جدول المحتويات
نظرة عامة
النموذج اللغوي الصغير (SLM) نموذج ذكاء اصطناعي لغوي مبني بمعاملات أقل بكثير من أكبر النماذج التي تقف خلف روبوتات الدردشة المعروفة، وتتراوح عادة بين بضع مئات الملايين وبضعة مليارات من المعاملات بدلاً من مئات المليارات أو أكثر. وبدلاً من السعي وراء أقصى قدرة عامة، تُصمم النماذج اللغوية الصغيرة حول الكفاءة: تعمل بشكل أسرع، وتكلف أقل، وغالباً تعمل مباشرة على هاتف أو حاسوب محمول أو جهاز مدمج دون الحاجة إلى اتصال بمركز بيانات سحابي كبير.
يشرح هذا الدليل الاتجاه المضاد المركز على الكفاءة وراء النماذج اللغوية الصغيرة، ولماذا أصبحت مفيدة فعلياً وليست مجرد بديل أرخص، وأين تتناسب إلى جانب النماذج الضخمة التي يعرفها معظم الناس بالفعل.
ماذا تعني «صغير» فعلياً
معاملات النموذج هي القيم الرقمية الداخلية التي يتعلمها أثناء التدريب ويستخدمها لإنتاج المخرجات؛ وبشكل تقريبي، تمنح المعاملات الأكثر النموذج قدرة أكبر على تمثيل الأنماط المعقدة، لكنها تتطلب أيضاً ذاكرة وقدرة حوسبة أكبر للتشغيل. تُقدَّر أكبر النماذج المتطورة المستخدمة في روبوتات الدردشة الرائدة بمئات المليارات من المعاملات أو أكثر، بينما تتراوح النماذج التي تُوصف عادة بـ«الصغيرة» بين بضع مئات الملايين ونحو 10 مليارات.
ويظل هذا رقماً كبيراً بالقيمة المطلقة — أكبر بكثير مما يمكن لأي إنسان تتبعه — لكنه صغير نسبياً مقارنة بالنماذج المتطورة، والأهم أنه صغير بما يكفي للعمل على عتاد أكثر تواضعاً بكثير دون الحاجة إلى حاسوب بحجم مركز بيانات.
لماذا يمكن أن يكون الأصغر أفضل، وليس أرخص فقط
بالنسبة لكثير من المهام الحقيقية، يُعد النموذج الكبير عام الغرض مبالغة حقيقية: فتصنيف تذاكر دعم العملاء، أو استخراج بيانات منظمة من نموذج، أو الإجابة عن أسئلة حول موضوع ضيق ومحدد جيداً لا يتطلب كامل اتساع المعرفة والتفكير الذي يحمله نموذج عام ضخم. وغالباً ما يمكن لنموذج أصغر مدرب أو مضبوط دقيقاً لتلك المهمة المحددة مطابقة أو تجاوز أداء نموذج عام أكبر في تلك المهمة الضيقة، مع استجابة أسرع وتكلفة أقل بكثير لكل طلب.
وهذا مهم لأن تكاليف الذكاء الاصطناعي تتناسب مع الاستخدام: فشركة تُشغّل ملايين الاستعلامات الروتينية يومياً تواجه اقتصاديات مختلفة بشكل ملموس مع نموذج صغير وكفؤ مقارنة بنموذج عام كبير، حتى لو كان النموذج الكبير أكثر قدرة تقنياً في مهام غير ذات صلة.
الذكاء الاصطناعي على الجهاز: العمل دون السحابة
لأن النماذج اللغوية الصغيرة تتطلب ذاكرة وقدرة حوسبة أقل بكثير، يمكنها العمل مباشرة على هاتف ذكي أو حاسوب محمول أو جهاز محلي آخر بدلاً من إرسال كل طلب إلى خادم سحابي بعيد. ويوفر هذا النهج على الجهاز فوائد خصوصية ملموسة، إذ يمكن معالجة البيانات الحساسة محلياً دون أن تغادر الجهاز مطلقاً، كما يزيل الاعتماد على اتصال إنترنت ليعمل النموذج.
وقد دمجت عدة شركات هواتف وحواسيب كبرى نماذج لغوية صغيرة على الجهاز مباشرة في أنظمة تشغيلها لمهام مثل تلخيص النصوص والردود الذكية والمساعدة الأساسية في الكتابة، محتفظة بالنماذج السحابية الأكبر للطلبات الأكثر تطلباً التي لا يستطيع عتاد الهاتف التعامل معها فعلياً.
كيف تُبنى النماذج اللغوية الصغيرة
غالباً ما تُنشأ النماذج اللغوية الصغيرة عبر عملية تُسمى التقطير، حيث يُدرَّب نموذج أصغر على محاكاة مخرجات وسلوك نموذج أكبر وأكثر قدرة، مما يضغط فعلياً بعض الأنماط المتعلمة للنموذج الأكبر في حزمة أصغر بكثير. وتشمل التقنيات الشائعة الأخرى التكميم، الذي يقلل الدقة الرقمية المستخدمة لتخزين معاملات النموذج لتقليص بصمته في الذاكرة، والتقليم، الذي يزيل أجزاء من النموذج تساهم قليلاً في أدائه الإجمالي.
وتتيح هذه التقنيات للمطورين مبادلة قدر محدود ومتواضع غالباً من القدرة العامة مقابل مكاسب كبيرة في السرعة والتكلفة والقدرة على العمل على عتاد محدود.
المفاضلات التي يجب فهمها
تمتلك النماذج اللغوية الصغيرة عموماً معرفة عالمية أقل اتساعاً وأداءً أضعف في مهام التفكير المعقدة متعددة الخطوات مقارنة بأكبر النماذج المتطورة، إذ ما زال الحجم الخام يساعد بشكل ملموس في القدرة العامة المفتوحة. والطريقة الواقعية للتفكير في الاختيار هي مطابقة حجم النموذج مع المهمة: فالمهمة الضيقة والمحددة جيداً وعالية الحجم غالباً ما تناسب النموذج الصغير جيداً، بينما تستفيد المهمة المفتوحة والمعقدة أو غير المتوقعة عادة من القدرة الأوسع للنموذج الأكبر.
المصادر
اختيرت هذه المصادر من الوثائق الرسمية والشروحات التقنية الموثوقة. تحقق دائماً من الصفحات الأصلية لأن منتجات الذكاء الاصطناعي والتقنية تتغير بسرعة.
الأسئلة الشائعة
ما الذي يُعتبر نموذجاً لغوياً صغيراً؟
تتراوح النماذج التي تُوصف عادة بـ«الصغيرة» بين بضع مئات الملايين ونحو 10 مليارات معامل، مقارنة بمئات المليارات أو أكثر لأكبر النماذج المتطورة المستخدمة في روبوتات الدردشة الرائدة.
هل يمكن للنماذج اللغوية الصغيرة العمل دون اتصال إنترنت؟
نعم غالباً. لأنها تتطلب ذاكرة وقدرة حوسبة أقل بكثير، يمكن للعديد من النماذج اللغوية الصغيرة العمل مباشرة على هاتف ذكي أو حاسوب محمول، مما يتيح لها العمل دون إرسال طلبات إلى خادم سحابي بعيد.
هل النماذج اللغوية الصغيرة أسوأ من الكبيرة؟
تمتلك عموماً معرفة عالمية أقل اتساعاً وقدرة تفكير معقد أضعف، لكن للمهام الضيقة والمحددة جيداً يمكنها مطابقة أو تجاوز أداء نموذج أكبر مع العمل بشكل أسرع وتكلفة أقل بكثير.
ما هو التقطير في الذكاء الاصطناعي؟
التقطير تقنية يُدرَّب فيها نموذج أصغر على محاكاة مخرجات وسلوك نموذج أكبر وأكثر قدرة، مما يضغط فعلياً بعض ما تعلمه النموذج الأكبر في حزمة أصغر بكثير.
لماذا قد تستخدم شركة نموذجاً صغيراً بدلاً من نموذج كبير؟
تتناسب التكلفة والسرعة مع الاستخدام. تحصل شركة تُشغّل ملايين الاستعلامات الروتينية يومياً غالباً على اقتصاديات أفضل بشكل ملموس من نموذج صغير وكفؤ مقارنة بنموذج عام كبير، خاصة للمهام الضيقة المتكررة.
عن الكاتب
فريق doyouknow.app يكتب شروحات ثنائية اللغة تجعل موضوعات التقنية والخدمات اليومية أسهل للفهم، مع الانتباه إلى المصادر الأصلية وحدود المعلومات سريعة التغير.
أعجبك المقال؟
شاركه عبر واتساب · اشترك في النشرة