أعلنت منصة تطوير الذكاء الاصطناعي “هاجن فيس” عن إصدار نماذج ذكاء اصطناعي جديدة تُعد الأصغر من نوعها لتحليل الصور، والفيديوهات القصيرة، والنصوص.
النماذج الجديدة، SmolVLM-256M وSmolVLM-500M، مصممة لتعمل بكفاءة على الأجهزة ذات الموارد المحدودة، مثل الحواسيب المحمولة التي تحتوي على أقل من 1 جيجابايت من ذاكرة الوصول العشوائي (RAM). كما تعتبر مثالية للمطورين الذين يسعون لمعالجة كميات كبيرة من البيانات بتكاليف منخفضة.
تبلغ أحجام النماذج 256 مليون و500 مليون معامل (parameter) على التوالي. وهذه المعاملات تعكس القدرات التحليلية للنماذج، مثل أدائها في اختبارات معقدة كحل المسائل الرياضية. وتستطيع النماذج تنفيذ مهام متنوعة، مثل وصف الصور والفيديوهات والإجابة عن الأسئلة المتعلقة بملفات PDF، بما يشمل النصوص الممسوحة ضوئيًا والرسوم البيانية.
اعتمد فريق “هاجن فيس” في تدريب SmolVLM-256M وSmolVLM-500M على مجموعتين من البيانات هما:
The Cauldron: تضم 50 مجموعة بيانات عالية الجودة من الصور والنصوص.
Docmatix: مجموعة من الملفات الممسوحة ضوئيًا مع تسميات توضيحية تفصيلية.
تم تطوير هذه المجموعات من قبل فريق M4 المتخصص في تكنولوجيا الذكاء الاصطناعي متعددة الوسائط.
ووفقًا لـ “هاجن فيس”، يتفوق SmolVLM-256M وSmolVLM-500M على نموذج أكبر بكثير، وهو Idefics 80B، في اختبارات مثل AI2D، التي تقيم قدرة النماذج على تحليل الرسوم البيانية للعلوم الأساسية.
وتتوفر النماذج الجديدة عبر الإنترنت أو للتنزيل بترخيص Apache 2.0، مما يتيح استخدامها بحرية.
وعلى الرغم من ميزاتها في الحجم والتكلفة، تواجه النماذج الصغيرة تحديات مقارنة بالنماذج الأكبر. أظهرت دراسة حديثة من Google DeepMind وMicrosoft Research وMila أن النماذج الصغيرة غالبًا ما تؤدي أداءً ضعيفًا في المهام المعقدة. السبب المحتمل هو أن هذه النماذج تعتمد على التعرف على الأنماط السطحية في البيانات بدلاً من تطبيق المعرفة في سياقات جديدة.