في هذا المجال الذي يتصدر فيه ChatGPT قائمة المنافسين، أتت شركة Baidu الصينية بعد يومين (في 16 مارس)، وأطلقت ERNIE Bot، وهو روبوت محادثة منافس لـ ChatGPT.
وبالتزامن مع هذا التطور الكبير لتقنيات الذكاء الاصطناعي، تشهد نماذج الذكاء الاصطناعي الشهيرة مثل ChatGPT انخفاضاً في التكاليف، الأمر الذي يقودنا إلى السؤال التالي:
لماذا أصبحت نماذج الذكاء الاصطناعي في متناول الجميع؟
يرجع انخفاض تكلفة نماذج الذكاء الاصطناعي الكبيرة إلى التقدّم المستمر للتكنولوجيا واكتظاظ المنافسة. وفقاً لـ OpenAI، تبلغ تكلفة استخدام نموذج GPT-3.5-turbo، حوالي 0.002 دولاراً فقط لكل 1000 رمز (حوالي 750 كلمة)، مما يقلل من تكلفة استخدام GPT-3.5 بنسبة 90%.
قد يكون الانخفاض الكبير في تكاليف OpenAI ناتجاً عن تحسينات مختلفة، بما في ذلك التعديلات على بنية النموذج، وكفاءة الخوارزمية ومستوى النموذج والكمية ، ومستوى النواة، وغيرها. تساعد هذه التدابير على تحسين الأداء والدقة مع تقليل التكاليف الحسابية والمعلَّمات، وتقليل وقت الاستدلال والتكلفة.
ومع دخول المزيد من الشركات والمؤسسات البحثية في مجال نماذج الذكاء الاصطناعي، مثل جوجل وميتا وإنفيديا وغيرهم، باتت المنافسة في السوق شديدة، وبدأت المنافسة السعرية أيضاً بين الشركات لكسب أكبر عدد ممكن من المستخدمين. أدّى هذا العامل إلى انخفاض مستمر في أسعار نماذج الذكاء الاصطناعي. ولكن هل ستتبع النماذج السائدة الأخرى هذا الاتجاه المتمثل في انخفاض الأسعار؟ ذلك يعتمد على حجمها وأدائها، فضلاً عن مستوى الطلب عليها. إذا كانت هذه النماذج قابلة للمقارنة من حيث الحجم والأداء مع نموذج GPT-3 وكان هناك طلب قوي في السوق، فقد تشهد أيضاً تخفيضات في الأسعار. وبالطبع، لا يمكن تحديد المدى والتوقيت المحددين لمثل هذه التخفيضات في الأسعار، لأنها تعتمد على علاقة العرض وجودة النماذج في السوق.
في نهاية المقال، يمكننا تلخيص خمسة عوامل رئيسية تؤدِّي إلى خفض تكلفة نماذج الذكاء الاصطناعي الكبيرة:
- تحسين الخوارزميات: يتم تكرار وتطوير التقنيات الجديدة باستمرار، مما يقلل من تكاليف التدريب والاستدلال.
- تحسين الأجهزة: مع تطور تكنولوجيا الأجهزة يمكن استخدام أجهزة أكثر كفاءة في التدريب والاستدلال، وبالتالي خفض التكاليف.
- حجم مجموعة البيانات: مجموعات البيانات الأكبر والأعلى جودة تساعد في تحسين دقة النماذج وتعميمها، وتقليل تكاليف البيانات.
- اللجوء إلى النماذج المدربة مسبقاً: يمكن استخدام النماذج المدربة مسبقًا كنماذج أساسية لتدريب النماذج الأخرى، مما يقلل من وقت التدريب وتكاليفه.
- الحوسبة الموزعة: يمكن تقسيم عملية التدريب إلى مهام متعددة وتشغيلها على أجهزة كمبيوتر متعددة، مما يؤدي إلى تقصير وقت التدريب وتكاليفه بشكل كبير.