CALM من Google - الحل لـ OpenAI؟

ميزة Google الجديدة لديها القدرة على إحداث ثورة في مجال نماذج اللغات الكبيرة (LLMs). تم تصميم التكنولوجيا المتقدمة المسماة CALM - نمذجة اللغة التكيفية الواثقة - لتسريع LLMs مثل GPT-3 و LaMDA ، دون المساومة على مستويات الأداء.

ما هو الهدوء؟

CALM هي تقنية نموذج لغة متقدمة طورتها Google لتحسين قدرة محرك البحث الخاص بها على فهم وتفسير استفسارات اللغة الطبيعية. إنها تعني التكيف المستمر لنموذج اللغة ، مما يعني بشكل أساسي أن التكنولوجيا تتعلم باستمرار وتتكيف لتحسين أدائها.

تستخدم Google تقنية نموذج اللغة لسنوات ، لكن CALM تعد خطوة مهمة إلى الأمام لأنها مبنية على بنية شبكة عصبية تسمح لها بمعالجة استعلامات اللغة الطبيعية بشكل أكثر كفاءة. يستخدم CALM نموذجًا قائمًا على المحولات يمكنه تحليل وفهم سياق الاستعلام ، مما يجعله أكثر قدرة على تحديد المهام التي تحتاج إلى مزيد من الجهد. مثل الدماغ البشري يفوض الطاقة حتى لا نبذل نفس الجهد في سكب القشدة في قهوتنا كما نكتب بريدًا إلكترونيًا على مستوى الشركة ، CALM ، حسنًا ، يهدئ نماذج لغة الذكاء الاصطناعي.

بشكل عام ، يتم تدريب LLM على كميات هائلة من البيانات النصية من أجل تعلم الأنماط وعلاقات الكيانات في اللغة. على سبيل المثال ، تم تدريب الإصدار الأولي من GPT في عام 2018 على BookCorpus ، ويتألف من 985 مليون كلمة. في نفس العام ، تم تدريب BERT على مزيج من BookCorpus و English Wikipedia ، بإجمالي 3.3 مليار كلمة.

تم تدريب LLMs الأحدث ، مثل GPT-3 ، على مجموعات بيانات أكبر. يحتوي GPT-3 على أكثر من 175 مليار معلمة وتم تدريبه على حوالي 45 تيرابايت من النص. لا يتم الكشف عن بيانات التدريب المستخدمة في GPT-3 علنًا ، ولكن يُعتقد أنها تتضمن مجموعة متنوعة من المصادر ، مثل الكتب والمقالات والمواقع الإلكترونية.

تخيل الآن كل تلك البيانات في مكتبة. تجلس بمفردك في المكتبة وفجأة ، يبدأ الناس في السير في الباب بالاستفسارات. "أخبرني عن تاريخ أمريكا الجنوبية." "أي نوع من الحليب الخالي من منتجات الألبان هو الأفضل بالنسبة لي؟" "كيف يمكن لعملي الاستفادة من استخدام التسويق المؤثر؟" "اكتب لي 10 خيارات لنسخ الوسائط الاجتماعية" "تصرف كصحفي واكتب لي نسخة عن الركود الوشيك." سوف تشعر بالارتباك قليلاً ، أيضًا ، أليس كذلك؟ ليس لديك أي فكرة عن كيفية تحديد أولويات هذه الاستعلامات وعليك فحص ملايين أجزاء البيانات للعثور على الإجابة الصحيحة لتقديمها إلى السائل.

هذا ما تفعله LLM في كل مرة نطلب منها إنشاء شيء ما - ولماذا قد تكون هناك نقاط في اليوم عندما تطلب منك المنصة العودة لاحقًا بسبب ارتفاع حركة المرور. ولكن إذا كان لدى LLMs طريقة لفحص البيانات بشكل أكثر كفاءة - لمعرفة أي أجزاء من كل استعلام يجب تحديد أولوياته ، وما الذي يحتاج إلى "جهد كامل" مقابل "جهد جزئي" - فقد تكون أكثر فعالية.

تضع الورقة الأكاديمية على CALM الأمر على النحو التالي:

"أدت التطورات الحديثة في نماذج اللغات الكبيرة القائمة على المحولات (LLMs) إلى تحسينات كبيرة في الأداء عبر العديد من المهام.

تأتي هذه المكاسب مع زيادة كبيرة في حجم النماذج ، مما قد يؤدي إلى استخدام بطيء ومكلف في وقت الاستدلال.

من الناحية العملية ، تتكون سلسلة الأجيال التي تصنعها LLM من مستويات متفاوتة من الصعوبة.

في حين أن تنبؤات معينة تستفيد حقًا من السعة الكاملة للنماذج ، فإن عمليات الاستمرارية الأخرى أكثر تافهة ويمكن حلها باستخدام حساب مخفض.

... بينما تعمل النماذج الكبيرة بشكل أفضل بشكل عام ، قد لا تكون هناك حاجة إلى نفس القدر من الحساب لكل إدخال لتحقيق أداء مماثل (على سبيل المثال ، اعتمادًا على ما إذا كان الإدخال سهلًا أم صعبًا). "

الأحمر = السعة الكاملة / الأخضر = أقل من نصف السعة

الصورة أعلاه تظهر هذه الفكرة في العمل. كتب الباحثون:

تمثل الألوان عدد طبقات فك التشفير المستخدمة لكل رمز مميز - تشير الظلال الخضراء الفاتحة إلى أقل من نصف الطبقات الإجمالية. يستخدم عدد قليل فقط من الرموز المميزة السعة الكاملة للنموذج (ملون باللون الأحمر) ، بينما يخرج النموذج لمعظم الرموز المميزة بعد طبقة واحدة أو بضع طبقات فك تشفير (ملونة باللون الأخضر). "

لاحظ الباحثون أيضًا في استنتاجهم أن تطبيق CALM في LLM لا يتطلب سوى تعديل بسيط لمساعدة نموذج اللغة على زيادة السرعة. يسمح هذا بشكل أساسي بتدريب LLM بشكل أسرع وأكثر كفاءة ، مما يعني أنه يمكنهم معالجة المزيد من المعلومات وتحقيق نتائج أكثر دقة في وقت أقل.

هذا له آثار واضحة على الأعمال التجارية في أي صناعة ، لأنه يعني أنه يمكنهم جمع الأفكار واتخاذ القرارات بسرعة أكبر وبدقة أكبر. ولكن ماذا يعني كل هذا للمسوقين B2B؟

آثار CALM على المسوقين B2B

تسويق المحتوى

يمكن أن يكون لميزة CALM تأثير كبير على استراتيجيات تسويق محتوى B2B ، حيث يمكنها مساعدة المسوقين على إنشاء محتوى أكثر دقة وملاءمة بناءً على البيانات والرؤى في الوقت الفعلي. من خلال الوصول إلى بيانات أكثر وأفضل ، يمكن أن تساعد LLM المسوقين على تحديد الاتجاهات والفرص الجديدة بسرعة أكبر ، مما يسمح لهم بالاستجابة بشكل أسرع والبقاء في صدارة المنافسة. قد يكون هذا مهمًا بشكل خاص في الصناعات التي تتطور بسرعة أو تواجه اضطرابًا.

إشراك العملاء وإضفاء الطابع الشخصي

يمكن للمسوقين B2B تحسين استراتيجيات مشاركة العملاء من خلال توفير محتوى مخصص له صدى لدى جمهورهم المستهدف. يمكن أن تساعد LLM في تحديد الأنماط في سلوك العملاء وتفضيلاتهم ، مما يسمح للمسوقين بتخصيص رسائلهم ومحتوياتهم بشكل أكثر فعالية. يمكن أن يكون هذا مهمًا بشكل خاص في الصناعات ذات المنتجات المعقدة أو التقنية ، حيث يمكن أن تحدث الرسائل المستهدفة فرقًا كبيرًا. يمكن للمسوقين أيضًا الاستفادة من التكنولوجيا لتحسين خدمة العملاء ، من خلال تقديم إجابات دقيقة وذات صلة لاستفسارات العملاء.

ترجمة

يمكن لتقنية CALM أن تعزز دقة وفعالية أدوات الترجمة الآلية ، والتي يمكن أن تكون ذات قيمة كبيرة لشركات B2B التي تعمل في الأسواق العالمية. من خلال تحسين دقة الترجمة ، يمكن لـ CALM تمكين الشركات B2B من التواصل بشكل أكثر فعالية مع عملائها وشركائها الدوليين.

بالطبع ، CALM هو مجرد جزء واحد من اللغز عندما يتعلق الأمر بتسويق B2B. من المهم للمسوقين مواكبة جميع التطورات الأخيرة في مجالهم ، من تغيير سلوكيات المستهلك إلى قنوات التسويق الجديدة وأساليب التسويق. إذا كنت ترغب في الحصول على بعض المساعدة في إتقان هذه التطورات الأخيرة للذكاء الاصطناعي في إستراتيجيتك التسويقية ، فتواصل معنا.