الملخص:
أعلنت شركة Meta أنه بدءًا من 6 نوفمبر، سيعمل تطبيق المساعد الذكي الشخصي الخاص بها Muse ومنصة Meta AI على تمكين مجموعة من النماذج المخصصة الجديدة المدربة استنادًا إلى النموذج الرئيسي Muse Wonder. في غضون ذلك، سيظل نموذج Muse Wonder الأقوى متاحًا للمشتركين الذين يدفعون مقابل التعامل مع المهام الأكثر تعقيدًا وصعوبة.
وفقًا لـ Meta، فإن هذه النماذج الجديدة هي "إصدارات متخصصة" من نظام النماذج الحالي ويتم تدريبها من خلال Muse Wonder. على الرغم من أن Meta لم تكشف عن الأسماء المحددة لهذه النماذج، إلا أنها ترث الإمكانيتين الأساسيتين اللتين تم تقديمهما لأول مرة في سلسلة Wonder، وهما "الذاكرة النشطة" و"التركيز النشط".
تم إصدار Muse Wonder وWonder Full الأقوى في البداية في أكتوبر 2026. ومن بينها، تم دمج Wonder في Meta Model API ومساعد البرمجة Muse Code، في حين أن Wonder Full مفتوح حاليًا فقط لمستخدمي Muse Code المتميزين الذين يدفعون.
أطلقت شركة Meta تطبيق Muse، وهو تطبيق مساعد شخصي ذكي، في سبتمبر من هذا العام. على عكس العديد من المنتجات المنافسة، يقدم Muse مستوى استخدام مجاني، مما يخفض بشكل كبير عتبة المستخدمين لتجربة وكلاء الذكاء الاصطناعي الشخصي. وفي المقابل، فإن المنتجات المماثلة من بعض المنافسين متاحة فقط للمشتركين المميزين.
فيما يتعلق بالتنفيذ الفني، لم تقم Meta ببساطة بإطلاق نسخة مصغرة من نموذج Wonder هذه المرة، ولكنها أعادت تدريب النموذج ليناسب سيناريوهات تطبيقات المستهلك. وقالت الشركة إن النموذج الجديد يركز على تعلم الأنماط السلوكية الرئيسية للمساعدين الشخصيين في الاستخدام الفعلي، مثل تحديد متى يجب تنفيذ المهمة بشكل مستقل، ومتى تكون هناك حاجة إلى تأكيد من المستخدم، وكيفية الحفاظ على استمرارية السياق بعد تلقي تصحيحات المستخدم أثناء تنفيذ المهمة.
تعتمد الصناعة عمومًا طريقة تدريب النماذج الصغيرة باستخدام النماذج الكبيرة لتعزيز القدرات المتطورة للمستخدمين على نطاق واسع وبتكلفة أقل. ومع ذلك، لم تكشف ميتا عن طرق تدريب محددة بالتفصيل. تؤكد الشركة على أن النموذج الجديد تم تحسينه خصيصًا لتلبية الاحتياجات المحددة للمساعدين الأذكياء الشخصيين، بدلاً من مجرد متابعة تغطية المعرفة العامة.
تعتقد شركة Meta أن الوكيل الشخصي الممتاز يحتاج إلى أن يكون قادرًا على إكمال المهام العملية مثل إجراء حجوزات المطاعم وإدارة صناديق البريد، دون الاضطرار إلى إتقان جميع احتياطيات المعرفة التي تمتلكها النماذج المتطورة. بل يتضمن تذكر المعلومات التي ذكرها المستخدم قبل أسبوع ومواصلة العمل عند حدوث خطأ في الموقع أو انقطاع المهمة.
تم تصميم ميزة "الذاكرة النشطة" لمساعدة النماذج في الحفاظ على المعلومات المتعلقة بالمستخدم واستخدامها على المدى الطويل. وقال ميتا إنه بعد التدريب، يمكن للنموذج التمييز بين المعلومات التي تعتبر محتوى مؤقتًا والمحتوى الذي يجب الاحتفاظ به لفترة طويلة. ويمكنه أيضًا التفكير عبر البعد الزمني وتحديد المعلومات التي لا تزال ذات صلة وأيها قديمة.
في الاختبار الداخلي لـ Meta، وصل معدل نجاح النموذج الجديد في الاستخدام الصحيح للمعلومات السياقية الأساسية أثناء تنفيذ المهمة إلى 90%، وهو ما تحسن بشكل ملحوظ مقارنة بمعدل 76% لنموذج الجيل السابق.
تركز ميزة "التركيز النشط" الأخرى على التعامل مع حالات الطوارئ أثناء تنفيذ المهمة. وقال ميتا إنه تم تدريب النموذج على عدد كبير من سيناريوهات العوائق في العالم الحقيقي، حتى يتمكن من تجربة المزيد من الحلول بشكل استباقي عند مواجهة الصعوبات، أو استئناف العملية من تلقاء نفسها أو إيجاد مسارات بديلة، بدلاً من مجرد التوقف عن العمل بعد مواجهة مشكلة.
كشفت Meta أنه في تطبيق Muse، عندما واجه النموذج الجديد مشكلات غير متوقعة، زادت قدرته على إكمال المهام الروتينية بنسبة 67%. وعلى الرغم من أن الشركة لم تصدر بيانات مرجعية محددة، إلا أنها قالت إن هذه النماذج أظهرت تحسينات كبيرة في اتخاذ القرار المستقل، والتعامل مع التعديلات في منتصف الطريق، والتقدم المستمر للمهام.
على المستوى التجاري، يقدم Muse Wonder حاليًا خدمات للمطورين من خلال واجهة نموذج Meta ورسومًا بناءً على رموز الإدخال والإخراج. وفي الوقت نفسه، تم دمج Meta AI على نطاق واسع في منصات مثل WhatsApp وInstagram وFacebook وMessenger. بالنسبة إلى Meta، فإن استخدام نماذج مخصصة خفيفة الوزن تم تدريبها بواسطة Wonder لخدمة عدد كبير من المستخدمين هو بلا شك أكثر فعالية من حيث التكلفة وأكثر كفاءة من السماح لجميع المستخدمين بالاتصال مباشرة بالنموذج الرئيسي.
يُظهر هذا التحديث أيضًا أن Meta تعمل على تطوير إستراتيجية جديدة لتطوير الذكاء الاصطناعي، والتي تتمثل في استخدام النماذج المتطورة الأكثر تقدمًا لتدريب النماذج الاحترافية المُحسّنة لسيناريوهات محددة، ونشر هذه الإمكانات في منتجات للمستهلكين العاديين بتكلفة أقل وعلى نطاق أوسع.
التعليقات