معماری Mixture of Experts به زبان ساده

معماری Mixture of Experts (MoE) رو اگه بخوایم ساده و خودمونی توضیح بدیم، شبیه اینه که یه تیم از متخصص‌های مختلف داریم و برای هر کاری فقط همون متخصصی رو صدا می‌زنیم که بلده، نه اینکه کل تیم رو همزمان درگیر کنیم. توی مدل‌های زبانی بزرگ هم همین اتفاق می‌افته؛ یعنی به‌جای اینکه همه پارامترهای مدل فعال بشن، فقط چند کارشناس انتخابی وارد عمل می‌شن و نتیجه رو می‌دن. این کار رو یه بخش به اسم router یا gate انجام می‌ده که تصمیم می‌گیره کدوم کارشناس برای اون ورودی مناسب‌تره.

این ایده هم خیلی تازه نیست؛ اولین بار اوایل دهه‌ی نود مطرح شد، ولی الان با رشد مدل‌های عظیم دوباره جون گرفته. مدل‌هایی مثل Switch Transformers یا Mixtral نمونه‌های معروفی هستن که از MoE استفاده می‌کنن. جذابیت این معماری اینجاست که بدون اینکه هزینه پردازشی خیلی بالایی تحمیل کنه، ظرفیت مدل رو زیاد می‌کنه. مثلاً Mixtral 8×7B انگار ۴ برابر پارامتر داره ولی سرعت پیش‌بینیش تقریبا اندازه‌ی یه مدل ۱۲B عادیه، چون در هر لحظه فقط دو کارشناس فعال می‌شن.

مزیت بزرگ MoE اینه که هم آموزش و هم استفاده از مدل سریع‌تر می‌شه، چون همه‌ی بخش‌ها با هم کار نمی‌کنن. در عین حال، ظرفیت بیشتری برای یادگیری الگوهای پیچیده در اختیار داریم. اما مثل هر ایده‌ی دیگه، چالش‌هایی هم داره. اول اینکه همه‌ی کارشناسا باید داخل حافظه‌ی کارت گرافیک بار بشن، حتی اگر توی اون لحظه فعال نشن، پس مصرف VRAM بالاست. دوم اینکه باید مطمئن بشیم بار کاری بین کارشناسا منصفانه تقسیم می‌شه، چون ممکنه بعضیا همیشه درگیر باشن و بقیه بیکار بمونن. این مشکل رو معمولا با تکنیک‌هایی مثل load balancing یا جریمه‌های خاص حل می‌کنن. سومین سختی هم فاین‌تیون یا آموزش دوباره‌ی این مدل‌هاست که نسبت به مدل‌های ساده‌تر پیچیدگی بیشتری داره.

در نهایت، اگه بخوایم جمع‌بندی کنیم، MoE مثل یه سیستم مدیریتی هوشمنده که همیشه بهترین فرد رو برای انجام کار انتخاب می‌کنه. همین ویژگی باعث شده برای مدل‌های زبانی خیلی بزرگ کاربردی و کارآمد باشه. ولی همون‌طور که یک تیم بزرگ نیاز به مدیریت درست داره، این معماری هم نیاز به روش‌های دقیق برای تعادل و آموزش پایدار داره. پژوهش‌های اخیر نشون داده که با تنظیم درست، می‌شه از MoE بهترین بهره رو برد و آینده‌ی مدل‌های بزرگ هوش مصنوعی احتمالا بیشتر به این سمت خواهد رفت.

🔤🔤🔤🔤🔤🔤🔤

🥇 اهورا اولین اپراتور هوش مصنوعی راهبردی ایران در حوزه ارائه خدمات و سرویس‌های زیرساخت هوش مصنوعی

🛍کد تخفیف ۱۰ درصدی محصولات اهورا برای اعضای کانال
AHURA5

🌐 لینک وب‌سایت اهورا

@reza_jafari_ai

مرورگر Comet از Perplexity پیش‌ثبتنامش برای اندروید شروع شده، از تجربه نسخه دسکتاپش اینکه میشه باهاش کارهایی مثل انجام تحقیقات، گشتن توی فروم‌ها، خرید از سایت‌ها و کلا کارهایی که قبلا خودتون انجام میدادید رو براتون انجام بده.

نسخه اندرویدی هم قراره کارهای مشابهی بکنه و توی توضیح گوگل پلی نوشتن این مرورگر میتونه خودش رو با الگوهای کاری فرد تطبیق بده و عادت‌هاشو یاد بگیره تا کارهارو بهتر انجام بده.

برای پیش‌ثبت‌نام میتونید از این لینک رسمی گوگل‌پلی اقدام کنید. [L]

🤓 @geekalerts

رژه نظامی چین حاشیه‌های زیادی داشت، از صحبت‌های «شی» رهبر چین در مورد اینکه نظم جهانی باید تغییر کنه تا باز بودن میکروفون و شنیده شدن بخشی از صحبت‌هاش با پوتین. توی این گفتگو مترجم رهبر چین میگه «توی گذشته کمتر کسی هفتاد سالش میشد، ولی این روزا میگن آدم هفتاد ساله هنوز بچه‌ست.» و در ادامه مترجم پوتین میگه: «با پیشرفت بیوتکنولوژی، اعضای بدن انسان رو میشه به طور مداوم پیوند زد، و آدما میتونن جوان‌تر و جوان‌تر زندگی کنن، و حتی به جاودانگی برسن.»

بعد مترجم شی میگه «پیش‌بینی‌ها میگن که تو این قرن، این شانس وجود داره که آدما تا صد و پنجاه سال هم عمر کنن.» بعد از این ماجراها پوتین تو صحبت با رسانه‌ها میگه آره وقعا این حرف‌هارو زدیم ولی بیشتر بحث رو میبره سمت مردم و میگه میتونه امید به زندگی رو بیشتر کنه.

حواشی بیشتر اینه که میگن این دو تا بحثشون برای افزایش طول عمر خودشون بوده تا مردم، شی و پوتین هر دو ۷۲ ساله هستن و به ترتیب ۱۳ و ۲۵ ساله که توی قدرتن، هیچ تمایلی هم برای کنار رفتن ندارن، هر دو قوانین کشورشون رو تغییر دادن و شی میتونه مادام‌العمر و پوتین هم میتونه تا سال ۲۰۳۶ توی قدرت بمونه. [L]

🤓 @geekalerts