بخش دوربین سامسونگ این ممکن است عاری از نوآوری معنی دار باشد ، اما در مورد تلاش های شرکت در این زمینه نمی تواند چنین باشد. هوش مصنوعی او گفت ؛ موضوعی که در آخرین مدل AI برند به خوبی نشان داده شده است. مدلی که فقط برخی از مدل های بزرگ زبان (LLM) را تا 1.5 برابر اندازه خود ضرب و شتم!
خلاصه و نکات اصلی
- 🔹 سامسونگ یک مدل جدید و بسیار کوچک به نام TRM را نشان داد که فقط 2 میلیون پارامتر دارد.
- 🔹 این مدل از یک ساختار “بازگشتی” استفاده می کند که با تجزیه و تحلیل خروجی های آن ، به تفکر تکراری و پیشرفت مداوم دست می یابد.
- TRM بهتر یا برابر با غول هایی مانند Gemini 2.5 Pro در حل معماهای پیچیده مانند سودوکو ، در حالی که کارآمدتر است.
- این موفقیت نشان می دهد که معماری هوشمند می تواند جایگزین مقیاس پذیری گسترده شود و راه را برای هوش مصنوعی ارزان تر و کمتر مفید باز کند.
TRM چیست و چگونه کار می کند؟
سامسونگ مقاله “کمتر ، بیشتر: بازیابی میان افزار با شبکه های کوچک» (کمتر بیشتر است: توضیح استنتاج بازگشتی با استفاده از کاغذهای کوچک شبکه)جزئیات عالی معماری فرم بازگشت ریز (فرم بازگشتی یا TRM) او خودش را توصیف کرد. بدیهی است که این مدل کوچک و تنها است 2 میلیون پارامتر این در مقایسه با میلیاردها پارامتر است که مدل های بزرگ زبان را تشکیل می دهند.
مدل TRM سامسونگ
این مدل از یک ساختار منحصر به فرد استفاده می کند: با استفاده از خروجی های خود برای تعیین مراحل بعدی خود ، یک حلقه بازخورد خودجوش او ایجاد می کند. با هر تکرار ، مدل قادر به پیش بینی یا نتایج بهتری است. این رویکرد ، که مانند کسی است که هر بار پیش نویس خود را می خواند و اشتباهات را برطرف می کند ، بسیار برتر از رویکرد سنتی تر زنجیره ای بیش از حد است ، که اگر یک قدم واحد اشتباه پیش می رود ، اغلب از بین می رود.
نتایج معیار: کوچک اما قدرتمند
سامسونگ دریافت که کاهش لایه های مدل ، اما افزایش تعداد بازده ، در واقع عملکرد کلی TRM را بهبود می بخشد. این فرم در حل معماهای پیچیده به دست می آید: 4.9 ٪ در لواکوی شدید ، 2 ٪ در معماهای دشوار در پیچ و خم ، تا 2 ٪ در Arc-Age-1 و 2 ٪ در Arc-Age-2. نکته این است که TRM سامسونگ ، اگرچه فقط از بخش بسیار کمی از مدل های زبان بزرگتر استفاده می کند ، عملکرد بهتر یا تقریباً برابر Gemini 2.5 Pro با برخی از بهترین آنها ، از جمله Deepseek R1 ، دارای Google و Openai O3-Mini است.
جدول نتایج دقت
| معاینه | دقت به دست آمده توسط TRM |
| پیش نمایش | 4.3 ٪ |
| پازل های پیچ و خم چالش برانگیز | 1 ٪ |
| قوس AGE-1 | 1 ٪ |
| قوس-2 | 1 ٪ |
اهمیت این دستاورد برای آینده هوش مصنوعی
این دستاورد پیام مهمی را برای شرکت های هوش مصنوعی به همراه دارد: آنها باید معماری های هوشمند را در اولویت قرار دهید به مقیاس پذیری گسترده فکر کنید. این رویکرد راه را برای دستگاه های کوچکتر ، ارزان تر ، سبزتر و قابل مشاهده تر باز می کند.
اما لازم به ذکر است که این مدل در حال حاضر وجود دارد تمرکز کردن معما را حل کنید همچنین این مورد است که برنامه های گسترده تر آن نیاز به توسعه بیشتر دارد. اما این یک روش عالی برای تفکر و پیشرفت بزرگی برای آینده هوش مصنوعی است.
به نظر شما ، آیا موفقیت سامسونگ می تواند پله ای در توسعه هوش مصنوعی باشد و شرکت ها را به سمت ساخت مدلهای کوچکتر و کارآمدتر به جای مدل های بزرگتر و گران تر سوق دهد؟
برای دوستان خود ارسال کنید
منبع: https://toranji.ir/2025/10/09/%D8%A7%D9%86%D9%82%D9%84%D8%A7%D8%A8-%D8%B3%D8%A7%D9%85%D8%B3%D9%88%D9%86%DA%AF-%D8%AF%D8%B1-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%85%D8%AF%D9%84-%DB%B7-%D9%85%DB%8C%D9%84%DB%8C/
تحریریه ICTNN شبکه خبری
