توسّع NVIDIA Cosmos: بيانات وأدوات تدريب جديدة لنماذج العالم

وسّعت NVIDIA منصة Cosmos بأدوات جديدة لإعداد البيانات والتدريب والمحاكاة، موجهةً إلى الفرق التي تطوّر نماذج العالم. ونشرت الشركة الإعلان على مدونتها في 22 أكتوبر؛ كما عُرض جزء من التحديثات ضمن إعلانات GTC Berlin. ووفقًا لـNVIDIA، تجمع Cosmos أدوات البيانات والنماذج والتحسين لمساعدة أنظمة الذكاء الاصطناعي الفيزيائي على فهم العالم الحقيقي ومحاكاته.

خمسة مخططات لسير العمل من أجل إعداد البيانات

يركّز Cosmos Data Factory على توسيع نطاق عمليات وسم البيانات وتنظيمها وتنويعها وتقييمها. كما يدعم Cosmos Curator، الذي ينظّم مجموعات بيانات الفيديو التدريبية باستخدام GPU، كتلًا جديدة لمعالجة المدخلات متعددة الأنماط والحواس.

يتضمن Data Factory خمسة مخططات جاهزة لسير العمل، سحابية الأصل، متاحة عبر GitHub وMicrosoft Azure وNebius وCoreWeave. وتستهدف هذه المسارات الجاهزة احتياجات مختلفة لإعداد البيانات:

• في أعمال المركبات ذاتية القيادة، تُنظّم سجلات القيادة وتُوسم، ويمكن إنشاء عينات إضافية للحالات النادرة أو التي يصعب تسجيلها.

• يغيّر مسار تعزيز السمات المرئية مظهر العناصر لإنشاء محتوى أكثر تنوعًا للبحث المرئي.

• ينشئ مخطط فيديو الأحداث عينات متحركة من صور ثابتة، تعرض حالات نادرة أو تنطوي على مخاطر تتعلق بالسلامة.

• يهدف إنشاء صور العيوب إلى توفير بيانات الفحص للعيوب في لوحات الدوائر والمعادن والزجاج.

• يغيّر مسار تعزيز الفيديو ظروف الطقس والإضاءة في الصور مع الحفاظ على التكوين العام للمشهد.

وبحسب NVIDIA، تستخدم Porsche منصة Cosmos Data Factory عبر Voxel51 وMicrosoft Azure لتطوير دورة بيانات مشتركة للمركبات ذاتية القيادة بين علامات مجموعة Volkswagen Group. وتشير الشركة إلى أن هذا النهج يُتوقع أن يقلل جولات الاختبار الميداني المتكررة بنسبة تصل إلى 90%، ومدة التطوير بنسبة تصل إلى 85%. وهذه النسب توقعات أوردتها NVIDIA، ولم تُقدّم في الإعلان على أنها قياسات مستقلة.

تدريب النماذج وتحسينها

يُوصَف Cosmos Framework بأنه بنية مفتوحة ومعيارية لتدريب النماذج وتحسينها. وتقول NVIDIA إن بإمكان المطورين تكييف النماذج المفتوحة مثل GR00T وAlpamayo وQWEN وPi0.5 عبر الضبط الدقيق أو التعلّم المعزّز. كما يمكن تشغيل نماذج Hugging Face المتوافقة باستخدام هذه الأدوات. وبعد التدريب، يمكن تحسين النماذج بالتقطير والتكميم وتجهيزها للنشر.

في مثال MicroAGI الوارد في الإعلان، أُعيد تدريب Cosmos 3 باستخدام مقاطع فيديو تُظهر تفاعل الأشخاص مع الأشياء. بعد ذلك، قُطّر نموذج استدلال يضم 32 مليار مُعامل إلى نموذج Nano يضم 8 مليارات مُعامل، مع الإشارة إلى عدم فقدان الدقة. وتتعلق هذه النتيجة بتطبيق محدد شاركته الشركة، ولا تثبت إمكانية تحقيق النتيجة نفسها مع نماذج أو مهام أخرى.

أثر ذلك في المحاكاة وسير عمل التصميم

تستهدف إصدارات المحاكاة الجديدة من Cosmos 3 Nano اختبار السياسات المطوّرة للمركبات ذاتية القيادة والروبوتات ثنائية الذراعين ضمن سيناريوهات قابلة للتكرار ومتعددة الزوايا والحواس. كما تفيد NVIDIA بأن الخدمات المصغرة Cosmos 3 NIM توفر استدلالًا أسرع بما يصل إلى الضعف، من دون فقدان الجودة، في التكوينات التي تم التحقق من صحتها. ويُذكر أن Metropolis Blueprint 3.3، المخصص للبحث في الفيديو وتلخيصه، يساعد على مراقبة تدفقات فيديو أكثر بنسبة 40% باستخدام GPU نفسه.

لا يقدم الإعلان ميزة جديدة للنمذجة أو التصيير لفرق الهندسة المعمارية والتصميم الداخلي. لكن يمكن النظر في إنشاء بيانات اصطناعية عن العيوب أو الأحداث للمشاريع التي تعتمد على بيانات من البيئات المادية، مثل فحص المباني والمنشآت. أما بالنسبة إلى فناني archviz، فلم يوضح الإعلان تكاملات برمجية محددة أو متطلبات عتادية. لذلك ينبغي التحقق من التوافق مع الأدوات المستخدمة، واحتياجات GPU، وشروط الوصول إلى الخدمات المعنية قبل اعتماد سير عمل جديد.