بنية الذكاء الاصطناعي التحتية
ضغط النموذج
ضغط النموذج يشمل تقنيات تُقلّل حجم ومتطلبات حساب شبكة عصبية مدرّبة مع الحفاظ على أقصى دقة ممكنة. تشمل التكميم والتنقية وتقطير المعرفة. يجعل النشر ممكناً على الهواتف والأجهزة المحدودة.
←
بنية الذكاء الاصطناعي التحتية
تحسين النموذج
تحسين النموذج يشمل تقنيات تُحسّن كفاءة النموذج المُدرّب — تقليل زمن الاستجابة واستهلاك الذاكرة وتكلفة الحساب — دون الإضرار بشكل كبير بجودة التنبؤ. تشمل التكميم والتنقية وتقطير المعرفة و Fusion العمليات وتحسين الرسم البياني. التحسين حاسم للنشر على نطاق واسع: نموذج يستغرق ثانيتين قد يُ reduc إلى 50 مللي ثانية ليصبح جاهزاً للإنتاج.
←
بنية الذكاء الاصطناعي التحتية
سجل النماذج
سجل النماذج نظام مركزي لتتبع وإدارة نماذج الذكاء الاصطناعي طوال دورة حياتها — من التطوير إلى النشر في بيئة الإنتاج. يخزن الإصدارات والبيانات الوصفية ومقاييس الأداء والموافقات وسجلات النشر. ضروري للحوكمة والامتثال.
←
بنية الذكاء الاصطناعي التحتية
خدمة النموذج
خدمة النموذج هي عملية نشر نموذج ذكاء اصطناعي مُدرّب خلف نقطة نهاية واجهة برمجية لتتمكن التطبيقات من إرسال طلبات واستقبال تنبؤات في الوقت الحقيقي. تتضمن تجميع الطلبات وكفاءة وحدة الرسومات وإدارة الإصدارات والتوسع ومراقبة زمن الاستجابة.
←
نماذج ولغوية كبيرة
الذكاء الاصطناعي متعدد الوسائط
الذكاء الاصطناعي متعدد الوسائط يشير إلى نماذج يمكنها معالجة وتوليد أنواع متعددة من البيانات — نصوص وصور وأحياناً صوت — ضمن نظام واحد. يمكن لـ GPT-4V تحليل الصور والإجابة عن أسئلة عنها، و Gemini يعالج النصوص والصور والصوت معاً. هذا يكسر الحواجز بين أنواع البيانات: يمكن لمصنع عرض صورة كاميرا على نموذج متعدد الوسائط وسؤاله بالنص عن العيب الظاهر فيه، والحصول على إجابة نصية تشير إلى الصورة.
←
معالجة اللغة الطبيعية
التعرف على الكيانات المسماة (NER)
التعرف على الكيانات المسماة مهمة في معالجة اللغة الطبيعية تحدد تلقائياً وتُصنّف الكيانات الأساسية في النص — أسماء أشخاص ومنظمين ومناطق وتواريخ ومبالغ مالية — في فئات محددة مسبقاً. وهي الخطوة الأولى في أنظمة استخراج المعلومات: يمكن لمساعد قانوني استخدامها لاستخراج أسماء الشركات وتواريخ العقود من آلاف المستندات، ويمكن لنظام صحي استخراج أسماء المرضى وأدوية من السجلات السريرية.
←
معالجة اللغة الطبيعية
معالجة اللغة الطبيعية (NLP)
معالجة اللغة الطبيعية هي فرع الذكاء الاصطناعي المعني بتمكين الحواسيب من فهم اللغة البشرية وتفسيرها وتوليدها — نصاً وكتاباً. تشغّل خدمات الترجمة وتحليل المشاعر وروبوتات المحادثة وتصفية البريد والمساعدين الصوتيات وتلخيص المستندات. أحدثت التطورات الأخيرة في نماذج المحول تحسناً هائلاً في قدرات المعالجة، مُمكّنةً أنظمة تُجري محادثات دقيقة وتكتب شفرات وتلخص مستندات قانونية معقدة بعدة لغات.
←
التعلم العميق
البحث عن معمارية عصبية (NAS)
البحث عن معمارية عصبية يُ automate تصميم معماريات الشبكات العصبية باستخدام خوارزميات لاستكشاف فضاء واسع من المعماريات الممكنة وإيجاد أفضلها لمهمة معينة. بدلاً من باحث يُقرّر عدد الطبقات والمرشحات، يكتشفها NAS تلقائياً.
←
التعلم العميق
الشبكة العصبية
الشبكة العصبية نموذج حاسوبي مستوحى من الدماغ البشري، تتكون من طبقات من العقد المترابطة (خلايا عصبية) تُعالج المعلومات بتمرير الإشارات عبر روابط مؤثّرة. تستخلص كل طبقة ميزات أكثر تجريداً من المدخل. تُشكّل الشبكات العصبية أساس التعلم العميق، مشغّلةً التعرف على الصور وتركيب الكلام والترجمة والألعاب. الفكرة الجوهرية هي أنه ببيانات وطبقات كافية، تتعلم الشبكات أي نمط في الأساس.
←