فيليب كلارك (@PJClark)، شريك في Thrive Capital (@ThriveCapital)، يستفيد من استثماراته في OpenAI وCursor، وPhysical Intelligence، وخلفيته في أشباه الموصلات ليعرض 3 نقاط رئيسية حول حالة تطوير الذكاء الاصطناعي: 1.) إنجازات الذكاء الاصطناعي ليست خطية. تأتي على شكل موجات معمارية، تماما مثل السيليكون. تشبيه فيليب بأشباه الموصلات يعيد صياغة تقدم الذكاء الاصطناعي كسلسلة من التحولات النمطية الشبيهة بالأجهزة. عندما يصل مسار واحد إلى حده (النواة الواحدة → متعدد النواة؛ التدريب المسبق → ما بعد التدريب)، تظهر بنية جديدة. الذكاء الاصطناعي لا يتطور من خلال الضبط التدريجي.. إنها تتقدم من خلال إعادة ابتكار هيكلية. 2.) التعلم المعزز هو العصر المعماري القادم (في الوقت الحالي) يؤطر فيليب التعلم المعزز كخليفة لما بعد التدريب: أساس جديد، وليس تحسين. لكن بشكل حاسم، يؤكد أنها لن تكون الأخيرة. تماما كما استمرت الأجهزة في القفز من النواة الواحدة إلى متعددة النوى إلى وحدات معالجة الرسوميات، سيشهد الذكاء الاصطناعي عدة موجات نموذجية، كل منها يفتح سقوفا أداء جديدة. التعلم المعزز هو ببساطة الموجة التالية، وليس الأخيرة. 3.) خندق OpenAI ليس النماذج.. بل قدرتها على الاستمرار في اكتشاف النموذج التالي. يجادل فيليب بأن الميزة الأساسية تكمن في بداية المنتج: كل اختراق معماري كبير في النماذج الكبيرة نشأ من OpenAI. دفاعهم يأتي من اختراع "الشيء التالي" المتكرر مع تفعيل الشيء السابق في نفس الوقت.. وهو مزيج نادر في أي صناعة، ناهيك عن أن يعرف بالقفزات المتقطعة. . . . مولي: "أحد الرعاة الذين يفتخرون برعاية Sourcery هو @turingcom، لذا حصلت على خبرة مع الجانب البحثي الذكاء الاصطناعي — مسرع أبحاث الذكاء الاصطناعي [أجرينا مقابلة مع الرئيس التنفيذي @jonsidd]. يساعدون في العارضات. والآن، يلاحظون تحولا حادا في الربع أو الربعين الماضيين من البيانات المقلدة والبيانات التركيبية إلى التعلم المعزز. لذا أنا فضولي لمعرفة كيف ترى الأمر من الناحية التقنية، وأيضا من ناحية التطبيق؟" فيليب: "أعتقد أن الذكاء الاصطناعي يشبه أشباه الموصلات إلى حد ما—إذا سمح لي بالعودة إلى أشباه الموصلات، فهي المرجع العظيم. بمعنى أن هناك العديد من الموجات ونحن نحاول الحصول على أداء أفضل وأفضل. كما تعلم، مع أشباه الموصلات، كنا نمتلك أشباه الموصلات أحادية النواة. ثم لم نعد نستطيع استخراج المزيد من نواة واحدة، لذا انتقلنا إلى النوى المتعددة. ثم انتقلنا إلى وحدات معالجة الرسومات. وأعتقد أننا نرى شيئا مشابها جدا مع الذكاء الاصطناعي، وهو أننا بدأنا بالتدريب المسبق في عصر GPT-1، GPT-2، GPT-3. هذا أخذنا إلى GPT-4. ثم بدأنا باستخدام العديد من تقنيات ما بعد التدريب ل ChatGPT — الضبط الدقيق تحت الإشراف، والتعلم المعزز مع تغذية راجعة بشرية. وهذا ما سمح للنماذج بأن تكون أقل ذكاء فضائيا وأكثر مساعدين مفيدا. والآن، مع استخلاص الكثير من الثمار السهلة من تلك المكاسب (رغم أنه لا يزال هناك الكثير للقيام به)، أصبح التعلم المعزز هو التحول الكبير التالي في الذكاء الاصطناعي وإلى أين تذهب الكثير من الموارد....