في عصر يتسارع فيه تطوير الذكاء الاصطناعي، تكشف دراسة جديدة عن مفهوم مبتكر يسمى "الكفاءة في الذكاء لكل وات" (Intelligence per Watt) والذي يهدف إلى قياس أدائية النماذج اللغوية الصغيرة (Local LMs) بالمقارنة مع تلك النماذج الكبيرة التي تعتمد على البنية التحتية السحابية.

يأتي هذا المفهوم في ظل تحقيق النماذج المحلية لما يعادل 88.7% من دقة الإجابة على استفسارات العالم الحقيقي، مما يطرح تساؤلات حول إمكانية تقليل الاعتماد على بيئات الحوسبة السحابية. بعد التقييم لنحو 20 نموذجاً محلياً و8 معجلات عتادية، تبين أن النماذج المحلية لا توفر فقط الأداء المطلوب ولكن تفوق أيضاً في حساب كفاءة الطاقة بفضل إمكانيات جديدة في الأجهزة مثل معالج Apple M4 Max.

ظهر أن التحسينات في الكفاءة قد شهدت تطوراً ملحوظاً، حيث ازدادت الكفاءة بنسبة 5.3 مرات بين عامي 2023 و2025. هذه النتائج توضح كيف يمكن للنماذج المحلية والعتاد الخاص بها إعادة توزيع الطلب بشكل فعال، مما يوفر بديلاً حيوياً للبنية التحتية السحابية للأغراض العامة.

هل نحن أمام حقبة جديدة من الذكاء الاصطناعي تستخدم الكفاءة المحلية؟ في ضوء هذه النتائج، يبدو أن الواقع الجديد للذكاء الاصطناعي سيكون محلياً إلى حد بعيد. تدعونا هذه المستجدات للتفكير في كيفية استخدام الذكاء الاصطناعي بشكل أكثر كفاءة وفاعلية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.