دمج GPT-2 في برنامج مايكروسوفت إكسل: نهج غير تقليدي لنمذجة الذكاء الاصطناعي

في إنجازٍ مُلفت، نجح مُطوّر البرمجيات، إيشان أناند، الذي يُعرّف نفسه بأنه مُتحمس لجداول البيانات، في دمج نموذج لغة GPT-2 في برنامج مايكروسوفت إكسل. يُظهر هذا الإنجاز الرائد تنوع جداول البيانات، كما يُوفر منظورًا فريدًا حول كيفية عمل نماذج اللغات الكبيرة (LLMs)، وخاصةً بنية Transformer الأساسية المسؤولة عن التنبؤ الذكي بالرمز التالي.

نهج أناند الرائد

إدراكًا منه للتعقيد المتأصل في أنظمة الذكاء الاصطناعي، يعتقد أناند أن فهم جدول البيانات يُمكن أن يكشف أسرار الذكاء الاصطناعي. ويصرحdent: "إذا استطعتَ فهم جدول بيانات، فستتمكن من فهم الذكاء الاصطناعي". وقد نتج عن النهج المبتكر للمطور جدول بيانات بحجم 1.25 جيجابايت، أتاحه بسخاء على GitHub ليتمكن أي شخص من تنزيله واستكشافه.

مع أن تطبيق أناند لـ GPT-2 في جداول البيانات قد لا يضاهي الإمكانيات المتطورة لبرامج ماجستير القانون المعاصرة، إلا أنه يُقدم لمحة قيّمة عن نموذج GPT-2 الرائد، الذي حظي باهتمام كبير في عام 2019 لأدائه المتطور. تجدر الإشارة إلى أن GPT-2 يعود تاريخه إلى ما قبل عصر الذكاء الاصطناعي الحواري، بينما برز ChatGPT نتيجةً للجهود المبذولة لتحفيز GPT-3 الحواري في عام 2022.

استكشاف بنية المحولات

يعتمد تطبيق أناند لبرنامج إكسل على نموذج GPT-2 الصغير، الذي يضم 124 مليون معلمة. في المقابل، استخدم الإصدار الكامل من GPT-2 عددًا هائلًا من المعلمات بلغ 1.5 مليار معلمة، بينما رفع خليفته، GPT-3، سقف التوقعات إلى ما يصل إلى 175 مليار معلمة. على الرغم من صغر حجمه نسبيًا، يُظهر تطبيق أناند قدرة بنية Transformer على إجراء "تنبؤ ذكي بالرمز التالي"، حيث يُكمل نموذج اللغة تسلسل الإدخال بذكاء مع الجزء التالي الأكثر احتمالًا.

رغم أن جدول البيانات لا يستوعب سوى 10 رموز إدخال، وهو جزء ضئيل مقارنةً بسعة GPT-4 Turbo البالغة 128,000 رمز، إلا أن عمل أناند يُعدّ موردًا تعليميًا قيّمًا. ويعتقد أن "مقدمته منخفضة البرمجة" مثالية للمديرين التنفيذيين في مجال التكنولوجيا، والمسوقين، ومديري المنتجات، وواضعي سياسات الذكاء الاصطناعي، وخبراء الأخلاقيات، والمطورين، والعلماء الذين يسعون إلى فهم أساسيات برامج الماجستير في القانون بشكل أفضل.

أساس برامج الماجستير في القانون الحديثة

يؤكد أناند أن بنية Transformer المستخدمة في تطبيقه لـ GPT-2 لا تزال "أساس ChatGPT من OpenAI، وClaude من Anthropic، وBard/Gemini من Google، وLlama من Meta، والعديد من برامج LLM الأخرى". يرشد عمله متعدد الصفحات المستخدمين خلال عملية ترميز الكلمات، ومواضع النصوص وأوزانها، والتحسين التكراري للتنبؤ بالكلمة التالية، وأخيرًا، اختيار رمز الإخراج - الكلمة الأخيرة المتوقعة في التسلسل.

من المزايا الجديرة بالملاحظة لتطبيق أناند المستند إلى إكسل إمكانية تشغيل برنامج إدارة المشاريع (LLM) محليًا بالكامل على جهاز الكمبيوتر، دون الاعتماد على خدمات السحابة أو استدعاءات واجهة برمجة التطبيقات (API). ومع ذلك، يُحذّر أناند من محاولة استخدام ملف إكسل هذا على أجهزة ماك أو تطبيقات جداول البيانات السحابية، إذ قد يؤدي ذلك إلى أعطال ومشاكل في الأداء. بالإضافة إلى ذلك، يُوصي أناند باستخدام أحدث إصدار من إكسل للحصول على أفضل أداء.

مع أن تطبيق أناند لـ GPT-2 قد لا يضاهي قدرات برامج ماجستير القانون المعاصرة، إلا أنه يُمثل أداة تعليمية متميزة، ودليلاً على تنوع استخدامات جداول البيانات. ومن خلال كشف غموض آليات نماذج اللغة، يُمكّن عمل أناند الأفراد من خلفيات متنوعة من اكتساب فهم أعمق للذكاء الاصطناعي ومبادئه الهيكلية الأساسية.