مايكروسوفت تُطلق نموذج ذكاء اصطناعي فائق الكفاءة يعمل على وحدات المعالجة المركزية
كتبت: أمل علوي
مايكروسوفت تُطلق نموذج ذكاء اصطناعي فائق الكفاءة يعمل على وحدات المعالجة المركزية
أعلن باحثون في مايكروسوفت عن تطويرهم لنموذج ذكاء اصطناعي واسع النطاق بـ 1 بت، يُعرف أيضًا باسم “BitNet”، وهو الأكبر من نوعه حتى الآن. يُسمّى هذا النموذج BitNet b1.58 2B4T، وهو متاح علنًا بموجب ترخيص MIT، ويمكنه العمل على وحدات المعالجة المركزية (CPUs)، بما في ذلك معالج Apple M2.
تُعدّ نماذج BitNet نماذج مضغوطة مُصممة للعمل على أجهزة خفيفة الوزن. في النماذج القياسية، غالبًا ما يتم تحديد الأوزان (القيم التي تُحدد البنية الداخلية للنموذج) لكي تعمل النماذج بشكل جيد على مجموعة واسعة من الأجهزة. يُقلل تحديد الأوزان من عدد البتات (أصغر وحدات يمكن للكمبيوتر معالجتها) اللازمة لتمثيل هذه الأوزان، مما يُمكّن النماذج من العمل على الرقائق التي تتمتع بذاكرة أقل وأسرع.
تُحدد نماذج BitNet الأوزان إلى ثلاث قيم فقط: -1، 0، و 1. من الناحية النظرية، يجعلها هذا أكثر كفاءة من حيث الذاكرة والحوسبة من معظم النماذج اليوم.
يقول باحثو مايكروسوفت إن BitNet b1.58 2B4T هو أول نموذج BitNet يحتوي على ملياري معامل، حيث تُعتبر “المعاملات” مُرادفة إلى حد كبير لـ “الأوزان”. تم تدريب BitNet b1.58 2B4T على مجموعة بيانات من 4 تريليون رمز – ما يُعادل حوالي 33 مليون كتاب، حسب تقدير واحد – ويتفوق على النماذج التقليدية ذات الأحجام المُشابهة، حسب ادعاء الباحثين.
لا يُعتبر BitNet b1.58 2B4T الأفضل بين نماذج المنافسة التي تحتوي على ملياري معامل، ولكنه يُظهر أداءً مُنافسًا. وفقًا لاختبارات الباحثين، يتفوق النموذج على Meta’s Llama 3.2 1B، و Google’s Gemma 3 1B، و Alibaba’s Qwen 2.5 1.5B في معايير مُختلفة، بما في ذلك GSM8K (مجموعة من مسائل الرياضيات على مستوى المدرسة الابتدائية) و PIQA (الذي يختبر مهارات التفكير المنطقي الفيزيائي).
ولعلّ الأمر الأكثر إثارة للإعجاب هو أن BitNet b1.58 2B4T أسرع من النماذج الأخرى من نفس الحجم – في بعض الحالات، بسرعة ضعف السرعة – مع استخدام جزء صغير من الذاكرة.
ومع ذلك، هناك جانب سلبي. يتطلب تحقيق هذا الأداء استخدام إطار عمل مايكروسوفت المُخصص، bitnet.cpp، والذي يعمل فقط مع أجهزة مُحددة في الوقت الحالي. لا توجد وحدات معالجة الرسومات (GPUs) ضمن قائمة الرقائق المُدعمّة، وهي التي تُهيمن على مشهد البنية التحتية للذكاء الاصطناعي.
هذا يعني أن نماذج BitNet قد تكون واعدة، خاصةً للأجهزة التي لديها موارد محدودة. لكن التوافق – ومن المُرجّح أن يبقى كذلك – يُمثّل نقطة ضعف كبيرة.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
