يزعم فريق من الباحثين من معهد الأتمتة التابع للأكاديمية الصينية للعلوم (CASIA) أنهم طوروا نموذج ذكاء اصطناعي مستوحى من الدماغ البشري. يهدف هذا النموذج، المسمى SpikingBrain 1.0، إلى إحداث نقلة نوعية في طريقة عمل أنظمة الذكاء الاصطناعي، بنهج أكثر كفاءة من نماذج اللغات الحالية القائمة على Transformers، مثل ChatGPTمن (OpenAI)، وGemini من (غوغل)، وClaude من (Anthropic).
الفرق الرئيسي بين SpikingBrain 1.0 ونماذج اللغات الحالية يكمن في كيفية معالجة المعلومات. تستخدم نماذج الذكاء الاصطناعي الحالية آليات تركيز انتباه هائلة، حيث تُحلل جميع الكلمات في الجملة في آنٍ واحد، حتى لو لم تكن جميعها ذات صلة.
في المقابل، يعتمد SpikingBrain 1.0 على الخلايا العصبية المُحفِّزة، والتي تُنشَّط فقط عند الضرورة، تمامًا كما هو الحال في الدماغ البشري. يُتيح هذا النهج للنظام التركيز على الروابط المهمة حقًا، مُلغيًا بذلك التكرار في التعلم العميق التقليدي.
وبحسب التقارير، يمكن أن يكون هذا النموذج أسرع بمقدار 25 إلى 100 مرة في المهام الطويلة والمعقدة، مع استخدام طاقة أقل من الأنظمة الأمريكية الحالية.
من الجوانب اللافتة للنظر أيضًا أن SpikingBrain 1.0 لا يعتمد على وحدات معالجة الرسومات من NVIDIA، وهي ضرورية اليوم لتدريب الذكاء الاصطناعي المتقدم، إلا أن تكلفتها العالية وقيود التصدير الأمريكية إلى الصين محدودة.
بدلاً من ذلك، طور الباحثون شرائح خاصة تُسمى MetaX، تتيح تدريب نماذج واسعة النطاق دون الاعتماد على أجهزة أجنبية. وأفادت التقارير أن SpikingBrain 1.0 حقق تدريبًا مستقرًا باستخدام 76 مليار معلمة، باستخدام أقل من 2% من البيانات المطلوبة للنماذج التقليدية.
وإذا تم تأكيد ذلك، فسوف يمثل قفزة في الكفاءة في سياق تتطلب فيه التحسينات في مجال الذكاء الاصطناعي في كثير من الأحيان كميات هائلة من الموارد والطاقة.
يُشير المؤلفون إلى أن نظامهم يُحقق أداءً يُضاهي أداء نماذج Transformer مفتوحة المصدر التي تحتوي على 150 مليار رمز تدريب، ولكن باستهلاك طاقة أقل بكثير. حتى أن إصدار SpikingBrain-7B أظهر، وفقًا للتقارير، زيادةً في زمن الوصول إلى الرمز الأول (TTFT) بمقدار 100 ضعف عند التعامل مع تسلسلات من 4 ملايين رمز.
مع ذلك، لم يخضع المشروع لمراجعة الأقران بعد، لذا لا يوجد تحقق مستقل يدعم هذه الادعاءات. ويشير الخبراء إلى أنه على الرغم من أن الإلهام البيولوجي يمكن أن يُحسّن الكفاءة، إلا أنه يبقى أن نرى ما إذا كانت هذه النماذج تحقق نفس الدقة والتنوع الذي تحققه الأنظمة الحالية.
في حال تأكيده، سيمهد SpikingBrain 1.0 الطريق لجيل جديد من الذكاء الاصطناعي “المشابه للدماغ”، مع استهلاك أقل للطاقة، وتكاليف أقل، وسهولة وصول أكبر للشركات الصغيرة. وفي الوقت نفسه، يُعزز طموح الصين في قيادة الذكاء الاصطناعي العالمي من خلال تطويراتها الخاصة، دون الاعتماد على الغرب.