تهدف Meta إلى تطوير أكثر نموذج ذكاء اصطناعي متقدم في الصناعة بحلول عام 2025. يخططون لتدريب نموذج Llama 4 القادم على 10 أضعاف البيانات التي تم استخدامها لتدريب Llama 3، والذي يدعون أنه بالفعل قادر على المنافسة مع أكثر النماذج تقدمًا.

صرح زوكربرج أن Meta تفضل بناء طاقة حوسبية أكثر مما يكفي، حيث أنهم يخططون للطاقة الحوسبية والبيانات اللازمة للسنوات القادمة. من المرجح أن تكون كمية الحوسبة اللازمة لتدريب Llama 4 أكبر بحوالي 10 أضعاف مما تم استخدامه لتدريب Llama 3، وستستمر النماذج المستقبلية في النمو بما يتجاوز ذلك.

وفقًا لآدم دي أنجيلو، الرئيس التنفيذي لشركة Quora وعضو مجلس إدارة في OpenAI، قد يتم تحقيق الذكاء الاصطناعي العام (AGI) خلال السنوات الخمس إلى 15 المقبلة. قدم دي أنجيلو هذا التنبؤ خلال حدث حديث، مشيرًا إلى أن ظهور AGI سيكون تغييرًا مهمًا للغاية بالنسبة للعالم.

شركة OpenAI، الشركة المسؤولة عن نموذج اللغة الشائع GPT، قد طورت داخليًا نظام تصنيف من خمس مستويات لتتبع تقدمها نحو بناء AGI. تشمل المستويات الثلاثة الأولى:

1. الدردشة الآلية مع قدرات لغوية محادثية.
2. المتعاملون والأنظمة ذات مهارات حل المشكلات على مستوى البشر.
3. الوكلاء والأنظمة القادرة على اتخاذ إجراءات.

حقق Gemini Pro 0801، النموذج التجريبي الجديد لشركة Google، مركز الصدارة في ساحة الدردشة الآلية خلال الأسبوع الماضي، حيث حصل على أكثر من 20,000 صوت من المجتمع. للمرة الأولى، ادعى Gemini المركز الأول، متفوقًا على GPT-4 و CLAUDE 3.5 بنتيجة مвпечатляющة قدرها 1,300 نقطة، كما حقق أيضًا المركز الأول في ترتيب الرؤية.

تعمل Nvidia على تبسيط وتسريع تطوير الروبوتات الإنسانية من خلال مبادرتها Project Roo. تقدم الشركة مجموعة من الأدوات للمطورين في نظام الروبوتات الإنسانية لبناء نماذج الذكاء الاصطناعي الخاصة بهم بكفاءة أكبر.

تشمل المكونات الرئيسية لنهج Nvidia ما يلي:

1. أنبوب إنشاء البيانات التخليقية: تبدأ Nvidia بعروض بشرية مجمعة باستخدام أجهزة الواقع المختلط مثل Apple Vision Pro. ثم تضاعف هذه البيانات ألف مرة أو أكثر باستخدام أدوات المحاكاة الخاصة بـ Nvidia مثل Omniverse و RoboSuite و MimicGen.

2. البنية التحتية للحوسبة الموزعة: تستفيد Nvidia من منصات الحوسبة DGX و OVX و Jetson Thor الخاصة بها لتشغيل سير عمل التطوير. يتولى DGX معالجة مقاطع الفيديو والنص لتدريب نموذج الأساس متعدد الوسائط، بينما يقوم OVX بتشغيل حزمة المحاكاة، ويستخدم Jetson Thor لاختبار النموذج على الروبوتات الحقيقية.

قدمت الباحثون في ICML 2024 تقنية هندسة المطالبة الجديدة تُعرف باسم "التخطيط كرسم بياني" والتي يمكن أن تحسن بشكل كبير أداء نماذج اللغة على المهام المعقدة متعددة الخطوات.

تكمن الفكرة الرئيسية وراء هذه التقنية في أن نماذج اللغة الحالية تعاني من التخطيط غير المتزامن - القدرة على تنفيذ بعض المهام الفرعية بشكل متوازٍ مع تنفيذ أخرى بشكل متسلسل. لمعالجة هذه المشكلة، تحفز طريقة "التخطيط كرسم بياني" النموذج على إنشاء تمثيل رسم بياني للمهمة أولاً، مما يلتقط الارتباطات بين المهام الفرعية. ثم يمكن للنموذج استخدام هذا الرسم البياني لوضع خطة مثلى لإنجاز المهمة الشاملة.