EN
مع انتشار نماذج اتخاذ القرار في قطاع الذكاء الاصطناعي، تظهر شركة Musubi بفكرة جديدة لتوظيف هذه التقنية، تتمثل في استخدامها لمراقبة المحتوى وتصنيفه.
وأعلنت الشركة، عن نموذج خفيف لاتخاذ القرار يحمل اسم PolicyLM-1.7B، صمم خصيصا لإجراء عمليات الإشراف على المحتوى في الوقت الفعلي، وأتاحته الشركة بأوزان مفتوحة.
نموذج يفهم سياسات المحتوى ويطبقها خلال أقل من 50 مللي ثانية
تعتمد فكرة النموذج على تحويل سياسة محتوى مكتوبة بلغة إنجليزية بسيطة إلى قواعد يمكن تطبيقها على الرسائل خلال أقل من 50 مللي ثانية.
وتقول Musubi إن نموذجها صمم ليقدم تكلفة وسرعة قريبتين من أنظمة تصنيف الذكاء الاصطناعي التي تعتمد عليها معظم منصات التواصل الاجتماعي في عمليات الإشراف على المحتوى.
لكن ما يميزه هو الاستفادة من مرونة نماذج اللغة الكبيرة الحديثة LLMs، ما يسمح له بتطبيق سياسات معقدة دون الحاجة إلى تدريبه خصيصا لكل سياسة جديدة.
والأهم من ذلك، أن النموذج لا يحتاج إلى إعادة التدريب عند تغيير سياسة المحتوى، وهو ما يمنح فرق وضع السياسات البشرية حرية تعديل القواعد وتطويرها بالسرعة التي تحتاج إليها.
مراقبة المحتوى على نطاق واسع
يرى فيليب يانكوفيتش، الشريك المؤسس والرئيس التنفيذي للذكاء الاصطناعي في Musubi، أن هذه التقنية تمنح مديري المنصات وسيلة لتصنيف المحتوى بشكل استباقي.
وأوضح أن فرق المنتجات تحتاج إلى فهم أفضل لما يحدث داخل منصاتها، خصوصا مع النمو المتسارع في حجم المحتوى المنشور.
وأضاف أن القدرة على تصنيف كل هذا المحتوى بطريقة قابلة للتوسع والتخصيص تمثل أداة شديدة الأهمية لمديري المنصات.
ما هي نماذج اتخاذ القرار؟
أصبحت نماذج اتخاذ القرار موضوعا بارزا في عالم الذكاء الاصطناعي منذ إطلاق نموذج Jev من شركة TypeSafe AI في سبتمبر، قبل أن تظهر بعد ذلك نماذج منافسة من OpenAI وأمازون.
وعلى عكس نماذج الذكاء الاصطناعي التقليدية التي تنتج نصوصا، تقدم نماذج اتخاذ القرار احتمالات للنتائج المتوقعة.
وفي حالة PolicyLM-1.7B، تكون النتيجة أكثر بساطة، إذ يصدر النموذج حكما ثنائيا: إما أن المحتوى يندرج ضمن الفئة المحددة أو لا يندرج فيها.
ومن خلال حصر مخرجات النموذج في مجموعة محددة مسبقا من الخيارات، يمكن لنماذج اتخاذ القرار العمل بسرعة أكبر وبتكلفة أقل من نماذج اللغة الكبيرة، مع الاحتفاظ بمرونة بنية التحويل التي تقوم عليها العديد من أنظمة الذكاء الاصطناعي الحديثة.
من مراقبة وكلاء الذكاء الاصطناعي إلى مراقبة المحتوى
كان من أوائل الاستخدامات التي ظهرت لنماذج اتخاذ القرار الحد من السلوكيات غير المرغوب فيها من جانب وكلاء الذكاء الاصطناعي.
وترى Musubi أن تطبيق التقنية نفسها على سلوك المستخدمين والمحتوى الذي ينشرونه يمثل امتدادا طبيعيا لهذا الاستخدام.
وتقول الشركة في إعلان إطلاق المنتج إن من لفت انتباهه نموذج Jev، فإن PolicyLM-1.7B يقدم النوع نفسه من نماذج اتخاذ القرار، لكنه مدرب خصيصا لمراقبة المحتوى ويمكن للمستخدم تشغيله بنفسه.
