مجموعة الذكاء الاصطناعي "ثلاثة عناصر" التي طورتها شركة مايكروسوفت تتجسد على أرض الواقع، وتعد ببناء نماذج متقدمة كبيرة بشكل مستقل بحلول عام 2027

أعلنت شركة مايكروسوفت، الشركة التقنية الأمريكية، يوم الخميس، عن الإطلاق الرسمي على نطاق تجاري واسع لثلاثة نماذج ذكاء اصطناعي مطوّرة داخليًا، في عرض لمحاولة الشركة الابتعاد عن الاعتماد طويل الأمد على الشريك طويل الأمد OpenAI.

وبشكل محدد، تشمل النماذج الثلاثة MAI-Transcribe-1 وMAI-Voice-1 وMAI-Image-2 التي طوّرها فريق مايكروسوفت فائق الذكاء في مجال الذكاء الاصطناعي، ثلاث قدرات ذات قيمة تجارية أكبر داخل الذكاء الاصطناعي للشركات—وهي تحويل الكلام إلى نص، وتوليد الصوت، وإنشاء الصور**.

(أعلن الرئيس التنفيذي لشركة مايكروسوفت نادلا هذا التحديث، المصدر: X)

تقول مايكروسوفت إن MAI-Transcribe-1 هو نموذج النسخ (transcribe) الأكثر دقة بين نماذج النسخ الأكثر استخدامًا في السوق. وفي الاختبارات التي تشمل جميع اللغات، يبلغ متوسط معدل الخطأ لديه 3.9%. بينما يبلغ معدل خطأ OpenAI GPT-Transcribe 4.2%، وGemini 3.1 Flash 4.9%.

من المفترض أن نموذج MAI-Voice-1 لتوليد الصوت يمكنه توليد 60 ثانية من الصوت في أقل من ثانية واحدة على “وحدة معالجة رسومية واحدة” (single GPU)، كما يمكنه الحفاظ على اتساق الصوت أثناء توليد المحتوى الطويل.

تم نشر MAI-Image-2 لأول مرة في 19 مارس، وجرى يوم الخميس أيضًا إطلاقه على نطاق تجاري واسع إلى جانب النموذجين الآخرين. وفي الوقت الراهن، يحتل هذا النموذج المركز الثالث في ترتيب توليد الصور بناءً على النص ضمن “ساحة النماذج الكبيرة”، خلف منتج غوغل الرائج Nano Banana 2 مباشرةً وOpenAI GPT-Image 1.5.

وبالمقارنة الأفقيّة في الأسعار، تبدأ تكلفة إدخال النص لـ MAI-Image-2 من 5 دولارات لكل 1 مليون رمز (tokens)، بينما تبدأ تكلفة إخراج الصور من 33 دولارًا لكل 1 مليون رمز. يبلغ سعر نموذج توليد الصور لدى Gemini 3 Pro من غوغل 120 دولارًا لكل 1 مليون رمز، وتبلغ تكلفة Gemini 3.1 Flash 60 دولارًا لكل 1 مليون رمز.

الهدف: تطوير نماذج كبيرة رائدة عالميًا بشكل مستقل

تعود أحدث خطوة لمايكروسوفت إلى أكتوبر من العام الماضي، عندما أعادت الشركة هيكلة الشراكة مع OpenAI، بما يسمح لمايكروسوفت بملاحقة حقوق الذكاء الاصطناعي العام بشكل منفرد أو بالتعاون مع شركاء من طرف ثالث. وقد كان الاتفاق السابق يسمح لمايكروسوفت باستخدام حقوق الملكية الفكرية لـ OpenAI، لكنه في الوقت نفسه كان يحظر عليها تطوير أنظمة ذكاء اصطناعي تنافسية.

صرّح الرئيس التنفيذي لشركة مايكروسوفت للذكاء الاصطناعي مصطفى سليمان علنًا بأن هدف هذا الفريق بحلول عام 2027 هو “القدرة على تحقيق المستوى الأكثر تقدّمًا فعليًا”، بما يشمل نماذج يمكنها الاستجابة للنص أو توليده، وكذلك الصور والصوت.

وأوضح سليمان أن الشركة تعمل على بناء القدرة الحاسوبية اللازمة لتدريب النماذج، وأنها بدأت من أكتوبر من العام الماضي في نشر شرائح NVIDIA GB200.

وقال: “منذ ذلك الحين، سنقوم تدريجيًا بزيادة مستوى التطور خلال حوالي 12 إلى 18 شهرًا مقبلة، للوصول إلى قدرات حسابية بحجم طليعي.”

وبصفته المؤسس المشارك لدى DeepMind التابعة لـ غوغل، انضم سليمان إلى مايكروسوفت في 2024، ليتولى مسؤولية دمج الذكاء الاصطناعي في منتجاتها الاستهلاكية. وبعد أن تم التوصل إلى اتفاق بين مايكروسوفت وOpenAI في أكتوبر من العام الماضي، تولّى سليمان في نوفمبر من العام الماضي القيادة بدوام كامل لفريق مايكروسوفت فائق الذكاء في مجال الذكاء الاصطناعي. وفي إعادة الهيكلة الداخلية التي جرت في الشهر الماضي، تم تقليص مسؤوليات سليمان لتقتصر على تطوير النماذج، بينما تولّى المدير التنفيذي السابق في Snap، يعقوب أندريو، منصب قيادة منتجات مساعد Copilot لدى مايكروسوفت الموجهة للمستخدمين من الشركات والأفراد.

قال سليمان لوسائل الإعلام: “نريد التأكيد على أن من الأهمية بمكان، خلال السنوات الثلاث إلى الخمس القادمة، دفع قدراتنا الأكثر تقدّمًا في مجال الذكاء الاصطناعي إلى الأمام داخليًا، وتحقيق هذه المهمة الاستراتيجية المتمثلة في الاستقلال طويل الأمد.” وأضاف في الوقت نفسه أن الشركة ستواصل أيضًا استضافة النماذج التي يطوّرها شركاء آخرون.

ومن منظور طويل الأجل، فإن حقوق الوصول العميق التي تتمتع بها مايكروسوفت إلى حقوق الملكية الفكرية لـ OpenAI ستنتهي صلاحيتها في الفترة بين 2032 و2032، لذلك يُعد تطوير نماذج كبيرة من صنع الذات أيضًا إجراءً مهمًا لإدارة المخاطر.

كما أن أعمال نماذج مايكروسوفت المطوّرة ذاتيًا والتي بدأت للتو لا تزال تواجه العديد من أوجه القصور، بما يوضح أن فريق سليمان سيحتاج خلال العام المقبل إلى إنجاز الكثير من الأعمال.

فعلى سبيل المثال، لا يدعم MAI-Image-2 حاليًا سوى نسبة أبعاد 1:1 ولا يوفر خيارات أفقية أو عمودية، كما لا تتوفر ميزات شائعة في تطبيقات الذكاء الاصطناعي الأخرى مثل تحرير الصور من صورة إلى أخرى أو دعم الصور المرجعية. ولا يستطيع MAI-Transcribe-1 التمييز بين المتحدثين المختلفين داخل المحادثة، ولا يدعم تحيز السياق (context bias) أو البث المتدفق (streaming)، وتقول مايكروسوفت إن هذه الميزات الثلاث كلها قيد التطوير.

（المصدر: شبكة Caixin Finance）