الذكاء الاصطناعي
آبل تدعي أن نظام ReALM يتفوق على GPT-4 في القدرات
أضف Securities.io إلى مصادرك المفضلة على Google
Claude 3 Opus مؤخرًا أطاح بـ GPT 4 كأكثر نموذج لغة كبير تقدمًا. في الوقت نفسه، كشف الباحثون في آبل عن ReALM، بعد فترة وجيزة من الأخبار التي تفيد بأن Gemini من جوجل يزود iPhone بالطاقة، وقد تصدرت العناوين. ورقة البحث، بعنوان “ReALM: Reference Resolution As Language Modeling”، تروج له كنظام ذكاء اصطناعي متقدم يَعِد بإعادة تعريف كيفية فهم المساعدين الصوتيين لأسئلة المستخدمين والرد عليها.
يكمن الاختلاف بين ReALM والأنظمة الأخرى في دمجه السلس لحل الإشارة في نسيج فهم اللغة. هذا نهج مبتكر بالنظر إلى التصميم الحالي للأنظمة القائمة على نماذج اللغة الكبيرة، ويساعد على تعزيز فهم النموذج للسياق مع وضع معيار جديد للتفاعل بين الذكاء الاصطناعي وواجهات المستخدم الرسومية.
استنادًا إلى نتائج البحث، من المقرر أن يساعد مهندسي نماذج اللغة الكبيرة ومديري منتجات أدوات الذكاء الاصطناعي على تحقيق تفاعلات مستخدم أكثر بديهية وواعية للسياق. كما يسهل ReALM دمج الإدخال النصي مع السياق البصري، مما يوسع الإمكانات لتحسين مهارات المساعد الرقمي في العديد من التطبيقات.
النهج المبتكر لـ ReALM في حل الإشارة في معالجة اللغة الطبيعية
تعتمد جميع أنظمة معالجة اللغة الطبيعية على “حل الإشارة”، وهي عملية لتحديد وربط الإشارات الغامضة ولكن السياقية مثل الضمائر أو الأوصاف غير المباشرة، مثل “هم” أو “ذلك”، بالكيانات الصحيحة داخل المحادثة أو السياق البصري للحفاظ على تفاعلات مستخدم متماسكة.
تعتمد الأنظمة التقليدية للذكاء الاصطناعي على طرق قائمة على القواعد أو الخوارزميات لحل الإشارة، وهو ما لا يحقق النتائج المرجوة عند محاولة التقاط التعقيد الكامل للغة الطبيعية. وبالتالي، كان من الصعب دمج السياق البصري، مثل الكيانات المعروضة على الشاشة، في عملية الحل باستخدام هذه الأساليب. كما تقع المساعدات الصوتية مثل Siri فريسة لنفس القيود التي يتعامل معها ReALM من خلال اعتبارها مشكلة نمذجة لغوية.
يستفيد ReALM من نماذج اللغة الكبيرة لفهم وحل الإشارات الغامضة ضمن سياق أوسع للمحادثة بدلاً من الاعتماد على القواعد أو الخوارزميات. عند وجود سياق بصري، يعيد بناء شاشة الجهاز باستخدام تمثيلات نصية وتسجيل الروابط المكانية بين مكونات الشاشة.
بقيادة جويل روبن أنطوني مونيز، يصرح فريق الباحثين:
“حسب علمنا، هذا هو أول عمل يستخدم نموذج لغة كبير يهدف إلى ترميز السياق من الشاشة.”
النتيجة؟ يمكن للمساعدين الصوتيين المدعومين بـ ReALM فهم استفسارات مثل “اضغط على الزر في الزاوية العليا اليمنى” و”افتح المقالة الثانية في القائمة”، وهو ما تكافح الأنظمة التقليدية للذكاء الاصطناعي معه.
يجعل هذا طريقة حل الإشارة في ReALM أكثر كفاءة ومثالية للمعالجة على الجهاز، حيث يمكنها حل الإشارات محليًا على الجهاز، على عكس أنظمة الذكاء الاصطناعي السحابية التي تحتاج إلى نقل مستمر للبيانات. وهذا يجعله أكثر ملاءمة لـ Siri بفضل تحسين الخصوصية والكمون والقدرة على العمل دون اتصال.
انقر هنا للحصول على قائمة بأفضل خمس إضافات لـ ChatGPT.
جمع مجموعة البيانات وتقييمها
قامت فريق البحث في آبل بتجميع مجموعة بيانات متنوعة تشمل بيانات محادثة، وبيانات على الشاشة، وبيانات صناعية لتقييم قدرة ReALM على التعامل مع تعقيدات تفاعلات المستخدم في العالم الحقيقي مقارنةً بالبدائل.
للقيام بذلك، جمع الفريق مجموعة بيانات متنوعة تشمل بيانات محادثة، وبيانات على الشاشة، وبيانات صناعية.
تم إنشاء بيانات المحادثة من خلال عرض صور تحتوي على قوائم صناعية على عمال الحشد وطلب تقديم استفسارات واضحة تتعلق بعناصر محددة داخل تلك القوائم. خضع مجموعة البيانات على الشاشة لعملية توضيح من مرحلتين لضمان قدرة النموذج على التعامل مع تعقيد صفحات الويب الواقعية. شملت هذه العملية تصنيف الكائنات المرئية، وإنتاج الاستفسارات، وإقامة الروابط بين الاستفسارات والكيانات التي تشير إليها.
نتائج أداء مبهرة
تُظهر نتائج التقييم الأداء المذهل لـ ReALM عبر جميع مجموعات البيانات. مقارنةً بـ MARRS، النظام السابق الرائد في حل الإشارة، يحقق ReALM تحسينات ملحوظة في الدقة. ومن الجدير بالذكر أن أصغر نموذج من ReALM يحقق زيادة مطلقة تزيد عن 5٪ على مجموعة البيانات الصعبة على الشاشة، مما يُظهر قدرته على فهم وحل الإشارات بفعالية في سياقات بصرية معقدة.
لتقييم قدرات ReALM بشكل أعمق، قارن الباحثون بينه وبين نماذج GPT-3.5 و GPT-4 من OpenAI. وبشكل مدهش، يحقق أصغر نموذج من ReALM أداءً مماثلاً لـ GPT-4 على الرغم من امتلاكه عددًا أقل بكثير من المعاملات. مع زيادة حجم النموذج، يستمر أداء ReALM في التحسن، حيث تتفوق النماذج الأكبر بشكل كبير على GPT-4 في مجموعات البيانات التي تم تقييمها.
الجدول أدناه يُظهر ملخصًا لنتائج الأداء، مسلطًا الضوء على تفوق ReALM على الأساليب الحالية وتنافسيته مع نماذج اللغة المتقدمة.
المفتاح للنجاح: ترميز الشاشة الأمثل
كما هو واضح، يُعد نهج ترميز الشاشة المُحسّن في ReALM عاملًا حاسمًا يساهم في أدائه المبهّر. كما يضيف إلى حقيقة أن الباحثين استكشفوا عدة استراتيجيات قبل الوصول إلى الخوارزمية النهائية، التي ثبت أنها الأكثر فاعلية.
إحدى المحاولات الأولية شملت تجميع عناصر الشاشة وإدراج جميع العناصر الأخرى في سياق كل كيان. ومع ذلك، أدى ذلك إلى زيادة طول الموجه بسرعة مع زيادة عدد الكيانات على الشاشة، مما جعله غير عملي للتطبيقات الواقعية.
نهج آخر شمل وضع علامات على الكيانات في تحليل الشاشة النصي ولكن تقديمها بشكل منفصل عن السياق الرئيسي. على الرغم من أن هذه الطريقة تبدو واعدة، وجد الباحثون أن حقن العلامات مباشرةً في التحليل نفسه أدى إلى أفضل النتائج.
النهج النهائي “ترميز الشاشة المدمج”، كما هو موضح في الورقة، يعمل على ترتيب مراكز عناصر الشاشة من الأعلى إلى الأسفل ثم من اليسار إلى اليمين. العناصر داخل هامش عمودي محدد تُجمع في نفس “السطر” في التمثيل النصي، وتُفصل العناصر في نفس السطر باستخدام علامات الجدولة. يسمح هذا المخطط الذكي للترميز لـ ReALM بتقريب تخطيط الشاشة ثنائي الأبعاد إلى صيغة نصية أحادية البعد، مما يمكّن النموذج من فهم العلاقات المكانية بين الكيانات بفعالية.
أكدت تجارب الإزالة التي أجراها الباحثون تفوق هذا النهج المُحسّن للترميز، كما هو موضح في الشكل أدناه:
معالجة حالات الاستخدام المعقدة
توفر الورقة عدة أمثلة نوعية تُظهر قدرة ReALM على معالجة حالات الاستخدام المعقدة التي تتطلب أشكالًا مختلفة من الاستدلال، بما في ذلك الفهم الدلالي، والتلخيص، والمعرفة العامة، والاستدلال السليم.
في مثال مثير شاركه الفريق، يحل ReALM بشكل صحيح الاستفسار “اتصل برقم المساء” إلى رقم الهاتف المدرج تحت “5 م – 9 م” عند عرض شاشة تُظهر معلومات الاتصال الصباحية والمسائية. على الرغم من أنه يبدو نتيجة منطقية، إلا أن هذا يُظهر قدرة مبهرة حيث فهم ReALM بنجاح معنى “المساء” وربطه بالفترة الزمنية المناسبة، وهو ما لم يتحقق بعد في أنظمة الذكاء الاصطناعي الأخرى.
شملت عينة إدخال أخرى شاشة تُظهر مواعيد الضرائب، وتمكّن النموذج من تحديد تاريخ التقديم في أبريل كالموعد النهائي المناسب عندما طُلب منه ضبط تذكير لطباعة المستندات قبل تاريخ استحقاق الضريبة.
تعزز هذه الأمثلة النوعية الملاحظات التي تم إجراؤها حول تنوع ReALM وإمكاناته في معالجة مجموعة واسعة من السيناريوهات الواقعية التي تتطلب فهمًا عميقًا للغة وقدرات استدلالية.
المزايا مقارنةً بالنهج الشامل من البداية إلى النهاية
في حين أن النهج الشامل الذي يعتمد فقط على نماذج اللغة الكبيرة الضخمة قد أظهر نتائج واعدة في مهام فهم اللغة المختلفة، يبرز الباحثون عدة مزايا لهندسة ReALM:
تشغيل نموذج شامل من البداية إلى النهاية على الجهاز لأسباب تتعلق بالكمون والخصوصية سيكون غير قابل للتنفيذ مع النماذج الحالية بسبب قيود الحوسبة والذاكرة. من خلال استخدام نموذج أصغر ومُضبط خصيصًا لحل الإشارة، يتجنب ReALM هذه المشكلات ويُمكّن المعالجة الفعّالة على الجهاز.
علاوة على ذلك، تسمح بنية ReALM المعيارية بالتكامل السلس مع مكونات اكتشاف الكيانات وإكمال المهام الحالية في خطوط أنابيب الذكاء الاصطناعي الحواري. في المقابل، سيتطلب نموذج شامل تعديلًا كبيرًا في كامل خط الأنابيب، مما يجعل اعتماده أكثر صعوبة في الأنظمة الواقعية.
قابلية التوسع إلى أنواع كيانات جديدة
إحدى النقاط القوية الرئيسية في ReALM هي قابليته للتوسع إلى أنواع كيانات جديدة.
على عكس الأساليب المتسلسلة السابقة مثل MARRS التي اعتمدت على منطق محدد يدويًا للنوع، يمكن للنهج القائم على نماذج اللغة الكبيرة في ReALM التعميم بسهولة على المجالات غير المرئية.
يظهر الباحثون هذه الميزة من خلال تقييم ReALM على نوع كيان “منبه” غير مرئي. وبشكل مدهش، يطابق ReALM أداء الصفرية (zero-shot) لـ GPT-4 في حل الاستفسارات بدقة مثل “أوقف تشغيل المنبه الذي يذكرني بجمع ديدي” إلى كيان المنبه المناسب. هذا يُظهر قدرة النموذج على استغلال قدراته في فهم اللغة للتعامل مع أنواع كيانات جديدة دون الحاجة إلى بيانات تدريب صريحة.
يعرض الجدول أدناه مقارنة الأداء بين ReALM و GPT-4 على مجموعة بيانات “المنبه” غير المرئية، مسلطًا الضوء على قدرات التعميم القوية في وضع الصفرية لـ ReALM:
الإمكانات المستقبلية والقيود
على الرغم من أن ReALM يحقق تقدمًا كبيرًا في جوانب مهمة مثل حل الإشارة للذكاء الاصطناعي الحواري، أشار فريق البحث إلى بعض القيود التي تستحق الفهم.
إحدى العوائق الرئيسية للنظام، مع ذلك، هي أن تحويل تخطيط الشاشة ثنائي الأبعاد إلى تمثيل نصي أحادي البعد يؤدي إلى فقدان التفاصيل المكانية الدقيقة. اقترح الفريق استخدام استراتيجيات ترميز أكثر تقدمًا، مثل تمثيل مكونات الشاشة بطريقة شبكية، للحفاظ على مواقع نسبية أكثر دقة.
تحسين محتمل آخر للمستقبل هو تعزيز قدرة ReALM على معالجة إشارات أكثر تعقيدًا وتنوعًا، بما في ذلك تلك التي تتضمن علاقات زمنية أو هرمية بين الكيانات.
على الرغم من هذه القيود، فإن الأداء المبهّر وتصميم ReALM القابل للتوسع يجعله أساسًا واعدًا للغاية للدراسة والتطوير المستقبلي في مجال الذكاء الاصطناعي الحواري.
أفكار ختامية
ستُمهد قدرة ReALM على ربط الفجوة بين الإدخال النصي والسياق البصري الطريق لواجهات مستخدم أكثر بديهية وواعية للسياق.
سيتمكن مهندسو نماذج اللغة الكبيرة والمطورون من إنشاء أنظمة ذكاء اصطناعي تفهم حقًا نوايا المستخدمين وتستجيب لها، حتى عند التعامل مع عناصر شاشة معقدة.
من منظور تقني بحت، تُعد بنية ReALM المعيارية وقدرات المعالجة على الجهاز ذات قيمة خاصة لأنها لا تعالج فقط قضايا الخصوصية والكمون للمستخدم، بل تضع أيضًا سابقة لأنظمة ذكاء اصطناعي أكثر قابلية للتوسع وكفاءة وتكاملًا.
بعبارات بسيطة، يُظهر نجاح ReALM في معالجة حالات الاستخدام المعقدة وقدرته على التعميم إلى أنواع كيانات جديدة أن فهمنا لما هو ممكن حاليًا في الذكاء الاصطناعي الحواري قد تغير تمامًا. يمكن أن يسرّع ذلك معدل تبني الذكاء الاصطناعي البطيء نسبيًا عبر الصناعات التي تتراوح من خدمة العملاء والتجارة الإلكترونية إلى الرعاية الصحية والتعليم.
انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي.
