سي. إن.: ستشهد النماذج الكبيرة بحلول عام 2026 المزيد من الاختراقات في مجالات التعلم المعزز، وذاكرة النموذج، وهندسة السياق وغيرها

أشار CICC إلى أنه عند النظر إلى عام 2025، ستتطور القدرات التقنية للنماذج العالمية الكبيرة إلى الأمام، وستتغلب تدريجيا على سيناريوهات الإنتاجية، وتحقق تقدما كبيرا في اتجاه الاستدلال، والبرمجة، والقدرات الوكالية ومتعددة الوسائط، لكن لا تزال هناك أوجه قصور في القدرات العامة للنموذج من حيث الاستقرار ومعدل الهلوسة. بالنظر إلى عام 2026، تعتقد CICC أن النماذج الكبيرة ستحقق المزيد من الاختراقات في التعلم التعزيزي، وذاكرة النماذج، وهندسة السياق، وغيرها، من توليد السياق القصير إلى سلسلة طويلة من المهام الذهنية، ومن التفاعل النصي إلى التنوع الذهني الأصلي، وتتجه خطوة أقرب نحو تحقيق الهدف طويل الأمد للذكاء الاصطناعي العام.

النص الكامل أدناه

CICC | توقعات الذكاء الاصطناعي لعشر سنوات (26): نموذج التكنولوجيا للاتجاهات الرئيسية في عام 2026

أبحاث CICC

عند النظر إلى عام 2025، ستتطور القدرات التقنية للنماذج العالمية الكبيرة إلى الأمام، وستتغلب تدريجيا على سيناريوهات الإنتاجية، وتحقق تقدما كبيرا في اتجاه القدرات الاستدلالية، البرمجة، الوكالة، والتعددية، لكن لا تزال هناك أوجه قصور في الاستقرار، ومعدل الهلوسة، وغيرها. بالنظر إلى عام 2026، نعتقد أن النماذج الكبيرة ستحقق المزيد من الإنجازات في التعلم المعزز، وذاكرة النماذج، وهندسة السياق، وغيرها، من توليد السياق القصير إلى مهام سلسلة التفكير الطويلة، ومن التفاعل النصي إلى التنوع الذهني الأصلي، وستتجه خطوة أقرب نحو تحقيق الهدف طويل الأمد للذكاء الاصطناعي العام.

الملخص

نتوقع أن يعود قانون التوسع للتدريب في عام 2026، وسيتم رفع عدد معلمات النموذج الرئيسي إلى مستوى أعلى. من حيث البنية، تستمر بنية النموذج المبنية على المحول الصناعي، وأصبح القسم الذي يوازن بين الأداء والكفاءة توافقا، ولا تزال مسارات آليات الانتباه المختلفة تحسم وتتبديل. من حيث النموذج، فإن قانون التوسع + بيانات عالية الجودة + التعلم المعزز في مرحلة ما قبل التدريب سيحسن قدرات النموذج بشكل مشترك. أحد التوقعات لعام 2026 هو أنه مع نضج وترويج شرائح سلسلة GB من NVIDIA، سيعتمد النموذج على عنقود وانكا الأعلى أداء في مرحلة ما قبل التدريب من قانون التحجيم، وسيتم تحسين عدد معلمات النموذج والحد الأعلى للذكاء بشكل أكبر.

لقد زادت أهمية التعلم المعزز وأصبحت المفتاح لفتح القدرات المتقدمة للنماذج. يرفع إدخال التعلم المعزز الحد الأعلى لذكاء النموذج، مما يسمح للنموذج بالتفكير والتفكير بشكل أكثر منطقية ومتماشيا مع تفضيلات الإنسان، وجوهره هو “البيانات الذاتية التوليد + جولات متعددة من التكرار”، ومفتاح التعلم المعزز يكمن في قوة الحوسبة واسعة النطاق + بيانات عالية الجودة. تولي شركات تصنيع النماذج في الخارج مثل OpenAI وGemini أهمية كبيرة للتعلم التعزيزي، كما أن شركتا DeepSeek وAlibaba Qianwen المحليتان تتبعان نفس النهج، ونتوقع أن تزداد نسبة التعلم المعزز لمصنعي النماذج في الداخل والخارج أكثر في عام 2026.

طرق جديدة مثل التعلم المستمر، ذاكرة النماذج، ونماذج العالم ستجلب اختراقات جوهرية. التعلم المستمر وذاكرة النموذج يحل أساسا مشكلة “النسيان الكارثي” للنماذج الكبيرة، مما يسمح للنموذج بامتلاك آلية ذاكرة انتقائية. جوهر خوارزميات وبنى جوجل، مثل Titans وMIRAS وNested Learning، هو طريقة للنماذج لتعديل التعلم والذاكرة ديناميكيا بناء على مدة الوقت وأهمية المهام، مما يحقق التعلم المستمر وحتى التعلم مدى الحياة. بالإضافة إلى ذلك، فإن نماذج العالم التي تركز على فهم القوانين السببية للعالم المادي لديها فرص اختراق من خلال استكشاف مسارات نماذج مختلفة مثل الجني 3 والماربل.

المخاطر

التكرار التكنولوجي لا يرقى إلى التوقعات؛ تتعرض هياكل النماذج الحالية ونماذج التدريب للاضطراب.

(مصدر المقال: أخبار الشعب المالية)