NVIDIA وIneffable Intelligence تبنيان مستقبل التعلم المعزز
أعلنت NVIDIA وIneffable Intelligence عن شراكة جديدة، بهدف تطوير بنية تحتية متقدمة لتدريب وكلاء الذكاء الاصطناعي عبر التعلم المعزز (Reinforcement Learning).
تفاصيل الخبر
تركز الشراكة بين NVIDIA وIneffable Intelligence على بناء أنظمة تدريب جديدة تمكّن نماذج الذكاء الاصطناعي من التعلم عبر التجربة بدلاً من الاعتماد فقط على البيانات البشرية التقليدية.
- تهدف المبادرة إلى تطوير ما يُعرف بـ “superlearners”، وهي أنظمة تتعلم بشكل مستمر من التجربة المباشرة.
- تعتمد الفكرة على تحويل قوة الحوسبة إلى معرفة جديدة عبر التفاعل، التجربة، والتقييم المستمر.
- أوضح Jensen Huang أن المرحلة القادمة من الذكاء الاصطناعي ستعتمد على أنظمة تتعلم ذاتياً بدلاً من الاكتفاء بالبيانات الجاهزة.
- وصف David Silver هذا التوجه بأنه انتقال من “معرفة ما يعرفه البشر” إلى “اكتشاف معرفة جديدة بشكل مستقل”.
- تختلف بنية التعلم المعزز عن التدريب التقليدي لأنها تولد بياناتها بشكل لحظي أثناء التفاعل.
- تتطلب هذه الأنظمة حلقات مغلقة سريعة تشمل: الفعل، الملاحظة، التقييم، والتحديث المستمر.
- تعمل الشراكة على تطوير خطوط تدريب قادرة على التعامل مع متطلبات الذاكرة العالية وعرض النطاق الترددي الكبير.
- سيتم تشغيل العمل الأولي على منصة NVIDIA Grace Blackwell، مع اختبار مبكر لهندسة Vera Rubin المستقبلية.
- يهدف المشروع إلى بناء بيئة تدريب قادرة على دعم وكلاء ذكاء اصطناعي في مجالات معقدة ومحاكاة غنية.
وتشير هذه الخطوة إلى تحول مهم في تصميم أنظمة الذكاء الاصطناعي، من النماذج المعتمدة على النصوص البشرية إلى أنظمة تتعلم من التجربة المباشرة والبيئات التفاعلية.
الأهداف المستقبلية
تسعى شراكة NVIDIA وIneffable Intelligence إلى تأسيس جيل جديد من البنية التحتية للذكاء الاصطناعي، وتشمل أبرز الأهداف:
- تطوير أنظمة تعلم معزز قادرة على التعلم المستمر بدون تدخل بشري مباشر.
- بناء خطوط تدريب عالية الكفاءة لمعالجة البيانات التفاعلية في الوقت الحقيقي.
- دعم تصميم نماذج ذكاء اصطناعي تكتشف حلولاً جديدة بدلاً من إعادة إنتاج المعرفة الحالية.
- الاستفادة من الجيل القادم من عتاد NVIDIA مثل Vera Rubin لتعزيز الأداء.
- توسيع استخدام وكلاء الذكاء الاصطناعي في مجالات علمية وصناعية معقدة.
تمثل هذه الشراكة بين NVIDIA وIneffable Intelligence خطوة استراتيجية نحو مرحلة جديدة من الذكاء الاصطناعي تعتمد على التعلم من التجربة، ما قد يغير جذرياً طريقة بناء النماذج الذكية ويقربها أكثر من أسلوب التعلم البشري المتفاعل.
