أعلنت Cloudflare يوم الثلاثاء عن معاينة Clairic، وهو نموذج استخراج تصفه الشركة بأنه الأول من فئة جديدة من نماذج "System One" المصممة لسحب القيم المنظمة من البيانات غير المنظمة دون أي جيل من الرموز المميزة التي تحدد نماذج اللغة الكبيرة. النموذج متاح الآن للمعاينة على منصة Cloudflare's Workers AI باسم @cf/cloudflare/clairic، وتقول الشركة إنها تعتزم إطلاق أوزان النموذج بشكل مفتوح في المستقبل القريب.
يضع الإطلاق Cloudflare بشكل مباشر داخل واحدة من المناقشات الأكثر إثارة للاهتمام التي تعيد الآن تشكيل سوق البنية التحتية للذكاء الاصطناعي: ما إذا كانت كل مهمة مخصصة لـ LLM تحتاج بالفعل إلى LLM. لمزيد من السياق حول هذه القصة، راجع أخبار الذكاء الاصطناعي.
ما الذي تفعله Clairic — وما لا تفعله عمدًا
تم تصميم Clairic لمهمة محدودة ولكنها شائعة إلى حد كبير: قراءة المدخلات الفوضوية وغير المنظمة وإرجاع القيم المكتوبة. وفقًا لإعلان Cloudflare، يمكن للنموذج استخراج القيم وحسابها وتقديرها والتنبؤ بها من المدخلات غير المنظمة، وإرجاع الأرقام بنطاق 80%، والقيم المكتوبة مثل الأسماء والتواريخ والأوقات والقوائم، والتوزيعات الاحتمالية الكاملة - كل منها بثقة معايرة.
ما لا يفعله هو إنشاء نص. يُرجع الاستعلام إلى Clairic إما قيمة من النوع الذي أعلنه المطور، أو نتيجة فارغة مقترنة بدرجة p_null التي تقدر احتمالية عدم وجود الإجابة ببساطة في الإدخال. تأتي كل إجابة مصحوبة بدرجة ثقة حتى تتمكن الأنظمة النهائية من تحديد ما إذا كانت ستثق بها أو تضع علامة عليها للمراجعة البشرية.
Cloudflare صريح بشأن المقايضة. نظرًا لأن Clairic لا ينشئ أي رموز مميزة، فإنه لا يمكنه إنتاج JSON مشوه، أو إساءة قراءة رقم في منتصف الجيل، أو هلوسة إجابة بالطريقة التي يمكن بها لـ LLM. لا يزال من الممكن أن ترتكب الأخطاء – فالشركة حريصة على هذه النقطة – ولكن إخفاقاتها مكتوبة وقابلة للقياس وليست حرة الشكل.
شرح تسمية "النظام الأول".
تأتي المصطلحات من شركة TypeSafe الناشئة للذكاء الاصطناعي، والتي أعلنت عن نماذج System One الخاصة بها منذ شهر تقريبًا وسرعان ما أصبحت واحدة من أكثر عمليات الإطلاق التي تمت مناقشتها في مجتمع المطورين. يستعير هذا الإطار من كتاب عالم النفس دانييل كانيمان "التفكير، سريع وبطيء": تفكير النظام الأول سريع وتلقائي ودقيق، في حين أن تفكير النظام الثاني بطيء ومتعمد. قامت شركة TypeSafe بتعيين هذا التمييز على نماذج الذكاء الاصطناعي، بحجة أن العديد من أعباء عمل الإنتاج تحتاج إلى إجابات سريعة ومكتوبة جيدًا بدلاً من التفكير المفتوح.
يعتبر Jev من TypeSafe، وهو نموذج قرار مصمم خصيصًا لمجال معين، يأخذ الاحتمالات كمدخلات ويعيد الاحتمالات عبر قائمة ثابتة من الإجابات المحتملة. حتى الآن، كانت تلك هي الفئة بأكملها: كل نموذج من نماذج System One كان نموذجًا للقرار.
Clairic يوسع هذا المفهوم. عندما يختار نموذج القرار من بين خيارات محددة مسبقًا، يجيب نموذج الاستخراج بالقيم - الأرقام المأخوذة مباشرة من المدخلات، أو المحسوبة منه، أو التنبؤ بما يتجاوزه. تقول Cloudflare إن العائلتين النموذجيتين، جنبًا إلى جنب مع ماجستير إدارة الأعمال التقليديين، تشكل الآن مجموعة من ثلاث طبقات: نماذج الاستخراج تحول المدخلات الأولية إلى قيم مكتوبة، ونماذج القرار تحول القيم إلى قرارات، وتحول نماذج LLM القرارات إلى كلمات.
لماذا أصبح الاستخراج جاهزًا لإعادة التفكير
تعتمد حجة Cloudflare على مقدار ما يتم إنفاقه من حركة مرور LLM اليوم على عمل لا يشبه المحادثة على الإطلاق. تصف الشركة الاستخراج بأنه "ربما يكون الوظيفة الأكثر شيوعًا التي يتم تسليمها إلى LLMs اليوم" - سحب إجمالي الفاتورة أو تاريخ التسليم أو رقم الجزء من المستند.
المشكلة، بحسب قول Cloudflare، هي أن حاملي شهادات الماجستير (LLM) يتعاملون مع هذه المهمة بآلات مصممة لشيء آخر. قد لا يكون الإخراج JSON صالحًا. يمكن أن تتم قراءة الرقم بشكل خاطئ أثناء إنشاء الرموز المميزة. لا يمكن إرجاع مقتطف النص الذي تم إرجاعه إلى موقعه في المستند المصدر. تستجيب الفرق من خلال تغليف النماذج في مسارات دفاعية: أدوات التحقق من صحة المخطط، ومنطق إعادة المحاولة، وتحليل الطبقات، والفحوصات المفاجئة. ولأن ماجستير إدارة الأعمال يحاسب على الاستدلال والرموز المميزة للمخرجات، فإن كل حقل في كل مستند يحمل تكلفة إنشاء تتزايد مع الإسهاب وليس مع صعوبة المهمة.
ويعكس نموذج استخراج النظام الأول هذا الاقتصاد. تقول Cloudflare إن Clairic تعالج الإدخال بتمريرة أمامية واحدة، ولا تفرض رسومًا إلا على رموز الإدخال، وتستجيب عادةً في أقل من ثانية - في حين أن دراسة LLM المنطقية التي تعمل من خلال نفس الحقول يمكن أن تستغرق عدة ثوانٍ. بالنسبة لمعالجة المستندات ذات الحجم الكبير، يتضاعف الفرق بسرعة.
كيف يعمل الطلب فعليًا
يرسل المطورون إلى Clairic حالة - النص المراد قراءته، بالإضافة إلى ما يصل إلى أربع صور اختيارية - إلى جانب خريطة الحقول المكتوبة. يحمل كل حقل اسمًا ونوعًا وتعليمات اختيارية باللغة البسيطة. يقوم النموذج بإرجاع إجابة مكتوبة واحدة لكل حقل، محسوبة في مسار متوازي واحد. إذا لم تتناسب قائمة الحقول مع الإدخال في مسار واحد، فسيقوم الخادم بتقسيم العمل إلى مسارات متوازية يرى كل منها الإدخال الكامل، ثم يدمج الإجابات.
بالنسبة لمهام التقدير، تأتي الإجابات كتوزيع: وسيط بفاصل زمني 80% يمتد من المئين العاشر إلى التسعين، مع توفر جميع النسب المئوية الـ 99 عند الطلب. وهذا يجعل النموذج قابلاً للاستخدام في الأسئلة المتعلقة بنمط التنبؤ - تكاليف الإصلاح المتوقعة، والجداول الزمنية للتسليم، وحركة المرور خلال اليوم التالي - حيث قد يؤدي تقدير نقطة واحدة إلى المبالغة في مدى يقين النموذج.
إشارة لسوق البنية التحتية
إن نجاح Clairic نفسه يكاد يكون خارج نطاق الموضوع. ويشكل هذا الإطلاق نقطة بيانات أخرى في تحول سريع بين مقدمي البنية الأساسية نحو نماذج ذات حجم مناسب للمهام: نماذج صغيرة وسريعة ورخيصة للعمل المنظم الضيق، مع تخصيص درجات الماجستير في القانون للاستدلال المفتوح حقا. يعتبر موقع Cloudflare الخاص - وهو أن نماذج الاستخراج والقرار واللغة يجب أن تعمل في انسجام تام - بمثابة مخطط لكيفية تجميع مجموعات الذكاء الاصطناعي للإنتاج.
ولم تعلن الشركة عن موعد لإصدار الأوزان المفتوحة الموعودة. في الوقت الحالي، يتوفر Clairic للمعاينة على Workers AI، حيث يمكن للمطورين اختباره مقابل أعباء عمل الاستخراج الخاصة بهم - ومعرفة مقدار فاتورة LLM التي كانت ضرورية حقًا.
_يستند هذا المقال إلى إعلان Cloudflare الرسمي عن معاينة نموذج استخراج Clairic._
---
ابق على اطلاع بأخبار الذكاء الاصطناعيآخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
