أصدرت شركة Thinking Machines Lab، وهي شركة ناشئة للذكاء الاصطناعي أسستها مديرة التكنولوجيا السابقة في OpenAI ميرا موراتي، أول نموذج خاص بها للذكاء الاصطناعي صباح الأربعاء، يُدعى Inkling – وعلى عكس النماذج الرئيسية من OpenAI أو Anthropic أو Google، فهو ذو وزن مفتوح، مما يعني أنه يمكن للمطورين والشركات الخارجية تنزيله وتعديله مباشرة.
Inkling عبارة عن نظام مزيج من الخبراء يحتوي على 975 مليار معلمة إجمالية، على الرغم من أنه يعتمد فقط على جزء صغير من ذلك – حوالي 41 مليارًا – لأي مهمة معينة، وهو تصميم مشترك يحافظ على تشغيل النماذج الكبيرة جدًا بشكل أسرع وأرخص. تم تدريبه على 45 تريليون رمز من النصوص والصور والصوت والفيديو والأسباب محليًا عبر الثلاثة، وفقًا لمواد الإصدار الخاصة بالشركة.
إنها أول نقطة إثبات عامة للشركة بعد قضاء عام ونصف في بناء البنية التحتية للذكاء الاصطناعي بعيدًا عن الرأي العام إلى حد كبير. ظهرت بعض هذه الأعمال بالفعل، في معاينة بحثية أجريت في شهر مايو حول “نماذج التفاعل” – الذكاء الاصطناعي المصمم للاستماع والتحدث (وحتى المقاطعة) بدلاً من التوقف والانتظار كما هو الحال مع روبوتات الدردشة النموذجية. إنه أيضًا اختبار للرهان المركزي وراء Thinking Machines، وهو أن الذكاء الاصطناعي الذي يمكن للمؤسسات أن تتكيف معه سوف يتفوق على النماذج ذات المقاس الواحد الذي يناسب الجميع التي تبيعها أكبر المختبرات حاليًا.
إنه نموذج مثير للاهتمام، وهو مصمم لتقديم إجابات محسوبة، بما في ذلك الإشارة إلى عدم اليقين بدلاً من التخمين، والذي يتيح للمستخدمين طلب “جهد التفكير” لأعلى أو لأسفل عندما يريدون التداول من أجل السرعة. تقول الشركة إنه في أحد المعايير، تستخدم Inkling ثلث عدد الرموز المميزة التي يستخدمها Nemotron 3 Ultra من Nvidia من أجل تحقيق نفس أداء البرمجة. تجدر الإشارة إلى أن Thinking Machines لا تدعي أن Inkling هو الأفضل في فئته. تنص المواد الموجزة الخاصة بها صراحةً على أن Inkling “ليس أقوى نموذج متاح اليوم، مغلقًا أو مفتوحًا”. من الواضح أن ما تسعى إليه بدلاً من ذلك هو الأداء الشامل.
بالطبع، هذا يثير سؤالًا كبيرًا، وهو من يستهدف هذا المنتج، بما يتجاوز ما هو واضح – إنه بالتأكيد منتج مؤسسي. تقوم شركة Thinking Machines، في الوقت الحالي، بتسويقها كنقطة انطلاق وليس كعمل مكتمل، كشيء للمؤسسات لضبط نفسها من خلال Tinker، منصة تخصيص النماذج الخاصة بالشركة. (لقد اتبعت كل من OpenAI، وAnthropic، وGoogle نهجًا مختلفًا تمامًا مع ChatGPT، وClaude، وGemini، على التوالي، والتي تم تصميمها جميعًا للتنافس كروبوتات دردشة ذات أغراض عامة أولاً، مع وضع ميزات مستقلة ومستقلة في الأعلى).
من الواضح أن المنشور الذي نشرته شركة Thinking Machines الأسبوع الماضي كان بمثابة خلفية لهذا الإصدار. جادلت الشركة في هذا المنشور بأن الذكاء الاصطناعي الذي يتم تدريبه مركزيًا من قبل شركة واحدة ثم يتم وضعه في الحجر، يضعف أداء الذكاء الاصطناعي الذي تقوم المؤسسات بتشكيل نفسها لأن الكثير من الخبرة خاصة بالأشخاص الذين يمتلكونها. والفكرة الأوسع هي أن المختبرات المركزية تبيع للجميع نفس المنتج، الذي يتم تنقيحه بشكل متكرر بواسطة المختبر الذي قام ببنائه، في حين يمكن للشركات الراغبة في امتلاك وتخصيص نماذجها الخاصة أن تجني قيمة أكبر بكثير منها.
إنها حجة تكتسب المزيد من القوة. في تدوينة نُشرت يوم الأحد، حذر الرئيس التنفيذي لشركة مايكروسوفت، ساتيا ناديلا – الذي استثمرت شركته المليارات في كل من OpenAI وAnthropic – من أن الشركات التي تستخدم نماذج الذكاء الاصطناعي الخاصة تدفع فعليًا مرتين: مرة في تكاليف الاشتراك، ومرة أخرى عن طريق تسليم المعرفة التجارية المضمنة في آلاف المطالبات والتصحيحات، والتي يمكن استيعابها في إصدارات النماذج المستقبلية.
قدم الرئيس التنفيذي لشركة Hugging Face Clem Delangue تنبؤًا مشابهًا في محادثة مع TechCrunch الأسبوع الماضي. وقال إن النماذج الحدودية ستُخصص بشكل متزايد للتجريب والمهام ذات القيمة العالية، في حين تتحول معظم أعمال الذكاء الاصطناعي الإنتاجية إلى بدائل خاصة أو مفتوحة المصدر – وهو الانقسام الدقيق الذي تتشكل حوله آلات التفكير.
والدليل الأكثر وضوحاً على هذه الحجة جاء مؤخراً من مشروع مع بريدجووتر أسوشيتس، وهو أكبر صندوق تحوط في العالم (وهو ليس مستثمراً في شركة Thinking Machines). استخدم الباحثون من كلا الشركتين نموذجًا مفتوح المصدر موجودًا وقاموا بتدريبه بشكل أكبر على الخبرة المالية الخاصة بشركة Bridgewater. وسجلت النتيجة 84.7% في اختبارات الاستدلال المالي، متفوقة على أفضل نماذج الذكاء الاصطناعي المملوكة لها، في حين كانت تكلفة تشغيلها نحو 14%، على الرغم من أن هذه النتائج، التي نُشرت بشكل مشترك في أواخر يونيو/حزيران، تأتي من تقييم خاص للشركتين، وليس تقييم مستقل.
وقد أكدت شركة Thinking Machines أيضًا على مدى سرعة وصولها إلى هنا: فقد استغرق OpenAI ما يقرب من خمس سنوات، واستغرق Anthropic ما يقرب من ثلاث سنوات، لجلب التكنولوجيا إلى السوق وتحقيق الإيرادات؛ وتقول شركة Thinking Machines إنها فعلت الشيء نفسه في حوالي تسعة أشهر.
سوف يتساءل البعض عما إذا كان إنكلينج قد تم تدريبه على مخرجات نماذج المنافسين، وهي ممارسة تعرف باسم التقطير والتي اجتذبت التدقيق في جميع أنحاء الصناعة. الإجابة المختصرة، وفقًا للمواد الخاصة بالشركة، هي جزئيًا. قامت شركة Thinking Machines بتدريب Inkling مسبقًا من الصفر، لكنها تقول إنها استخدمت نماذج أخرى مفتوحة الوزن – بما في ذلك Kimi K2.5 من Moonshot AI – للمساعدة في توليد بعض بياناتها المبكرة بعد التدريب قبل أن يتولى التعلم المعزز على نطاق واسع. وتصر الشركة على أن النموذج التالي سيستخدم التدريب اللاحق بشكل كامل بدلاً من ذلك.
ومن ناحية التكلفة، كانت أجهزة التفكير أكثر حذرًا. لقد أبرمت شراكة استراتيجية مع Nvidia في مارس لنشر جيجاوات من قدرة الحوسبة Vera Rubin، وتقول إن Inkling نفسها تم تدريبها بالكامل على أنظمة GB300 NVL72 من Nvidia. لكن الشركة لم تذكر كيف تخطط لتحقيق التوازن بين ذلك والإيرادات التي، في معظم الحسابات، لم تكن محور التركيز الأساسي حتى الآن. (قيل إن جولة لجمع التبرعات بقيمة 50 مليار دولار كانت ستجتمع في نوفمبر الماضي، والتي ذكرت العديد من المنافذ أنها توقفت بحلول يناير؛ ورفضت الشركة الحديث عن صورتها التمويلية منذ ذلك الحين، على الرغم من أن إنفيديا قالت إنها قامت “باستثمار كبير” في Thinking Machines عندما أعلنت الشركتان عن الشراكة في مارس).
والسؤال ذو الصلة هو ما إذا كان إنفاق شركة Thinking Machines سيصل يومًا ما إلى مستوى إنفاق OpenAI أو Anthropic، أو ما إذا كان نهجها القائم على الكفاءة يعني أن الاقتصاد يبدو مختلفًا. وبعبارة أخرى، قد يكون رهان الشركة على أنها ستنفق في النهاية مثل منافسيها الأكبر أقل من رهانها على أنها لن تحتاج إلى ذلك على الإطلاق – لأنه بمجرد أن تصبح الأوزان علنية، لا شيء يلزم أي شخص يقوم بتنزيلها بدفع أموال إلى Thinking Machines لتشغيلها، على عكس الوصول المقنن لـ OpenAI وAnthropic. إنه Tinker، وليس النموذج نفسه، حيث يجب أن تأتي إيرادات الشركة، من خلال التدريب والضبط الدقيق، والآن جزء من النظام البيئي للاستضافة المبني حوله.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.
