إضافية أثناء الاستدلال لتحسين أداء المسائل متعددة الخطوات.
نقل الإطلاق جزءاً من سباق التوسع من زيادة التدريب المسبق إلى “الحوسبة وقت الاختبار”، حيث يجري النموذج معالجة داخلية أطول قبل الرد. لم يضمن تحسن الاختبارات صحة الإجابات ولم يلغ الحاجة إلى التحقق، لكنه أثر في الجيل التالي من النماذج المتقدمة.المصادر والمراجع 2 مصادر
-
Model Launch
GPT-5 يدمج الاستدلال التلقائي في التجربة الافتراضية
جعلت OpenAI نموذج GPT-5 النظام الافتراضي في ChatGPT، مع الانتقال بين الإجابة المباشرة والاستدلال الأعمق وفق طبيعة المهمة.
عكس الإطلاق تحولاً في المنتجات بعيداً عن مطالبة المستخدم بفهم قائمة متزايدة من النماذج، إذ أصبح النظام الموحد يقرر متى يحتاج إلى استدلال إضافي. كما أظهر انتقال منتجات الذكاء الاصطناعي التوليدي من نموذج منفرد إلى منظومات تجمع التوجيه والأدوات وطبقات الأمان وأنماطاً متعددة من الحوسبة.المصادر والمراجع 1 مصدر
ماذا بعد؟
انتقل الذكاء الاصطناعي التوليدي من إنتاج عينات مقنعة إلى المشاركة في سير عمل معقد يشمل النصوص والصور والصوت والفيديو والبرمجيات. لكن الطلاقة لا تعني امتلاك معرفة موثوقة أو حكماً مستقلاً. فما تزال الهلوسة والتحيز ونزاعات حقوق النشر والمخاطر الأمنية واستهلاك الطاقة وتركز القدرة الحاسوبية قيوداً أساسية. وستتحدد المرحلة المقبلة بدرجة أقل بقدرة النموذج على إنشاء المحتوى، وبدرجة أكبر بقدرته على الاستدلال واستخدام الأدوات وحفظ السياق والعمل بصورة موثوقة تحت إشراف البشر.
