بدأت عملية تدريب النماذج اللغوية الكبيرة تظهر بشكل أكبر في الأنظار العامة.
سابقًا، كشفت لوه فولي، المسؤولة عن MiMo في شاومي، عن تقدم تدريب مرحلة التعلم المعزز لـ MiMo-V2.6، مما سمح للخارج برؤية بعض التفاصيل المحددة في تدريب النماذج اللغوية الكبيرة.
والآن، شهد مجال Physical AI محاولة مماثلة.
في 21 أكتوبر، أطلق فريق نماذج العالم في شرك Shengshu Technology رسميًا بثًا مباشرًا علنيًا لعملية تدريب Motubrain 2.0 الكاملة، يُخطط أن يستمر نصف شهر، لعرض عملية تدريب النموذج المُجسَّد وتقدماته البحثية على الجمهور.
يركز هذا البث المباشر على سؤال واحد: كيف تتحقق Physical AI فعليًا؟
Physical AI، أي الذكاء الاصطناعي الفيزيائي، تأمل في تمكين الذكاء الاصطناعي من فهم البيئة الفيزيائية وإنجاز مهام فعلية عبر الروبوتات. مقارنة بالنماذج اللغوية الكبيرة، تحتاج Physical AI أيضًا إلى حل مشكلات مثل اتخاذ قرارات الحركة، وتنفيذ المهام، والتعميم عبر السيناريوهات.
سلسلة Motubrain هي نماذج مُجسَّدة طوّرتها شرك Shengshu Technology، تسعى إلى بناء "دماغ" ذي قدرات عامة للروبوتات، واستكشاف تعميم القدرات بين المهام والسيناريوهات وأجسام الروبوتات المختلفة.
Motubrain 2.0 سيُفتح مصدره قريبًا. قبل الفتح الرسمي للمصدر، اختار الفريق الكشف أولًا عن عملية تدريبه الكاملة، لعرض للخارج رحلة هذا النموذج من التدريب والاختبار إلى تكرار القدرات.
يشمل التدريب العلني هذه المرة أربعة مراحل:
1. التدريب المسبق: مراقبة تأثير حجم التدريب على أداء النموذج وقدرته على التعميم بدون أمثلة (zero-shot).
2. التدريب اللاحق: تدريب إضافي على مهام محددة لتحسين القدرة على تنفيذ المهام.
3. تنفيذ مهام Agent: استكشاف ما إذا كان النموذج قادرًا على نقل خبراته الموجودة إلى مهام أخرى.
4. استكشاف RSI (التحسين الذاتي التكراري): بحث ما إذا كان النموذج قادرًا على تقييم وتحسين أفعاله بناءً على ملاحظات التنفيذ.
الخاصية المميزة لهذا البث المباشر هي محاولة فتح "الصندوق الأسود" لتدريب النماذج المُجسَّدة.
في الماضي، كان الخارج يعرف عن تقدم تقنيات الذكاء الاصطناعي المُجسَّد بشكل أساسي عبر عروض الروبوتات التوضيحية، ونتائج التقييم، والأوراق البحثية. وكان من الصعب عادةً ملاحظة التدريب الذي مر به النموذج وكيف تغيرت قدراته عبر المراحل المختلفة بشكل مباشر.
اختار Motubrain 2.0 الكشف عن العملية الكاملة من التدريب والاختبار إلى تكرار القدرات، آملًا أن يرى الخارج كيف تتشكل قدرات النموذج تدريجيًا، وأن يرى أيضًا الإخفاقات والتجربة والخطأ والتعديلات في التدريب.
بالنسبة لصناعة الذكاء الاصطناعي المُجسَّد، تجعل هذه الطريقة عملية تطوير النماذج أكثر شفافية. لا يمكن للباحثين والمطورين رؤية النتائج النهائية فحسب، بل تُتاح لهم أيضًا فرصة فهم المشكلات المحددة التي تواجه التدريب، وكيف يحسّن الفريق النموذج باستمرار عبر التجارب والملاحظات.
وفي الوقت نفسه، يأمل الفريق أيضًا، من خلال هذا البث المباشر، في مشاركة الخبرات والمشكلات والأفكار البحثية مع الزملاء في المجال التقني، ومناقشة قضايا رئيسية مثل التدريب على نطاق واسع والتعميم عبر المهام والتحسين الذاتي بشكل مشترك، لتقديم المزيد من المراجع لاستكشاف نموذج تحقيق Physical AI.
بالطبع، لا يزال البحث ذو الصلة في مرحلة الاستكشاف، وما زالت النتائج الفعلية بحاجة إلى تحقق من خلال تجارب وتقييمات لاحقة. مقارنة بعرض ما يمكن للروبوت فعله في النهاية فقط، فإن الكشف عن كيفية تدريب النموذج وكيفية تشكل قدراته له قيمة بحثية أيضًا.
رابط البث المباشر: www.motubrain.com/motubrain2.0-live
رابط الموقع الرسمي: www.motubrain.com