عادةً ما يكون البحث في مجال الذكاء الاصطناعي لعبة للشركات التقنية الكبرى التي تمتلك موارد ضخمة. لكن فريقًا من جامعة UC Berkeley غير القواعد تمامًا! فقد تمكنوا من إعادة إنتاج قدرات نموذج DeepSeek R1-Zero بميزانية لا تتجاوز 30 دولارًا فقط!
ما هو مشروع TinyZero؟
يقوده الباحث Jiayi Pan، ويعتمد على التعلم المعزز (RL) لإنشاء نموذج تفكير منطقي دون الحاجة إلى بنية تحتية ضخمة أو خدمات سحابية مكلفة.
كيف تم تدريب TinyZero؟
استخدم الباحثون لعبة Countdown، حيث يحاول اللاعبون الوصول إلى رقم معين باستخدام عمليات حسابية بسيطة.
- في البداية، كان TinyZero يخمن الإجابات عشوائيًا.
- مع الوقت، تعلم التحقق من إجاباته وتحسينها للوصول إلى دقة أفضل.
- مع النماذج الصغيرة (500M بارامتر)، كان النموذج يتوقف بعد التخمين الأول.
- لكن النماذج الأكبر (1.5B+ بارامتر) تعلمت التحقق الذاتي وتحسين الحلول بشكل كبير.
لماذا TinyZero ثوري؟
تكلفة منخفضة للغاية مقارنة بالنماذج التقليدية:
- API OpenAI: يكلف 15$ لكل مليون توكن
- DeepSeek-R1: يكلف 0.55$ لكل مليون توكن
- TinyZero: 30$ فقط كتكلفة تدريب لمرة واحدة!
متاح للجميع
المشروع مفتوح المصدر على GitHub، ما يعني أن أي شخص يمكنه تجربته وتعديله دون الحاجة إلى إمكانيات ضخمة!
هل هو بداية لعصر جديد؟
رغم أن TinyZero تم اختباره فقط في لعبة Countdown، إلا أن فكرته تثبت أن الذكاء الاصطناعي لا يجب أن يكون مكلفًا. إذا استمرت مثل هذه المشاريع، فقد يصبح البحث والتطوير في الذكاء الاصطناعي أكثر ديمقراطية، مما يفتح المجال لمزيد من الابتكارات.
هل تعتقد أن المشاريع المفتوحة المصدر مثل TinyZero ستغير مستقبل الذكاء الاصطناعي؟ 🤔
ابدأ المناقشة في forum.mjbtechtips.com