في عصر تتسارع فيه التطورات التكنولوجية، تبرز نماذج اللغات الكبيرة (LLMs) كواحدة من أهم الابتكارات التي أخرجت ذكاءً اصطناعيًا قويًا، قادرًا على التفكير واتخاذ القرارات بشكل مستقل. من خلال دمج هذه النماذج مع حوسبة الأطراف، بات بإمكاننا الوصول إلى شكل جديد من الذكاء العام يُعرف باسم الذكاء العام على الأطراف المحمولة (Mobile Edge General Intelligence - MEGI).

ومع ذلك، تواجه هذه الأنظمة الحديثة تحديات جسيمة، تتمثل في المطالب العالية للعمليات الحسابية وموارد الأجهزة المحدودة في بيئات الحوسبة الطرفية. للاستجابة لهذه التحديات، تم اقتراح إطار تحسين مشترك يهدف إلى نشر التفكير الفعّال لنماذج اللغات الكبيرة في البيئات الخاصة بالذكاء العام على الأطراف المحمولة.

يبدأ هذا الإطار بمراجعة منهجية لطرق التعزيز، بهدف تحديد الآليات المناسبة للتكيف مع بيئات الأطراف. بعد ذلك، نقدم إطارًا موزعًا يُنسق بين تعزيز التفكير من خلال التنبيهات التكيفية (adaptive CoT prompting) والنشر القابل للتوسع عبر بنية MoE الموزعة.

تشمل إحدى الابتكارات المهمة في هذا النهج نمذجة عمق التفكير كمتغير موارد ديناميكي، يتم تحسينه بشكل مشترك مع تفعيل الخبراء وقوة الإرسال. يسمح هذا النظام بتعديل الشبكات والخبراء بناءً على متطلبات المهام وقدرات الأجهزة، مما يسهل تحقيق توازن مثالي بين جودة التفكير وكفاءة الموارد.

أظهرت التجارب في بيئات الأطراف المحمولة أن الإطار المقترح قادر على تحقيق توازن فعّال بين جودة التفكير وكفاءة استخدام الموارد، حيث تمكنت التجارب من الوصول إلى نسبة دقة ورضا في الوقت أقل من ثانية واحدة من وقت الاستدلال الإضافي، مما يؤكد جدوى نشر نماذج التفكير المعقدة ضمن نظم MEGI المحدودة الموارد.

في ختام هذا التحليل، نتساءل: كيف ترون مستقبل الذكاء الاصطناعي على الأطراف المحمولة؟ هل أنتم متحمسون لهذه التطورات؟ شاركونا آرائكم في التعليقات!