في سلسلة من التطورات الإستراتيجية التي تشكل مستقبل الذكاء الاصطناعي، طرحت OpenAI مجموعة مختارة من الأدوات المتطورة التي تهدف إلى تحسين طريقة معالجة المحتوى وإدارته. في أحدث سباق تطوير لها، قدمت الشركة نموذجين متطورين للتضمين، وتحديث GPT-4 Turbo، وكشفت النقاب عن مجموعة من أدوات إدارة واجهة برمجة التطبيقات (API) القوية.
من خلال الشروع في مهمة تحسين تحليل المحتوى، صممت OpenAI خطًا بارعًا من نماذج التضمين. تعمل هذه النماذج، التي تعتبر محورية في مجال الذكاء الاصطناعي، على تحويل المحتوى النصي أو المشفر إلى تسلسلات رقمية لفك تشفير العلاقات بشكل أفضل داخل البيانات. يتميز الإطلاق بالنموذج الأنيق الذي يحتوي على نص مدمج 3 صغير، والذي يتميز بالكفاءة الفائقة بينما تكلفته أقل بخمسة أضعاف من سابقه. تشمل التحسينات الملحوظة تعزيز أداء معيار الاسترجاع، حيث ارتفع من 31.4% إلى 44%، وتحسين مقاييس اختبار اللغة الإنجليزية من 61% إلى 62.3%.
أما الأخ الأكبر، وهو text-embedding-3-large، فهو مثير للإعجاب بنفس القدر، حيث يمتلك القدرة على إنتاج ما يصل إلى 3072 عملية تضمين ذات أبعاد. نسبيًا، يتفوق هذا النموذج على text-embedding-ada-002 في الكفاءة. تصل هذه التطورات بعد تقنيات التدريب الرائدة التي تسمح بتقصير التضمينات دون فقدان الذكاء المفاهيمي، وهي قفزة للأمام لـ OpenAI في تضمين مرونة النموذج.
تتعلق التحسينات الإضافية بنماذج GPT-3.5 Turbo وModeration API الخاصة بـ OpenAI. سيشهد الأسبوع المقبل ظهور GPT-3.5 Turbo لأول مرة في شكله المحدث، مما يعد بدقة استجابة تنسيق عالية وهيكل تكلفة منخفض، مما يؤدي إلى خفض معدلات رمز الإدخال بمقدار النصف والإخراج بمقدار الربع. تتلقى واجهة برمجة التطبيقات Moderation API أيضًا ترقية باستخدام text-moderation-007، والذي تم تحديده باعتباره النموذج الأكثر فاعلية حتى الآن لتحديد النص الخطير.
لم يتم تجاهل معاينة GPT-4 Turbo، حيث تتميز بالتحسينات التي تتطلب إنشاء تعليمات برمجية أكثر شمولاً وأخطاء أقل في إكمال المهام. لكن التحسينات لا تنتهي بترقيات النموذج؛ قامت OpenAI بتحسين إدارة واجهة برمجة التطبيقات بشكل كبير. تبشر تعيينات الأذونات المحسنة لمفاتيح واجهة برمجة التطبيقات (API) بعصر جديد من دقة التحكم في الوصول، في حين توفر لوحة المعلومات ووظائف التصدير الآن مقاييس على مستوى مفتاح واجهة برمجة التطبيقات (API) عند تنشيط التتبع، مما يتيح رؤى استخدام دقيقة عبر الميزات أو الفرق أو المنتجات أو المشاريع.
تم إعداد هذه التحديثات التحويلية من OpenAI لتحسين نطاق ودقة مهام التعلم الآلي بشكل جذري. قد يفكر المطورون والشركات الراغبة في تسخير الإمكانات الكاملة لهذه التطورات في الاستفادة من منصات مثل AppMaster ، والتي توفر بيئة no-code لدمج نماذج الذكاء الاصطناعي هذه بسرعة في تطبيقات متنوعة، مما يعزز قدراتها مع الحفاظ على ميزة تنافسية في مجال التكنولوجيا.
