“التقطير” في روبوتات الدردشة: مصطلح جديد سيغيّر كل شيء.. ديبسيك هزّ عمالقة التكنولوجيا

تسعى شركات الذكاء الاصطناعي الرائدة، مثل OpenAI ومايكروسوفت (MSFT) وميتا (META)، إلى جعل نماذج الذكاء الاصطناعي أكثر كفاءة وأقل تكلفة باستخدام تقنية جديدة تُعرف بـ"التقطير" (Distillation). هذه التقنية أصبحت الكلمة الطنانة الجديدة في عالم الذكاء الاصطناعي، حيث تتيح تشغيل النماذج الذكية باستخدام موارد أقل. ومع تطور هذا المفهوم، يتغير المشهد الصناعي وطريقة تفكير الشركات في تطوير الذكاء الاصطناعي.

تعتمد تقنية التقطير على أخذ نموذج ذكاء اصطناعي كبير يُطلق عليه "المعلّم" (Teacher Model) واستخدامه لتدريب نموذج أصغر وأكثر كفاءة يُعرف بـ"الطالب" (Student Model). تُمكّن هذه العملية الشركات من نقل المعرفة من أنظمة الذكاء الاصطناعي الضخمة إلى نسخ أصغر، أسرع، وأرخص تكلفة.

ورغم أن التقطير ليس مفهوماً جديداً، فقد أدت التطورات الأخيرة إلى جعله أداة أساسية للشركات التي تسعى إلى تقليل النفقات التشغيلية دون التضحية بجودة الأداء. وقد ازدادت أهمية هذا التوجه بعد أن نجحت شركة الذكاء الاصطناعي الصينية DeepSeek في استخدامه لإنشاء نماذج قوية تعتمد على تقنيات مفتوحة المصدر من ميتا وعلي بابا (BABA). هذا النجاح أثار قلق وادي السيليكون، مما أدى إلى انخفاض أسهم شركات الذكاء الاصطناعي الأمريكية، حيث بدأ المستثمرون يشككون في جدوى الاستثمارات الضخمة التي تضخها الشركات الأمريكية في تطوير البنية التحتية للذكاء الاصطناعي.

ما جعل نموذج DeepSeek مثيراً للجدل هو أنه تم تدريبه باستخدام موارد أقل بكثير من تلك التي تستخدمها الشركات المنافسة، مما طرح تساؤلات حول ما إذا كانت تكلفة تطوير الذكاء الاصطناعي تحتاج حقاً إلى أن تكون مرتفعة كما هي الآن.

رغم الفوائد الكبيرة لتقنية التقطير، فإنها تأتي مع بعض التحديات. النماذج الأصغر تكون أسرع وأرخص، لكنها قد لا تتمكن من أداء جميع المهام التي يستطيع النموذج الكبير تنفيذها. على سبيل المثال، قد يكون النموذج المقطّر ممتازاً في تلخيص رسائل البريد الإلكتروني لكنه قد يواجه صعوبة في التعامل مع مهام أكثر تعقيداً مثل تحليل المشاعر أو الإجابة على أسئلة معقدة.

ومع ذلك، يرى الخبراء أن معظم الشركات لا تحتاج إلى نماذج ذكاء اصطناعي ضخمة، مما يجعل التقطير خياراً عملياً وفعالاً من حيث التكلفة. كما أن هذه التقنية تدعم الشركات الناشئة والمطورين الذين يعتمدون على النماذج مفتوحة المصدر، حيث أشار كبير علماء الذكاء الاصطناعي في ميتا، يان ليكون (Yann LeCun)، إلى أن تطوير الذكاء الاصطناعي في بيئة مفتوحة يُسرّع الابتكار على مستوى الصناعة.

لكن من جهة أخرى، تحاول شركات مثل OpenAI الحد من استغلال المنافسين لهذه التقنية عبر فرض قيود تمنعهم من تقطير نماذجها الكبيرة، خوفاً من فقدان ميزتها التنافسية. ومع تسارع تطورات الذكاء الاصطناعي، يبقى السؤال الأهم: هل ستتمكن عمالقة التكنولوجيا من الحفاظ على هيمنتها، أم أن الشركات الناشئة الأصغر والأكثر كفاءة ستواصل تضييق الفجوة؟

في ظل هذه التطورات، يمكن أن تساعد أدوات مثل TipRanks’ Comparison Tool المستثمرين في مقارنة أداء شركات الذكاء الاصطناعي الرائدة ومعرفة كيفية تفاعل السوق مع هذه الاتجاهات الجديدة. تتيح هذه الأداة للمستثمرين فهماً أعمق للقطاع، مما يساعدهم على اتخاذ قرارات مالية مبنية على بيانات موثوقة.