Metabot، وكيل التشفير المتطور المستند إلى GitHub، حقق درجة مذهلة بلغت 38% على مؤشر هندسة البرمجيات، متجاوزًا الحالة السابقة للفن البالغة 33%. تم إنجاز هذا الاختراق من خلال معمارية معرفية جديدة لـ Metabot تعالج المشكلات في سير العمل المنظم.

يتضمن المعمارية عملية متعددة الخطوات:

1. جمع السياق
2. التخطيط والتحرير
3. تفكيك الخطة إلى تحريرات فردية
4. تطبيق التحريرات
5. اختبار ومراجعة الخطة
6. جمع المزيد من السياق إذا لزم الأمر
7. تقديم الحل النهائي

هذا النهج التكراري والمنظم سمح لـ Metabot بتفوق قادة الصناعة مثل Factory AI التابعة لشركة Alibaba وبحوث IBM. إن التقدم السريع في وكلاء التشفير المدعومين بالذكاء الاصطناعي هو شاهد على وتيرة التطور المتسارعة للذكاء الاصطناعي، مع ظهور تحسينات كل بضعة أسابيع.

إن آثار هذا التقدم كبيرة، حيث يشير إلى أن معدل تحسينات تطوير البرمجيات قد يكون أسيًا في السنوات المقبلة. مع استمرار تطور نماذج الذكاء الاصطناعي، يصبح الإمكانات لتشفير المساعد بالذكاء الاصطناعي لإحداث ثورة في صناعة هندسة البرمجيات أكثر وضوحًا.

أطلقت Google مؤخرًا نموذجين لغويين جديدين، Gemini 2، بـ 27 مليار و 9 مليار معلمة على التوالي. تمكنت هذه النماذج من التفوق على نماذج أكبر مثل LLaMA 3 (70 مليار معلمة) و Chinchilla (70 مليار معلمة) و ChatGPT في التقييمات الذاتية، على الرغم من حجمها الأصغر.

أظهر نموذج Gemini 2 البالغ 27 مليار معلمة أداءً مبهرًا، متفوقًا على هذه النماذج الأكبر في مجال الدردشة الآلية. على الرغم من أنه قد لا يتفوق عليها في المعايير الموضوعية، إلا أن حقيقة أن المستخدمين قد لا يدركون أنهم يتفاعلون مع نموذج بهذا الحجم أمر مذهل.

بالإضافة إلى ذلك، أحرزت Google تقدمًا كبيرًا في نماذجها اللغوية، بما في ذلك زيادة طول نافذة السياق إلى 2 مليون رمز في Gemini 1.5 Pro. هذا تحسين كبير مقارنة بالنماذج السابقة ويضع Google في مقدمة المختبرات الرئيسية للذكاء الاصطناعي في هذا المجال.

إن الطبيعة المفتوحة المصدر لنماذج Gemini 2، بالإضافة إلى أدائها المبهر وكفاءتها، تجعلها تطورًا واعدًا في مجال معالجة اللغة الطبيعية. مع استمرار Google في إصدار نماذج جديدة وإحراز اختراقات، يمكننا توقع مزيد من التطورات المذهلة في السنوات المقبلة.

يتطور مشهد الذكاء الاصطناعي بسرعة، مع العديد من الاختراقات والتنبؤات الرئيسية التي تشكل مستقبل هذه التقنية. فيما يلي بعض التطورات البارزة:

1. Metabot: وكيل التشفير الثوري

   • حقق Metabot، وكيل التشفير المتطور المستند إلى GitHub، درجة مذهلة بلغت 38% على مؤشر هندسة البرمجيات، متجاوزًا الحالة السابقة للفن البالغة 33%.
   • يُظهر هذا الإنجاز التطورات المذهلة في تطوير البرمجيات المدعوم بالذكاء الاصطناعي، حيث تفوق Metabot على اللاعبين الرائدين في الصناعة مثل Alibaba و Factory و IBM Research.
   • أثبت المعمارية المعرفية وراء Metabot، والتي تشمل جمع السياق والتخطيط والتحرير والاختبار، فعاليتها الكبيرة في حل التحديات البرمجية المعقدة.

2. Gemini 2 من Google: التفوق على النماذج الأكبر

   • أطلقت Google Gemini 2، وهو نموذج بـ 27 مليار معلمة ونموذج بـ 9 مليار معلمة، والتي أظهرت أداءً مذهلاً في مجال الدردشة الآلية.
   • تفوقت نماذج Gemini 2 هذه على نماذج أكبر مثل LLaMA 3 (70 مليار معلمة) و Cohere (72 مليار معلمة) و ChatGPT، مما يُظهر إمكانات أنظمة الذكاء الاصطناعي الفعالة والعالية الأداء.
   • الطبيعة المفتوحة المصدر لـ Gemini 2 وتوافقها مع إطار عمل واسع يجعلها خيارًا جذابًا للمطورين والباحثين.

3. توسيع أطوال السياق: دفع الحدود

   • أعلنت Google عن توفر Gemini 1.5 Pro مع نافذة سياق تبلغ 2 مليون رمز، مما يوسع بشكل كبير قدرة الإدخال لنماذجها اللغوية.
   • يتماشى هذا التطور مع استكشاف GPT-4 من OpenAI، والذي أظهر القدرة على معالجة مدخلات الفيديو لمدة 45 دقيقة، على الأرجح في نطاق مليون رمز.
   • تسليط الضوء على سباق زيادة أطوال السياق يسلط الضوء على الجهود المستمرة لتعزيز قدرات نماذج الذكاء الاصطناعي في التعامل مع المدخلات الأطول والأكثر تعقيدًا.

4. توقعات Anthropic: تشغيل التدريب بمليارات الدولارات

   • يتنبأ الرئيس التنفيذي لشركة Anthropic، Dario Amodei، بأنه بحلول عام 2027، ستكلف نماذج الذكاء الاصطناعي ما يصل إلى 100 مليار دولار لتدريبها وستتفوق على قدرات البشر في معظم المهام.
   • تُظهر هذه التكلفة الباهظة المتوقعة الاستثمارات الضخمة المطلوبة لدفع حدود تطوير الذكاء الاصطناعي، حيث قد تكلف التدريبات القادمة مليار دولار.
   • تشير آثار هذه التشغيلات عالية التكلفة إلى الحاجة إلى تمويل وموارد كبيرة لدفع التقدم المستمر في تقنية الذكاء الاصطناعي.

5. تسريع الاكتشافات العلمية

   • يقترح Amodei أيضًا أن نماذج الذكاء الاصطناعي قد تسرع الاكتشافات والاختراقات العلمية، خاصة في مجالات مثل علم الأحياء واكتشاف الأدوية.
   • إمكانية أن تعمل أنظمة الذكاء الاصطناعي على مستوى العلماء الحائزين على جائزة نوبل أو الخبراء الرائدين في مختلف المجالات قد تؤدي إلى انتشار الاكتشافات الثورية.
   • يتماشى هذا الرؤية مع التطورات التي شوهدت في مشاريع مثل AlphaFold، والتي أظهرت القدرة على تسريع توقع بنية البروتين.

مع استمرار تطور مشهد الذكاء الاصطناعي، تسلط هذه الإنجازات والتنبؤات الضوء على الوتيرة السريعة للتقدم والإمكانات التحويلية لهذه التقنية في مختلف المجالات، من تطوير البرمجيات إلى البحث العلمي والطب وما وراءها.

يعتقد Dario Amod، الرئيس التنفيذي لشركة Anthropic، أن نماذج الذكاء الاصطناعي ستكلف ما يصل إلى 100 مليار دولار لتدريبها بحلول عام 2027، وستكون أفضل من معظم البشر في معظم المهام. هذا يشير إلى أن التدريبات القادمة، والتي قد تكلف مليار دولار، ستدفع حدود ما يمكن أن يحققه الذكاء الاصطناعي.

يعتقد Amod أن أحد المجالات التي سيكون للذكاء الاصطناعي تأثير كبير فيها هو تسريع الاكتشافات العلمية وعلاج الأمراض. يتصور نماذج ذكاء اصطناعي متخصصة تكون على قدر المعرفة والإبداع مثل العلماء الحائزين على جائزة نوبل أو رؤساء اكتشاف الأدوية في الشركات الصيدلانية الكبرى. يمكن لهذه النماذج التجريب والاستكشاف بطرق لا يستطيع الباحثون البشريون القيام بها، مما قد يؤدي إلى اختراقات في مجالات مثل علم الأحياء واكتشاف الأدوية.

لقد رأينا بالفعل أمثلة على نماذج الذكاء الاصطناعي، مثل AlphaFold من Google، والتي تمكنت من تسريع اكتشاف هياكل البروتينات بشكل كبير. يعتقد Amod أنه إذا كان لدينا "مليون نسخة من نظام الذكاء الاصطناعي التي تكون على قدر المعرفة والإبداع مثل جميع العلماء الذين اخترعوا تلك الأشياء"، فقد تنتشر معدل الاكتشافات العلمية، وقد يتم معالجة الأمراض المستعصية أو علاجها.

بينما قد يبدو هذا هدفًا مستقبليًا وتحديًا، فإن القدرات الأساسية لنماذج الذكاء الاصطناعي تشير إلى أن مثل هذه التطورات ممكنة. مع استمرار تحسن الحجم والخوارزميات والأجهزة، تصبح إمكانية الذكاء الاصطناعي في إحداث ثورة في البحث العلمي والاختراقات الطبية أكثر وضوحًا.

كان OpenAI يعمل على تطوير نماذج "نقدية" لمساعدة في تحسين دقة ومحاذاة أنظمة الذكاء الاصطناعي الخاصة بهم، وخاصة ChatGPT. النقاط الرئيسية هي:

• قامت OpenAI بتدريب نموذج يُسمى "Critic GPT" على أساس GPT-4 لتحديد الأخطاء في مخرجات ChatGPT.
• عندما يستخدم الناس Critic GPT لمراجعة استجابات ChatGPT، فإنهم يتفوقون على أولئك الذين لا يستخدمون النموذج النقدي بنسبة 60% من الوقت.
• ت