GenAI (Generative AI)

الذكاء الاصطناعي التوليدي هو نوع من الذكاء الاصطناعي يمكنه إنشاء محتوى جديد كليًا (يُعرف باسم GenAI أو المحتوى المُولّد بالذكاء الاصطناعي أو AIGC) على هيئة نصوص أو صور أو صوت أو فيديو، استنادًا إلى مدخلات المستخدم. وقد أصبح ذلك ممكنًا بفضل التطورات في مجالَي التعلم العميق وتقنيات الشبكات العصبية، التي أتاحت لنماذج الذكاء الاصطناعي التعامل مع المطالبات المكتوبة باللغة الطبيعية، أي النصوص والصور التي نستخدمها نحن البشر أصلًا للتواصل فيما بيننا. وقد مكّن ذلك المبرمجين بدوره من تحميل ما يعادل موسوعة ويكيبيديا - أي قاعدة بيانات موجودة مسبقًا تتألف من مليارات المعلمات، إن لم تكن تريليونات منها - إلى نموذج للذكاء الاصطناعي، وتعليمه معالجة اللغة الطبيعية (NLP) حتى يتمكن من إنشاء الاستجابات المناسبة. إذا كانت المدخلات قائمة على اللغة، فقد تكون النتيجة نموذجًا لغويًا كبيرًا (LLM)، مثل BLOOM، أو روبوت محادثة يستند إلى نموذج من هذا النوع، مثل ChatGPT. أما إذا كانت المدخلات قائمة على الصور، فقد تكون النتيجة نظامًا لتحويل النص إلى صورة، مثل Stable Diffusion أو Midjourney.

لمزيد من المعلومات:الذكاء الاصطناعي التوليدي مقابل الذكاء الاصطناعي الوكيلي: تحديد المرحلة التالية من تطور الذكاء الاصطناعي

يستطيع الذكاء الاصطناعي التوليدي القيام بذلك بفضل عملية تطوير من خطوتين تشمل تدريب الذكاء الاصطناعي والاستدلال بالذكاء الاصطناعي. أثناء تدريب الذكاء الاصطناعي، تُحمَّل قاعدة بيانات ضخمة من البيانات المصنفة إلى نموذج الذكاء الاصطناعي. ويحاول الذكاء الاصطناعي «تخمين» المخرجات المتوقعة، سواء كانت الكلمة التالية في جملة أو تحديد الأعراض في صورة طبية، ثم يتحقق من صحة إجاباته. ومن خلال التكرار المستمر لعمليات التنبؤ (الانتشار الأمامي) والتغذية الراجعة (الانتشار العكسي)، يضبط الذكاء الاصطناعي الأوزان المرتبطة بمعلمات البيانات بدقة كبيرة، حتى يبدأ في تقديم المخرجات الصحيحة في كل مرة. ويُعرف هذا باسم نموذج ذكاء اصطناعي مُدرَّب مسبقًا.

أثناء الاستدلال بالذكاء الاصطناعي، يواجه نموذج الذكاء الاصطناعي بيانات جديدة غير مصنفة من العالم الحقيقي. واستنادًا إلى تدريبه المكثف، يتمكن النموذج من توليد الاستجابة الصحيحة. كما تُسجَّل تفاعلاته مع البيانات الجديدة لاستخدامها في الجولة التالية من تدريب الذكاء الاصطناعي، مما يسهم في مواصلة تحسين نموذج الذكاء الاصطناعي.

تجدر الإشارة إلى أن التطورات الكبيرة في مجال الذكاء الاصطناعي أتاحت له التعلم الذاتي الإشراف أو شبه الذاتي الإشراف باستخدام البيانات غير المصنفة. ولهذا السبب، يزداد الذكاء الاصطناعي التوليدي تطورًا وقدرةً كل يوم.

اقرأ المزيد:لتسخير الذكاء الاصطناعي التوليدي، عليك فهم مفهومي «التدريب» و«الاستدلال»

يُستخدم الذكاء الاصطناعي التوليدي على نطاق واسع في مجموعة متنوعة من القطاعات والسيناريوهات، بدءًا من الإعلام والتسويق وصولًا إلى الرعاية الصحية وتصميم المنتجات. فيما يلي بعض الأمثلة على كيفية توظيف الذكاء الاصطناعي التوليدي بالفعل لإعادة تشكيل عالمنا.

● الرعاية الصحية: في مجالَي الرعاية الصحية والطب، يمكن تدريب الذكاء الاصطناعي التوليدي على مكتبة من البيانات الطبية لمساعدته على تشخيص الأمراض أو إنشاء خطط علاج مخصصة استنادًا إلى التاريخ الطبي للمريض. كما يمكن استخدامه في تطوير الأدوية لتحليل البنى الجزيئية وتصميم أدوية جديدة. وأخيرًا، يمكن أن يتيح استخدام الذكاء الاصطناعي لإنشاء السجلات الصحية الإلكترونية (EHR) بناء قاعدة بيانات للتحليلات الصحية، مع تقليل الأعباء الإدارية على الطواقم الطبية.

● التسويق: يمكن للذكاء الاصطناعي التوليدي إعداد الخطط والحملات التسويقية، وابتكار الشعارات والتصاميم المرئية في وقت قياسي. بل ويمكنه أيضًا إنشاء حملات إعلانية مخصصة استنادًا إلى التفضيلات المتوقعة لشرائح السوق المختلفة.

● الإعلام: لا يقتصر دور الذكاء الاصطناعي التوليدي على المساعدة في كتابة نصوص البرامج التلفزيونية والبيانات الصحفية، بل يمكنه أيضًا إنتاج محتوى مرئي وسمعي وفيديو باستخدام قدر ضئيل من بيانات التدريب. وبدلًا من استبدال العاملين، يمكن للذكاء الاصطناعي مساعدة منشئي المحتوى على تحويل رؤاهم إلى واقع بكفاءة وفعالية أكبر، بما يتيح لهم الاستفادة القصوى من تلك اللمحة الإبداعية المراوغة وإنتاج سلسلة من الأعمال الخالدة.

● تصميم المنتجات: يمكن للذكاء الاصطناعي كتابة التعليمات البرمجية، وإنشاء المخططات الأولية لتصميم المنتجات، وتقييم المفاهيم، بل وإجراء عمليات محاكاة لمعرفة أداء التصاميم أو المواد المختلفة في سيناريو واقعي. وحتى عملية تصميم الرقائق الدقيقة وأنظمة الكمبيوتر التي تشغّل الذكاء الاصطناعي يمكن تسريعها باستخدام الذكاء الاصطناعي التوليدي، ما يتيح إنشاء نماذج أولية بسرعة وتقليل الوقت اللازم لطرح المنتجات في السوق. ويمكن أن تساعد البيانات الضخمة المجمعة من ملاحظات المستخدمين في تدريب نموذج الذكاء الاصطناعي على إنشاء اقتراحات قيّمة لتصميم المنتجات.

وفقًا لتوقعات Bloomberg، من المتوقع أن ينمو سوق الذكاء الاصطناعي التوليدي ليصل إلى 1.3 تريليون دولار أمريكي بحلول عام 2032، محققًا معدل نمو سنوي مركب (CAGR) قدره 42%.

تمتلك GIGABYTE Technology مجموعة شاملة منخوادم الذكاء الاصطناعيوحلول البنية التحتية للذكاء الاصطناعي، وهي مثالية لتطوير نماذج الذكاء الاصطناعي التوليدي واستخدامها. ويمكن تقسيم هذه الحلول إلى فئتين تعكسان دورها في تدريب الذكاء الاصطناعي أو الاستدلال به.

● تدريب الذكاء الاصطناعي: تستخدم هذه الخوادم أحدث مسرّعات GPU ووحدات الحوسبة، أو حتى نوعًا متقدمًا من المعالجات التي تجمع وظائف وحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات (GPU) في حزمة واحدة، لإجراء الحوسبة المتوازية ومعالجة مجموعات بيانات ضخمة لتدريب الذكاء الاصطناعي. ومن أبرز الأمثلة خادم GIGABYTEG593-SD0، الذي يدمج وحدة الحوسبة NVIDIA HGX™ H100 ذات 8 وحدات GPU لإنشاء إحدى أقوى منصات تدريب الذكاء الاصطناعي المتاحة في السوق. كما تدعم خوادم GIGABYTE وحدات معالجة الرسومات NVIDIA L40S. ومن الخيارات الواعدة أيضًا شريحة «CPU مع GPU» المخصصة لأحمال عمل الذكاء الاصطناعي والحوسبة عالية الأداء (HPC). وتشمل الخيارات AMD Instinct™ MI300A، وهي وحدة معالجة متسارعة (APU) بمستوى المؤسسات من AMD، وNVIDIA Grace Hopper™ Superchip، المتوفرة فيخوادم GIGABYTE H-Series عالية الكثافةمثلH223-V10.

● الاستدلال بالذكاء الاصطناعي: ينبغي اختيار المسرّعات المتخصصة الأنسب للاستدلال بالذكاء الاصطناعي في هذه المرحلة من العمل على الذكاء الاصطناعي التوليدي. صُمم خادم GIGABYTEG293-Z43 لاستيعاب تكوين عالي الكثافة يضم ست عشرة بطاقة AMD Alveo™ V70 في هيكل بارتفاع 2U. وتعتمد هذه المسرّعات بنية تدفق البيانات، ما يجعلها الحل المثالي لأحمال عمل الاستدلال المكثفة والمركزية للذكاء الاصطناعي. كما تتوافق خوادم GIGABYTE المزودة بفتحات توسعة PCIe Gen 4 (أو أحدث) مع وحدات معالجة الرسومات NVIDIA A2 Tensor Core وL4 Tensor Core، التي يمكنها دعم الاستدلال بالذكاء الاصطناعي. ويمكن لوحدات معالجة الرسومات Qualcomm® Cloud AI 100، التي يمكن نشرها فيخوادم GIGABYTE G-Series المزودة بوحدات GPU، إجراء الاستدلال بالذكاء الاصطناعي التوليدي عند حافة الشبكة بفاعلية أكبر، لأن هذا الحل يعالج الجوانب الأكثر أهمية للاستدلال السحابي بالذكاء الاصطناعي.