المكاسب:
- القدرة على التمييز بين مفاهيم المزود وعائلة النموذج وإصدار النموذج.
- تعرف على مقدمي الخدمات الثمانية الرئيسيين وأين يبرزون بطريقة غير متحيزة
- تأطير اختيار النموذج على أنه مشكلة مطابقة للوظيفة، وليس سباقًا في القائمة
النظام البيئي لموفر الذكاء الاصطناعي: الخريطة والمفاهيم و"لا يوجد نموذج أفضل"
عندما تقول شركة ما "سنستخدم الذكاء الاصطناعي" اليوم، فهي لا تتحدث في الواقع عن منتج واحد، بل عن سوق واسعة تتكون من عشرات النماذج التي تتنافس مع بعضها البعض والشركات المتنافسة التي تطور هذه النماذج. كان هذا السوق يتألف من لاعبين أو ثلاثة لاعبين قبل بضع سنوات؛ أما اليوم فقد كثرت الخيارات لدرجة أن اختيار النموذج المناسب أصبح كفاءة في حد ذاته. الهدف من هذه الوحدة هو رسم خريطة هذا السوق وتوضيح المفاهيم الأساسية مثل "المزود"، "عائلة النماذج"، "إصدار النموذج". بمجرد الانتهاء من الوحدة، ستتمكن من التحدث عن من ينتج ماذا دون الخلط وشرح سبب عدم وجود "أفضل نموذج" واحد.
جمهورنا المستهدف خلال هذه الوحدة ليس فريقًا برمجيًا تقنيًا؛ المحترف هو الذي يجب عليه اتخاذ القرار. بمعنى آخر، المدير الذي يخطط لاستخدام الذكاء الاصطناعي في شركته، والمحامي الذي يريد قراءة العقود، والمحاسب الذي يعالج الفواتير، ومتخصص التجارة الإلكترونية الذي يفرز تعليقات العملاء، وموظف خدمة العملاء الذي يقوم بإنشاء ملخصات المكالمات. والسؤال الشائع لهؤلاء الأشخاص هو: "هناك العشرات من النماذج، أي منها يجب أن أختار لعملي وعلى أي أساس؟" الطريق إلى الإجابة هو أن تتعلم أولاً الكلمات الصحيحة.
ثلاثة مفاهيم أساسية: المزود، العائلة النموذجية، الإصدار النموذجي
ينشأ الكثير من الالتباس من خلط هذه الكلمات الثلاث معًا. دعونا نوضح:
- المزود: الشركة التي تقوم بتطوير وتقديم النموذج. على سبيل المثال، Anthropic، OpenAI، Google. الموفر مشابه للعلامة التجارية الموجودة على السيارة.
- عائلة الموديل: هي مجموعة من النماذج التي يجمعها المزود تحت نفس العلامة التجارية. مثل عائلة "كلود" من Anthropic، وعائلة "GPT" من OpenAI، وعائلة "Gemini" من Google. العائلة تشبه المسلسل في السيارة.
- الإصدار النموذجي: نموذج محدد داخل العائلة. مثل "Claude Opus 4.8" أو "GPT-4o". يقدم كل إصدار توازنًا مختلفًا بين السرعة والتكلفة والقدرة. الإصدار مشابه لحزمة المعدات الموجودة في السيارة.
نصيحة: إن قول "لدي سيارة" ليس كافيًا؛ تعتبر العلامة التجارية (المزود) والسلسلة (العائلة) وحزمة الأجهزة (الإصدار) مهمة. حتى لو كانت سيارة المدينة وسيارة السباق من نفس العلامة التجارية، إلا أنهما مناسبان لوظائف مختلفة تمامًا. الوضع هو نفسه تمامًا في نماذج الذكاء الاصطناعي.
دعونا نسير عبر مثال. لنفترض أنك شركة محاماة وقلت: "سنحاول تجربة Claude Opus 4.8." هنا Anthropic هو المزود، وClaude هو العائلة النموذجية، وOpus هي الطبقة القوية داخل العائلة، و4.8 هو رقم الإصدار. هناك أيضًا مستويات أسرع وأرخص (مثل Haiku) في نفس العائلة. لذا فإن الجملة "نحن نستخدم Anthropic" غير مكتملة إلا إذا ذكرت المستوى والإصدار الذي تستخدمه.
ثمانية لاعبين رئيسيين في النظام البيئي
والآن دعونا نتعرف على السوق بعين موضوعية. ستجد في الجدول أدناه مكانة كل مزود وعائلته النموذجية وبلده الأصلي. لا تحتاج إلى حفظ هذا الجدول؛ هدفها هو ترسيخ فكرة أن "عالم الذكاء الاصطناعي لا يتعلق بشركة واحدة بشكل دائم". وسوف نتناول بالتفصيل كل منها في الوحدات التالية.
مزود
العائلة النموذجية
حيث تبرز
نوع الوزن
الأصل
أنثروبي
كلود (أوبوس/سونيت/هايكو)
سياق طويل ورمز واستخدام مؤسسي آمن
مغلق
الولايات المتحدة الأمريكية
OpenAI
GPT (GPT-4o، السلسلة o)
نظام بيئي واسع النطاق، وتعدد الاستخدامات
مغلق
الولايات المتحدة الأمريكية
جوجل
الجوزاء (برو / فلاش)
تعدد الوسائط، تكامل مساحة العمل
مغلق
الولايات المتحدة الأمريكية
سلعة
اللاما
الوزن المفتوح، يعمل على الخادم الخاص بك
مفتوح
الولايات المتحدة الأمريكية
ميسترال
ميسترال / ميكسترال
أصل أوروبي، خيارات الوزن المفتوح
مختلط
فرنسا
xAI
جروك
البيانات في الوقت الحقيقي، التكامل X (تويتر).
مغلق
الولايات المتحدة الأمريكية
ديب سيك
ديب سيك
توازن منخفض التكلفة/الأداء
مفتوح
الصين
cohere
الأمر
بحث الشركات والاستعلام عن المستندات (RAG)
مختلط
كندا
هناك ثلاثة أبعاد تبرز في الجدول: المجال الذي تبرز فيه (ما تجيده)، ونوع الوزن (مغلق أو مفتوح – موضوع الوحدة التالية) والأصل (مهم من حيث سيادة البيانات والتنظيم القانوني). ستشكل هذه الأبعاد الثلاثة العمود الفقري لشجرة قرارات اختيار النموذج في الأقسام التالية.
دعونا نشرح على الفور بعض المصطلحات المستخدمة هنا. RAG (توليد الاسترجاع المعزز) هي طريقة يقوم النموذج من خلالها بالعثور على الأجزاء ذات الصلة من مستنداتك وقراءتها قبل إنشاء إجابة؛ إنه أساس أنظمة البحث الخاصة بالمؤسسات. تعدد الوسائط هو قدرة النموذج على معالجة ليس فقط النص ولكن أيضًا الصور والصوت. وسنعود إلى هذه المفاهيم بشكل منفصل في الوحدات المستقبلية.
لماذا يوجد الكثير من مقدمي الخدمة؟
إن معرفة أنه ليس من قبيل الصدفة أن يكون السوق مزدحمًا جدًا سوف يرشدك عند اتخاذ اختيارك. هناك أربعة أسباب رئيسية:
- احتياجات العمل المختلفة: بينما تحتاج شركة محاماة إلى نموذج يمكنه قراءة العقود المكونة من 200 صفحة بالكامل، يريد موقع التجارة الإلكترونية نموذجًا سريعًا ورخيصًا ينتج مئات من أوصاف المنتجات في الثانية. لا يمكن أن يكون النموذج نفسه مناسبًا لكلا الوظيفتين.
- ضغط التكلفة والمنافسة: المنافسة بين مقدمي الخدمات تؤدي باستمرار إلى انخفاض الأسعار. إن المهارة التي كانت باهظة الثمن قبل بضع سنوات يتم تقديمها اليوم بعشر السعر. هذه ميزة مباشرة للشركات.
- سيادة البيانات: يمكن لشركة مقرها أوروبا أن تطلب معالجة بيانات العملاء داخل الاتحاد الأوروبي. هذه الحاجة تجعل اللاعبين الإقليميين مثل ميسترال أو نماذج الوزن المفتوح التي تعمل على الخادم الخاص بك ذات قيمة.
- اختيار النهج المفتوح أو المغلق: ترغب بعض المؤسسات في تشغيل النموذج بالكامل تحت سيطرتها الخاصة، على الخادم الخاص بها؛ يفضل البعض خدمة سحابية جاهزة. يمكن لهذا التفضيل وحده تحديد المزود الذي تعمل معه.
تحذير: الافتراض بأن "النموذج الذي يستخدمه الجميع يناسبنا أيضًا" غالبًا ما يكون خاطئًا. تم اختيار النموذج الذي يستخدمه منافسك بناءً على سير العمل ونوع البيانات والميزانية. يعتمد اختيارك الصحيح على الاحتياجات المحددة لعملك. الغرض من هذه الوحدة ليس فرض إجابة جاهزة عليك، بل تعليمك كيفية طرح الأسئلة الصحيحة.
مطالبة ضعيفة / مطالبة قوية: عند طلب مقارنة مقدم الخدمة
عندما تريد إجراء مقارنة بين النماذج، فإن طريقة طرحك تحدد جودة الإجابة التي تحصل عليها. دعونا نضع مثالين جنبا إلى جنب.
حث ضعيف:
ما هو نموذج الذكاء الاصطناعي الأفضل؟
هذا السؤال خالي من السياق؛ يقدم لك النموذج إجابة مراوغة "يعتمد ذلك" أو يقدم لك قائمة عامة لا تفيدك.
مطالبة قوية:
دورك: مستشار الذكاء الاصطناعي للمؤسسات. السياق: نحن شركة محاماة مكونة من 15 شخصًا. نود تلخيص حوالي 300 عقد شهريًا، وحوالي 40 صفحة باللغة التركية، ووضع علامة على العناصر الخطرة. تحتوي البيانات على بيانات شخصية وعلينا الالتزام بـ KVKK. المهمة: مقارنة نماذج 3 مقدمي خدمات مختلفين لهذه الوظيفة. املأ العناوين التالية لكل منها: مدى ملاءمة نافذة السياق، ونطاق التكلفة الشهرية المقدرة، وحالة تخزين البيانات/الخصوصية، ونقاط القوة والضعف. التنسيق: جدول مكون من 4 أعمدة + توصية مكونة من جملتين في النهاية.
الفرق واضح: الدور الفوري القوي له سياق ومهام قابلة للقياس وشكل واضح. يمكن للنموذج الآن إنتاج مخرجات قابلة للمقارنة تناسب عملك.
قوالب قابلة للنسخ
يمكنك استخدام النماذج الأربعة أدناه من خلال تكييفها مع عملك الخاص.
1. تعيين المزود:
أنا أعمل في [الصناعة]. مهمة الذكاء الاصطناعي الرئيسية التي أريد القيام بها هي: [المهمة]. قم بإدراج 5 موفري خدمات مناسبين لهذه المهمة؛ املأ سطري "لماذا يعتبر ذلك مناسبًا" و"العيب المحتمل" لكل منها. لا تعطي سعرًا محددًا، بل أعط نطاقًا.
2. توضيح المفهوم:
قم بفصل الموفر وتصنيفه وعائلة النموذج وإصدار النموذج في الجملة التالية: "[الجملة الملصقة]"
3. تحليل الاحتياجات:
وظيفتي: [الوصف]. الإنتاجية الشهرية: [NUMBER]. نوع البيانات: [نص/صورة/صوت]. متطلبات الخصوصية: [نعم/لا]. حساسية الميزانية: [منخفضة/متوسطة/عالية]. هل يجب أن أبدأ بنموذج مغلق أو مفتوح الوزن بناءً على هذا الملف الشخصي؟ يبرر.
4. هيكل المقارنة المحايدة:
قارن بين هذه النماذج الثلاثة [MODEL A] و[MODEL B] و[MODEL C] لمهمتي. المعايير: الجودة، السرعة، التكلفة، السياق، الخصوصية. أعطِ من 1 إلى 5 نقاط لكل معيار واكتب سبب درجاتك في جملة واحدة. لا تستخدم لغة الإعلان، إذا كانت غير واضحة فاكتب "يجب الاختبار".
ما النموذج الذي تستخدمه هذه المنصة؟
من أجل الشفافية، دعنا نذكر: يستخدم مدرب الذكاء الاصطناعي للمنصة التي تقرأها الآن إصدار claude-opus-4-8 من عائلة Anthropic's Claude. تم اتخاذ هذا الاختيار نظرًا لقدرته على السياق الطويل ونهجه الأمني الذي يبرز في استخدام الشركات. لكن هذا لا يعني أن "هذا هو النموذج الأفضل للجميع"؛ قد يكون مزود آخر أكثر ملاءمة لعملك. هدفنا في هذه الوحدة هو أن نقدم لك نظرة صادقة ومقارنة.
الأخطاء الشائعة
- الخلط بين المزود والإصدار: إن قول "نحن نستخدم OpenAI" لا يوضح النموذج والمستوى. قم دائمًا بتحديد الإصدار أيضًا.
- البحث عن "فائز" واحد: تعامل مع السوق وكأنه دوري كرة قدم واسأل "من يأتي أولاً؟" أن نسأل. السؤال الصحيح هو "أيهما مناسب لعملي؟" ينبغي أن يكون.
- الخلط بين الشعبية والجودة: قد لا يكون النموذج الأكثر شيوعًا هو النموذج المناسب لمهمتك المحددة.
- تجاهل بلد المنشأ: إذا كنت تقوم بمعالجة البيانات الشخصية، فإن مكان وجود المزود هو مسألة التزام قانوني، وليس مسألة فنية.
- جعل السعر هو المعيار الوحيد: النموذج الأرخص قد يكلف في الواقع أكثر من خلال زيادة وقت التصحيح البشري مع مخرجات ذات جودة رديئة.
باختصار
- لا يتكون سوق الذكاء الاصطناعي من منتج واحد، بل من العديد من العائلات النموذجية والإصدارات من مقدمي الخدمات المتنافسين؛ هذه المفاهيم الثلاثة مختلفة.
- إن اللاعبين الثمانية الرئيسيين (Anthropic، وOpenAI، وGoogle، وMeta، وMistral، وxAI، وDeepSeek، وCohere) يتمتعون بالقوة في مجالات مختلفة.
- أسباب ازدحام السوق هي احتياجات العمل المختلفة، والمنافسة في التكلفة، وسيادة البيانات، وتفضيل التشغيل/الإيقاف.
- لا توجد إجابة واحدة عن "النموذج الأفضل". يعتمد الاختيار الصحيح على احتياجات عملك.
- تتطلب المقارنة الجيدة للنماذج موجهًا يتضمن دورًا وسياقًا ومهمة قابلة للقياس وتنسيقًا واضحًا.
مهمة التطبيق
فكر في عملك الخاص أو عمل وهمي. اكتب ما يلي على قطعة من الورق: (1) ما هي مهمة الذكاء الاصطناعي الرئيسية لديك، (2) إنتاجيتك الشهرية المقدرة، (3) هل تحتوي بياناتك على بيانات شخصية، (4) هل حساسية ميزانيتك منخفضة أم مرتفعة؟ ثم قم بإعطاء ملف التعريف هذا لنموذج الذكاء الاصطناعي باستخدام القالب 3 أعلاه (يحتاج إلى تحليل) واسأل عن سبب توصيتك بالبدء بنموذج مغلق أو مفتوح الوزن. وسنختبر الإجابة الناتجة في الوحدة التالية.
قائمة مرجعية
- [ ] يمكنني شرح الفرق بين الموفر وعائلة الطراز وإصدار الطراز بمثال.
- [ ] أتذكر ما لا يقل عن خمسة من مقدمي الخدمات الثمانية الرئيسيين والمنطقة التي برزوا فيها.
- [ ] أستطيع أن أشرح لماذا يعتبر البحث عن "أفضل نموذج" أمرًا مضللاً.
- [ ] يمكنني كتابة مطالبة قوية لمقارنة النماذج.
- [ ] يمكنني إنشاء تحليل لاحتياجات عملي الخاص من خلال أربعة أسئلة.