• الذكاء الاصطناعي التوليدي هو ذكاء اصطناعي قادر على استخدام خوارزميات ونماذج وقواعد معقدة، والتعلم من مجموعات بيانات ضخمة، ثم توليد بيانات جديدة بخصائص مماثلة، متجاوزًا قدرات معالجة البيانات وتحليلها في البرامج التقليدية.
  • هناك أنواع عديدة من نماذج الذكاء الاصطناعي التوليدي، ولكل منها نهجه الفريد في توليد المحتوى. أكثر النماذج استخدامًا هي الترميزات التلقائية التباينية (VAE) والشبكات التنافسية التوليدية (GAN).

منتجات مثل روبوتات المحادثة مثل ChatGPT وCopilot وGemini وLLaMA، وأنظمة توليد الصور بالذكاء الاصطناعي من النص إلى الصورة مثل Stable Diffusion وMidjourney وDALL-E، بالإضافة إلى مولدات الفيديو بالذكاء الاصطناعي مثل Sora، كلها ساهمت في حياتنا اليومية. وراء هذه المنتجات نماذج مختلفة تضمن عملها وصيانتها.

الذكاء الاصطناعي التوليدي

الذكاء الاصطناعي التوليدي (GenAI أو GAI) هو ذكاء اصطناعي قادر على استخدام نماذج توليدية لتوليد النصوص والصور ومقاطع الفيديو أو بيانات أخرى، باستخدام خوارزميات ونماذج وقواعد معقدة، والتعلم من مجموعات بيانات ضخمة، ثم توليد بيانات جديدة بخصائص مماثلة، متجاوزًا قدرات معالجة البيانات وتحليلها في البرامج التقليدية.

اقرأ أيضًا:ما الفرق بين الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة؟

عُرف عام 2023 بأنه عام اختراق الذكاء الاصطناعي التوليدي، حيث انتقلت التكنولوجيا من توليد لغة واحدة إلى تطور سريع متعدد الوسائط ومتجسد.

شركات مثل Anthropic وMicrosoft وGoogle وBaidu، بالإضافة إلى العديد من الشركات الصغيرة، طورت نماذج ذكاء اصطناعي توليدي تُستخدم على نطاق واسع في قطاعات مختلفة، بما في ذلك تطوير البرمجيات والرعاية الصحية والمالية والترفيه وغيرها الكثير.

أنواع النماذج التوليدية

هناك أنواع عديدة من نماذج الذكاء الاصطناعي التوليدي، ولكل منها نهجه الفريد في توليد المحتوى. من بين الأنواع الأكثر شهرة لنماذج الذكاء الاصطناعي التوليدي: الترميزات التلقائية التباينية (VAE)، والشبكات التنافسية التوليدية (GAN)، وتقنيات الانتشار، والمحولات، وحقول الإشعاع العصبي (NeRF).

اقرأ أيضًا:01.AI من كاي فوه لي تصل إلى تقييم مليار دولار وتقود نماذج الذكاء الاصطناعي مفتوحة المصدر

النماذج الأكثر استخدامًا هي VAE و GAN. كل من هذه النماذج له مزايا وعيوب، حسب تعقيد البيانات وجودتها.

1. VAE

طُورت الترميزات التلقائية التباينية في عام 2014 لاستخدام الشبكات العصبية في ترميز البيانات بشكل أكثر كفاءة. وهي مثالية لتوليد مثيلات جديدة من أجزاء صغيرة من المعلومات، وتصحيح الصور أو البيانات المشوشة، واكتشاف المحتوى غير الطبيعي في البيانات، وسد المعلومات المفقودة.

تُستخدم الترميزات التلقائية التباينية في اكتشاف الحالات الشاذة والأمن. على سبيل المثال، استجابةً لنشاط شبكة غير طبيعي أو معاملات احتيالية، يمكنها فهم النمط الطبيعي للبيانات وتحديد الحالات الشاذة أو الثغرات الأمنية المحتملة.

من المحتمل أن يركز التكرار التالي للترميزات التلقائية التباينية على تحسين جودة البيانات المولدة، وتسريع التدريب، واستكشاف إمكانية تطبيقها على البيانات التسلسلية.

2. GAN

طُورت الشبكات التنافسية التوليدية في عام 2014 وتُستخدم لتوليد وجوه واقعية وأرقام مطبوعة. يمكن استخدام الشبكات التنافسية التوليدية لتوليد بيانات تركيبية حقيقية لتدريب نماذج قوية واختبار الأنظمة الآمنة.

من الأمثلة على ذلك، إنشاء بيانات حركة مرور شبكة حقيقية لاختبار مرونة نظام كشف التسلل، أو توليد عينات حقيقية من البرامج الضارة لتقييم برامج مكافحة الفيروسات.

من ناحية أخرى، يمكن أيضًا استخدام الشبكات التنافسية التوليدية بشكل ضار لتوليد بيانات تركيبية مشابهة للمعلومات الحساسة، مما يشكل مخاطر على الخصوصية. يمكن أن تعاني الشبكات التنافسية التوليدية أيضًا من انهيار النمط، مما يؤدي إلى إنتاج المولدات مخرجات محدودة ومتكررة، مما يجعلها صعبة التدريب وبدون سيطرة واضحة على العينات المولدة.

سيركز الجيل التالي من الشبكات التنافسية التوليدية على تحسين استقرار وتكامل عملية التدريب، وتوسيع إمكانية تطبيقها على مجالات أخرى، وتطوير مقاييس تقييم أكثر فعالية.