في إطار السعي المتواصل لتحسين كفاءة تصميم الشبكات العصبية، تم الكشف عن مشروع CoLLM-NAS (نموذج البحث المعماري العصبي القائم على نماذج اللغات الضخمة التعاونية). يمثل هذا المشروع خطوة مبتكرة، حيث يتم دمج نماذج اللغات الضخمة (Large Language Models) مع بحث العمارة العصبية (Neural Architecture Search) لتجاوز العوائق التقليدية.

يعمل نظام CoLLM-NAS من خلال مرحلتين: الأولى تتضمن استخدام نموذج Navigator LLM الديناميكي لتوجيه سير البحث، بينما تعتمد المرحلة الثانية على نموذج Generator LLM الثابت الذي يقوم بتوليد خيارات عالية الجودة. يتم تنسيق التواصل بين النموذجين عبر وحدة منسقة تضمن فعالية العملية التقييمية.

نتائج التجارب أظهرت أن CoLLM-NAS يتفوق على الطرق التقليدية ويحقق نتائج جديدة رائدة في مجالات مثل ImageNet وNAS-Bench-201، مع تقليص تكاليف البحث بين 4 و10 مرات. بالإضافة إلى ذلك، يعزز هذا النظام أداء وفعالية أساليب NAS الثنائية المرحلة المختلفة مثل OFA وSPOS وAutoFormer، مما يبرز قدرته على التكيف عبر مساحات بحث متنوعة، مثل MobileNet وShuffleNet.

إن دمج الذكاء الاصطناعي مع تقنيات تصميم الشبكات العصبية يمثل ثورة حقيقية في هذا المجال، ومن المتوقع أن تُحدث نتائج CoLLM-NAS تأثيراً كبيراً على كيفية استخدام أدوات الذكاء الاصطناعي في المستقبل. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!