نفذت Yandex بنية هجينة للذكاء الاصطناعي في البحث، تم إنشاؤها على أساس البحث العلمي

في الآونة الأخيرة، أصبحت محركات البحث العالمية تولي المزيد من الاهتمام للإجابات المباشرة على الاستفسارات. أي أنه عندما يكتب شخص ما شيئًا ما في البحث، بالإضافة إلى إصدار الروابط، فإنه يتلقى إجابة في الأعلى، والتي تولدها الشبكة العصبية “على الطاير”، في شكل نص متماسك. “تعد الاستجابات التوليدية جزءًا مهمًا من تجربة المستخدم. يجب أن تلبي هذه الإجابات متطلبات البحث: أن تكون سريعة وموجزة وتعمل بفعالية مع تدفق كبير من الطلبات،” أشارت إيكاترينا سيرازيم. لحل مشكلة صعبة إلى حد ما، تقوم الشركة بتطوير مجموعة منفصلة من النماذج – Alice AI Search، الأمثل لمهام البحث. وأضافت: “على مدى العام الماضي، أجرينا تحسينات على جميع أجزاء التكنولوجيا، بدءًا من تدريب نماذج ما قبل القطار وحتى تحسين البنية التحتية”. ووفقا لها، تتطلب مثل هذه النماذج أيضًا بنية خاصة، حيث يتعين عليهم في البحث تحليل كمية كبيرة من المعلومات من مستندات الويب على الفور تقريبًا. وهذا يختلف عن نهج الشبكة العصبية القياسي لتوليد الاستجابات. لذلك، من المهم استخدام الحلول التي توفر مخرجات عالية الجودة بموارد حاسوبية محدودة. وأوضح المدير الفني أنه في تجارب الشركة، أظهرت بنية التشفير وفك التشفير – حيث يقوم جزء من النموذج بتحليل الطلب والمستندات، ويقوم الآخر بإنشاء استجابة – نتائج أفضل عند العمل مع كميات كبيرة من البيانات مقارنة بنماذج اللغة الكلاسيكية. لتسريع النموذج دون فقدان الجودة، استخدمت الشركة نهج خليط الخبراء (MoE). هذه بنية مقبولة في الصناعة تسمح لك بزيادة عدد معلمات النموذج بشكل كبير (بشكل تقريبي، “معرفتها”) دون زيادة التكاليف الحسابية لكل طلب على حدة. إذا قام نموذج الشبكة العصبية التقليدية بتنشيط جميع خلاياه العصبية مع كل كلمة (النموذج “الكثيف”)، فإن نموذج MoE ينشط فقط جزءًا صغيرًا من قدرته (النموذج “المتفرق”). “الخبراء” في النموذج عبارة عن شبكات فرعية فردية، “تتعلم” كل منها كيفية معالجة أنواع معينة من البيانات. قد يكون أحد “الخبيرين” جيدًا في البرمجة، وآخر في علم الأحياء، وآخر في كتابة الرسائل التجارية. وأشار سيرازيم إلى أن وزارة التعليم تسمح لك باستخدام جزء فقط من النموذج لإنشاء كل رمز تالٍ، مما يؤدي إلى تسريع العمل وزيادة الكفاءة. واختتمت قائلة: “في البحث، يجب أن يعمل النموذج في وقت واحد مع كمية كبيرة من البيانات وأن يتناسب مع القيود الصارمة على السرعة والتكلفة لكل طلب. لقد تمكنا من تعديل البنية عن طريق إضافة طبقات وزارة التعليم. وقد أتاحت لنا جميع التحسينات، بما في ذلك إنشاء بنية هجينة، زيادة الجودة وتقليل تكلفة الاستدلال بشكل جماعي بمقدار ثلاث مرات. ونتيجة لذلك، زادت تغطية إجابات الذكاء الاصطناعي في البحث (حصة الاستعلامات التي يوفر لها البحث على الفور إجابة توليدية) بمقدار 1.5 مرة على مدار العام”. الاستدلال في هذا السياق هو عملية شبكة عصبية تعمل على إجابة مولدة للمستخدم الذي يطرح سؤالاً في محرك البحث. إن اعتماد الشركة لمجموعة من معماريات وزارة البيئة ووحدة فك التشفير من الأبحاث في البحث الصناعي يوضح كيف تترجم هذه التطورات إلى تطبيقات عملية – مع الأخذ في الاعتبار بالفعل المتطلبات الصارمة للسرعة والاستقرار وتكلفة البنية التحتية.