الحل المرّ للذكاء الاصطناعي الرأسي: صعود الذكاء الاصطناعي الأفقي
تتناول هذه التدوينة المنافسة بين تطبيقات الذكاء الاصطناعي الرأسي (الذكاء الاصطناعي المُحسّن لمجالات محددة) وتطبيقات الذكاء الاصطناعي الأفقي (الذكاء الاصطناعي الأكثر عمومية وقابلية للتطوير). باستخدام الخبرة الشخصية وإطار عمل قوى هاملتون هيلمر السبع، يجادل الكاتب بأن تطبيقات الذكاء الاصطناعي الرأسي تجد صعوبة في الحفاظ على ميزة تنافسية مع تحسن أداء النموذج. باستثناء حالات نادرة تمتلك موارد حصرية وضرورية، سيتم تجاوز معظم تطبيقات الذكاء الاصطناعي الرأسي في النهاية بواسطة ذكاء اصطناعي أفقي متفوق. يُشبه الذكاء الاصطناعي الأفقي زميلًا عن بُعد، سهل التكامل، وأقل تكلفة، ويُحسّن أداءه باستمرار من خلال تطورات النموذج. يستخدم الكاتب مشروعه AcademicGPT كدراسة حالة، مُوضحًا كيف تم تجاوز تطبيق ذكاء اصطناعي رأسي بواسطة نماذج ذكاء اصطناعي أفقي أكثر عمومية.
اقرأ المزيد