مايكروسوفت تطلق Phi-4، وهو نموذج جديد للذكاء الاصطناعي التوليدي – إليكم تفاصيل المنتج

كشفت مايكروسوفت عن Phi-4، أحدث إصدار من سلسلة نماذج الذكاء الاصطناعي التوليدي Phi. وتتضمن البنية المبسطة تطورات في حل المسائلmatic. 

وبحسب التقارير، فإن النموذج الجديد، الذي يضم 14 مليار معلمة، يهدف إلى منافسة نماذج الذكاء الاصطناعي المدمجة الأخرى مثل GPT-40 Mini و Gemini 2.0 Flash و Claude 3.5 Haiku.

مايكروسوفت لمدونة، فإن Phi-4 متاح مع إمكانية وصول محدودة من خلال منصة Azure AI Foundry التابعة لمايكروسوفت ويقتصر استخدامه على أغراض البحث بموجب اتفاقية ترخيص بحثية لمايكروسوفت.

فاي-4: تحسين الأداء في الاستدلالmatic

صنّفت مايكروسوفت نظام Phi-4 كنظام رائد في حل المسائلmatic، مشيرةً إلى تحسّن ملحوظ في الأداء مقارنةً بالأنظمة السابقة والنماذج المماثلة.dent الشركة بقدرات هذا النظام الذكي بعد أن حقق Phi-4 أعلى الدرجات في العديد من الاختبارات المعيارية. 

في اختبار GPQA، حقق Phi-4 نتيجة 56.1، متفوقًا على GPT-4o الذي حقق 40.9، وLlama-3 الذي حقق 49.1. أما في اختبار MATH، فقد حقق Phi-4 نتيجة 80.4، مما يعكس قدراته المتقدمة في معالجة المسائلmaticالمعقدة. كما برع في اختبارات البرمجة، محققًا نتيجة 82.6 على منصة HumanEval.

بالإضافة إلى ذلك، أظهر برنامج Phi-4 براعته في سيناريوهات واقعية، بما في ذلك حصوله على درجات عالية في مسائل من مسابقاتmaticالأمريكية (AMC-10/12) التابعة للجمعيةmaticالأمريكية. تشير هذه النتائج إلى تطبيقات محتملة في البحث العلمي والهندسة والنمذجة المالية، وهي مجالات تُعد فيها الدقةmaticوالاستدلال الرياضي أمراً بالغ الأهمية.

بينما تعمل النماذج الأكبر حجماً مثل GPT-4o من OpenAI و Gemini Ultra من Google مع مئات المليارات أو حتى التريليونات من المعلمات، يوضح Phi-4 أن البنى الأصغر حجماً والأكثر بساطة يمكنها تحقيق أداء فائق في المهام المتخصصة. 

تعزو مايكروسوفت الفضل في تطورات Phi-4 إلى دمج بيانات اصطناعية عالية الجودة مع مجموعات بيانات من المحتوى الذي أنشأه البشر، بالإضافة إلى تحسينات لم يُكشف عنها أُجريت خلال مرحلة ما بعد التدريب. وتعكس هذه الجهود اتجاهاً أوسع في صناعة الذكاء الاصطناعي، حيث تركز فرق البحث بشكل متزايد على الابتكارات في استخدام البيانات الاصطناعية وتحسين ما بعد التدريب. 

سلط ألكسندر وانغ، الرئيس التنفيذي لشركة Scale AI، الضوء مؤخراً على هذا التحول، مشيراً إلى أن الصناعة قد وصلت إلى "جدار بيانات التدريب المسبق"، مضيفاً أن الشركات ستتسابق الآن نحو تطوير نماذج ذكاء اصطناعي أكثر كفاءة.

تُعدّ الحوسبة مهمة، لكن البيانات لا تقلّ أهمية، وقد وصلنا إلى حدّ أقصى في البيانات قبل التدريب.

استعدّوا لطفرة البيانات بعد التدريب. ستتسابق الشركات للحصول على أفضل البيانات الرائدة - متعددة الوسائط، وذكية، وقادرة على الاستدلال المعقد، وغيرها.

تتبّعوا البيانات، واكتشفوا الفائزين.

7/8

– الكسندر وانغ (@ alexandr_wang) 12 ديسمبر 2024

الذكاء الاصطناعي المسؤول وميزات السلامة

تواصل مايكروسوفت التأكيد على التطوير المسؤول لحلول الذكاء الاصطناعي، من خلال دمج إجراءات أمان قوية في Phi-4 والإصدارات السابقة. ويتيح Azure AI Foundry للمستخدمين الوصول إلى أدوات مصممة لتقييم المخاطر والتخفيف من حدتها طوال دورة حياة تطوير الذكاء الاصطناعي. 

وتشمل هذه الأدوات دروعًا فورية تحمي من المدخلات غير المناسبة أو الضارة، واكتشاف المواد المحميةdentالمحتوى الحساس في المخرجات، واكتشاف الأساس لضمان أن تكون المخرجات دقيقة من الناحية الواقعية وذات صلة.

علاوة على ذلك، تتضمن ميزات مُدمجة تُمكّن المطورين من تطبيق عوامل التصفية ومراقبة التطبيقات لضمان الجودة والسلامة وسلامة البيانات. وتُتيح التنبيهات الفورية التدخل في الوقت المناسب لمعالجة المشكلات مثل الرسائل المُضللة وانحرافات المحتوى.

Azure AI Foundry أيضًا عمليات تقييم النماذج التكرارية باستخدام المقاييس المضمنة والمخصصة، مما يمنح المطورين المرونة اللازمة لضبط تطبيقات الذكاء الاصطناعي الخاصة بهم لتحقيق الأداء الأمثل.