Microsoft فاي
Microsoft Phi هي مجموعة من نماذج اللغات الصغيرة التي تثبت أن التنظيم الدقيق للبيانات يمكن أن ينافس مقياس القوة الغاشمة.
نظرة عامة
By training on textbook-quality and synthetic data, tiny Phi models punch far above their parameter count.
الغوص العميق
Phi هو Microsoft خط الأبحاث لنماذج اللغات الصغيرة (SLMs) الذي تم إطلاقه في عام 2023 باستخدام Phi-1، وهو نموذج ترميز يحتوي على 1.3 مليار معلمة. الأطروحة التوجيهية، الموضحة في عنوان الورقة "الكتب المدرسية هي كل ما تحتاجه"، هي أن جودة البيانات لها أهمية أكبر من الحجم الأولي. بدلاً من مسح الويب بالكامل، قام Microsoft بتدريب Phi على محتوى منسق يشبه الكتب المدرسية بالإضافة إلى تمارين تركيبية تم إنشاؤها بواسطة GPT-4. قامت الإصدارات المتعاقبة بتوسيع نطاق هذه الفكرة: Phi-2 (2.7B)، وPhi-3 (3.8B "mini" حتى 14B "متوسط")، وPhi-3.5 مع متغيرات الرؤية وخليط الخبراء. على الرغم من حجمها، فإن نماذج Phi تتطابق مع المنافسين الأكبر حجمًا أو تتفوق عليها في معايير الاستدلال والرياضيات، وتعمل بكفاءة على أجهزة الكمبيوتر المحمولة والهواتف والأجهزة المتطورة. يتم إصدار النماذج بشكل علني بموجب تراخيص متساهلة.
البصيرة الفنية
تأتي ميزة Phi من توليد البيانات الاصطناعية وتصفيتها. يستخدم Microsoft نماذج أكبر مثل GPT-4 لكتابة أمثلة نظيفة ومنظمة تربويًا ولتسجيل نص الويب "للقيمة التعليمية"، مع الاحتفاظ فقط بالمستندات عالية الإشارة. يتيح هذا المزيج التدريبي الكثيف ومنخفض الضوضاء لنموذج 3.8B تعلم أنماط التفكير التي تتطلب عادةً عشرات المليارات من المعلمات. يستخدم Phi-3-mini نافذة سياق 4K أو 128K وبنية وحدة فك ترميز المحولات المشابهة لـ Llama، مما يجعل من السهل نشرها باستخدام الأدوات الموجودة.
التأثير الاستراتيجي
استراتيجية البائع
تؤثر خرائط طريق البائع على الميزات التي يمكن لفريقك إنشاءها بعد ذلك.
التكلفة والميزانية
تؤثر الشروط التجارية وخيارات النشر على التكلفة والمخاطر على المدى الطويل.
المخاطر والسلامة
تعمل حوافز الشركة على تشكيل الإعدادات الافتراضية للمنتج، ووضعية السلامة، والانفتاح.
مستقبل Microsoft فاي
Microsoft تدفع Phi نحو الاستخدامات على الجهاز والاستخدامات الوكيلة حيث يستبعد زمن الوصول والخصوصية والتكلفة عمالقة السحابة. توقع تكاملًا أكثر إحكامًا لنظامي التشغيل Windows وCopilot+ PC، ومتغيرات أقوى متعددة الوسائط (الرؤية والصوت)، وتصميمات مختلطة مستمرة من الخبراء تعمل على تنشيط جزء صغير فقط من المعلمات لكل رمز مميز. إن الاتجاه الأوسع الذي تؤكده Phi، وهو أن البيانات الذكية تتفوق على النطاق الهائل، يعيد تشكيل كيفية قيام الصناعة بأكملها بتدريب النماذج، خاصة بالنسبة للهواتف وإنترنت الأشياء والسيناريوهات غير المتصلة بالإنترنت حيث تفوز النماذج الصغيرة القادرة.
التنفيذ في العالم الحقيقي
تشغيل مساعد الترميز دون اتصال بالإنترنت مباشرة على جهاز كمبيوتر محمول دون إرسال التعليمات البرمجية إلى السحابة
تشغيل الميزات الموجودة على الجهاز في أجهزة الكمبيوتر الشخصية Copilot+ وتطبيقات الأجهزة المحمولة حيث يكون زمن الاستجابة المنخفض مهمًا
دمج نموذج المنطق في إنترنت الأشياء أو الأجهزة الطرفية ذات الذاكرة المحدودة وبدون الإنترنت
يقوم الباحثون بضبط نموذج Phi صغير ومرخص بشكل مفتوح لروبوتات الدردشة الخاصة بمجال معين وبتكلفة زهيدة
المخاطر والدرابزين
قد تتجاوز إعلانات الإطلاق الاستقرار في سير عمل الإنتاج الحقيقي.
يمكن أن يؤدي تسعير واجهة برمجة التطبيقات (API) أو تغيرات السياسة إلى كسر الافتراضات بين عشية وضحاها.
يؤدي الاعتماد على بائع واحد إلى زيادة تكاليف الحجز والترحيل.
خارطة طريق التنفيذ
قم بتقييم مقدمي الخدمة باستخدام المهام ومجموعات البيانات الخاصة بك.
راجع الخصوصية والأمان والمصطلحات القانونية قبل التكامل.
احتفظ بخطة احتياطية عبر النماذج أو البائعين.
راقب ملاحظات الإصدار حتى لا تفاجئ التغييرات في خارطة الطريق الفرق.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Microsoft Phi quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
Microsoft الذكاء الاصطناعي
الأسئلة المتداولة
What is Microsoft Phi?
Microsoft Phi هي مجموعة من نماذج اللغات الصغيرة التي تثبت أن التنظيم الدقيق للبيانات يمكن أن ينافس مقياس القوة الغاشمة. ومن خلال التدريب على جودة الكتب المدرسية والبيانات الاصطناعية، فإن نماذج فاي الصغيرة تحقق نتائج أعلى بكثير من عدد المعلمات الخاصة بها.
ما هي الأطروحة الأساسية وراء نماذج فاي، والتي تم تناولها في عنوان بحثي مشهور؟
كانت ورقة Phi-1 بعنوان "الكتب المدرسية هي كل ما تحتاجه"، بحجة أن البيانات عالية الجودة والمنسقة لها أهمية أكبر من مجرد الحجم.
ما هو عدد المعلمات تقريبًا التي يمتلكها Phi-3-mini؟
يحتوي Phi-3-mini على حوالي 3.8 مليار معلمة، مما يجعله صغيرًا بما يكفي للتشغيل على الهاتف مع الاستمرار في الأداء القوي.
كيف يقوم Microsoft بإنشاء الكثير من بيانات تدريب Phi؟
يستخدم Microsoft نماذج قوية مثل GPT-4 لإنشاء تمارين تركيبية نظيفة وتصفية نص الويب للحصول على قيمة تعليمية.
ما هي فئة النموذج التي يشير إليها "SLM" كما هو مستخدم في Phi؟
يوصف Phi بأنه نموذج لغة صغير (SLM)، مع التركيز على القدرة بحجم صغير.
ما هي الميزة العملية الرئيسية لصغر حجم فاي؟
ونظرًا لأن نماذج Phi صغيرة الحجم، فيمكن تشغيلها محليًا على أجهزة المستهلك، مما يتيح الخصوصية وزمن الوصول المنخفض والاستخدام دون اتصال بالإنترنت.