إطلاق العنان لإمكانات نماذج اللغات الكبيرة (LLMs)، تغيير جذري للمدراء

في مجال البيانات والذكاء الاصطناعي (AI)، غالبًا ما يدور الضجيج حول عامل "الدهشة"، ولكن بالنسبة للعديد من مدراء الأعمال، يتركز التركيز على تحقيق نتائج عملية وعالمية. في خضم الفيضانات الإخبارية حول الذكاء الاصطناعي المتطور مثل ChatGPT ونماذج اللغات الكبيرة (LLMs)، قد يتساءل المدراء في الصناعات غير التقنية أو التقليدية عما إذا كانت هذه التقنيات المتقدمة ذات صلة بعملياتهم اليومية.

نماذج اللغات الكبيرة (LLMs) تقدم أكثر من مجرد قدرات توليد النصوص. هذه النماذج، مثل GPT-4، متعددة الاستخدامات بشكل لا يصدق ويمكن توظيفها لأداء مجموعة واسعة من المهام. يكمن المفتاح لإطلاق هذا العبق في صياغة تعليمات دقيقة، تُعرف غالبًا بـ "المطالبات" (prompts)، والتي توجه نماذج اللغات الكبيرة لتنفيذ مهام محددة. تُعرف المهارة المتطورة لصياغة مطالبات فعالة بشكل شائع بهندسة المطالبات (prompt engineering).

تخيل سيناريوهات حيث يمكن لنموذج لغات كبير (LLM) تحديد اللغات في مراجعات العملاء، أو ترجمة المستندات المؤسسية، أو تقييم مشاعر شكاوى العملاء. في الحقبة السابقة لنماذج اللغات الكبيرة، كان تحقيق هذه المهام يتطلب تطوير أو شراء أنظمة منفصلة لكل وظيفة، مما ينطوي على تكاليف إضافية لجمع البيانات والأجهزة. ومع ذلك، مع التسعير الميسور التكلفة القائم على الدفع لكل استخدام لنماذج اللغات الكبيرة، تصبح هذه حالات الاستخدام أكثر اقتصادية من تطوير العديد من النماذج المتخصصة. ونتيجة لذلك، تتطور نماذج اللغات الكبيرة لتصبح تقنية متعددة الاستخدامات لتطبيقات متنوعة، لتصبح في الأساس تصميمًا مهيمنًا.

تكامل سلس في سير العمل

بينما استكشف الكثيرون ChatGPT من خلال واجهته الويب، تتوفر نماذج اللغات الكبيرة (LLMs) وتقنياتها الأساسية عبر واجهات برمجة التطبيقات (APIs)، مما يجعل التكامل مع التطبيقات وسير العمل التجاري أمرًا في غاية affordability وبساطة. وتُظهر أمثلة مثل استخدام Duolingo لـ GPT-4 لتحسين ملاحظات المستخدمين، واستفادة Morgan Stanley من نماذج اللغات الكبيرة لتقديم توصيات مالية، التطبيقات المتنوعة لنماذج اللغات الكبيرة. تتيح المشاريع مفتوحة المصدر، مثل langchain، إنشاء برامج عن طريق تركيب سلاسل من التعليمات القائمة على نماذج اللغات الكبيرة، مما يمهد الطريق لمزيد من الحلول المبتكرة في المستقبل.

الجانب المزعزع للاستقرار لنماذج اللغات الكبيرة هو الطريقة التي تمكن بها من البرمجة باستخدام الذكاء الاصطناعي. يمكن للمطورين تحديد المهام باستخدام تعليمات لغوية بسيطة ودمج النتائج مثل طوب الليغو، مما يوفر بديلاً لمعضلة "الشراء مقابل التصنيع" التقليدية، حيث يمكنك "التصنيع مقابل الشراء أو التكيف من نموذج لغات كبير".

استجواب بيانات الشركة باستخدام نماذج اللغات الكبيرة

تطبيق واعد آخر لنماذج اللغات الكبيرة هو استعلام بيانات الشركة. يمكن لنماذج اللغات الكبيرة تقديم إجابات على الأسئلة المتعلقة بالبيانات عندما تكون البيانات جزءًا من المطالبة. تم اختبار هذا النهج بواسطة Boston Dynamics، التي استخدمت ChatGPT للاستفسار عن مستوى بطارية الروبوت أو حالته الداخلية. هذا يفتح الفرص أمام قواعد المعرفة المؤسسية. أصبح من الممكن الآن إدخال حزمة من المستندات التجارية أو سجلات البيانات في مطالمة وطرح أسئلة حولها، مما قد يحل محل استعلامات SQL التقليدية على المدى الطويل.

تُبذل جهود لربط قواعد بيانات المستندات بنماذج اللغات الكبيرة بكفاءة أكبر، مثل البحث عن المستندات الأكثر صلة ودمجها فقط في السياق. وعلى الرغم من التحديات، تظهر نماذج اللغات الكبيرة كواجهة جديدة للتفاعل مع البيانات.

التشغيل البيني واتخاذ الإجراءات مع نماذج اللغات الكبيرة

كذلك تحطم نماذج اللغات الكبيرة الأرقام في قدرتها على "الاتصال" بالأنظمة الأخرى واتخاذ الإجراءات عند الضرورة. تتيح استراتيجية المطالبة ReAct، التي قدمها باحثون من Google وPrinceton، لنماذج اللغات الكبيرة توليد إجابات تتضمن استدعاءات للخدمات. على سبيل المثال، يمكن لنموذج لغات كبير الاتصال بخدمة حاسبة لتقديم إجابة لطلب حساب. تقدم الإصدارات المدفوعة من ChatGPT إضافات (plugins) مثل Expedia وKayak، مما يوفر الوصول إلى معلومات الحجز ومعالجة الاستعلامات الرياضية المعقدة.

بشكل عام، تتمتع هذه القدرة لنماذج اللغات الكبيرة على التفاعل مع الأنظمة الأخرى بإمكانية تحويلها إلى منصات أو أسواق لخدمات متنوعة، على غرار كيفية عمل الهواتف في وظائف تتجاوز مجرد إجراء المكالمات.

نماذج اللغات الكبيرة: ميسورة التكلفة، قابلة للتكيف، ومتاحة

في الختام، يجب على مدراء الأعمال عدم التخلي عن نماذج اللغات الكبيرة بسبب التعقيد المتصور. نماذج اللغات الكبيرة متاحة بسهولة كأدوات مرنة وميسورة التكلفة على أساس الدفع لكل كلمة، وغالبًا ما تقدم أسعارًا أرخص من البدائل. إنها تتطور بسرعة لتصبح تقنيات عامة وشاملة، تحل محل العديد من النماذج الأصغر وتوفر نوعًا جديدًا من البرمجة من خلال التعليمات القائمة على الكلمات. تتعامل نماذج اللغات الكبيرة بكفاءة مع استعلامات البيانات ولديها القدرة على العمل كمنصات لخدمات متنوعة.