ماذا يعني تعاون Microsoft و Hugging Face بالنسبة للذكاء الاصطناعي التطبيقي
في الأسبوع الماضي، أعلنت Hugging Face عن منتج جديد بالتعاون مع Microsoft يسمى Hugging Face Endpoints على Azure ، والذي يسمح للمستخدمين بإعداد وتشغيل الآلاف من نماذج التعلم الآلي على النظام الأساسي السحابي لمايكروسوفت.
بعد أن بدأت كتطبيق chatbot ، جعلت Hugging Face شهرتها كمحور لنماذج المحولات، وهو نوع من بنية التعلم العميق التي كانت وراء العديد من التطورات الحديثة في الذكاء الاصطناعي، بما في ذلك نماذج اللغات الكبيرة مثل OpenAI GPT-3 و DeepMind’s protein -olding نموذج AlphaFold .
تستخدم شركات التكنولوجيا الكبيرة مثل Google وFacebook وMicrosoft نماذج المحولات لعدة سنوات.
لكن العامين الماضيين شهدنا اهتمامًا متزايدًا بالمحولات بين الشركات الأصغر، بما في ذلك العديد من الشركات التي لا تمتلك موهبة تعلم الآلة داخل الشركة.
هذه فرصة رائعة لشركات مثل Hugging Face، التي تتمثل رؤيتها في أن تصبح GitHub للتعلم الآلي. حصلت الشركة مؤخرًا على 100 مليون دولار في السلسلة C بقيمة 2 مليار دولار.
تريد الشركة تقديم مجموعة واسعة من خدمات التعلم الآلي، بما في ذلك نماذج المحولات الجاهزة.
ومع ذلك، فإن إنشاء عمل تجاري حول المحولات يمثل تحديات تفضل شركات التكنولوجيا الكبيرة وتضع شركات مثل Hugging Face في وضع غير موات.
يمكن أن يكون تعاون Hugging Face مع Microsoft بداية لتوحيد السوق واستحواذ محتمل في المستقبل.
لماذا نماذج المحولات مكلفة
يمكن لنماذج المحولات القيام بالعديد من المهام، بما في ذلك تصنيف النص والتلخيص والتوليد؛ إجابة السؤال ترجمة؛ كتابة الكود المصدري للبرنامج؛ والكلام لتحويل النص.
في الآونة الأخيرة، انتقلت المحولات أيضًا إلى مجالات أخرى، مثل أبحاث الأدوية ورؤية الكمبيوتر.
تتمثل إحدى المزايا الرئيسية لنماذج المحولات في قدرتها على التوسع. أظهرت السنوات الأخيرة أن أداء المحولات ينمو حيث يتم تكبيرها وتدريبها على مجموعات بيانات أكبر.
مع ذلك، فإن تدريب وتشغيل المحولات الكبيرة أمر صعب ومكلف للغاية. تظهر ورقة بحثية حديثة من Facebook بعض تحديات ما وراء الكواليس لتدريب نماذج لغوية كبيرة جدًا.
على الرغم من أن جميع المحولات ليست كبيرة مثل OpenAI’s GPT-3 وOPT-175B من Facebook، إلا أنها مع ذلك صعبة للحصول عليها بشكل صحيح.
يوفر Hugging Face ذخيرة كبيرة من نماذج ML المدربة مسبقًا لتخفيف عبء نشر المحولات. يمكن للمطورين تحميل المحولات مباشرة من مكتبة Hugging Face وتشغيلها على الخوادم الخاصة بهم.
تعتبر النماذج المدربة مسبقًا رائعة للتجريب والضبط الدقيق للمحولات لتطبيقات المصب.
مع ذلك، عندما يتعلق الأمر بتطبيق نماذج ML على منتجات حقيقية، يجب على المطورين مراعاة العديد من المعلمات الأخرى، بما في ذلك تكاليف التكامل والبنية التحتية والقياس وإعادة التدريب.
إذا لم يتم تكوينها بشكل صحيح، فقد يكون تشغيل المحولات مكلفًا، مما قد يكون له تأثير كبير على نموذج عمل المنتج.
لذلك، في حين أن المحولات مفيدة للغاية، فإن العديد من المنظمات التي ستستفيد منها لا تملك المواهب والموارد لتدريبها أو تشغيلها بطريقة فعالة من حيث التكلفة.
واجهات برمجة تطبيقات المحولات
تعانق نقاط نهاية الوجه على Azure
البديل لتشغيل المحول الخاص بك هو استخدام نماذج ML المستضافة على خوادم سحابية.
في السنوات الأخيرة، أطلقت العديد من الشركات خدمات جعلت من الممكن استخدام نماذج التعلم الآلي من خلال استدعاءات API دون الحاجة إلى معرفة كيفية تدريب نماذج التعلم الآلي وتكوينها ونشرها.
قبل عامين، أطلقت Hugging Face خدمة ML الخاصة بها، والتي تسمى Inference API، والتي توفر الوصول إلى الآلاف من النماذج المدربة مسبقًا (معظمها محولات) بدلاً من الخيارات المحدودة للخدمات الأخرى.
يمكن للعملاء استئجار واجهة برمجة تطبيقات Inference استنادًا إلى الموارد المشتركة أو إعداد Hugging Face والحفاظ على البنية التحتية لهم.
تتيح النماذج المستضافة الوصول إلى ML لمجموعة واسعة من المؤسسات، تمامًا كما جلبت خدمات الاستضافة السحابية المدونات والمواقع الإلكترونية إلى المؤسسات التي لم تتمكن من إعداد خوادم الويب الخاصة بها.
إذن، لماذا تحولت Hugging Face إلى Microsoft؟ يعد تحويل ML المستضاف إلى عمل مربح أمرًا معقدًا للغاية (انظر، على سبيل المثال، واجهة برمجة تطبيقات OpenAI’s GPT-3).
استثمرت شركات مثل Google وFacebook وMicrosoft مليارات الدولارات في إنشاء معالجات وخوادم متخصصة تقلل من تكاليف تشغيل المحولات ونماذج التعلم الآلي الأخرى.
تستفيد Hugging Face Endpoints من ميزات Azure الرئيسية، بما في ذلك خيارات التحجيم المرنة والتوافر العالمي ومعايير الأمان.
الواجهة سهلة الاستخدام ولا تستغرق سوى بضع نقرات لإعداد نموذج للاستهلاك وتهيئته لتوسيع نطاق أحجام الطلبات المختلفة.
لقد أنشأت Microsoft بالفعل بنية تحتية ضخمة لتشغيل المحولات، والتي من المحتمل أن تقلل من تكاليف تقديم نماذج ML الخاصة بـ Hugging Face.
(حاليًا في الإصدار التجريبي، Hugging Face Endpoints مجاني، ويدفع المستخدمون فقط تكاليف البنية التحتية Azure. تخطط الشركة لنموذج تسعير يعتمد على الاستخدام عندما يصبح المنتج متاحًا للجمهور.)
الأهم من ذلك، أن Microsoft لديها حق الوصول إلى حصة كبيرة من السوق التي تستهدفها Hugging Face.
وفقًا لمدونة Hugging Face ، “نظرًا لأن 95٪ من شركات Fortune 500 تثق في Azure في أعمالها، فقد كان من المنطقي تمامًا أن تعالج Hugging Face وMicrosoft هذه المشكلة معًا.”
تجد العديد من الشركات أنه من المحبط التسجيل والدفع مقابل الخدمات السحابية المختلفة.
يؤدي دمج منتج ML المستضاف من Hugging Face مع Microsoft Azure ML إلى تقليل الحواجز التي تحول دون تقديم قيمة منتجاتها وتوسيع نطاق وصول الشركة إلى السوق.
مستقبل تعانق الوجه
يمكن أن تكون Hugging Face Endpoints بداية للعديد من عمليات تكامل المنتجات في المستقبل، نظرًا لأن مجموعة أدوات Microsoft (Outlook وWord وExcel وTeams وما إلى ذلك) لديها مليارات المستخدمين وتوفر الكثير من حالات الاستخدام لنماذج المحولات.
لقد ألمح المسؤولون التنفيذيون في الشركة بالفعل إلى خطط لتوسيع شراكتهم مع Microsoft.
“هذه بداية تعاون Hugging Face و Azure الذي نعلن عنه اليوم حيث نعمل معًا لتقديم حلولنا ومنصة التعلم الآلي الخاصة بنا ونماذجنا التي يمكن الوصول إليها وتسهيل العمل معها على Azure. Hugging Face Endpoints على Azure هو الحل الأول المتاح لدينا في Azure Marketplace ، لكننا نعمل بجد لتقديم المزيد من حلول Hugging Face إلى Azure ، “قال جيف بودير ، مدير المنتج في Hugging Face ، لـ TechCrunch .
“لقد أدركنا [] حواجز الطريق لنشر حلول التعلم الآلي في الإنتاج [التركيز] وبدأنا في التعاون مع Microsoft لحل الاهتمام المتزايد بحل بسيط جاهز للاستخدام.”
قد يكون هذا مفيدًا للغاية لـ Hugging Face، التي يجب أن تجد نموذج عمل يبرر تقييمها البالغ 2 مليار دولار.
لكن تعاون Hugging Face مع Microsoft لن يخلو من المفاضلات.
في وقت سابق من هذا الشهر، في مقابلة مع Forbes ، قال Clément Delangue، المؤسس المشارك والرئيس التنفيذي في Hugging Face، إنه رفض العديد من “عروض الاستحواذ ذات المغزى” ولن يبيع شركته، مثلما فعلت GitHub لشركة Microsoft.
ومع ذلك، فإن الاتجاه الذي تتخذه شركته الآن سيجعل نموذج أعمالها يعتمد بشكل متزايد على Azure (مرة أخرى، تقدم OpenAI مثالًا جيدًا على ما تتجه إليه الأمور) وربما تقلل من السوق لمنتجها المستقل Inference API.
بدون وصول Microsoft إلى السوق، سيكون لمنتج (منتجات) Hugging Face حواجز تبني أكبر، وعرض قيمة أقل، وتكاليف أعلى (“الحواجز” المذكورة أعلاه).
ويمكن لشركة Microsoft دائمًا إطلاق منتج منافس يكون أفضل وأسرع وأرخص.
إذا جاء عرض الاستحواذ من Microsoft على المحك، فسيتعين على Hugging Face اتخاذ خيار صعب. هذا أيضًا تذكير بالمكان الذي يتجه إليه سوق النماذج اللغوية الكبيرة والتعلم الآلي التطبيقي.
في التعليقات التي نُشرت على مدونة Hugging Face، قال Delangue، “إن مهمة Hugging Face هي إضفاء الطابع الديمقراطي على التعلم الآلي الجيد.
نحن نسعى جاهدين لمساعدة كل مطور ومؤسسة على بناء تطبيقات عالية الجودة تعمل بنظام ML والتي لها تأثير إيجابي على المجتمع والشركات “.
في الواقع، ستعمل منتجات مثل Hugging Face Endpoints على إضفاء الطابع الديمقراطي على التعلم الآلي للمطورين.
لكن المحولات ونماذج اللغة الكبيرة هي أيضًا غير ديمقراطية بطبيعتها وستمنح الكثير من القوة لعدد قليل من الشركات التي لديها الموارد اللازمة لبناءها وإدارتها.
بينما سيتمكن المزيد من الأشخاص من بناء منتجات فوق المحولات التي تعمل بواسطة Azure، ستستمر Microsoft في تأمين وتوسيع حصتها في السوق فيما يبدو أنه مستقبل التعلم الآلي التطبيقي. يتعين على شركات مثل Hugging Face أن تعاني من العواقب.
المصدر: thenextweb
قد يهمك:
