أطلقت Guide Labs نموذجًا لغويًا مفتوحًا يمكن فهمه من الداخل

يطارد مشكلة "الصندوق الأسود" صناعة نماذج اللغة الكبيرة منذ ظهورها. نحن نعلم أن النماذج تعمل، وأحياناً بشكل ملحوظ، لكننا لا نستطيع تقريباً أبداً أن نشرح لماذا تبدو إجابة معينة بطريقة معينة وليس بأخرى. قررت شركة Guide Labs الناشئة مهاجمة هذه المشكلة مباشرة وقدمت Steerling-8B — نموذج لغة مفتوح المصدر بـ 8 مليارات معامل، حيث يتم دمج قابلية التفسير على مستوى المعمارية.

لتقييم أهمية هذه الخطوة، من الضروري فهم السياق. اليوم، قابلية التفسير في الذكاء الاصطناعي هي في الغالب مجموعة من الأدوات يتم تطبيقها على نماذج مدربة بالفعل بعد الواقع. يطور الباحثون من Anthropic و OpenAI والمختبرات الأكاديمية طرقاً مثل قابلية التفسير الميكانيكية، محاولين النظر داخل الشبكات العصبية وفهم أي الخلايا العصبية مسؤولة عن أي شيء. لكن هذه الأساليب تشبه محاولة تفكيك محرك يعمل بينما يتحرك: فهي تعطي نتائج قيمة لكن متقطعة. اتخذت Guide Labs مساراً مختلفاً — صممت الشركة المعمارية بحيث يكون النموذج شفافاً بطبيعته.

لم يتم الكشف عن تفاصيل المعمارية الجديدة بالكامل حتى الآن، لكن الفكرة الأساسية هي أن كل إجراء يتخذه Steerling-8B يمكن تتبعه وتفسيره. كلمة "steerling" في الاسم ليست من قبيل الصدفة — فهي تشير إلى مفهوم "steerability"، القابلية للتحكم. لا ينتج النموذج النص ببساطة؛ بل ينتجه بطريقة تسمح للمستخدم أو المطور بفهم منطق اتخاذ القرار وما هو أهم من ذلك، توجيه سلوك النموذج في الاتجاه المطلوب. هذا يختلف بشكل أساسي عن النهج القياسي، حيث يقتصر إدارة سلوك النموذج على هندسة الموجهات أو الضبط الدقيق — طرق قوية لكن عمياء إلى حد كبير.

ثمانية مليارات معامل ليس نموذجاً عملاقاً بمعايير اليوم. تعمل النماذج الحدودية من OpenAI و Google و Anthropic بمئات المليارات، وبحسب بعض التقديرات، بتريليونات المعاملات. لكن اختيار الحجم يبدو مدروساً. يمكن تشغيل نموذج بهذا الحجم على معدات يمكن الوصول إليها نسبياً، مما يجعله مناسباً للبحث والتجريب من قبل مجموعة واسعة من المطورين. وقرار فتح الكود المصدري يضاعف هذا التأثير عدة مرات — يمكن لأي مختبر في العالم تنزيل Steerling-8B ودراسة معمارتها والمحاولة في توسيع نطاق النهج.

لماذا يهم هذا بعيداً عن الاهتمام الأكاديمي؟ ينادي المنظمون في جميع أنحاء العالم، من الاتحاد الأوروبي بقانون الذكاء الاصطناعي الخاص به إلى الوكالات الاتحادية الأمريكية، بشكل متزايد الشركات بتفسيرية أنظمة الذكاء الاصطناعي. المالية والصحة والقانون — في هذه القطاعات، يكون النموذج الذي لا يستطيع تفسير قراره غير مناسب بشكل أساسي للنشر على نطاق واسع. حتى الآن، ردت الصناعة على هذه المتطلبات بتدابير نصفية: تقارير الأمان وجلسات الاختبار الأحمر والتدقيق الخارجي. يقدم Steerling-8B شيئاً أكثر أساسية — الشفافية المدمجة في الحمض النووي للنموذج.

هناك، بالطبع، أسئلة. السؤال الرئيسي هو ما إذا كان يجب على المرء أن يدفع ثمن قابلية التفسير بجودة الإنشاء. تاريخياً، أدت محاولات جعل الشبكات العصبية أكثر شفافية إلى انخفاض أدائها. لم تنشر Guide Labs حتى الآن معايير مفصلة مقارنة بنماذج أخرى بحجم مماثل، مثل Llama أو Mistral. بدون هذه البيانات، من الصعب الحكم على ما إذا كان Steerling-8B نقطة تحول حقيقية أم مفهوماً جميلاً بقيود عملية. كما يبقى السؤال مفتوحاً حول كيفية توسيع نطاق النهج — هل ستبقى المعمارية قابلة للتفسير بشكل متساوٍ مع 70 أو 400 مليار معامل.

مع ذلك، فإن مجرد ظهور Steerling-8B يشير إلى تحول مهم في أولويات الصناعة. تتراجع السباق من أجل الأداء النقي، من أجل عدد المعاملات ودرجات المعايير تدريجياً أمام نهج أكثر نضجاً، حيث يتم تقدير فهم النموذج بقدر تقديره قدراته. راهنت Guide Labs على أن مستقبل الذكاء الاصطناعي ليس ببساطة نماذج قوية، بل نماذج قوية يمكن الوثوق بها. وإذا ثبت أن هذا الرهان صحيح، فقد يصبح Steerling-8B ليس مجرد مشروع بحثي مثير للاهتمام، بل قالباً معمارياً لجيل جديد من نماذج اللغة.