- يُدمج المطوّر إيشان أناند نموذج GPT-2 في Microsoft Excel، مما يوفر منظوراً جديداً لنمذجة الذكاء الاصطناعي.
- على الرغم من القيود، فإن تطبيق GPT-2 القائم على Excel يسهّل فهم التنبؤ بالرمز التالي والبنية المعمارية لـ Transformer.
- يُعدّ ابتكار أناند مورداً تعليمياً لمختلف الفئات المهتمة بمبادئ وتطبيقات الذكاء الاصطناعي.
في إنجاز ملحوظ، نجح مطور البرمجيات وهواة الجداول المحاسبية الذاتيين Ishan Anand في دمج نموذج اللغة GPT-2 في Microsoft Excel. لا يوضح هذا الإنجاز الرائد فقط مرونة الجداول المحاسبية، بل يوفر أيضًا منظورًا فريدًا حول كيفية عمل نماذج اللغة الكبيرة (LLMs)، لا سيما بنية Transformer الأساسية المسؤولة عن التنبؤ الذكي بالرمز التالي.
النهج الرائد لـ Anand
إدراكًا للتعقيد الجوهري لأنظمة الذكاء الاصطناعي، يعتقد Anand أن فهم جدول محاسبي يمكن أن يفتح أسرار الذكاء الاصطناعي. "إذا استطعت فهم جدول محاسبي، فيمكنك فهم الذكاء الاصطناعي"، يقول بثقة. أدى النهج المبتكر للمطور إلى إنشاء جدول محاسبي بحجم 1.25 جيجابايت، وقد جعله متاحًا بكرم على GitHub لأي شخص لتحميله واستكشافه.
بينما قد لا يتطابق تنفيذ Anand لـ GPT-2 في جدول محاسبي مع القدرات المتطورة لنماذج LLM المعاصرة، فإنه يوفر لمحة قيمة عن نموذج GPT-2 الرائد، الذي لفت انتباهًا كبيرًا في عام 2019 لأدائه المتفوق. من المهم ملاحظة أن GPT-2 سبق عصر الذكاء الاصطناعي التفاعلي، حيث ظهر ChatGPT من جهود التفاعل مع GPT-3 بشكل تفاعلي في عام 2022.
استكشاف بنية Transformer
في صميم تنفيذ Anand في Excel يكمن نموذج GPT-2 Small، الذي يتميز بـ 124 مليون معلمة. في المقابل، استخدمت النسخة الكاملة من GPT-2 رقمًا مذهلاً يبلغ 1.5 مليار معلمة، بينما رفعت النسخة التالية، GPT-3، العتبة أعلى بكثير بـ 175 مليار معلمة. على الرغم من حجمها المتواضع نسبيًا، يعرض تنفيذ Anand قدرة بنية Transformer على أداء "التنبؤ بالرمز التالي" الذكي، حيث يكمل نموذج اللغة تسلسل الإدخال بذكاء بالجزء التالي الأكثر احتمالًا.
بينما يمكن للجداول spreadsheets التعامل مع 10 رموز فقط من المدخلات، وهي كسر ضئيل جداً مقارنة بسعة GPT-4 Turbo البالغة 128,000 رمز، فإن عمل أناند يُعد موردًا تعليميًا قيّمًا. وهو يعتقد أن "مقدمته منخفضة الترميز" مثالية للمديرين التنفيذيين في مجال التكنولوجيا، والمسوقين، ومديري المنتجات، وصانعي السياسات المتعلقة بالذكاء الاصطناعي، والأخلاقيين، والمطورين، والعلماء الذين يسعون لفهم أسس نماذج اللغات الكبيرة (LLMs) بشكل أفضل.
أساس لنماذج اللغات الكبيرة الحديثة
يؤكد أناند أن بنية المحوّل (Transformer) المستخدمة في تنفيذه لـ GPT-2 لا تزال "الأساس لنموذج ChatGPT الخاص بـ OpenAI، وClaude الخاص بـ Anthropic، وBard/Gemini الخاص بـ Google، وLlama الخاص بـ Meta، والعديد من نماذج اللغات الكبيرة الأخرى." ويوجه عمله متعدد الأوراق المستخدمين خلال عملية ترميز الكلمات، ومواقع النصوص والأوزان، والتحسين التكراري للتنبؤ بالكلمة التالية، وفي النهاية، اختيار رمز المخرجات – وهو الكلمة الأخيرة المتوقعة في التسلسل.
أحد الفوائد البارزة لتنفيذ أناند القائم على Excel هي القدرة على تشغيل نموذج اللغات الكبيرة (LLM) محليًا بالكامل على جهاز الكمبيوتر، دون الاعتماد على خدمات السحابة أو استدعاءات واجهة برمجة التطبيقات (API). ومع ذلك، يحذر من محاولة استخدام ملف Excel هذا على أجهزة Mac أو تطبيقات الجداول spreadsheets المستندة إلى السحابة، حيث قد يؤدي ذلك إلى تعطل النظام ومشاكل في الأداء. بالإضافة إلى ذلك، يوصي أناند باستخدام أحدث إصدار من Excel للحصول على أفضل أداء.
بينما قد لا يتطابق تنفيذ أناند لـ GPT-2 مع قدرات نماذج اللغات الكبيرة المعاصرة، فإنه يعمل كأداة تعليمية مذهلة وشهادة على مرونة الجداول spreadsheets. ومن خلال إزالة الغموض عن الآليات الداخلية لنماذج اللغات، يمكّن عمل أناند الأفراد من خلفيات متنوعة من اكتساب فهم أعمق للذكاء الاصطناعي ومبادئه المعمارية الأساسية.
إذا كنت تقرأ هذا، فأنت متقدّم بالفعل. ابق هناك مع نشرتنا الإخبارية.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.
جون بالمر
انضم جون مورانغيري إلى موقع Cryptopolitan ممتلئاً بمهارات تحليل السوق. تخرج جون (المعروف أيضاً باسم جيه بي) من جامعة نيروبي بحصوله على درجة البكالوريوس في الاتصالات الجماهيرية ودراسات الإعلام. وساهم سابقاً بتحليلات لسوق العملات المشفرة في موقعي InsideBitcoins.com و Metacoingraph.
