MAI-Voice-1 وMAI-1-preview: هذه هي نماذج الذكاء الاصطناعي الأولى من Microsoft AI.

إنفورماتيك ديجيتال » الذكاء الاصطناعي » MAI-Voice-1 وMAI-1-preview: هذه هي نماذج الذكاء الاصطناعي الأولى من Microsoft AI.

صورة رائعة

أطلقت مايكروسوفت أول نموذجين للذكاء الاصطناعي خاصين بها تحت مظلة مايكروسوفت للذكاء الاصطناعي: MAI-Voice-1 وMAI-1-preview . وتهدف الشركة من خلال هذه الخطوة إلى تبني استراتيجية منتجات تستفيد فيها مساعداتها وخدماتها من نماذج متخصصة، مصممة للتعامل مع الصوت والنص على حد سواء.

تهدف الشركة التقنية إلى جعل الذكاء الاصطناعي "بوابةً إلى عالمٍ من المعرفة"، وذلك من خلال تنسيق مجموعة من الأنظمة الموثوقة التي تفهم كل مستخدم. ويتجلى هذا في ابتكارين رئيسيين: نموذج صوتي سريع ومعبر للغاية، ونموذج نصي يعتمد على مزيج من الخبراء ويركز على اتباع التعليمات وتقديم إجابات مفيدة للاستخدام اليومي.

ما هو MAI ولماذا الآن؟

MAI هو اختصار لـ Microsoft AI ، العلامة التجارية التي تندرج تحتها نماذج مايكروسوفت الأساسية. السياق مهم: فالعلاقة مع OpenAI مستمرة، لكنها تزداد تنافسية، لدرجة أن مايكروسوفت أدرجت OpenAI ضمن قائمة منافسيها . ومع ذلك، تُصرّ الشركة على أنها ستواصل استخدام "أفضل النماذج" من الشركاء والمجتمع المفتوح حيثما كان ذلك مناسبًا.

يقف وراء هذه الإطلاقات مصطفى سليمان ، الرئيس التنفيذي لشركة مايكروسوفت للذكاء الاصطناعي والمؤسس المشارك لشركة ديب مايند، الذي أوضح الهدف بوضوح: إنشاء "الذكاء الاصطناعي المطبق كمنصة للمنتجات". بعبارة أخرى، نماذج متخصصة تتكامل مع Copilot وغيرها من التجارب، وتغطي بكفاءة احتياجات الصوت والنص المحددة.

MAI-Voice-1: نموذج الصوت الذي يعطي الأولوية للسرعة والتعبير

أول ما تم الكشف عنه هو MAI-Voice-1 ، وهو نظام لتوليف الصوت قادر على توليد صوت معبر وعالي الدقة مع زمن استجابة منخفض للغاية. وتكمن ميزته الرئيسية في قدرته على إنتاج دقيقة واحدة من الصوت في أقل من ثانية واحدة ، مع الحفاظ على طبيعية الصوت وتنوع النبرة.

إلى جانب السرعة، تتميز هذه التقنية بقدرتها على التعبير: يدعم هذا النموذج أنماطًا ونبراتٍ وتفاصيلَ مختلفة في التعليق الصوتي، وهو مصمم للسرد أو التوجيه الصوتي . في سيناريوهات الصوت الواحد أو الأصوات المتعددة، تكون النتيجة صوتًا وصفته مايكروسوفت بأنه "معبّر للغاية وطبيعي".

تُعدّ الكفاءة ميزة أساسية أيضًا: يعمل نظام MAI-Voice-1 باستخدام وحدة معالجة رسومية واحدة للاستدلال، مما يجعله من بين أكثر أنظمة الصوت كفاءةً المتوفرة حاليًا. في بيئة تتسم بتكاليف حوسبة باهظة، يُعدّ هذا التحسين بالغ الأهمية لتوسيع نطاق الوظائف لتشمل المنتجات الاستهلاكية.

من حيث التوافر، تم دمج MAI-Voice-1 بالفعل في Copilot Daily و Podcasts ، كما يُقدم كتجربة جديدة ضمن Copilot Labs . هناك، يُمكن تجربة السرد والتعبير الصوتي، وتعديل الأساليب واستكشاف أصوات مختلفة ضمن بيئة المختبر.

كيف يبدو الأمر وما يمكنك فعله به اليوم

يقول من جربوا هذه الميزة إن الصوت يبدو طبيعيًا للغاية ، مع تحكم ممتاز في النبرة والإيقاع. لكن تجدر الإشارة إلى أنها متوفرة حاليًا باللغة الإنجليزية فقط . وتقدم مايكروسوفت أمثلة نموذجية: اطلب منها "قصة عن الديناصورات" وستتلقى سريعًا قصة مدتها دقيقة واحدة مع تنويعات ونبرات صوتية مناسبة.

تتيح لك ميزة " التعبيرات الصوتية " في Copilot Labs إنشاء ملفات صوتية من نص مكتوب وتعديل أسلوب السرد. تتضمن هذه الميزة أوضاعًا مثل الوضع العاطفي (لضبط النبرة والإيقاع، أو تعيين أصوات مختلفة) ووضع القصة المُصمم خصيصًا للسرد التعبيري. والهدف من ذلك هو تسهيل عملية الاختبار والتجريب لأولئك الذين يرغبون في استكشاف الإمكانيات دون الحاجة إلى إعداد بيئة معقدة.

من بين حالات الاستخدام، تذكر مايكروسوفت كل شيء بدءًا من سرد القصص والتعليق الصوتي وصولًا إلى جلسات التأمل الموجهة، فضلًا عن إمكانية استخدام المساعدين الافتراضيين مع المحادثات الفورية. ويساهم انخفاض زمن الاستجابة، إلى جانب القدرة على التعبير، في توفير تجارب أكثر سلاسة في واجهات الصوت حيث تُعدّ الطبيعية أمرًا بالغ الأهمية.

• السرد الديناميكي للقصص أو البودكاست أو التعليم.
• تأملات موجهة ومحتوى صحي مع اختلافات لونية.
• مساعدين المحادثة في الوقت الحقيقي (تقريبًا)، مع مراعاة السياق.
• النمذجة السريعة في Copilot Labs مع تعديلات الأسلوب والصوت.

كفاءة الحوسبة: دقيقة واحدة من الصوت في أقل من ثانية واحدة

يتطلب إنتاج صوت عالي الدقة وغني بالتفاصيل براعة تقنية فائقة، لكن MAI-Voice-1 يتميز بتحقيق ذلك باستخدام وحدة معالجة رسومية واحدة فقط ، وبزمن استجابة منخفض للغاية. الرقم مثير للإعجاب: دقيقة واحدة من الصوت في أقل من ثانية واحدة . بالنسبة للمنتجات الاستهلاكية، يُعد هذا المزيج - زمن الاستجابة المنخفض والتكلفة المعقولة - أساسيًا لتقديم تجارب سلسة وقابلة للتطوير.

في ظل المنافسة الشديدة بين أنظمة الصوت اليوم، والتي تتنافس فيها الأنظمة على الجودة والسرعة، تضع مايكروسوفت نظام MAI-Voice-1 ضمن أكثر الأنظمة كفاءةً المتاحة. ولا تقتصر هذه الكفاءة على توفير التكاليف فحسب، بل تتيح أيضاً استخدامات كانت غير عملية سابقاً بسبب التكلفة أو زمن الاستجابة.

أين يمكنك تجربة MAI-Voice-1

يخضع برنامج MAI-Voice-1 اليوم للاختبار من قبل المستخدمين عبر Copilot Daily (ملخصات الأخبار) و Copilot Podcasts ، بالإضافة إلى مختبرات Copilot . في المختبرات، تُعرض نماذج الكلام والسرد التعبيري مدى التحكم في الأسلوب والإيقاع والنبرة، مع ضمان جودة صوت عالية.

إذا كنت مهتمًا بالتجربة، فإن أسهل طريقة هي فتح Copilot Labs والوصول إلى قسم الصوت لتجربة أوضاع السرد . ورغم التوقعات العالية، يجدر التذكير بأن هذه مجرد الدفعة الأولى؛ ستواصل مايكروسوفت تطويرها بناءً على ملاحظات المستخدمين، وتعديل المعايير، وتوسيع الإمكانيات مع مرور الوقت.

معاينة MAI-1: نموذج النص المدرب على نطاق واسع

إلى جانب نموذج الصوت، يأتي MAI-1-preview ، وهو أول نموذج لغوي خاص بشركة مايكروسوفت للذكاء الاصطناعي، مصمم لتتبع التعليمات والإجابة على الاستفسارات اليومية بكفاءة. ويعتمد النموذج على بنية "مزيج الخبراء " (MoE)، وهي استراتيجية تتخصص فيها عدة خبراء ويتم تفعيلهم بشكل انتقائي حسب المهمة، مما يحسن الكفاءة والأداء.

فيما يتعلق بالتدريب، أوضحت مايكروسوفت أن نموذج MAI-1-preview خضع للتدريب المسبق واللاحق باستخدام ما يقارب 15.000 وحدة معالجة رسومية من نوع Nvidia H100 . يوفر هذا الحجم أساسًا متينًا لمواءمة التعليمات وتقديم استجابات عملية في سيناريوهات الدردشة والإنتاجية الشائعة.

يُذكّرنا نهج MoE بالاتجاهات الحديثة في النماذج المتقدمة: تقسيم النظام إلى مكونات متخصصة وتفعيل ما هو ضروري فقط لكل استعلام. وقد شوهد هذا المخطط في مشاريع مثل DeepSeek وQwen ، حيث تُصبح الكفاءة أثناء الاستدلال عاملاً مميزاً مقارنةً بالبنى الكثيفة التقليدية.

التوفر والتقييم العام والنشر التدريجي

أصبح MAI-1-preview متاحًا الآن للاختبار على منصة تقييم مجتمع LMArena . لاختباره، ما عليك سوى تسجيل الدخول، واختيار وضع الدردشة المباشرة ، ثم اختيار "mai-1-preview" ليتمكن أي شخص من تجربة أدائه في محادثات حقيقية ومقارنته بنماذج أخرى.

بدأت مايكروسوفت أيضًا بنشر النسخة التجريبية من MAI-1 في Copilot لبعض حالات استخدام النصوص. والهدف من ذلك مزدوج: جمع ملاحظات المستخدمين، ومواصلة تحسين النموذج في بيئة واقعية، بالتوازي مع الأنظمة الأخرى التي تدعم حاليًا جوانب رئيسية من مساعد الشركة.

في الوقت نفسه، أتاحت الشركة الوصول إلى واجهة برمجة التطبيقات (API) للمختبرين والمطورين الموثوق بهم في مرحلة الوصول المبكر. ستُمكّنهم هذه المرحلة المُراقبة من جمع ملاحظات حول متانة وأداء النظام قبل طرحه لجمهور أوسع، مع التركيز بشكل خاص على جودة الاستجابة والامتثال للتعليمات.

هل هو بديل لنماذج OpenAI؟ التعايش وطموحه الخاص

أوضحت مايكروسوفت أنها ستواصل، في الوقت الحالي، دمج نماذجها مع نماذج شركائها ومع ابتكارات المجتمع. عمليًا، هذا يعني أن MAI-1-preview ليس مصممًا ليحل محل الأنظمة التي تُشغّل Copilot حاليًا. في الواقع، تخطط الشركة لاستخدامه في مهام محددة ، وقياس النتائج، وتعديل النشر بناءً على الملاحظات.

تشير بعض التقارير إلى أن هذا لن يحل محل الإصدارات الأكثر تطوراً من عائلة GPT في Copilot؛ على أي حال، الأهم هو أن مايكروسوفت تتجه نحو مزيد من الاستقلالية التكنولوجية . ويستمر التعاون مع OpenAI، لكنه أصبح أكثر دقة، حيث بات الطرفان يعتبران بعضهما منافسين في سوق الذكاء الاصطناعي.

يُقدَّم هذا الفصل في سياق علاقة معقدة مع شركة OpenAI. استثمرت مايكروسوفت بكثافة، وكان هذا التحالف محورياً في استراتيجيتها لفترة من الزمن، لكنها أدرجت OpenAI العام الماضي كمنافس لها إلى جانب أمازون وآبل وجوجل وميتا. في الوقت نفسه، أعربت OpenAI عن تحفظاتها بشأن مشاركة التقنيات المتطورة المستقبلية، مثل الذكاء الاصطناعي العام الافتراضي، مما يؤكد حاجة مايكروسوفت إلى امتلاك قدراتها الخاصة.

فلسفة التصميم: الذكاء الاصطناعي المفيد، وليس "الشخصية الرقمية"

إلى جانب المقاييس والمعايير، اتخذت مايكروسوفت موقفًا واضحًا بشأن تجربة الذكاء الاصطناعي التفاعلي التي ينبغي أن يقدمها. وقد حذر سليمان من مخاطر بناء أنظمة تبدو وكأنها تمتلك مشاعر أو أهدافًا خاصة بها، وهو ما قد يُولّد توقعات غير مرغوب فيها أو يُسبب ارتباكًا.

تتضمن خارطة الطريق إزالة السمات التي تُضفي على النظام صفات بشرية، وتعزيز ذكاء اصطناعي يكون أداةً مفيدةً ومسؤولة، دون الآثار الجانبية المتمثلة في التظاهر بالوعي. في حالة MAI-Voice-1، يعني هذا إعطاء الأولوية للتعبيرية والطبيعية في الصوت دون تجاوز حدود محاكاة المشاعر البشرية بشكلٍ مُضلل .

الاستراتيجية: تنسيق النماذج المتخصصة مع التركيز على المنتج

تؤكد مايكروسوفت أن هدفها هو إنشاء منظومة متكاملة من النماذج المصممة لأغراض وسياقات محددة. عمليًا، يغطي MAI-Voice-1 واجهة المستخدم الصوتية بسرعة وجودة عاليتين، بينما يركز MAI-1-preview على مهام النصوص حيث يبرز تتبع التعليمات وسهولة الاستخدام الفوري للمستخدم.

تتيح هذه المرونة لـ Copilot والخدمات الأخرى الجمع بين أفضل ما في كل نموذج حسب الحالة، سواء كان ذلك سرد ملخص إخباري بصوت جذاب، أو الإجابة بدقة على استفسار يومي، أو تعديل أسلوب الإخراج المنطوق لبودكاست أو دليل تأمل.

حالات الاستخدام والفرص للمستخدمين والمطورين

بالنسبة للمستخدم النهائي، يُترجم هذا إلى استجابات أكثر فائدة وتجارب صوتية محسّنة في المنتجات التي يستخدمها بالفعل. أما بالنسبة لفرق المحتوى أو فرق إنتاج البودكاست، فإن امتلاك محرك صوتي عالي الدقة ومنخفض التأخير يعني إنتاج محتوى أكثر وأفضل مع تقليل التعقيدات التقنية.

بالنسبة للمطورين، يتيح الوصول المبكر عبر واجهة برمجة التطبيقات MAI-1-preview إمكانية إنشاء النماذج الأولية وإجراء اختبارات مضبوطة، مما يسمح لهم بتقييم مزايا هذا النموذج مقارنةً بالنماذج الأخرى. كما تُمكّن مرحلة LMArena من إجراء مقارنات سياقية وجمع بيانات واقعية حول جودة الاستجابة والقدرة على اتباع التعليمات.

• المستخدمين:تم تحسين الصوت في Copilot Daily و Podcasts؛ وتمت إضافة المزيد من التفاعل الطبيعي.
• المبدعون:الروايات والنصوص مع التحكم في الأسلوب والإيقاع.
• مؤسسات:مساعدين صوتيين يتمتعون بزمن وصول منخفض للغاية وقدرة عالية على التعبير.
• المطورين:اختبار LMArena والوصول المبكر إلى واجهة برمجة التطبيقات للتكرار السريع.

ماذا نتوقع على المدى القصير

على المدى القريب، سنرى MAI-1-preview يعمل جنبًا إلى جنب مع النماذج الأخرى في Copilot لحالات استخدام نصية محددة، بينما تقوم مايكروسوفت بتحليل الملاحظات وتطبيق التحسينات. يتيح لنا هذا النهج التدريجي قياس التأثير وتحسين التجربة بدقة دون المساس بتجربة المستخدم الشاملة.

بالتوازي مع ذلك، من المتوقع أن تُواصل الشركة تطوير MAI-Voice-1 ضمن مختبرات Copilot والمنتجات التي يُطبّق عليها بالفعل. ومن خلال إضافة المزيد من سيناريوهات الكلام والأمثلة، ستتمكن مايكروسوفت من التحقق بشكل أفضل من استجابة النموذج للأنماط المتنوعة وتحديات الإنتاج الواقعية.

علامات الاتجاه المستقبلي

تُؤكد مايكروسوفت بوضوح على طموحها للوصول إلى مليارات الأشخاص من خلال منتجاتها، وذلك عبر تطوير النماذج وقوة الحوسبة. يُعدّ MAI-1 بدايةً لسلسلة جديدة، ومن المتوقع ظهور إصدارات مُحسّنة تُوازن بين الجودة والتكلفة وزمن الاستجابة.

على الصعيد التنافسي، تشير استراتيجية هامش التميز في نماذج النصوص إلى أن مايكروسوفت ستواصل استكشاف بنى الاستدلال الفعّالة ، وهو عامل أساسي في التوسع إلى أحجام كبيرة في منتجات السوق الشامل. وتؤكد حالة MAI-Voice-1 كذلك أن الصوت يمثل أولوية باعتباره واجهة المستقبل للمساعدين الصوتيين.

العلاقة مع النظام البيئي والموقف العام

ستبقى العلاقة مع OpenAI وثيقة الصلة، لكن مايكروسوفت أثبتت بالفعل أنها لا ترغب في الارتباط بمصدر واحد للابتكار. ستواصل دمج أفضل ما لدى فريقها وشركائها والمجتمع المفتوح، طالما يُضيف ذلك قيمة للمنتجات والعملاء. وفي الوقت نفسه، تُرسّخ علامتها التجارية (MAI) كأداة لتحقيق الاستقلالية حيثما يكون ذلك استراتيجياً.

قد يُسهم هذا التوازن الدقيق - التعايش الآن والاستقلالية الأكبر غدًا - في تسريع المنافسة في مجال المساعدين وزيادة الإنتاجية. أما بالنسبة للمستخدمين، فالنتيجة المرجوة واضحة: مجموعة أوسع من الأدوات وتطوير أكثر فعالية لما يُسهم فعلاً في حل المشكلات اليومية.

يجمع نهج مايكروسوفت مع MAI-Voice-1 وMAI-1-preview بين العملية والسرعة: نموذج صوتي فعال ومعبر يدعم تجارب Copilot، ونموذج نصي واسع النطاق من نوع MoE بدأ نشره في بيئات مُحكمة، ويمكن اختباره في LMArena، ويُتاح عبر واجهة برمجة التطبيقات (API) للمختبرين الموثوق بهم. والهدف واضح: نماذج متخصصة، مُدمجة في المنتجات، تتكيف مع الاحتياجات اليومية لكل فرد.