قطاع الذكاء الاصطناعي: أبرز التطورات التكنولوجية وفرص الاستثمار

المصدر: 36Kr God Translation Bureau

مصدر الصورة: تم إنشاؤها بواسطة Unbounded AI‌

ملاحظة المحرر: تتطور تكنولوجيا الذكاء الاصطناعي بوتيرة سريعة، وهناك العديد من الشركات الناشئة في مجال الذكاء الاصطناعي التي برزت. في هذه المقالة، دعونا نلقي نظرة على الشركات الناشئة الواعدة في مجال الذكاء الاصطناعي التي اختارها مستثمرون من أمثال Sequoia Capital وKleiner Perkins Caufield & Byers. هذه المقالة مأخوذة من التجميعة وآمل أن تلهمك.

إذا لم يكن لديك سوى بضع دقائق لتجنيبها، فإليك أكثر الشركات الناشئة إثارة حول الذكاء الاصطناعي والتي يجب أن يعرفها المستثمرون والمشغلون والمؤسسون.

• تحسين صحة الإنسان. تستخدم الشركات الناشئة تكنولوجيا الذكاء الاصطناعي لتحسين النتائج الطبية وتصميم علاجات جديدة. على سبيل المثال، تستخدم شركة Alife الذكاء الاصطناعي لتحسين علاجات الإخصاب في المختبر وتزويد المرضى بفرصة أفضل للحمل. وبمرور الوقت، قد يؤدي النهج الذي تتبعه الشركة إلى قلب هيكل تكاليف الصناعة بشكل جذري. NewLimit هي شركة ناشئة أخرى في مجال الرعاية الصحية تستفيد من تكنولوجيا الذكاء الاصطناعي. ويسعى فريق الشركة إلى إيجاد طرق أفضل لعلاج الأمراض المستعصية التي كان من الصعب علاجها في السابق.
• دع الذكاء الاصطناعي يخدم المؤسسات. معظم منتجات الذكاء الاصطناعي التوليدي مخصصة للمستهلكين. يمكن الآن لمستخدمي الإنترنت العاديين اللعب بنماذج معقدة وإنشاء نصوص وصور. تعالج العديد من الشركات الواعدة احتياجات المؤسسة بشكل مباشر أكثر، وتقوم ببناء منتجات تتضمن بيانات داخلية وفقًا لإرشادات المؤسسة. يمثل كل من Glean و Lamini و Dust و Lance ممثلين لهذا الاتجاه.
• استخدم الذكاء الاصطناعي للحد من الذكاء الاصطناعي. قد تجلب ثورة الذكاء الاصطناعي العديد من الفرص الجديدة، لكنها ستجلب معها أيضًا العديد من التهديدات. على وجه الخصوص، يسهل الذكاء الاصطناعي التوليدي إنشاء رسائل مكتوبة واقعية، مما يزيد من عدد وتعقيد عمليات الاحتيال "التصيد الاحتيالي"، المصممة للحصول على معلومات شخصية من المستلمين. شركات مثل Abnormal Security قادرة على استخدام الذكاء الاصطناعي لاكتشاف رسائل الذكاء الاصطناعي الضارة لمنع مثل هذه الهجمات. *تنتشر الشركات الناشئة في مجال الذكاء الاصطناعي في جميع أنحاء العالم. في حين أن الولايات المتحدة تعد موطنًا للعديد من عمالقة الصناعة مثل OpenAI وGoogle، إلا أن الشركات الناشئة الواعدة آخذة في الظهور في جميع أنحاء العالم. تقوم شركة ميسترال ببناء نموذج لغة مفتوح المصدر واسع النطاق في مقرها الرئيسي في باريس، ويعتقد أحد مؤسسيها أنها ستنافس OpenAI. قامت شركة Sereact الألمانية أيضًا بتطوير منتجات روبوتات الذكاء الاصطناعي الرائعة ووقعت عقودًا مع عمالقة الصناعة.

الذكاء الاصطناعي هو الخيط الرئيسي لقصة التكنولوجيا هذا العام. منذ آخر سلسلة "ما يجب مشاهدته في الذكاء الاصطناعي"، استمر هذا المجال في جذب رأس المال والموهبة والاهتمام. وبطبيعة الحال، ليس كل الاهتمام إيجابيا. وعلى الرغم من الإثارة الواسعة النطاق بشأن قدرات هذه التكنولوجيا، فقد أعربت الجهات ذات الوزن الثقيل في الصناعة على مدى الأشهر الأربعة الماضية عن مخاوفها، وبدأت الهيئات التنظيمية في وضع بعض الضمانات. في الأشهر والسنوات المقبلة، سيكون للذكاء الاصطناعي تأثير كاسح على حياتنا وسيخلق فائزين وخاسرين جدد في جميع أنحاء العالم.

تم تصميم سلسلة "ما يجب مشاهدته" لمساعدة القراء على الاستعداد للأوقات المقبلة وتصور المستقبل بشكل أكثر وضوحًا. هذه نقطة انطلاق رائعة لأولئك الذين يرغبون في فهم التقنيات الناشئة على حدود الذكاء الاصطناعي والاستفادة من التغييرات التي تحدث. وللقيام بذلك، قمنا بدعوة المستثمرين والمؤسسين الأكثر إثارة للإعجاب في مجال الذكاء الاصطناعي لتقديم الشركات الناشئة التي يعتقدون أنها الأكثر واعدة.

1. الحياة

استخدام الذكاء الاصطناعي لتحسين تكنولوجيا التلقيح الصناعي

في أي عملية إنجابية، هناك لحظات تتطلب اتخاذ قرار بشري، والرابطان الأكثر صلة بالتلقيح الاصطناعي هما "تحفيز المبيض" و"اختيار الجنين".

يشير "تحفيز المبيض" إلى تحديد جرعة الدواء التي تتلقاها المريضة لتحفيز نمو البصيلات في المبيضين، ومتى يتم إعطاء حقنة تحفيزية لتحفيز البصيلات على إطلاق البويضات. يعد توقيت إطلاق النار أمرًا بالغ الأهمية؛ إذا كان الوقت مبكرًا جدًا، فقد تحصل على بيض غير ناضج؛ وإذا فات الأوان، فقد تحصل على بيض ناضج جدًا، أو قد لا تحصل على أكبر عدد ممكن من البيض.

يشير "اختيار الجنين" إلى اختيار البويضة المخصبة التي سيتم استخدامها وزرعها. حاليًا، يبني الأطباء وعلماء الأجنة، مثل معظم المتخصصين الطبيين، قراراتهم على مزيج من خبرتهم وتدريبهم، وأنظمة التصنيف المورفولوجية، والتجربة والخطأ. إذا كانت الجرعة أو التوقيت غير مناسب في دورة واحدة، فسوف يقومون بتعديله في الدورة التالية. وهذا يتطلب كفاءة مهنية عالية جدًا من الأطباء، وفي هذه المرحلة، يتمتع الأطباء بمستويات متفاوتة من المهارة، ومهاراتهم مهمة جدًا للنتائج. بالنسبة للخصوبة، فإن السوق التي تعاني من قيود شديدة في العرض، يعني ذلك ثمنًا باهظًا، خاصة إذا كنت تريد رؤية النتائج المثلى.

تقوم Alife ببناء أدوات الذكاء الاصطناعي لتحسين نتائج التخصيب في المختبر (IVF). تستخدم الشركة أدوات الذكاء الاصطناعي لتزويد الممارسين بـ "قوى خارقة" لتعزيز دقة اتخاذ القرار من خلال الاستفادة من مجموعات البيانات الضخمة من المدخلات والنتائج. والآن، ومن خلال واجهة بسيطة، يستطيع الأطباء إدخال خصائص المريضة والحصول على توصيات دقيقة في اللحظات الرئيسية في رحلة الخصوبة، مستمدة من نتائج آلاف الدورات السابقة. تأتي مجموعات البيانات هذه من كميات هائلة من معلومات المرضى الموجودة بالفعل، وتتحسن مع استخدام كل مريض لمنتجات Alife.

ستغير هذه الأدوات طبيعة صناعة الخصوبة. يُظهر بحث Alife أن نموذج التعلم الآلي الخاص بهم يمكن أن يساعد الأطباء على تحسين 50% من توقيت التحفيز والمساعدة في الحصول على ثلاث بويضات ناضجة في المتوسط، وبويضتين مخصبتين وجنين آخر. يمكن لمنتجات Alife أن توسع نطاق الوصول إلى علاجات العقم بشكل كبير، مما يقلل التكاليف لكل مريض عن طريق تقليل جرعة الأدوية المطلوبة وزيادة معدل نجاح دورات التلقيح الصناعي. ومن شأنه أيضًا أن يوفر فرصًا متساوية للأطباء، مما يمنح أولئك الذين يفتقرون إلى الخبرة المباشرة إمكانية الوصول إلى نطاق أوسع من المعرفة والمعلومات.

في النهاية، يمكنك أن تتخيل أن أدوات Alife توفر جميع المعلومات للحظات إصدار الأحكام في العملية وتسمح للممارسين بخلاف الأطباء بالعمل، مما يغير بشكل كبير هيكل تكلفة الصناعة ومدى توفرها. علاوة على ذلك، فإن الطب الدقيق القائم على البيانات، والذي يعزز (أو يستبدل) حكم الشخص بتوصيات شخصية، ليس فريدا من نوعه في عالم التلقيح الاصطناعي. هناك الآلاف من اللحظات المشابهة في مجال الطب، حيث تتاح لنا الفرصة لاستخدام البيانات لتغيير النتائج بشكل كبير والوصول إلى الإجراءات والعلاجات المهمة.

—ريبيكا كادن، الشريك العام، Union Square Ventures

2. جلين

** بحث المؤسسة **

في العمل، يجب أن يكون العثور على المعلومات التي تحتاجها بالضبط عندما تحتاج إليها أمرًا سريعًا وسهلاً. نظرًا لأن الجميع يستخدم الكثير من التطبيقات لإنجاز عملهم، ونتيجة لذلك يتم إنشاء الكثير من البيانات والمستندات، فإن هذا ليس هو الحال دائمًا. مع نمو "المعرفة" بشكل كبير وطبيعة العمل موزعة بشكل متزايد، يستغرق الأمر وقتًا أطول وأطول للعثور على المعرفة الموجودة. بمعنى آخر، من الصعب جدًا "البحث عن الأشياء" في العمل.

ولمساعدة أصحاب العمل على حل هذه المشكلة، قام آرفيند جاين وفريقه ببناء Glean، وهي منصة بحث موحدة في مكان العمل مدعومة بالذكاء الاصطناعي. فهو يزود الموظفين بمساعد عمل بديهي يساعدهم في العثور على ما يحتاجون إليه بالضبط واكتشاف ما يجب عليهم معرفته بشكل استباقي.

كانت مهمة الشركة بسيطة منذ البداية: مساعدة الأشخاص في العثور على إجابات لجميع أسئلتهم في مكان العمل بشكل أسرع، مع قدر أقل من الإحباط وإضاعة الوقت. لكن نتائج الشركة توسعت فيما بعد إلى ما هو أبعد من مجرد البحث. على سبيل المثال، لا يبحث Glean فقط في جميع تطبيقات مكان العمل وقواعد المعرفة (Slack، وTeams، وGoogle Drive، وFigma، وDropbox، وCoda، وما إلى ذلك) ولكنه يفهم أيضًا اللغة الطبيعية والسياق، استنادًا إلى أدوار الأشخاص وعلاقات الشركة الداخلية والخارجية التي تضفي طابعًا شخصيًا على المستخدم. التفاعلات. فهو يعرض بذكاء المعلومات الأكثر شيوعًا والتي تم التحقق منها لشركتك، مما يساعدك على اكتشاف ما يعرفه فريقك والبقاء متسقًا، كل ذلك بطريقة مسموح بها.

نظرًا لأن المؤسسات أصبحت أكثر توزيعًا وأصبحت المعرفة أكثر تجزئة، لم يعد مساعدو العمل البديهيون مثل Glean أداة لطيفة ولكن أداة مهمة لتحسين إنتاجية الموظفين. سيؤدي نمو الشركة إلى كسر الحواجز التي تعيق التقدم وخلق تجربة عمل أكثر إيجابية وإنتاجية.

بالإضافة إلى ذلك، تتيح تقنية البحث الخاصة بشركة Glean إمكانية جلب الذكاء الاصطناعي التوليدي إلى مكان العمل مع الالتزام بالأذونات الصارمة ومتطلبات إدارة البيانات الخاصة بالمؤسسة. واليوم، تتمثل إحدى العقبات الرئيسية التي تمنع الشركات من تقديم تطبيقات الذكاء الاصطناعي في الإنتاج في عدم قدرتها على تنفيذ ضوابط الحوكمة المناسبة. من خلال إدخال أذونات البيانات في الوقت الفعلي في البيئة المحلية للمؤسسة، أصبح Glean الحل الأمثل لمساعدة المؤسسات على حل مشكلات الحوكمة على نطاق واسع وتمكين المؤسسات من الاستفادة بثقة من بياناتها الداخلية للتدريب النموذجي والاستدلال، وبالتالي الاستفادة من مستوى المؤسسة منصة بيانات الذكاء الاصطناعي / دور تخزين المتجهات.

مع مرور الوقت، نعتقد أن كل شركة سيكون لديها نسختها الخاصة من الذكاء الاصطناعي التي تتفهم الفروق الدقيقة في الشركة وموظفيها. نعتقد أن جلين يغتنم هذه الفرصة. —جوش كوين، شريك، كلاينر بيركنز

3. لانس

تخزين وإدارة البيانات المتعددة الوسائط

لقد لعبنا جميعًا لعبة Midjourney، وشاهد معظمنا عرضًا توضيحيًا لـ GPT-4. توضح Midjourney (النص إلى الصورة) وGPT-4 (الصورة إلى النص/الرمز) الإمكانيات عندما تصبح النماذج متعددة الوسائط، وتصل بين أشكال مختلفة من الوسائط مثل النص والصور والصوت. في حين أن الكثير من جنون الذكاء الاصطناعي الحالي يدور حول النماذج المستندة إلى النصوص، فإن النماذج متعددة الوسائط تعتبر أساسية لبناء تمثيلات أكثر دقة للعالم.

ومع شروعنا في الموجة التالية من تطبيقات الذكاء الاصطناعي في صناعات مثل الروبوتات والرعاية الصحية والتصنيع والترفيه والإعلان، فإن المزيد والمزيد من الشركات سوف تعتمد على نماذج متعددة الوسائط. تعد شركات مثل Runway وFlair.ai أمثلة جيدة للقادة الناشئين في مجالاتهم التي شهدت طلبًا هائلاً من المستخدمين على منتجاتها، في حين بدأت الشركات الحالية مثل Google في إطلاق إمكانات مماثلة متعددة الوسائط.

ومع ذلك، فإن استخدام النماذج متعددة الوسائط يشكل تحديًا: كيفية تخزين البيانات وإدارتها؟ لم يتم تحسين تنسيقات التخزين التقليدية مثل Parquet للبيانات غير المنظمة، لذلك تواجه فرق نماذج اللغة الكبيرة أداءً بطيئًا عند تحميل البيانات وتحليلها وتقييمها وتصحيح أخطائها. بالإضافة إلى ذلك، تكون عمليات سير عمل نماذج اللغة الكبيرة أكثر عرضة للأخطاء بطرق خفية بسبب عدم وجود مصدر واحد للحقيقة. لانس هي أحدث شركة ظهرت لمواجهة هذا التحدي. تقوم شركات مثل Midjourney وWeRide بتحويل مجموعات بيانات بحجم بيتابايت إلى تنسيق Lance، مما يوفر تحسينات كبيرة في الأداء وتكاليف تخزين إضافية أقل بكثير مقارنة بالتنسيقات التقليدية مثل Parquet وTFRecords.

لا يقتصر Lance على التخزين، فقد أدركوا الحاجة إلى إعادة بناء مجموعة إدارة البيانات بالكامل لتتماشى بشكل أفضل مع العالم الذي نتجه نحوه، حيث ستصبح البيانات غير المنظمة ومتعددة الوسائط هي الأصول الأكثر قيمة للمؤسسة. يوفر منتج النظام الأساسي الأول الخاص بهم، LanceDB (حاليًا في الإصدار التجريبي الخاص)، تجربة مدمجة سلسة للمطورين الذين يتطلعون إلى إنشاء وظائف متعددة الوسائط في تطبيقاتهم.

لانس هو مجرد مثال واحد على كيفية قيام الشركات بإحضار المطورين إلى مستقبل متعدد الوسائط، وأنا متحمس جدًا لرؤية تقنيات أخرى تظهر لتطوير التطبيقات متعددة الوسائط. ومع تطور الذكاء الاصطناعي، لن يمر وقت طويل قبل أن يصبح هذا المستقبل حقيقة. ——سار جور، الشريك العام، CRV

4. أمان غير طبيعي

احتواء موجة الهجمات الإلكترونية المعززة بالذكاء الاصطناعي

أنا متفائل بلا خجل عندما يتعلق الأمر بالذكاء الاصطناعي التوليدي، لكنني لست ساذجًا بشأن هذا الموضوع. على سبيل المثال، أشعر بالقلق إزاء انتشار هجمات "الهندسة الاجتماعية" مثل التصيد الاحتيالي، والذي غالبًا ما يستخدم البريد الإلكتروني لانتزاع معلومات حساسة. منذ أن أصبح ChatGPT شائعًا العام الماضي، زاد معدل حدوث مثل هذه الهجمات بشكل كبير.

وفي العام الماضي، قفز عدد الهجمات لكل 1000 شخص من أقل من 500 إلى أكثر من 2500، وفقًا لشركة Abnormal Security. كما أن مستوى تعقيد الهجمات يتزايد بشكل كبير. مثلما يمكن لأي طالب استخدام ChatGPT لكتابة مقال مثالي، يمكن أيضًا استخدام ChatGPT لإرسال رسائل احتيالية مثالية نحويًا ومخصصة بشكل خطير.

وفقًا لمكتب التحقيقات الفيدرالي، تسببت مثل هذه الهجمات المستهدفة "لتسوية البريد الإلكتروني التجاري" في خسائر تزيد عن 50 مليار دولار منذ عام 2013. وسوف يزداد الأمر سوءًا. في كل يوم، يستغل عدد لا يحصى من مجرمي الإنترنت وغيرهم من الجهات الفاعلة السيئة أدوات القبعة السوداء مثل "WormGPT"، وهو برنامج دردشة مصمم لاستخراج بيانات البرامج الضارة من أجل تنظيم حملات الاحتيال الأكثر إقناعًا والواسعة النطاق للقيام بأنشطة احتيالية.

ولحسن الحظ، يعمل مؤسسا شركة Abnormal، إيفان ريزر وسانجاي جياكومار، بجد لاستخدام الذكاء الاصطناعي لمكافحة هذا التهديد. يمكنك التفكير في هذا على أنه استخدام الذكاء الاصطناعي لمحاربة الذكاء الاصطناعي. تاريخيًا، كانت أنظمة أمان البريد الإلكتروني تقوم بفحص التوقيعات ذات السلوك السيئ المعروف، مثل عناوين IP المحددة أو محاولات الوصول إلى معلومات التعريف الشخصية (PII).

من خلال تسخير قوة الذكاء الاصطناعي، يفسد فيلم "غير طبيعي" كل هذا. ونظرًا لأن العديد من الهجمات تبدو مشروعة بفضل الذكاء الاصطناعي، فإن منهج شركة Abnormal هو الفهم الكامل للسلوك الجيد المعروف حتى يمكن ملاحظة الانحرافات الطفيفة. تستخدم الشركة نماذج لغوية واسعة النطاق لبناء تمثيلات تفصيلية لأعمالها الرقمية الداخلية والخارجية، مثل الأشخاص الذين يتحدثون عادةً مع بعضهم البعض والمحتوى الذي من المحتمل أن يتفاعلوا حوله. إذا أرسل لي شريكي ريد هوفمان بريدًا إلكترونيًا وقال: "مرحبًا، من فضلك أرسل لي أحدث المعلومات حول Inflection.AI." سيكتشف محرك الذكاء الاصطناعي الخاص بشركة Abnormal ذلك بسرعة. نادرًا ما يبدأ ريد بـ "مرحبًا"، ونادرًا ما يرسل جملة واحدة، ولم يطلب مني مطلقًا أن أرسل له ملفًا حول Inflection.AI. (بصفته أحد المؤسسين وعضو مجلس إدارة الشركة، كان لديه إمكانية الوصول إلى هذه المستندات أكثر مني!).

ليس من المستغرب أنه مع استمرار تزايد المخاوف الأمنية حول الذكاء الاصطناعي التوليدي، تسارع طلب عملاء شركة Abnormal. أعتقد أن نجاح شركة Abnormal هو أمر مُرضٍ للغاية لأنها تمكنت من الاستفادة من الذكاء الاصطناعي بسرعة كبيرة لمعالجة المشكلات التي يتم تسريعها بواسطة الذكاء الاصطناعي. في فترات التغير التكنولوجي المدمر، غالبا ما تتمتع الجهات الفاعلة السيئة بمزايا المبادر الأول لفترة طويلة. ففي نهاية المطاف، يمكنهم الاستفادة من الابتكار دون الحاجة إلى القلق بشأن جودة المنتج أو السلامة أو الجهات التنظيمية التي لم تسن قوانين جديدة بعد.

وفي الوقت نفسه، تركز الشركات الناشئة في مجال التكنولوجيا بشكل مفهوم على تطوير حالات استخدام جديدة قوية لابتكاراتها بدلاً من منع الابتكارات غير القانونية أو المخلة بالنظام. ولكن مثل كل القضايا المتعلقة بالذكاء الاصطناعي، فإن الضرر السيبراني الذي يمكن أن يسببه سوء استخدام الذكاء الاصطناعي مذهل. بفضل بصيرة فريق Abnormal، قد يصبح الوضع الطبيعي الجديد للجرائم الإلكترونية أقل احتمالاً على الأقل. —سام معتمدي، شريك، Greylock

5. الغبار

تمكين العاملين في مجال المعرفة

ومن الواضح أن النماذج اللغوية الكبيرة ستعمل على تحسين كفاءة العاملين في مجال المعرفة. لكن من غير الواضح بالضبط كيف سيتم ذلك. الغبار يحاول معرفة ذلك. لا يقدم مديرو المعرفة سوى القليل من المساعدة داخل المؤسسة إذا لم يتمكنوا من الوصول إلى البيانات الداخلية. لذلك قامت شركة Dust ببناء نظام أساسي يقوم بفهرسة البيانات الداخلية للمؤسسة وتضمينها وتحديثها في الوقت الفعلي (Notion، وSlack، وDrive، وGitHub) ويعرضها على المنتجات التي تدعمها نماذج لغوية كبيرة.

قام مؤسسا شركة Dust، غابرييل هوبيرت وستانيسلاس بولو، ببيع شركة لشركة Stripe وعملا هناك لمدة خمس سنوات. لقد رأوا بشكل مباشر كيف تعاني الشركات سريعة النمو من الحجم. لقد رأوا بشكل مباشر ما يسمى "دين المعلومات"، والآن يركزون على تطبيق نماذج لغوية كبيرة لحل بعض نقاط الضعف الرئيسية المرتبطة به. حاليًا، يقوم Dust باستكشاف التطبيقات التالية على منصته:

• محرك الإجابة. وينصب التركيز على الواقعية لأن هذا هو المفتاح لاعتمادها على نطاق واسع.
• توليد مساعد. يوفر مساعدة نموذجية عند إنشاء المحتوى. على سبيل المثال، قم بإنشاء فقرات مفقودة بناءً على البيانات الداخلية.
• يتم تحديث المستندات تلقائيًا. كلما ظهرت معلومات داخل الشركة يجب عليها تحديث المستند، يتلقى مالك المستند إشعارات واقتراحات.
• استخراج الحدث المنظم. يمكن للمستخدمين إنشاء أحداث منظمة من بيانات غير منظمة (مثل سلاسل رسائل Slack) بناءً على قوالب محددة مسبقًا.
• مراقبة البيانات الداخلية. مراقبة بيانات المؤسسة باستخدام القواعد الذكية. على سبيل المثال، يمكنك الحصول على تنبيه في حالة ظهور معلومات تحديد الهوية الشخصية (PII) عن غير قصد في مكان لا ينبغي أن تظهر فيه.

على الرغم من احتوائه على قدر كبير من المحتوى، يعتقد مؤسسو Dust أن معظم تدفقات البيانات هذه سوف تتقارب في النهاية في منتج موحد. إنهم لا يزالون في المراحل الأولى من الاستكشاف ويشكلون الصورة النهائية للغبار. واستنادًا إلى التكرارات الأولية، يعتقدون أنهم أكدوا فرضيتهم الأساسية: أنه يمكن زيادة قدرات العاملين في مجال المعرفة (بدلاً من استبدالها) بنماذج لغوية واسعة النطاق، وأنه يمكن بناء "نظام تشغيل جماعي" جديد فوق هذا. —— كونستانتين بوهلر، شريك في شركة سيكويا كابيتال

6. صندوق الملصقات

نشر بيانات العمل

لقد استمر "صعود البيانات الضخمة" لأكثر من 20 عامًا، وعلى الرغم من أن الشركات تستوعب باستمرار المزيد من البيانات أكثر من أي وقت مضى، إلا أن العديد من الشركات لا تزال تكافح من أجل استخدام هذه البيانات للحصول على رؤى من نماذج الذكاء الاصطناعي. تظل معالجة البيانات وتفسيرها أكثر الأجزاء مملة وتكلفة في عملية الذكاء الاصطناعي، ولكنها أيضًا الأكثر أهمية للحصول على نتائج عالية الجودة. وحتى مع الزيادة في نماذج اللغات الكبيرة المدربة مسبقًا، ستظل الشركات بحاجة إلى التركيز على استخدام بيانات الملكية الخاصة بها (عبر طرائق متعددة) لإنشاء ذكاء اصطناعي توليدي في موقع فريد لتقديم خدمات ورؤى مختلفة، وتحسين الكفاءة التشغيلية.

تعمل شركة Labelbox على حل هذا التحدي من خلال تبسيط كيفية قيام الشركات بإدخال مجموعات البيانات في نماذج الذكاء الاصطناعي. فهو يساعد فرق البيانات والتعلم الآلي في العثور على البيانات الصحيحة ومعالجتها وتفسيرها ودفع النماذج إلى التطبيقات وقياس الأداء وتحسينه بشكل مستمر.

تستفيد منصة Labelbox الجديدة من الذكاء الاصطناعي التوليدي. يتيح Model Foundry للفرق تجربة النماذج الأساسية للذكاء الاصطناعي بسرعة من جميع موفري المصادر المغلقة والمفتوحة الرئيسيين، مما يسمح لهم بتسمية البيانات مسبقًا والتجربة بسرعة ببضع نقرات فقط. وبهذه الطريقة، يمكنهم فهم النموذج الذي يحقق أفضل أداء على بياناتهم. يقوم Model Foundry تلقائيًا بإنشاء مقاييس أداء تفصيلية لكل تجربة يتم تشغيلها أثناء إصدار النتائج.

وقد يكون التأثير بعيد المدى. تقليديًا، كان البشر يقضون أيامًا في إكمال مهمة بسيطة ولكنها تستغرق وقتًا طويلاً، مثل تصنيف قائمة التجارة الإلكترونية التي تحتوي على فقرات متعددة من النص. باستخدام GPT-4، يمكن إكمال هذه المهمة خلال ساعات. يسمح Model Foundry للشركات باكتشاف هذه الطرق الفعالة بنفسها.

وهذا ليس المثال الوحيد. تظهر النتائج المبكرة أنه يمكن تسريع أكثر من 88% من مهام وضع العلامات بواسطة نموذج أساسي واحد أو أكثر. يسمح Labelbox لأي شخص بتسمية البيانات مسبقًا ببضع نقرات فقط، دون الحاجة إلى البرمجة وإدخال البيانات في النموذج. تم تصميم هذه الأداة لتمكين الفرق من العمل بشكل تعاوني والاستفادة من الخبرة متعددة الوظائف للحفاظ على الإشراف اليدوي على ضمان جودة البيانات. تعمل هذه القدرة على إضفاء الطابع الديمقراطي على الوصول إلى الذكاء الاصطناعي من خلال السماح لخبراء نماذج اللغة والمؤسسات الصغيرة والمتوسطة الحجم بتقييم النماذج بسهولة وإثراء مجموعات البيانات والتعاون لبناء تطبيقات ذكية.

لقد ثبت أن Labelbox يخفض التكاليف بشكل كبير ويحسن جودة النماذج لأكبر الشركات في العالم، بما في ذلك Walmart وProcter & Gamble وGenentech وAdobe.

لقد أصبحت الآن منافسة بين المؤسسات لإطلاق العنان لقوة هذه النماذج الأساسية على بيانات الملكية الخاصة بها لحل مشكلات الأعمال. نحن نتطلع إلى رؤية كيف سيساعد Labelbox الشركات على فتح البيانات لتقديم منتجات أفضل بكفاءة أكبر. ——روبرت كابلان، شريك، SoftBank

7. المدرج

** جناح الإبداع الجديد **

الذكاء الاصطناعي موجود في كل مكان، ويتحول بشكل متزايد إلى سلعة. في معظم الحالات، تستخدم الشركات الذكاء الاصطناعي كروبوتات دردشة لإثراء التطبيقات الحالية. تعمل القليل من تطبيقات الذكاء الاصطناعي على إعادة اختراع تجارب المنتجات، وذلك باستخدام التكنولوجيا لإحداث تغيير جذري في كيفية تفاعلنا مع المنتجات، تمامًا مثلما غيَّر محرك بحث جوجل الطريقة التي نتصفح بها الإنترنت، أو غيَّر إنستغرام الطريقة التي نشارك بها الصور من هواتفنا، بنفس الطريقة. تتطلب تطبيقات الذكاء الاصطناعي هذه فهمًا عميقًا لتجربة المستخدم الحالية، والتفكير البصري في المنتجات، والتكنولوجيا المتطورة.

يعد Runway مثالًا رائدًا لشركة تستخدم أبحاث الذكاء الاصطناعي التطبيقية لإعادة تصور التجارب الإبداعية وبناء مجموعة إبداعية جديدة تمامًا.

• فهم عميق لتجربة المستخدم. المؤسسون كريستوبال فالينزويلا وأناستاسيس جيرمانيديس وأليخاندرو ماتامارا أورتيز أليخاندرو ماتامالا أورتيز هو باحث متخصص في الاتصالات التفاعلية في جامعة نيويورك ولديه سنوات عديدة من الخبرة في التصميم. يفهم فريق Runway النظام البيئي للأدوات الإبداعية من خلال الخبرة المباشرة والعوائق التي تحول دون اعتمادها على نطاق واسع. على سبيل المثال، غالبًا ما يتطلب إنتاج الأفلام الإبداعية آلات باهظة الثمن، وموارد برمجية، ومستويات عالية من التدريب. ونتيجة لذلك، تركزت صناعة الأفلام الإبداعية تاريخياً في الاستوديوهات الكبيرة. رأى Runway فرصة لتوسيع وتحسين إمكانية الوصول إلى الأدوات الإبداعية المطلوبة.
• تفكير بعيد النظر في المنتج. أدركت شركة Runway في وقت مبكر أن نقطة التحول في الذكاء الاصطناعي يمكن أن تحسن تجربة المستخدم بشكل كبير، ليس فقط تعزيز الأدوات الإبداعية الحالية ولكن أيضًا تغيير طريقة عمل هذه الأدوات بشكل أساسي. على سبيل المثال، يمكن للمستخدمين إنشاء محتوى فيديو جديد تمامًا من البداية باستخدام مطالبات نصية بسيطة. الأهم من ذلك، أن هذا الفيديو احترافي ويمكن مشاركته عبر سطح المكتب أو الجهاز المحمول. بغض النظر عن مستوى المهارة أو الخلفية أو الموارد، يمكن لـ Runway توفير ساعات أو أيام من العمل في التحرير. هذا منتج خيالي يحول التذكيرات البسيطة إلى حياة مفعمة بالحيوية ومؤثرة.
• خبير رائد في مجال تكنولوجيا الذكاء الاصطناعي. لم تحل Runway مشكلة بمنتج خيالي فحسب، بل أعادت تصور البنية التحتية الأساسية للبحث والتكنولوجيا. تقود منظمة الأبحاث الداخلية التابعة لشركة Runway الطريق في مجال الشبكات العصبية العميقة لتركيب الصور والفيديو. قامت الشركة بتطوير Gen-2، وهو نموذج فيديو متعدد الوسائط للذكاء الاصطناعي أقوى من أي شيء موجود حاليًا في السوق. هذا هو النموذج العام الأول القادر على تحويل النص إلى فيديو. قبل ذلك، أصدرت Runway Gen-1، وهو نموذج يؤدي إلى نقلة نوعية في أدوات إنشاء الفيديو التي تنتج مخرجات عالية الجودة. كان باحثو Runway أيضًا رائدين في نموذج Stable Diffusion لتحويل النص إلى صورة.

منذ أكتوبر 2022، طورت Runway أكثر من 30 "أداة سحرية" للذكاء الاصطناعي تغطي الفيديو والصور والأبعاد الثلاثية والنص، وتخدم جميع جوانب العملية الإبداعية، بدءًا من مرحلة ما قبل الإنتاج وحتى مرحلة ما بعد الإنتاج. تشمل قاعدة عملائهم شركات Fortune 500 وGlobal 2000 مثل The Late Show with Stephen Colbert على شبكة CBS، وNew Balance، وHarbour Picture Video، وPublicis) وGoogle. تم استخدام المنصة أيضًا لتحرير الأفلام المرشحة لجائزة الأوسكار مثل فيلم هوليوود "كل شيء في كل مكان في وقت واحد".

تعمل تطبيقات الذكاء الاصطناعي الأكثر إثارة على تحويل تجارب المنتجات الحالية وإعادة التفكير في كيفية تفاعل المستخدمين مع المنتجات. باستخدام Runway، يمكن للمستخدمين إكمال إنشاءات فيديو جديدة في ثوانٍ، سواء كانوا يصورون الفيديو لأول مرة أو كانوا في الاستوديو بشكل احترافي. يعد هذا تحولًا ثوريًا ومثالًا على كيفية إعادة تشكيل الذكاء الاصطناعي للصناعات المختلفة. —جريس إيسفورد، شريكة في Lux Capital

8. نيو ليميت

** إعادة تشكيل مصير الخلية **

الخلايا هي أكثر أنظمة الكمبيوتر تعقيدًا على وجه الأرض. مثل رقائق الكمبيوتر، يتكون الحمض النووي من وحدات أساسية تؤدي وظائف معقدة. على عكس الرموز المستندة إلى البت، فإن الرموز المستندة إلى الذرة عشوائية وهرمية. يعتمد نظام ما على نظام آخر، والذي يعتمد بدوره على أنظمة فيزيائية أخرى، يتأثر كل منها بالحرارة والحموضة والجزيئات الموجودة في البيئة الدقيقة للخلية.

وعلى الرغم من هذه الترابطات، فإن كود الآلة الخلوية (DNA) يمكنه تشغيل برامج مختلفة بكفاءة. على الرغم من أن خلايا الكبد وخلايا الجلد تحتوي على نفس الجينوم، إلا أن هذه الأنواع من الخلايا تبدو وتشعر وتعمل بشكل مختلف. لماذا؟ لأنهم ينفذون برامج جينية مختلفة.

في عام 2006، استخدم تاكاهاشي وزملاؤه مزيجًا من أربعة بروتينات عامل النسخ (TF) لإعادة برمجة الخلايا الناضجة إلى خلايا جذعية، ليكون بذلك رائدًا في مجال إعادة البرمجة اللاجينية. عوامل النسخ هي بروتينات تنظم الجينات، وتغير بشكل أساسي "البرنامج" الذي يتم تشغيله. أدى اكتشاف تاكاهاشي وياماناكا إلى إنشاء خلايا جذعية مستحثة متعددة القدرات (iPSCs) وفازا بجائزة نوبل. منذ ذلك الحين، بدأت العديد من مجموعات البحث في تطبيق مجموعات TF فريدة لتغيير الحالات الخلوية، وتجديد الخلايا التالفة، واستعادة الأنماط الظاهرية للخلايا الشابة.

في حين أن إعادة البرمجة اللاجينية أصبحت أكثر قابلية للتتبع، إلا أنها لا تزال ليست مسألة تافهة. كان على الفريق أن يميز أي مجموعة من TFs كانت فعالة في نقل الخلايا من الحالة A إلى الحالة B المطلوبة. على سبيل المثال، قد تسمح لنا مجموعات TF المستقبلية بتحويل الخلايا المريضة إلى خلايا سليمة، وبالتالي تطوير فئة جديدة من الأدوية. نحن بحاجة إلى شاشات إعادة برمجة واسعة النطاق لأن المجموعة الدقيقة من TFs غير معروفة في العديد من مجالات التطبيق. هناك أكثر من 1500 فريق عمل بشري محلي، لذا هناك حاجة إلى طريقة بحث أكثر كفاءة. نعتقد أن NewLimit تصمم مثل هذا النهج.

بدعم من التقدم في تقنيات تسلسل الخلية الواحدة والتعلم الآلي، تعمل NewLimit على تحويل النظام اليدوي سابقًا إلى علم يعتمد على البيانات. تمتلك الشركة تقسيمًا صحيًا للعمل بين علماء الأحياء الجزيئية وعلماء الأحياء الحسابية، مما يضع الأساس الثقافي اللازم لبناء منصة حلقة مغلقة تتسم بالكفاءة بشكل متزايد. من خلال الجمع بين الخبرة والقراءات متعددة الوسائط (scRNA-Seq، وscATAC-Seq، وما إلى ذلك)، تهدف NewLimit إلى اكتشاف أدوات إعادة التشكيل العلاجية لعلاج الأمراض المستعصية سابقًا.

في كل جولة من التجارب، تستخدم NewLimit تقنية لغة الآلة من أجل:

• دمج وضغط قراءات الكشف المتعددة في مساحة تحسين منخفضة الأبعاد تحتوي على الحالة الحالية A والحالة المرغوبة B للخلية.
• قم بتعداد مجموعات TF الجديدة على طول مساحة التحسين التي قد تدفع الوحدة إلى حالتها المطلوبة.
• التوصية بأنواع البيانات التي ستساعد في تحسين النماذج ومتى/أين يتم تطبيق أساليب تجريبية أكثر تكلفة وأقل إنتاجية.
• اقتراح التغييرات التي ينبغي إجراؤها على النظام الأساسي لتعظيم المعلومات المفيدة التي يتم إنشاؤها مقابل كل دولار يتم إنفاقه.

بالإضافة إلى فريقها المتميز وبراعتها التقنية ورؤيتها الطموحة، فإننا معجبون أيضًا بروح NewLimit العملية. على الرغم من أن الشركة لم تشارك علنًا تفاصيل استراتيجية أعمالها الأولية، إلا أننا نعتقد أن هذا النهج مبتكر، ويقلل المخاطر بشكل معقول، ولديه القدرة على إحداث تحول للبشرية. يوافق الفريق المؤسس على أنه يمكن تشبيه منصة التكنولوجيا الحيوية بالمشاريع العلمية باهظة الثمن دون توليد أصول قصيرة الأجل. ولتحقيق هذه الغاية، اتسمت NewLimit بالشفافية وقامت بفهرسة تقدمها التكنولوجي منذ بدايتها.

يجب أن نتواضع أمام تعقيد الطبيعة. من المؤكد أن برمجة علم الأحياء أصعب من برمجة أجهزة السيليكون التي نصممها بأنفسنا. هدف Dimension هو تمكين رواد الأعمال مثل NewLimit من استكشاف حدود الإمكانيات في واجهة التكنولوجيا والبيولوجيا. —سايمون بارنيت، مدير الأبحاث، Dimension

9. بجانب حمام السباحة

الذكاء الاصطناعي الأساسي لتطوير البرمجيات

يركز OpenAI على الذكاء الاصطناعي العام، ويركز DeepMind على الاكتشاف العلمي، وحالة الاستخدام الأساسية الثالثة للذكاء الاصطناعي هي فهم البرامج وإنشاءها.

إن GPT-4 متأصل في سير عمل المطورين ذوي الخبرة والمبتدئين. لكن هذا التحول النموذجي لا يزال في بداياته. وبالاستقراء من الأشهر القليلة الماضية، سوف تصبح البرمجة المدعومة بالذكاء الاصطناعي في كل مكان قريبًا. ومع تطور هذا الاتجاه بشكل أكبر، ستصبح اللغة الطبيعية هي الأساس المجرد الذي تُبنى عليه البرمجيات.

على الرغم من أن الشركات الأخرى قد أصدرت نماذج برمجية خالصة واسعة النطاق مثل StarCoder، إلا أنه لم تقترب أي طريقة حتى الآن من أداء GPT-4. أعتقد أن السبب في ذلك هو أن النموذج الذي تم تدريبه على الكود فقط لا يمكنه إنتاج قدرات قوية لتطوير البرمجيات. هكذا التقيت ببولسايد. تأسست الشركة على يد جيسون وارنر، الرئيس التنفيذي السابق للتكنولوجيا في GitHub، وإيزو كانت، المؤسس السابق لشركة source{d}، أول شركة ذكاء اصطناعي لرموز البحث في العالم.

تعتبر Poolside فريدة من نوعها من حيث أنها تتبع نهج النموذج الأساسي لـ OpenAI ولكنها تركز على وظيفة واحدة فقط: إنشاء التعليمات البرمجية. وتعتمد استراتيجيتهم التكنولوجية على إمكانية تنفيذ التعليمات البرمجية، مما يسمح بتقديم تعليقات فورية وتلقائية أثناء عملية التعلم. يتيح ذلك التعلم المعزز من خلال تنفيذ التعليمات البرمجية، وهو بديل مقنع للتعلم المعزز بناءً على ردود الفعل البشرية (RLHF). وهذا شيء بدأت Esso في استكشافه في وقت مبكر من عام 2017.

في حين أن إمكانات الذكاء العام الاصطناعي (AGI) لصالح البشرية لا يمكن إنكارها، إلا أن تحقيقها لا يزال بعيد المنال. فلماذا ننتظر AGI؟ ومن خلال التركيز على مجالات محددة لتطوير الذكاء الاصطناعي، مثل تطوير البرمجيات، يمكننا إزالة المزيد من الحواجز التي تحول دون الإبداع. وإنني أتطلع إلى اليوم الذي يحقق فيه فريق Poolside رؤيته المتمثلة في بناء نموذج مخصص للبنية التحتية للبرمجيات.

—— ماتان جرينبيرج، المؤسس المشارك والرئيس التنفيذي للمصنع

10. ميسترال

** منافسو OpenAI في فرنسا **

في الآونة الأخيرة، أضاءت باريس موجة من المشاريع في مجال الذكاء الاصطناعي التوليدي. ربما سوف تسأل لماذا؟ أعتقد أن باريس لديها أكبر مجموعة من المواهب ذات المستوى العالمي في مجال الذكاء الاصطناعي التوليدي والتي تقع خارج أفق حدث OpenAI. ومن بين هذه المشاريع، فإن الأكثر جرأة هو بلا شك ميسترال. تأسست ميسترال على يد غيوم لامبل، وآرثر مينش، وتيموثي لاكروا بهدف بناء أفضل نماذج اللغات مفتوحة المصدر، والهدف هو بناء نظام بيئي مزدهر حول هذه النماذج.

لقد عرفت غيوم منذ أربع سنوات، وكنا منخرطين بعمق في تطبيق نماذج لغوية كبيرة على مجالات الرياضيات، وخاصة الرياضيات الرسمية. أثناء العمل في OpenAI وMeta، قمنا بتطوير علاقة تنافسية ودية. يعد غيوم واحدًا من أكثر الباحثين الموهوبين الذين سعدت بالعمل معهم على الإطلاق، وكان لي شرف مشاهدته وهو ينتقل من البحث في ميتا إلى تأسيس ميسترال. وفي هذه العملية، التقيت أيضًا بآرثر مينش. لقد كنت دائمًا معجبًا بعمله، وخاصةً شينشيلا، الذي أعاد تعريف ما يعنيه تدريب نماذج لغوية كبيرة بكفاءة، وRETRO، وهو نهج لنمذجة اللغة المعززة بالاسترجاع، والذي، أود أن أقول، لا يزال لم يتم استكشافه بالكامل.

الآن، دعونا نتعمق في ما يجعل ميسترال ميسترال. تتمثل رؤية الشركة الناشئة في بناء نظام بيئي يعتمد على أفضل نموذج مفتوح المصدر في فئته. سيكون هذا النظام البيئي بمثابة منصة انطلاق للمشاريع والفرق والشركات، مما يؤدي إلى تسريع وتيرة الابتكار والاستخدام الإبداعي لنماذج اللغات الكبيرة.

خذ التعلم المعزز بناءً على ردود الفعل البشرية (RLHF) كمثال. عادةً ما يستغرق تنفيذ RLHF وقتًا طويلاً وبالتالي فهو مكلف. وهو يتضمن "وضع علامة" يدويًا على إجراءات الذكاء الاصطناعي، الأمر الذي قد يتطلب الكثير من العمل. لن يكون هذا الجهد مجديًا إلا إذا كان الوعد بنموذج الذكاء الاصطناعي جيدًا بما فيه الكفاية. بالنسبة لمؤسسة كبيرة مثل OpenAI، فإن الاستثمار في هذه العملية أمر منطقي، وتمتلك الشركة الموارد اللازمة لتحقيق ذلك. لكن المجتمعات التقليدية مفتوحة المصدر تحتاج عادةً إلى "قائد" ليتقدم ويتحمل هذه المسؤولية المهمة.

لدى ميسترال الفرصة للقيام بذلك، من خلال الاستثمار في نموذج مفتوح المصدر لـ RLHF. ومن خلال القيام بذلك، ستفتح ميسترال الباب أمام انفجار من الابتكار الكامبري. سيتمكن مطورو البرامج مفتوحة المصدر من الوصول إلى النماذج ذات العلامات الواضحة التي يمكنهم تكييفها وتخصيصها لتلبية الاحتياجات المختلفة. وسيكون الفائز النهائي هو السوق الأوسع، وسيكون لدينا إمكانية الوصول إلى حالات استخدام أكثر تحديدًا وإقناعًا مما يمكن لشركة مغلقة أن تنتجه بمفردها.

أي شخص لديه أفضل نموذج مفتوح المصدر سوف يجذب المزيد من الاهتمام والقيمة. أنا متفائل بشأن ميسترال لأن الفريق يدفع بنشاط حدود الكفاءة/الأداء. وفي الوقت نفسه، تعتبر موهبة ميسترال في هذا المجال هي الأفضل في العالم على الإطلاق.

قامت ميسترال بتأمين الفريق والموارد اللازمة لتنفيذ هذه الرؤية الأولية. وقد وجدت الشركة أيضًا شركاء لتقييم هذه النماذج في حالات الاستخدام على مستوى المؤسسة. راقب ميسترال، فهي جاهزة لمواجهة OpenAI. ——ستانيسلاس بولو، المؤسس المشارك لشركة Dust

11. سيريكت

الروبوتات الصناعية الأكثر ذكاءً

كثيرا ما نسمع تنبؤات بأن الذكاء الاصطناعي والروبوتات سوف يعملان على المدى الطويل على زيادة المهام البشرية أو أتمتتها. واليوم، أصبح هذا الأمر ضرورة ملحة للأعمال على نحو متزايد.

ومن المتوقع بحلول عام 2030 أن ينخفض عدد السكان في سن العمل في أوروبا بنحو 13.5 مليون نسمة، وأن ترتفع تكاليف العمالة بأسرع معدل منذ أكثر من عشرين عاما. مع ظهور التجارة الإلكترونية، تتعرض المستودعات لضغوط أكبر من أي وقت مضى، وأصبح من الصعب على الشركات أن تظل قادرة على المنافسة.

تأتي 55% من نفقات تشغيل المستودعات من انتقاء الطلبات، لكن الوضع غير متفائل بالنسبة للشركات التي تتطلع إلى الانتقال إلى الأنظمة الآلية. لم يتم بعد تطبيق أي من التطبيقات البراقة التي نعرفها في SaaS (البرمجيات كخدمة) التي يقودها الذكاء الاصطناعي، أو مجموعة كبيرة من المنتجات مفتوحة المصدر التي نراها في أجزاء أخرى من النظام البيئي، على الروبوتات.

وبدلاً من ذلك، تواجه الشركات التي تتطلع إلى أتمتة عملية الانتقاء والتعبئة اختيار حلول روبوتية باهظة الثمن وغير مرنة. يجب عليهم التنقل بين مجموعة من الواجهات الخاصة التي تتطلب وقتًا وخبرة كبيرة في البرمجة. وتكافح هذه الأنظمة أيضًا للتعامل مع مزيج المنتجات المتغيرة، وتتطلب تدخلًا بشريًا منتظمًا، ويكون أداؤها سيئًا عند التعامل مع المواقف القصوى.

السر يحل هذه المشاكل. ويعتمد برنامجها على بيئات محاكاة قوية، وتدريب الأذرع الآلية على فهم الفروق الدقيقة المكانية والمادية لأي بيئة حقيقية محتملة. بمجرد نشره، سيتم تحسين النظام من خلال التعلم المستمر من بيانات العالم الحقيقي. ويعني ذلك أيضًا أنهم قادرون على التعامل مع التحدي المتمثل في الاستيلاء على العناصر الصعبة تقليديًا مثل الإلكترونيات والمنسوجات والفواكه والبلاط والخشب.

والأمر الأكثر إثارة هو أن مجموعة الروبوتات الخاصة بهم تستخدم نماذج لغوية كبيرة لتمكين التحكم البديهي في اللغة الطبيعية للروبوتات. لقد طوروا نموذج محول يسمى "PickGPT" والذي يسمح للمستخدمين بإعطاء التعليمات والتعليقات للروبوت عبر الصوت أو النص. بهذه الطريقة، يمكن لأي شخص أن يطلب من الروبوت أداء المهمة المطلوبة، بغض النظر عن مستوى معرفته التقنية.

يجمع Secret بين مجالي الخبرة للمؤسسين المشاركين. عمل الرئيس التنفيذي رالف جولدي في مجال التقاطع بين الذكاء الاصطناعي والروبوتات، بينما يتخصص مدير التكنولوجيا التنفيذي مارك توشر في التعلم العميق. أجرى الثنائي بحثًا خاضعًا لمراجعة النظراء في هذه المواضيع في جامعة شتوتغارت، إحدى الجامعات المرموقة في ألمانيا في مجال الأتمتة والتصنيع الصناعي.

على الرغم من كونها شركة حديثة، فقد اجتذبت Sereact بالفعل قائمة رائعة من الشركاء، بما في ذلك Daimler Truck وSchmalz وZenfulfillment وZimmer Group) وMaterial Bank. يشير هذا إلى أن هناك فرصة كبيرة محتملة في السوق في صناعة الانتقاء والتعبئة.

إلى جانب حالات الاستخدام الواضحة في مستودعات التجارة الإلكترونية، سواء انتقاء الطلبات أو تفريغ الصناديق، هناك مجموعة من حالات الاستخدام الأخرى. على سبيل المثال، في التصنيع التقليدي، هناك عملية تستغرق وقتًا طويلاً تسمى التجميع، والتي تتضمن جمع الأجزاء الدقيقة المطلوبة للتجميع بشكل شاق. لقد كافحت الأذرع الروبوتية تاريخيًا لفهم الأجزاء الصغيرة وفرز الأجزاء الفردية في البيئات المزدحمة. يمكن لبرنامج Sereact التعرف على هذه الأجزاء واختيار المقبض الصحيح لانتقاءها.

لا يتمتع فريق Sereact بمهارات عالية فحسب، بل يتمتع أيضًا بفهم عميق لبيئة عمل العميل ورغبة حقيقية في مساعدة العملاء على التغلب على نقص العمالة وتحقيق عمليات فعالة ومستدامة. باعتباري أول شركة تنقل مجموعة نماذج اللغات الكبيرة والتعبئة والتغليف الصغيرة من الإمكانية الأكاديمية إلى التأثير في العالم الحقيقي، لدي ثقة كاملة في قدرتها على تنفيذ وتوسيع نطاق منافس الروبوتات الحقيقي. ——ناثان بينيش، الشريك العام، إير ستريت كابيتال

12. لاميني

** محرك نموذج لغة واسع النطاق مصمم خصيصًا **

الآن، تحاول كل شركة دمج الذكاء الاصطناعي في أعمال الشركة. تدرك أكبر الشركات في العالم إمكانات الذكاء الاصطناعي، حيث ذكر 20% من الرؤساء التنفيذيين في مؤشر ستاندرد آند بورز 500 الذكاء الاصطناعي خلال مكالماتهم بشأن أرباح الربع الأول. يمكن لنماذج اللغات الكبيرة تحسين كفاءة الأعمال بشكل كبير من خلال تسريع الوظائف الأساسية مثل دعم العملاء والمبيعات الخارجية والبرمجة. يمكن لنماذج اللغات الكبيرة أيضًا تحسين تجارب المنتج الأساسية من خلال الإجابة على أسئلة العملاء باستخدام مساعدين يعتمدون على الذكاء الاصطناعي، أو إنشاء مسارات عمل جديدة للذكاء الاصطناعي لإسعاد العملاء.

ونظراً لأن الشركات الكبيرة تميل إلى التباطؤ في تبني التقنيات الجديدة، فقد فوجئنا بالسرعة التي بدأت بها الشركات في البناء باستخدام الذكاء الاصطناعي. ليس من المستغرب أن ترغب العديد من الشركات في بناء نماذج وحلول الذكاء الاصطناعي الخاصة بها داخل الشركة. تمتلك كل شركة مجموعة كبيرة من بيانات العملاء، والتي غالبًا ما تكون جزءًا من خندق أعمالها الأساسي. ترى هذه الشركات مخاطر في إرسال بياناتها الأكثر قيمة إلى واجهات برمجة التطبيقات النموذجية الأساسية أو الشركات الناشئة التي تكون موثوقيتها غير مؤكدة. حتى بغض النظر عن مشكلات خصوصية البيانات، فإن نماذج اللغات العامة واسعة النطاق مثل GPT-4 أو Claude يتم تدريبها بالكامل على البيانات المفتوحة، وبالتالي تفتقر إلى إمكانات التخصيص لحالات الاستخدام الخاصة بالمؤسسة وقطاعات العملاء.

قامت بعض شركات التكنولوجيا، مثل Shopify وCanva، بتشكيل "فرق AI Tiger" الداخلية لاستخدام نماذج جاهزة مفتوحة المصدر لدمج الذكاء الاصطناعي في جميع أجزاء الأعمال. ومع ذلك، لا تمتلك معظم الشركات الموارد أو الباحثين ذوي الخبرة في مجال الذكاء الاصطناعي لبناء ونشر نماذج لغوية واسعة النطاق تعتمد على بياناتها الخاصة. إنهم يدركون أن هذه الموجة من الذكاء الاصطناعي يمكن أن تكون لحظة تحول لمستقبل أعمالهم، لكنهم حتى الآن لم يتمكنوا من الاستفادة من تطوير الذكاء الاصطناعي الخاص بهم أو التحكم فيه.

لهذا السبب نحن متحمسون جدًا لما يفعله شارون تشو وجريج دياموس وفريقهم في لاميني. Lamini هو محرك نماذج لغوية واسع النطاق يسهل على المطورين تدريب نماذجهم الخاصة وضبطها ونشرها وتحسينها بسرعة باستخدام التعليقات البشرية. توفر هذه الأداة تجربة تطوير ممتعة تزيل تعقيدات نماذج الذكاء الاصطناعي، والأهم من ذلك، تسمح للمؤسسات ببناء حلول الذكاء الاصطناعي على أساس بياناتها الخاصة دون الحاجة إلى توظيف باحثين في الذكاء الاصطناعي، أو المخاطرة بتسرب البيانات. لقد عملنا مع شارون وجريج لأول مرة في الخريف الماضي. منذ ذلك الحين، أتيحت لنا الفرصة لدعم هذا الفريق المؤسس الذي يتمتع بالكفاءة الفنية والذي يركز على العملاء أثناء تحقيق رؤيته الطموحة لتحويل الطريقة التي تتبنى بها الشركات الذكاء الاصطناعي.

على وجه التحديد، يوفر نشر نماذج اللغات الكبيرة الخاصة مع Lamini مجموعة واسعة من المزايا مقارنة باستخدام الحلول العامة. إن وجود فريق هندسي داخلي يتولى عملية الإنشاء يضمن خصوصية البيانات ويسمح بمرونة أكبر في اختيار النموذج ومجموعة الحوسبة والبيانات بالكامل. تعمل النماذج المصنوعة باستخدام Lamini أيضًا على تقليل العيوب وتقليل زمن الوصول وتضمن أوقات تشغيل موثوقة وتكاليف أقل مقارنة بواجهات برمجة التطبيقات الجاهزة. تأتي تحسينات الأداء هذه من الرؤى التقنية الأساسية التي يبنيها فريق Lamini في المنتج بناءً على عقود من البحث والخبرة الصناعية حول نماذج الذكاء الاصطناعي وتحسين وحدة معالجة الرسومات.

تستخدم الشركات الناشئة والمؤسسات الكبيرة المعروفة برنامج Lamini بالفعل لنشر نماذج لغوية كبيرة داخليًا ومع العملاء، وهم متحمسون لسرعة الإعداد والأداء والموثوقية. في المستقبل، نعتقد أن كل مؤسسة ستستخدم الذكاء الاصطناعي في أعمالها ومنتجاتها، ولكن عدد قليل فقط من المؤسسات سيكون لديها فرق مخصصة للذكاء الاصطناعي. Lamini هي شركة ناشئة تعمل على تكافؤ الفرص وتمنح جميع الشركات فرصة للاستفادة من هذه التكنولوجيا التحويلية. بفضل شراكتها الأخيرة مع Databricks، أصبح الآن من الأسهل من أي وقت مضى على المؤسسات إعداد حلول الذكاء الاصطناعي الخاصة بها وتشغيلها من خلال إعداد Lamini مباشرة على مستودعات بيانات Databricks الحالية ومجموعات الحوسبة. —— جيمس وو، مستثمر First Round Capital، تود جاكسون، شريك First Round Capital

13. المصنع

الترميز "الروبوت" الخاص بك

اليوم، إذا كنت تريد أن يقوم الكمبيوتر بشيء ما نيابةً عنك، فيجب عليك ترجمة أفكارك إلى "لغة الكمبيوتر"، وهي عبارة عن رمز نص تشعبي يمكن للمترجم فهمه. لكي تصبح مهندسًا، عليك أن تلوي عقلك مثل الآلة. ومع ذلك، فقد وصلنا إلى نقطة تحول حيث يستطيع الذكاء الاصطناعي تحويل اللغة البشرية إلى رموز. من المرجح أن يصبح التحول من المهندسين البشريين إلى المهندسين الرقميين أحد أهم نقاط التحول التكنولوجي في حياتنا.

وما زلنا في المراحل الأولى من هذا التحول. لقد استحوذت أدوات الذكاء الاصطناعي مثل BabyAGI وAutoGPT على خيال الجمهور. ولكن في حين أن مساعدي البرمجة مثل Github Copilot يمثلون تحسنًا، إلا أنهم لا يزالون محدودين للغاية، ويعملون في الغالب كإكمال تلقائي للأفكار التي تم تنفيذها بالفعل في التعليمات البرمجية.

المصنع مختلف. تأسست الشركة في عام 2023 على يد مُنظِّر الأوتار السابق ماتان جرينبيرج ومهندس التعلم الآلي إينو رييس. عندما التقيت بماتان، انجذبت على الفور إلى رؤيته: مستقبل يستطيع فيه المهندسون جعل بناء الأشياء أمرًا ممتعًا من خلال تفويض المهام المزعجة والتركيز على المشكلات الصعبة. وللقيام بذلك، أنشأ ماتان وإينو "روبوتات" برمجية مستقلة.

الروبوتات عبارة عن مهندسي ذكاء اصطناعي يتعاملون مع المهام اليومية مثل مراجعة التعليمات البرمجية وتصحيح الأخطاء وإعادة البناء. على عكس المنتجات الحالية، لا تتطلب روبوتات المصنع منك القيام بأي شيء، بل يمكنها مراجعة التعليمات البرمجية بشكل مستقل والتعامل مع الأخطاء والإجابة على الأسئلة. يمكنك أيضًا استخدام الروبوتات مثل المطورين المبتدئين، واستخدامها لتبادل الأفكار ومشاركة الأعمال المميزة. تتمتع الروبوتات بآليات حماية قوية، ويستهدف ذكاؤها احتياجات المستخدمين، مما يجعل من الصعب عليهم "الهلوسة" بالإجابات الخاطئة.

سيكون توليد الأكواد البرمجية واحدًا من أكثر المجالات التحويلية في ثورة الذكاء الاصطناعي، ويمتلك المصنع جميع الأدوات اللازمة لتحقيق النجاح.

*فريق. ماتان، الرئيس التنفيذي لشركة فاكتوري، هو عالم في نظرية الأوتار في جامعة برينستون حيث تصور تفردات الثقب الأسود. عمل إينو كمهندس للتعلم الآلي في Hugging Face وتولى شخصيًا العملية الهندسية الشاقة. هذا فريق فريد من نوعه.

• التطبيق العملي. في حين أن الروبوتات لا تستطيع حتى الآن أداء المهام مثل المهندسين البشريين، إلا أنها لا تزال قادرة على أداء المهام التي يكرهها المهندسون. يمكن للمهندسين ترك العمل الممل والمتكرر للمصنع.
• سرعة. لقد أنجز المصنع شيئًا رائعًا في بضعة أشهر فقط. وبينما كان الآخرون لا يزالون يتخيلون مهندسي الذكاء الاصطناعي، كان ماتان وإينو يطورونهم بالفعل. إنهم يعملون بسرعة على تحسين هذا المنتج الممتاز بالفعل.

إن قصة التنمية البشرية هي قصة تفريغ المهام المتكررة، مما يسمح لنا بالانتقال إلى مهام أكثر تعقيدًا. عندما اخترع البشر الزراعة، أطلقوا العنان لقدرتنا على بناء المدن. بعد الثورة الصناعية، قمنا ببناء الصواريخ التي أخذت البشر إلى القمر. إن الجيل القادم في مهمة لتحرير البشر من الكدح عبر الإنترنت ودفع الحدود التكنولوجية إلى أبعد من ذلك.

عندما يكون الحد الوحيد هو الخيال البشري، ما الذي سنبنيه بعد ذلك؟ — ماركي واجنر، المؤسس والرئيس التنفيذي لشركة Delphi Labs

المترجم: جين