أخبار ar.wedoany.com، أطلقت الشركة الناشئة البرازيلية نيو سبيس (NeoSpace) فئة من نماذج البيانات الضخمة، تهدف إلى معالجة البيانات غير النصية التي يصعب على نماذج اللغة التقليدية تحليلها، مثل المعاملات المالية وسجلات الاستهلاك والمعلومات الصناعية.
على مدى السنوات القليلة الماضية، تم ضخ استثمارات ضخمة في نماذج اللغة الكبيرة (LLMs)، وهي بنى تدريبية تهدف إلى فهم وتوليد النصوص، وتشمل منتجاتها البارزة شات جي بي تي (ChatGPT) وجيميني (Gemini) وكلود (Claude). وقد حولت هذه الأنظمة الذكاء الاصطناعي إلى أدوات شعبية قادرة على كتابة التقارير والإجابة على الأسئلة والمحادثة بطلاقة تقارب البشر. لكن داخل المؤسسات الكبرى مثل البنوك وشركات التأمين والتجزئة ومشغلي الاتصالات، لا تزال بيانات العملاء المتراكمة على مدى عقود يصعب استغلالها بفعالية. تنبع هذه المشكلة من أن نماذج اللغة الكبيرة مصممة لمعالجة الكلمات، وليس البيانات المجزأة مثل المعاملات والجداول والسلاسل الزمنية.
شارك في تأسيس نيو سبيس كل من فيليبي ألميدا وبرونو بييروبون وغوستافو ديبس وتياغو تيكسيرا، وهي تحاول معالجة هذه المشكلة من خلال تدريب نماذج البيانات الكبيرة (LDMs). وقد ظهرت الشركة على المسرح الرئيسي لمؤتمر جي تي سي 2026 (GTC 2026) لشركة نفيديا في مارس الماضي، وحظيت باهتمام. يقول ألميدا إن النماذج المستخدمة يومياً مناسبة فقط للمعلومات النصية، وتصبح غير قادرة على الأداء عند إدخال أنواع مختلفة من البيانات. يمكن لهذه النماذج كتابة تقرير عن أحد البنوك، لكنها لا تستطيع فهم ملايين المعاملات المالية لتحديد تراجع العملاء أو سلوكيات الشراء أو مخاطر التخلف عن سداد الائتمان.
كان ألميدا يدير شركة زوب (Zup) لبرمجيات المؤسسات، والتي بيعت لبنك إيتاو (Itaú) في عام 2020 مقابل حوالي 575 مليون ريال برازيلي. وخلال تعاونه مع المؤسسات الكبيرة، اكتشف أن التحول الرقمي مكّن الشركات من جمع البيانات على نطاق واسع، لكنها لا تزال تفتقر إلى القدرة على تحويلها إلى قرارات. تحتوي المعاملات مثل شراء بطاقات الائتمان على أبعاد متعددة تشمل الوقت والمبلغ والمكان وطريقة الدفع وعدد الأقساط وفئة التاجر وتاريخ الاستهلاك، وعند ضربها ببيانات عشرات الملايين من المستخدمين على مدى سنوات، فإنها تتجاوز نطاق أدوات التحليل التقليدية. وفقاً لألميدا، يمكن لنموذجه حتى اكتشاف التغيرات قبل أن تصبح مرئية في السلوك، مثل عميل كان يدفع بالكامل وبدأ في تقسيط النفقات المتكررة، مما قد يشير إلى تغير في وضعه المالي. تم اختبار هذه التقنية في قطاعات البنوك والتأمين والاتصالات والطيران والنفط والغاز، حيث يمكن لشركات الاتصالات استخدامها للتنبؤ بتراجع المستهلكين، ولشركات الطيران تحسين المسارات واستهلاك الوقود، ولمجموعات النفط والغاز تحديد المناطق عالية النجاح قبل الحفر. يكشف ألميدا أن تحسين الأداء يتراوح بين 8% و10% في بعض السيناريوهات، ويصل إلى 30% في سيناريوهات أخرى، لكن هذه البيانات لم تخضع لتدقيق مستقل.
شكل التعاون الطويل الأمد بين نيو سبيس وبنك إيتاو أساساً مهماً لتطورها المبكر. وباعتبار إيتاو أحد عملاء زوب، استمر البنك في قيادة جولة التمويل البالغة 18 مليون دولار لنيو سبيس بعد الاستحواذ على زوب، حيث جاء 15 مليون دولار مباشرة من المؤسسة. يُنظر إلى هذا الاستثمار على أنه تحقق صناعي وليس رهاناً مالياً تقليدياً، لأن البنك بدأ في اختبار التقنية قبل تقديم التمويل.
تدّعي نيو سبيس أنها أنشأت بنية تحتية تتكون من 1200 وحدة معالجة رسومية من نوع B200 من نفيديا (وهي واحدة من الرقائق التجارية المتقدمة حالياً)، ويُزعم أن الشركة من بين أول الكيانات عالمياً التي تحصل على هذا الطراز من الرقائق على نطاق واسع. لكن جميع وحدات معالجة الرسوميات هذه موجودة في سيدني بأستراليا، وليس في البرازيل. يعود سبب اختيار هذا الموقع إلى أن الأعباء الضريبية على استيراد وحدات معالجة الرسوميات يمكن أن تزيد تكلفة الأجهزة بنسبة 40%، وأن سيدني تضم أحد مراكز البيانات القليلة القادرة على دعم الرقائق من الجيل الجديد عبر أنظمة التبريد السائل، وهو تقنية رئيسية لتبديد الحرارة بكفاءة. يقول ألميدا إن هذا القرار كشف عن عنق زجاجة غالباً ما يتم تجاهله في سباق الذكاء الاصطناعي، وهو الوصول إلى الأجهزة والسياسات الضريبية ذات الصلة.
تخطط نيو سبيس لاستهداف السوق الأمريكية في مرحلتها التالية، وستقوم بإنشاء فرق محلية تجارية وتقنية من خلال جولة تمويل جديدة مدعومة من صناديق النمو ورأس المال الاستثماري. يعتقد ألميدا أن إدارة الأعمال الدولية عن بُعد من البرازيل غير واقعية، وتحتاج الشركة إلى العمل محلياً في الولايات المتحدة. وتتخذ الشركة من نموذج التوسع العالمي للشركات الإسرائيلية مرجعاً لها، وتعتزم وضع نفسها كشركة عالمية. حالياً، تتركز معظم موارد القطاع على النماذج التوليدية والوكلاء التحادثيين، وتراهن نيو سبيس على أن دورة القيمة التالية ستكون في الأنظمة القادرة على فهم بيانات المؤسسات وتحويلها إلى قرارات تشغيلية. غيرت نماذج اللغة الكبيرة طريقة إنشاء المحتوى، بينما قد تغير نماذج البيانات القرارات الأساسية للمؤسسات مثل التسعير ومنح الائتمان وإدارة المخاطر والاحتفاظ بالعملاء وتخطيط الاستثمار. يقول ألميدا إنه لا توجد حالياً شركة أخرى تقوم بنفس العمل تماماً، لكنه يتوقع ألا يستمر هذا الوضع طويلاً. لذلك، تسرع الشركة في جمع العملاء وحالات الاستخدام، على أمل اكتساب ميزة قبل أن تصبح المنافسة في السوق شديدة.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
