اكتشفت Meta أن وكيل الذكاء الاصطناعي الخاص بها، AIDE، حقق قفزة كبيرة في الأداء وحصل على ميدالية ذهبية في مسابقة Kaggle، ليس بتغيير الوكيل نفسه، بل بتحسين بيئة التدريب التي يعمل فيها.
لقد أظهرت لنا Meta درسًا مهمًا حقًا هذا الأسبوع: أحيانًا لا تكون المشكلة في الذكاء الاصطناعي نفسه، بل في البيئة التي يعمل فيها. ماذا يعني هذا لك؟ إذا كنت تعمل على تطوير الذكاء الاصطناعي، فإن جودة بيئة التدريب لديك قد تكون أهم بكثير مما تتخيل.
بدأ الأمر مع فريق FAIR في Meta الذي كان لديه وكيل ذكاء اصطناعي يُدعى AIDE. كان AIDE يُعتبر من أفضل وكلاء الذكاء الاصطناعي على مقياس MLE-bench lite، وهي مجموعة من 22 تحديًا بسيطًا من تحديات Kaggle الحقيقية. كان AIDE يحقق نسبة 35.2% في الحصول على الميداليات، وهو إنجاز كبير بحد ذاته باستخدام نموذج 'o1-preview'.
ثم قام فريق AIRA بخطوة بسيطة لكنها أحدثت فارقًا كبيرًا: نقلوا AIDE إلى بيئة تدريب جديدة كليًا صممها الفريق، أطلقوا عليها اسم 'AIRA-dojo'. والشيء المدهش هو أنهم لم يُدخلوا أي تعديلات على وكيل AIDE نفسه. النتيجة كانت صاعقة: قفزت نسبة حصول AIDE على الميداليات إلى 45.9% على نفس مجموعة التحديات البسيطة. هذه زيادة قدرها 10.7 نقطة مئوية، وهي قفزة هائلة لمجرد تغيير البيئة.
البحث يُشير بوضوح إلى أن هذا الفارق لم يأتِ من تحسين 'ذكاء' النموذج، بل من جودة بيئة العمل. البيئة الجديدة كانت مجهزة بشكل أفضل، تدير متطلبات التشغيل بشكل منظم، وقللت من الوقت الضائع بسبب المشاكل التقنية الصغيرة. فكر في الأمر كعدّاء ماهر يركض على مضمار أملس جديد بدلًا من مضمار وعر، مع رباط أحذية محكم. لن يحتاج إلى تدريب إضافي ليصبح أسرع. وهذا الدرس لا يقتصر على Meta؛ إنه ينطبق على أي فريق يطور وكلاء الذكاء الاصطناعي، بغض النظر عن حجمه.
والأهم من ذلك، لم تكن هذه مجرد أرقام معملية. ففي النهاية، أدت هذه التحسينات إلى فوز وكيل AIDE بميدالية ذهبية في مسابقة Kaggle حقيقية، وهي مسابقة شارك فيها حوالي أربعة آلاف فريق. هذا يؤكد القوة الحقيقية لبيئات التدريب المحسّنة.
بدأ الأمر مع فريق FAIR في Meta الذي كان لديه وكيل ذكاء اصطناعي يُدعى AIDE. كان AIDE يُعتبر من أفضل وكلاء الذكاء الاصطناعي على مقياس MLE-bench lite، وهي مجموعة من 22 تحديًا بسيطًا من تحديات Kaggle الحقيقية. كان AIDE يحقق نسبة 35.2% في الحصول على الميداليات، وهو إنجاز كبير بحد ذاته باستخدام نموذج 'o1-preview'.
ثم قام فريق AIRA بخطوة بسيطة لكنها أحدثت فارقًا كبيرًا: نقلوا AIDE إلى بيئة تدريب جديدة كليًا صممها الفريق، أطلقوا عليها اسم 'AIRA-dojo'. والشيء المدهش هو أنهم لم يُدخلوا أي تعديلات على وكيل AIDE نفسه. النتيجة كانت صاعقة: قفزت نسبة حصول AIDE على الميداليات إلى 45.9% على نفس مجموعة التحديات البسيطة. هذه زيادة قدرها 10.7 نقطة مئوية، وهي قفزة هائلة لمجرد تغيير البيئة.
البحث يُشير بوضوح إلى أن هذا الفارق لم يأتِ من تحسين 'ذكاء' النموذج، بل من جودة بيئة العمل. البيئة الجديدة كانت مجهزة بشكل أفضل، تدير متطلبات التشغيل بشكل منظم، وقللت من الوقت الضائع بسبب المشاكل التقنية الصغيرة. فكر في الأمر كعدّاء ماهر يركض على مضمار أملس جديد بدلًا من مضمار وعر، مع رباط أحذية محكم. لن يحتاج إلى تدريب إضافي ليصبح أسرع. وهذا الدرس لا يقتصر على Meta؛ إنه ينطبق على أي فريق يطور وكلاء الذكاء الاصطناعي، بغض النظر عن حجمه.
والأهم من ذلك، لم تكن هذه مجرد أرقام معملية. ففي النهاية، أدت هذه التحسينات إلى فوز وكيل AIDE بميدالية ذهبية في مسابقة Kaggle حقيقية، وهي مسابقة شارك فيها حوالي أربعة آلاف فريق. هذا يؤكد القوة الحقيقية لبيئات التدريب المحسّنة.
