بدأت عملية تدريب النماذج الكبيرة تظهر بشكل متزايد في نظر الجمهور.
وقبل ذلك، كشفت Luo Fuli المسؤولة عن MiMo في شركة Xiaomi عن تقدم تدريب مرحلة التعلم المعزز لـ MiMo-V2.6، مما أتاح للخارج الاطلاع على بعض التفاصيل المحددة لتدريب النماذج الكبيرة.
والآن، شهد مجال Physical AI محاولة مماثلة.
وفي 21 أكتوبر، أطلق فريق نماذج العالم في شركة Shengshu Technology رسميًا بثًا مباشرًا علنيًا لكامل عملية تدريب Motubrain 2.0، ومن المخطط أن يستمر نصف شهر، لعرض عملية تدريب النموذج المجسّد والتقدم البحثي على الجمهور.
يركز هذا البث المباشر على سؤال واحد: كيف يتحقق Physical AI فعلًا؟
Physical AI، أي الذكاء الاصطناعي الفيزيائي، يسعى إلى تمكين الذكاء الاصطناعي من فهم البيئة الفيزيائية وتنفيذ مهام فعلية عبر الروبوتات. ومقارنة بالنماذج اللغوية الكبيرة، يحتاج Physical AI أيضًا إلى حل مشكلات مثل اتخاذ قرارات الحركة وتنفيذ المهام والتعميم عبر المشاهد المختلفة.
سلسلة Motubrain هي نموذج مجسّد طورته شركة Shengshu Technology، وتكرّس لبناء "دماغ" متعدد القدرات للروبوتات، واستكشاف تعميم القدرات بين المهام والمشاهد وأجسام الروبوتات المختلفة.
سيتم إتاحة Motubrain 2.0 كمصدر مفتوح قريبًا. وقبل الإتاحة الرسمية كمصدر مفتوح، اختار الفريق الكشف أولًا عن كامل عملية تدريبه، لعرض على الخارج مراحل هذا النموذج من التدريب والاختبار إلى تكرار القدرات.
يشمل التدريب المعلن عنه هذه المرة أربعة أقسام:
1. التدريب المسبق: مراقبة تأثير حجم التدريب على أداء النموذج وقدرته على التعميم بدون أمثلة.
2. التدريب اللاحق: تدريب إضافي على مهام محددة لتحسين القدرة على تنفيذ المهام.
3. تنفيذ مهام الوكيل (Agent): استكشاف ما إذا كان بإمكان النموذج نقل الخبرة المكتسبة إلى مهام أخرى.
4. استكشاف RSI (التحسين الذاتي التكراري): دراسة ما إذا كان بإمكان النموذج تقييم أفعاله وتحسينها بناءً على ملاحظات التنفيذ.
تكمن خصوصية هذا البث المباشر في محاولة فتح "الصندوق الأسود" لتدريب النماذج المجسّدة.
وفي الماضي، كان الخارج يطلع على التقدم في تقنيات الذكاء المجسّد بشكل أساسي عبر عروض الروبوتات التوضيحية ونتائج التقييم والأوراق البحثية. أما كيفية تدريب النموذج وكيفية تغير قدراته في المراحل المختلفة، فعادة ما يصعب ملاحظتها مباشرة.
اختار Motubrain 2.0 الكشف عن العملية الكاملة من التدريب والاختبار إلى تكرار القدرات، على أمل أن يرى الخارج كيف تتشكل قدرات النموذج تدريجيًا، وأن يطّلع أيضًا على الإخفاقات والمحاولات والتعديلات أثناء التدريب.
بالنسبة لصناعة الذكاء المجسّد، تجعل هذه الطريقة عملية تطوير النماذج أكثر شفافية. فلن يتمكن الباحثون والمطورون من رؤية النتائج النهائية فحسب، بل ستتوفر لهم أيضًا فرصة لفهم المشكلات المحددة التي تواجه التدريب، وكيف يحسّن الفريق النموذج باستمرار من خلال التجارب والملاحظات.
وفي الوقت نفسه، يأمل الفريق أيضًا، من خلال هذا البث المباشر، مشاركة الخبرات والمشكلات والأفكار البحثية مع زملائه في المجال التقني، ومناقشة القضايا الأساسية مثل التدريب على نطاق واسع والتعميم عبر المهام والتحسين الذاتي بشكل مشترك، لتقديم مراجع إضافية لاستكشاف نموذج تحقيق Physical AI.
وبالطبع، لا تزال الأبحاث ذات الصلة في مرحلة الاستكشاف، ولا يزال التأثير الفعلي يحتاج إلى التحقق من خلال تجارب وتقييمات لاحقة. فمقارنة بعرض ما يستطيع الروبوت إنجازه في النهاية فقط، فإن الكشف عن كيفية تدريب النموذج وكيفية تشكل قدراته يحمل قيمة بحثية مماثلة.
رابط البث المباشر: www.motubrain.com/motubrain2.0-live
رابط الموقع الرسمي: www.motubrain.com
قدمت Shengshu Technology هذه المقالة، وقد أعاد موقع QbitAI نشرها بإذن، والآراء تعود إلى صاحبها الأصلي.