← أحدث الأبحاث
🤖 machine learning

Intern-S1-Pro: Scientific Multimodal Foundation Model at Trillion Scale

يُعدّ Intern-S1-Pro نموذجاً تأسيسياً علمياً متعدد الوسائط مفتوح المصدر بمليون تريليون معلمة، وهو نموذج رائد يستفيد من بنية تحتية فعالة للتدريب بالتعلم التعزيزي ليتفوق في كل من الاستدلال العام وأكثر من 100 مهمة علمية متخصصة، متجاوزاً بذلك النماذج المملوكة في العمق النوعي الخاص بالمجالات مع الحفاظ على قدرات عامة رفيعة المستوى.

المؤلفون الأصليون: Yicheng Zou, Dongsheng Zhu, Lin Zhu, Tong Zhu, Yunhua Zhou, Peiheng Zhou, Xinyu Zhou, Dongzhan Zhou, Zhiwang Zhou, Yuhao Zhou, Bowen Zhou, Zhanping Zhong, Zhijie Zhong, Haiteng Zhao, Penghao Zhao, Xia
نُشر 2026-03-27
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Yicheng Zou, Dongsheng Zhu, Lin Zhu, Tong Zhu, Yunhua Zhou, Peiheng Zhou, Xinyu Zhou, Dongzhan Zhou, Zhiwang Zhou, Yuhao Zhou, Bowen Zhou, Zhanping Zhong, Zhijie Zhong, Haiteng Zhao, Penghao Zhao, Xiaomeng Zhao, Zhiyuan Zhao, Yechen Zhang, Jin Zhang, Wenwei Zhang, Hongjie Zhang, Zhuo Zhang, Wenlong Zhang, Bo Zhang, Chao Zhang, Chen Zhang, Yuhang Zang, Fei Yuan, Jiakang Yuan, Jiashuo Yu, Jinhui Yin, Haochen Ye, Qian Yao, Bowen Yang, Danni Yang, Kaichen Yang, Ziang Yan, Jun Xu, Yicheng Xu, Wanghan Xu, Xuenan Xu, Chao Xu, Ruiliang Xu, Shuhao Xing, Long Xing, Xinchen Xie, Ling-I Wu, Zijian Wu, Zhenyu Wu, Lijun Wu, Yue Wu, Jianyu Wu, Wen Wu, Fan Wu, Xilin Wei, Qi Wei, Bingli Wang, Rui Wang, Ziyi Wang, Zun Wang, Yi Wang, Haomin Wang, Yizhou Wang, Lintao Wang, Yiheng Wang, Longjiang Wang, Bin Wang, Jian Tong, Zhongbo Tian, Huanze Tang, Chen Tang, Shixiang Tang, Yu Sun, Qiushi Sun, Xuerui Su, Qisheng Su, Chenlin Su, Demin Song, Jin Shi, Fukai Shang, Yuchen Ren, Pengli Ren, Xiaoye Qu, Yuan Qu, Jiantao Qiu, Yu Qiao, Runyu Peng, Tianshuo Peng, Jiahui Peng, Qizhi Pei, Zhuoshi Pan, Linke Ouyang, Wenchang Ning, Yichuan Ma, Zerun Ma, Ningsheng Ma, Runyuan Ma, Chengqi Lyu, Haijun Lv, Han Lv, Lindong Lu, Kuikun Liu, Jiangning Liu, Yuhong Liu, Kai Liu, Hongwei Liu, Zhoumianze Liu, Mengjie Liu, Ziyu Liu, Wenran Liu, Yang Liu, Liwei Liu, Kaiwen Liu, Junyao Lin, Junming Lin, Tianyang Lin, Dahua Lin, Jianze Liang, Linyang Li, Peiji Li, Zonglin Li, Zehao Li, Pengze Li, Guoyan Li, Lingkai Kong, Linglin Jing, Zhenjiang Jin, Feifei Jiang, Qian Jiang, Junhao Huang, Zixian Huang, Haian Huang, Zhouqi Hua, Han Hu, Linfeng Hou, Yinan He, Conghui He, Tianyao He, Xu Guo, Qipeng Guo, Aijia Guo, Yuzhe Gu, Lixin Gu, Jingyang Gong, Qiming Ge, Jiaye Ge, Songyang Gao, Jianfei Gao, Xinyu Fang, Caihua fan, Yue Fan, Yanhui Duan, Zichen Ding, Shengyuan Ding, Xuanlang Dai, Erfei Cui, Ganqu Cui, Pei Chu, Tao Chu, Guangran Cheng, Yu Cheng, Kai Chen, Yongkang Chen, Chiyu Chen, Guanzhou Chen, Qiaosheng Chen, Sitao Chen, Xin Chen, Haojiong Chen, Yicheng Chen, Weihan Cao, Yuhang Cao, Qinglong Cao, Lei Bai

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول بناء الروبوت "العالم الخارق" الأمثل.

في الماضي، كان لدينا نوعان من الروبوتات:

  1. العام (Generalist): روبوت يعرف القليل عن كل شيء (التاريخ، الرياضيات، الطبخ، الأفلام) ولكنه ليس خبيراً في أي شيء.
  2. المتخصص (Specialist): روبوت يعرف كل شيء عن شيء واحد فقط (مثل الكيمياء) ولكنه لا يستطيع التحدث عن الأفلام أو إجراء العمليات الحسابية.

تقدم هذه الورقة البحثية Intern-S1-Pro، وهو أول "عالم خارق" بـ "تريليون معامل" (Trillion-Parameter). فكر في الأمر كأن لديك روبوتاً بذاكرة ضخمة جداً (تريليون اتصال!) لدرجة أنه لا يضطر للاختيار بين أن يكون عاماً أو متخصصاً؛ بل هو كلاهما في آن واحد.

إليك شرح بسيط لكيفية بناء هذا الروبوت ولما-ذا هو مميز:

1. توسيع الدماغ: "مكتبة الخبراء"

تخيل مكتبة. النسخة القديمة (Intern-S1) كانت تمتلك بضعة أمناء مكتبة أذكياء جداً. أما النسخة الجديدة (Intern-S1-Pro)، فقد وسعت المكتبة لتضم آلاف الخبراء المتخصصين (كيميائيين، علماء أحياء، جيولوجيين) يعملون جميعاً معاً.

  • المشكلة: إذا قمت فقط برمي 1000 خبير في غرفة واحدة، فقد يتجادلون، أو قد يقوم بعضهم بكل العمل بينما يظل الآخرون خاملين. هذا يسبب تعطل النظام (مثل الازدحام المروري).
  • الحل (التوجيه الجماعي - Group Routing): ابتكر الفريق نظام "شرطي مرور". قاموا بتجميع الخبراء في فرق. وعندما يأتي سؤال، يرسله شرطي المرور إلى أفضل فريق، ومن داخل هذا الفريق، إلى أفضل خبير. هذا يحافظ على توازن عبء العمل بشكل مثالي حتى لا يتعطل الكمبيوتر، رغم ضخامة هذا الدماغ.
  • تطوير "الموجه" (Router): لجعل شرطي المرور يتعلم بسرعة، استخدموا خدعة خاصة (تسمى "المقدر المباشر - Straight-Through Estimator") تسمح للشرطي بالتعلم من كل خطأ يرتكبه، وليس فقط من الأخطاء التي وقع فيها، مما يسرع عملية التعلم.

2. تعلم "رؤية" العلوم

العلم ليس مجرد نصوص؛ بل هو صور، ورسوم بيانية، ومخططات.

  • المشكلة: معظم نماذج الذكاء الاصطنا_عي تنظر إلى الرسم البياني العلمي وتراه كمجموعة مشوشة من الخطوط. لا يمكنها قراءة الملصقات الصغيرة أو فهم البيانات المعقدة.
  • الحل: بنى الفريق "مصنع وصف" (Caption Factory) خاصاً. بدلاً من ترك الذكاء الاصطناعي يخمن ما هي الصورة، استخدموا مسار عمل لتحويل الأوراق العلمية إلى أوصاف عالية الجودة.
    • تشبيه: تخيل مترجماً بشرياً لا يترجم الكلمات فحسب، بل يشرح لماذا يبدو الرسم البياني بهذا الشكل. لقد غدوا الذكاء الاصطناعي بملايين من هذه "الأوصاف الفائقة" حتى تعلم كيفية قراءة المخططات العلمية مثل طالب دكتوراه.

3. الاستماع إلى الزمن (وحدة السلاسل الزمنية)

غالباً ما تتضمن العلوم بيانات تتغير بمرور الوقت، مثل نبضات القلب، أو أنماط الطقس، أو أسواق الأسهم.

  • المشكلة: يعامل الذكاء الاصطنا_عي القياسي الوقت كأنه سلسلة من الخرز (خطوات منفصلة). لكن الحياة الواقعية هي نهر متدفق.
  • الحل: أضافوا "مشفر سلاسل زمنية" (Time-Series Encoder).
    • تشبيه: بد instead من النظر إلى فيلم إطار تلو الآخر، تراقب هذه الوحدة التدفق الكامل للنهر. يمكنها التعامل مع بيانات قصيرة جداً (بضع ثوانٍ) أو طويلة جداً (سنوات من البيانات) دون ارتباك. إنها تشبه امتلاك آلة زمن تفهم إيقاع الكون.

4. القدرة على "الوكالة" (Agent Capability): القيام بالعمل

هذا ليس مجرد روبوت يجيب على الأسئلة؛ إنه روبوت يفعل الأشياء.

  • التطوير: يمتلك Intern-S1-Pro مهارات "الوكيل" (Agent).
    • تشبيه: إذا سألت ذكاءً اصطناعياً عادياً: "كيف أقوم بتخليق هذه المادة الكيميائية؟"، سيعطيك وصفة. أما إذا سألت Intern-S1-Pro، فيمكنه تخطيط التجربة، والبحث عن الأدوات المناسبة، وتشغيل المحاكاة، والتحقق من النتائج. إنه يشبه توظيف مساعد شخصي يمكنه فعلياً الذهاب إلى المختبر والقيام بالعمل، وليس فقط كتابة مذكرة حوله.

5. النتائج: لماذا يهم هذا؟

اختبر الفريق هذا الروبوت الجديد ضد أذكى النماذج مغلقة المصدر (مثل النماذج السرية من شركات التقنية الكبرى) والنماذج الأخرى مفتوحة المصدر.

  • الحكم النهائي: تفوق Intern-S1-Pro على الجميع في المهام العلمية.
    • في الكيمياء، والأحياء، وعلوم المواد، سجل درجات أعلى من النماذج "الصندوق الأسود" التي تكلف ملايين الدولارات لتشغيلها.
    • كما حافظ أيضاً على ذكائه العام (الرياضيات، البرمجة، المنطق)، مما يثبت أنك لست مضطراً للتضحية بكونك "ذكياً بشكل عام" لتكون "ذكياً في العلوم".

الخلاصة الكبرى

تثبت هذه الورقة فكرة غير متوقعة: لست بحاجة إلى روبوت منفصل لكل علم.

إذا بنيت دماغاً واحداً ضخماً ومنظماً جيداً (عقل "عام قابل للتخصص") وغذيته بالبيانات الصحيحة، يمكنه أن يصبح أفضل عالم في العالم وفي نفس الوقت أفضل مساعد عام. إنها قفزة هائلة للأمام في مجال "الذكاء الاصطنا_عي من أجل العلوم"، مما يعني أن هذه الأداة يمكن أن تساعد الباحثين في اكتشاف أدوية جديدة، وتصميم بطاريات أفضل، وفهم كوكبنا بشكل أسرع من أي وقت مضى.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →