نموذج Phi-4 من مايكروسوفت يعيد تعريف الكفاءة في بحث اختراقي

في ورقة بحثية من 33 صفحة نُشرت على arXiv قبل خمسة أيام فقط (ID: 2606.23050)، يشرح باحثو مايكروسوفت تفاصيل Phi-4، وهو نموذج لغوي كبير يتفوق على حجمه بكثير. يقدم نتائج متطورة في معايير الاستدلال الرئيسية بينما يستخدم معلمات أقل بكثير من المنافسين.

الورقة، التي أثارت بالفعل ضجة في أوساط الذكاء الاصطناعي، توثق بنية Phi-4 واستراتيجية التدريب. من خلال تصميم ذكي، يكافئ النموذج أو يتفوق على أداء العمالقة من Anthropic وGoogle DeepMind وOpenAI في مهام الاستدلال الصعبة.

إعادة النظر في قوانين التوسع

يقلب Phi-4 الافتراض القديم بأن الأكبر هو الأفضل دائماً. يظهر المؤلفون أنه من خلال التنظيم الدقيق للبيانات، وطرق التدريب الجديدة، والتعديلات المعمارية، يمكن لنموذج أصغر أن يصمد أمام العمالقة.

"تشير نتائجنا إلى أن عصر التوسع الأعمى قد يكون على وشك الانتهاء. مع Phi-4، نثبت أن جودة البيانات وكفاءة التدريب يمكن أن تعوضان عدد المعلمات الخام."

نتائج المعايير

في معيار MATH، اقترب Phi-4 في غضون نقطتين من GPT-4 Turbo، باستخدام 14 مليار معلمة فقط، مقابل ما يقدر بـ 1.7 تريليون معلمة لـ GPT-4. وفي MMLU-Pro، تفوق على Claude 3 Sonnet وتعادل مع Gemini 1.5 Pro. أما في القدرة البرمجية؟ حقق Phi-4 معدل نجاح 62.4% في HumanEval، متغلباً على 55.3% لـ DeepSeek Coder 33B.

الآثار على صناعة الذكاء الاصطناعي

إذا أكدت الفحوصات المستقلة أرقام Phi-4، فستكون التداعيات هائلة. النماذج الأصغر والأكثر كفاءة تقلل تكاليف الاستدلال، وتخفض استهلاك الطاقة، وتقلل متطلبات الأجهزة، مما يجعل الذكاء الاصطناعي المتقدم أكثر سهولة في الوصول للشركات الناشئة والباحثين على حد سواء.

تلقت الورقة بالفعل استشهادات من أعمال متابعة، بما في ذلك دراسة من Hugging Face أكدت أداء Phi-4 على مجموعة اختبار مستقلة.

التوفر والترخيص

اتخذت مايكروسوفت مساراً مختلفاً هذه المرة: Phi-4 متاح كمصدر مفتوح بموجب ترخيص MIT المتساهل، وهو انفصال عن ترخيص أبحاث مايكروسوفت المستخدم لـ Phi-3. أوزان النموذج متاحة على Hugging Face، وتتضمن الورقة أدلة مفصلة للضبط الدقيق والنشر.

يقول المستخدمون الأوائل إن Phi-4 يعمل بشكل جيد على وحدات معالجة الرسومات الاستهلاكية. لاحظ أحد المطورين أن إصدار 14 مليار معلمة يتناسب تماماً مع بطاقة NVIDIA RTX 4090 واحدة بسعة 24 جيجابايت من VRAM، مما يتيح الاستدلال المحلي دون الاعتماد على السحابة.

ردود فعل الخبراء

"هذه خطوة كبيرة نحو إضفاء الطابع الديمقراطي على الذكاء الاصطناعي،" قالت الدكتورة إيلينا فاسكيز، باحثة في التعلم الآلي في MIT، والتي لم تشارك في الدراسة. "إذا تمكنا من تحقيق استدلال على مستوى GPT-4 على أجهزة استهلاكية، فإن المشهد الكامل لتطبيقات الذكاء الاصطناعي سيتغير."

لم تعلن مايكروسوفت بعد عن موعد وصول Phi-4 إلى المنتجات التجارية، لكن مصادر الشركة تقول إن خدمات Azure AI تختبره بالفعل للاستخدام الداخلي.