النماذج التوليدية هل هي ذكاء اصطناعي؟
النماذج التوليدية هي نوع من نماذج الذكاء الاصطناعي التي يمكنها إنشاء بيانات أصلية جديدة بناء على أنماط وأمثلة من البيانات الموجودة.
نماذج من الذكاء الاصطناعي
GPT (Generative Pre-trained Transformer)
تتعلم هذه النماذج التوزيع الأساسي لبيانات التدريب ثم تستخدم تلك المعرفة لإنشاء عينات جديدة مشابهة لبيانات التدريب.
 |
| حرب الذكاء الاصطناعي قد تنهيها جوجل قريبًا! |
هناك أنواع مختلفة من النماذج التوليدية ، ولكن هناك فئتان بارزتان هما
- الترميز التلقائي المتغير (فايس)
- و شبكات الخصومة التوليدية (غانس).
أوتوينكوديرس المتغير( فاس):
فاس تتكون من التشفير وفك. يأخذ المشفر مدخلا ويعيده إلى مساحة كامنة ، حيث يتم ترميز البيانات في تمثيل منخفض الأبعاد.
ثم يقوم جهاز فك التشفير بتعيين هذا التمثيل مرة أخرى إلى مساحة البيانات الأصلية ، مما يؤدي إلى إنشاء مخرجات أعيد بناؤها.
يمكن تدريب فاس على توليد عينات جديدة عن طريق أخذ عينات من الفضاء الكامن وفك تشفيرها.
شبكات الخصومة التوليدية:
تتكون شبكات الخصومة التوليدية من مكونين:
[مولد ومميز.]
يهدف المولد إلى إنشاء عينات واقعية عن طريق تحويل الضوضاء العشوائية إلى بيانات تشبه مجموعة التدريب.
من ناحية أخرى ، يحاول المميز التمييز بين العينات الحقيقية والمولدة.
النماذج التوليدية في عالم الذكاء الاصطناعي
يتم تدريب المولد والمميز معا بطريقة تنافسية ، حيث يعمل المولد باستمرار على تحسين قدرته على إنتاج عينات أكثر واقعية.
النماذج التوليدية لها تطبيقات مختلفة ، بما في ذلك تخليق الصور وتوليد النص والتأليف الموسيقي وحتى إنشاء الفيديو.
إنها تمكن نظام الذكاء الاصطناعي من فهم الخصائص الإحصائية لبيانات التدريب وتكرارها ، مما يسمح بإنشاء بيانات اصطناعية جديدة تتماشى مع الأنماط المكتسبة.
من المهم ملاحظة أنه في حين أن النماذج التوليدية يمكن أن تؤدي إلى نتائج مبهرة ، فإنها قد تولد أيضا عينات غير واقعية أو تظهر تحيزات موجودة في بيانات التدريب.
يعمل الباحثون بنشاط على تحسين جودة ونزاهة النماذج التوليدية للتخفيف من هذه المشكلات وضمان استخدامها المسؤول في مختلف المجالات.
