معهد الابتكار التكنولوجي يقود ثورة جديدة في مجال الذكاء الاصطناعي اللغوي

أعلن معهد الابتكار التكنولوجي، الذراع البحثية لمجلس أبحاث التكنولوجيا المتطورة في أبوظبي، عن إطلاق أحدث إنجازاته في مجال الذكاء الاصطناعي التوليدي، وهو نموذج فالكون مامبا (7 بي) اللغوي الكبير. يمثل هذا النموذج قفزة نوعية في مجال نماذج اللغات الكبيرة ذات المصدر المفتوح، حيث يتفوق على نظرائه في الأداء والكفاءة، وفقاً لأحدث التصنيفات العالمية. وبذلك، يعزز المعهد مكانته الرائدة في تطوير تقنيات الذكاء الاصطناعي المتقدمة ويوفر أدوات قيمة للمجتمع العلمي والتقني على حد سواء

وفي هذا الصدد، علّق الأمين العام لمجلس أبحاث التكنولوجيا المتطورة، ومستشار شؤون الأبحاث الاستراتيجية والتكنولوجيا المتقدمة لرئيس دولة الإمارات العربية المتحدة، سعادة “فيصل البناي” قائلاً: “يمثل نموذج فالكون مامبا (7 بي) نموذج الذكاء الاصطناعي الرابع الذي يطلقه معهد الابتكار التكنولوجي على التوالي، مما يعزز من مكانة أبوظبي كمركز عالمي للبحث والتطوير في مجال الذكاء الاصطناعي، ويسلط هذا الإنجاز الضوء على الالتزام الثابت لدولة الإمارات العربية المتحدة بالابتكار”.

وأضاف: مقارنة مع النماذج المبنية على المحولات، فإن فالكون مامبا (7 بي) يتفوق على نموذج Llama 3.1 8B ونموذج Llama 3.1 8B من شركة ميتا ونموذج Mistral 7B، وذلك تبعاً للمعايير التي تم طرحها مؤخراً من منصة HuggingFace. وأما بالمقارنة مع النماذج الأخرى من نوع SSLM، فيتفوق فالكون مامبا (7 بي) على جميع نماذج المصادر المفتوحة الأخرى بحسب المعايير القديمة، وسيكون هذا النموذج على رأس قائمة المقارنة المعيارية الجديدة الخاصة بمنصة HuggingFace.

من جهتها، أكدت الدكتورة نجوى الأعرج، الرئيس التنفيذي لمعهد الابتكار التكنولوجي، أن إطلاق نموذج فالكون مامبا (7 بي) يمثل قفزة نوعية في مسيرة المعهد نحو الريادة العالمية في مجال الذكاء الاصطناعي. وأضافت أن هذا الإنجاز الرائد يؤسس لبناء مستقبل واعد يتميز بتطبيقات مبتكرة للذكاء الاصطناعي تساهم في تطوير المجتمع.

هذا وتتميز نماذج SSLM بأدائها العالي في فهم السياقات المعقدة التي تتطور مع مرور الوقت، أي النصوص الطويلة كالكتب على سبيل المثال، وذلك لأن أنظمة تخزين البيانات SSLM لا تتطلب ذاكرة إضافية لاستيعاب هذا الكم الكبير من المعلومات.
ومن ناحية أخرى، تتسم النماذج القائمة على المحولات بفعاليتها الكبيرة في تذكر واستخدام المعلومات التي تمت معالجتها في وقت سابق، مما يمكنها من القيام بمهام مثل توليد المحتوى. وعلى الرغم من ذلك، فإنها تتطلب قدرة حسابية كبيرة لأنها تقارن كل كلمة مع الكلمات الأخرى.
وتقدم النماذج اللغوية من نوع SSLM حلولاً وتطبيقات عملية في العديد من المجالات المختلفة مثل التقدير والتنبؤ ومهام التحكم. وعلى غرار النماذج المبنية على المحولات، فإنها تتفوق أيضاً في مهام معالجة اللغات الطبيعية ويمكن تطبيقها على الترجمة الآلية وتلخيص النصوص ومعالجة الصوت والصورة.