أعلن فريق أبحاث الذكاء الاصطناعي الأساسية (FAIR) في ميتا عن خمسة مشاريع تُعزز سعي الشركة نحو تطوير ذكاء آلي متقدم. تركّز الإصدارات الأخيرة من ميتا بشكل كبير على تعزيز إدراك الذكاء الاصطناعي – قدرة الآلات على معالجة وتفسير المعلومات الحسية – إلى جانب التطورات في نماذج اللغات، والروبوتات، والوكلاء التعاونيّين للذكاء الاصطناعي.
حددت ميتا هدفها في إنشاء آلات “قادرة على اكتساب ومعالجة وتفسير المعلومات الحسية حول العالم من حولنا، وقادرة على استخدام هذه المعلومات لاتخاذ القرارات بذكاء وسرعة مُشابهة للبشر”.
تمثل الإصدارات الخمسة الجديدة جهودًا مُتنوعة ولكنها مُترابطة لتحقيق هذا الهدف الطموح. وتشمل:
مشفر الإدراك (Perception Encoder): مشفر رؤية واسع النطاق يُحسّن من “رؤية” أنظمة الذكاء الاصطناعي، يتفوق على النماذج الأخرى في تصنيف الصور ومقاطع الفيديو واسترجاعها. كما يُحسّن من أداء المهام اللغوية المرتبطة بالرؤية، مثل الإجابة على الأسئلة المرئية وكتابة التعليقات التوضيحية.
نموذج لغة الإدراك (PLM): نموذج رؤية ولغة مفتوح وقابل للتكرار يُعنى بمهام التعرف البصري المعقدة، مدعومًا بأكبر مجموعة بيانات من نوعها لأسئلة الفيديو المُفصّلة والتعليقات التوضيحية المكانية والزمانية.
ميتا لوكيت 3D (Meta Locate 3D): نموذج يُمكّن الروبوتات من تحديد مواقع الأشياء بدقة في بيئة ثلاثية الأبعاد بناءً على استفسارات لغوية مفتوحة، مدعومًا بمجموعة بيانات ضخمة جديدة لتحديد موقع الكائنات.
محوّل البايت الديناميكي الكامن (Dynamic Byte Latent Transformer): نموذج لغة فعال وقوي يعمل على مستوى البايت بدلاً من الرموز، مما يُحسّن من كفاءة الاستنتاج وقدرته على مقاومة المدخلات المُضلّلة.
المُفكّر التعاوني (Collaborative Reasoner): إطار عمل لتقييم وتحسين مهارات التعاون بين وكلاء الذكاء الاصطناعي، باستخدام تقنية تحسين ذاتي من خلال بيانات التفاعل الاصطناعي.
تُبرز هذه الإصدارات الخمسة استثمار ميتا المُستمر في أبحاث الذكاء الاصطناعي الأساسية، مع التركيز بشكل خاص على بناء اللبنات الأساسية للآلات التي يمكنها إدراك العالم وفهمه والتفاعل معه بطرق مُشابهة للبشر.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
