تجاوزت LinkedIn هندسة المطالبات لأنظمة التوصية من الجيل التالي، واختارت بدلاً من ذلك استراتيجية تركز على نماذج صغيرة ومصقولة للغاية، وفقًا لإيران بيرغر، نائب رئيس هندسة المنتجات في LinkedIn. أوضح بيرغر، في حديثه في بودكاست Beyond the Pilot، أن هندسة المطالبات، وهي تقنية تتضمن صياغة مدخلات نصية محددة لتوجيه نماذج الذكاء الاصطناعي، اعتُبرت غير مناسبة لتحقيق المستويات المطلوبة من الدقة والاستجابة والكفاءة.

بدلاً من ذلك، قام فريق الذكاء الاصطناعي في LinkedIn بتطوير وثيقة سياسة منتج مفصلة لضبط نموذج بـ 7 مليارات معلمة، والتي تم تقطيرها لاحقًا إلى نماذج معلم وطالب أصغر تضم مئات الملايين من المعلمات. أثبت هذا النهج متعدد المعلمين للتقطير أنه إنجاز كبير، حيث أنشأ عملية قابلة للتكرار تُستخدم الآن في مجموعة منتجات الذكاء الاصطناعي في LinkedIn.

يسلط قرار الشركة بالابتعاد عن المطالبات الضوء على اتجاه متزايد في تطوير الذكاء الاصطناعي: السعي وراء نماذج متخصصة وفعالة مصممة خصيصًا لمهام محددة. في حين اكتسبت نماذج اللغة الكبيرة (LLMs) شهرة لتنوعها، تشير تجربة LinkedIn إلى أن النماذج الأصغر والأكثر دقة يمكن أن تقدم أداءً فائقًا في تطبيقات معينة، لا سيما عندما تكون السرعة والدقة في غاية الأهمية.

أكد بيرغر على التحسينات الكبيرة في الجودة الناتجة عن هذا النهج. وذكر: "إن اعتماد عملية التقييم هذه من البداية إلى النهاية سيؤدي إلى تحسين كبير في الجودة لم نشهده على الأرجح منذ سنوات هنا في LinkedIn".

تعمل LinkedIn على تطوير أنظمة توصية مدعومة بالذكاء الاصطناعي منذ أكثر من 15 عامًا، مما رسخ مكانتها كشركة رائدة في هذا المجال. تلعب أنظمة التوصية الخاصة بالشركة دورًا حاسمًا في ربط الباحثين عن عمل بفرص العمل ذات الصلة ومساعدة المهنيين على بناء شبكاتهم. يهدف هذا النهج الجديد إلى زيادة تعزيز قدرة المنصة على تقديم توصيات مخصصة وفعالة.

إن تطوير هذه النماذج الأصغر والأكثر كفاءة له آثار أوسع على مشهد الذكاء الاصطناعي. يشير إلى أن مستقبل الذكاء الاصطناعي قد ينطوي على مزيج من النماذج الكبيرة ذات الأغراض العامة والنماذج الأصغر المتخصصة التي تعمل جنبًا إلى جنب. يمكن أن يؤدي هذا النهج إلى حلول ذكاء اصطناعي أكثر استدامة وقابلية للتطوير، مما يقلل من الموارد الحسابية المطلوبة للنشر.

مع استمرار تطور الذكاء الاصطناعي، تقدم تجربة LinkedIn رؤى قيمة حول تحديات وفرص بناء أنظمة الذكاء الاصطناعي من الجيل التالي. يؤكد تركيز الشركة على الكفاءة والدقة على أهمية تصميم حلول الذكاء الاصطناعي لتلبية احتياجات محددة، بدلاً من الاعتماد فقط على النماذج المعممة. يتم الآن إعادة استخدام "كتاب الطبخ" القابل للتكرار الذي طورته LinkedIn في جميع منتجات الذكاء الاصطناعي الخاصة بالشركة.