وفقًا لإيران بيرغر، نائب رئيس هندسة المنتجات في LinkedIn، في بودكاست حديث بعنوان Beyond the Pilot، تجاوزت LinkedIn هندسة المطالبات واستخدمت بدلاً من ذلك تقطير النماذج لإنشاء أنظمة التوصية بالذكاء الاصطناعي من الجيل التالي. ووجدت الشركة أن هندسة المطالبات لم تكن خيارًا قابلاً للتطبيق لتحقيق التحسينات اللازمة في الدقة والاستجابة والكفاءة لتوصيات الباحثين عن عمل.
بدلاً من ذلك، قامت LinkedIn بتطوير وثيقة سياسة منتج مفصلة لضبط نموذج بـ 7 مليارات معلمة، والتي تم تقطيرها بعد ذلك إلى نماذج معلم وطالب أصغر بمئات الملايين من المعلمات. أثبتت عملية التقطير متعددة المعلمين هذه أنها تمثل اختراقًا، مما أدى إلى إنشاء طريقة قابلة للتكرار تُستخدم الآن في جميع منتجات الذكاء الاصطناعي في LinkedIn. قال بيرغر: "لم تكن هناك طريقة تمكننا من القيام بذلك من خلال المطالبات". "لم نحاول حتى ذلك لأنظمة التوصية من الجيل التالي لأننا أدركنا أنه أمر غير وارد."
تعمل LinkedIn على تطوير أنظمة التوصية بالذكاء الاصطناعي منذ أكثر من 15 عامًا، مما يجعلها رائدة في هذا المجال. يعكس قرار الشركة بالانتقال إلى ما وراء النماذج الجاهزة اتجاهًا متزايدًا في تطوير الذكاء الاصطناعي، حيث تقوم المؤسسات بشكل متزايد بتكييف النماذج لتلبية احتياجات ومجموعات بيانات محددة. يتضمن تقطير النماذج، وهي التقنية التي تستخدمها LinkedIn، تدريب نموذج أصغر وأكثر كفاءة (الطالب) لتقليد سلوك نموذج أكبر وأكثر تعقيدًا (المعلم). يمكن لهذا النهج أن يقلل بشكل كبير من التكاليف الحسابية ويحسن الأداء في البيئات محدودة الموارد.
تمتد آثار نهج LinkedIn إلى ما وراء مجال توصيات الوظائف. يوضح نجاح الشركة في تقطير النماذج إمكانات المؤسسات لإنشاء حلول ذكاء اصطناعي مخصصة للغاية دون الاعتماد فقط على النماذج الكبيرة المدربة مسبقًا أو هندسة المطالبات المكثفة. يمكن أن يؤدي ذلك إلى تطبيقات ذكاء اصطناعي أكثر سهولة وكفاءة عبر مختلف الصناعات.
يتوقع بيرغر تحسينات كبيرة في جودة منتجات الذكاء الاصطناعي في LinkedIn نتيجة لتبني عملية التقييم الشاملة هذه. صرح قائلاً: "إن تبني عملية التقييم هذه من البداية إلى النهاية سيؤدي إلى تحسين كبير في الجودة لم نشهده على الأرجح منذ سنوات هنا في LinkedIn". تخطط الشركة لمواصلة تحسين تقنيات تقطير النماذج الخاصة بها وتطبيقها على الميزات الأخرى المدعومة بالذكاء الاصطناعي على المنصة.
Discussion
Join the conversation
Be the first to comment