كم يمكن للباحث الحصول عليه بالفعل من رصيد مجاني للذكاء الاصطناعي؟
يمكن لمعظم الباحثين تجميع أربعة إلى خمسة أرقام من رصيد الذكاء الاصطناعي المجاني في أي وقت، لأن مختبرات النماذج ومنصات السحابة وموردي وحدات معالجة الرسومات ومبادرات الحوسبة العامة تدير مسارات أكاديمية منفصلة لا تتنافس مع بعضها البعض.
لا يغطي برنامج واحد العام الكامل للمختبر. النمط الذي ينجح هو ثلاث أو أربع منح متوسطة تغطي طبقات مختلفة من الفاتورة، يتم تجديدها على دورات مختلفة، بدلاً من منحة كبيرة واحدة تنتهي صلاحيتها دفعة واحدة.
المشكلة الأصعب هي الاكتشاف. يتم الإعلان عن مسارات البحث بهدوء، وتوجد في نطاقات فرعية لا يربطها أحد، ونادراً ما تظهر في جولات تجميع رصيد الشركات الناشئة التي تهيمن على البحث. يتتبع AI Perks 7.7 مليون دولار من الأرصدة عبر 194 شركة، بما في ذلك المسارات الأكاديمية والبحثية التي تغفلها معظم القوائم تمامًا.
أي مزودين يقدمون أرصدة ذكاء اصطناعي مجانية للباحثين؟
المصادر ذات المصداقية تقع ضمن أربع مجموعات: مختبرات النماذج المتطورة، والشبكات السحابية فائقة الحجم، وموردي وحدات معالجة الرسومات والاستدلال، ومبادرات الحوسبة الممولة علنًا. كل منها يغطي بندًا مختلفًا، ولهذا السبب تتراكم.
أحجام المنح أدناه هي نطاقات ملاحظة، وليست قوائم أسعار منشورة. يقوم مقدمو الخدمة بتحديد حجم الجوائز للمشروع، ويمكن لنفس البرنامج إنتاج أرقام مختلفة جدًا لطالب دكتوراه فردي ومختبر ممول متعدد السنوات.
| المزود | ما يغطيه الرصيد | شكل المنحة النموذجي | الأقوى لـ |
|---|---|---|---|
| Anthropic (Claude) | رموز واجهة برمجة التطبيقات لـ Claude | متواضع للمشاريع الفردية، وأربعة إلى خمسة أرقام للعمل الممول | تحليل المستندات طويلة السياق، وأبحاث السلامة وقابلية التفسير |
| OpenAI | استخدام واجهة برمجة التطبيقات لنماذج GPT | منح ثابتة، غالباً في الأرقام الأربعة المنخفضة لكل مشروع معتمد | دراسات تجريبية، إعادة إنتاج معايير الأداء |
| Google Cloud | Vertex AI، Gemini، بالإضافة إلى وحدات معالجة الرسومات ووحدات TPU العامة | أربعة أرقام متوسطة مباشرة، أكبر من خلال مؤسسة | فرق تحتاج إلى نماذج وحوسبة تدريب على فاتورة واحدة |
| Microsoft Azure | Azure OpenAI وحوسبة Azure | غالباً ما تُمنح كتخصيص استخدام بدلاً من رقم بالدولار | وصول مؤسسي على مستوى الجامعة |
| AWS | نماذج Bedrock بالإضافة إلى بيئة AWS الأوسع | تختلف بشكل كبير حسب المسار والمنطقة | مختبرات لديها خطوط أنابيب بيانات موجودة بالفعل على AWS |
| NVIDIA | ساعات وحدات معالجة الرسومات والوصول السحابي لفئة DGX | تخصيص الأجهزة أو الحوسبة، وليس رصيدًا بالدولار | عمليات التدريب والضبط الدقيق، وليس استدعاءات واجهة برمجة التطبيقات |
| Hugging Face | الاستدلال المستضاف ومنح وحدات معالجة الرسومات المجتمعية | صغيرة، سريعة، قابلة للتجديد | مجموعات بيانات مفتوحة، إصدارات نماذج، عروض توضيحية عامة |
| Together AI، Groq، Fireworks | استدلال نماذج الوزن المفتوح | طبقات مجانية سخية بالإضافة إلى رصيد بحث تقديري | استدلال دفعة عالي الحجم على نماذج فئة Llama و Mistral |
| مبادرات الحوسبة الوطنية (الولايات المتحدة، الاتحاد الأوروبي، المملكة المتحدة) | قدرة وحدات معالجة الرسومات العامة المجمعة | تخصيصات بساعات وحدات معالجة الرسومات، تُمنح في جولات | عمليات تدريب لا يمكن لمنحة مزود واحد تغطيتها |
تختلف الشروط بشكل حاد من مسار إلى آخر، ونادراً ما تكون الشروط المرفقة بالمنحة هي التي يتوقعها المتقدمون. يتم سرد الشروط الحالية لكل منها على getaiperks.com.
لماذا تتصرف نفقات أبحاث الذكاء الاصطناعي بشكل مختلف على نطاق واسع
نفقات البحث تكون متباينة وليست خطية، لأن التقييم يعيد تشغيل مجموعة البيانات بأكملها في كل مرة يتغير فيها استعلام، أو نموذج، أو معلمة. فاتورة فريق المنتج تنمو مع المستخدمين. فاتورة المختبر تنمو مع عدد الظروف التجريبية، والتي تتضاعف أسرع بكثير.
هذا هو السبب الأكبر الذي يجعل الباحثين يقللون من تقدير ما يحتاجونه:
| محرك التكلفة | لماذا يؤثر في البحث | التأثير العملي |
|---|---|---|
| الإزالة | كل متغير يعيد تشغيل مجموعة التقييم الكاملة | يمكن لطاولة واحدة أن تكلف 10x إلى 30x مرة مرور واحد |
| قابلية التكرار | يجب أن تتحمل النتائج إعادة التشغيل بعد أشهر | تحدث نفس النفقات مرتين، وأحياناً ثلاث مرات |
| السياق الطويل | الأوراق، والمستندات الصوتية، وقواعد الشفرة تملأ النافذة | تكلفة كل استدعاء تصل إلى الجزء العلوي من نطاق التسعير |
| وضع علامات يدوي بمساعدة الإنسان | تشغيل التعليقات التوضيحية بمساعدة النموذج عبر المجموعة بأكملها | الحجم، وليس التعقيد، هو ما يدفع الفاتورة |
| طلبات المراجعين | الجولة الثانية تطلب تجارب لم تقم بميزانيتها | تصل النفقات بعد إغلاق سنة المنحة |
نتيجتان عمليتان. أولاً، الاستدلال الدفعي والمعالجة بالانتظار أرخص بكثير من الاستدعاءات التفاعلية بنفس الحجم الإجمالي، ومعظم أعباء عمل البحث هي دفعية بطبيعتها. ثانياً، الأرصدة تساوي أكثر بكثير عندما تصل قبل التجارب بدلاً من أسمائها، مما يجعل التوقيت جزءًا من الاستراتيجية.
مع ماذا تتراكم أرصدة البحث؟
أرصدة النماذج، وأرصدة الحوسبة، وأرصدة الأدوات هي ثلاث فواتير منفصلة، والمختبر الذي يمتلك واحداً منها فقط لا يزال يدفع أموالاً حقيقية.
المكدس البحثي النموذجي له أربع طبقات:
- الوصول إلى النماذج: رموز واجهة برمجة التطبيقات من Anthropic، OpenAI، Google، أو مضيف وزن مفتوح
- الحوسبة: ساعات وحدات معالجة الرسومات للتدريب، والضبط الدقيق، وأي شيء مستضاف ذاتيًا
- البيانات والتخزين: تخزين الكائنات، وقواعد بيانات المتجهات، وخدمة Postgres المُدارة
- الأدوات: تتبع التجارب، ووضع العلامات، والتنسيق، والمراقبة
يقدم معظم الموردين في الطبقتين الأخيرتين طبقات أكاديمية أو مفتوحة المصدر أكثر سخاءً من طبقات الشركات الناشئة الخاصة بهم وغالباً ما تكون مجانية تمامًا للأعمال المنشورة. وهي أيضًا الطبقات التي ينسى الباحثون السؤال عنها، لأن الرقم الرئيسي دائمًا ما يتعلق بأرصدة النماذج.
تتراكم المنح المؤسسية والشخصية أيضًا عادةً. لا يستهلك تخصيص سحابي على مستوى القسم عادةً الرصيد الفردي الذي يُمنح للباحث لمشروعه الخاص. يتتبع AI Perks أي الفئات متوافقة وأيها متعارضة.
لماذا يحدد التوقيت مقدار قيمة المنحة
المهلة الزمنية، وليس القيمة الرئيسية، هي ما يحدد مقدار رصيد المنحة الذي يحصل المختبر على إنفاقه بالفعل. جائزتان متساويتان في الحجم تساويان قيمًا مختلفة جدًا اعتمادًا على مكان هبوطهما بالنسبة للتجارب التي يُقصد تمويلها.
ثلاثة أشياء تجعل أرصدة البحث حساسة للغاية للتوقيت:
المسارات البطيئة والمسارات الفورية هي أنماط فشل متعاكسة. يتم اتخاذ قرارات بعض الجوائز في جولات المراجعة وتُجاب بوتيرتها الخاصة. البعض الآخر يُطالب به في دقيقة واحدة ويبدأ العد التنازلي من لحظة قبوله. المختبر الذي يتعامل مع كليهما بنفس الطريقة ينتظر تلك التي احتاج إليها مبكرًا ويحرق تلك التي احتاج إليها متأخرًا.
طبقة الأدوات والبيانات هي الطبقة الهادئة. من السهل التقليل من شأنها بجانب أرصدة النماذج الرئيسية، وهي الطبقة التي تزيل التكاليف المتكررة التي تستمر لفترة طويلة بعد اختفاء أرصدة النماذج.
البرامج تتحرك. تفتح مسارات البحث وتغلق وتُعدل أحجامها بشكل متكرر أكثر من برامج الشركات الناشئة، وقد يكلف نافذة فائتة دورة منحة كاملة. ما هي المسارات النشطة الآن، وكيف يستفيد الباحثون إلى أقصى حد من تلك التي يتأهلون لها، هو ما يحافظ عليه AI Perks.
ما الذي يخطئ فيه الباحثون بشأن أرصدة الذكاء الاصطناعي المجانية
الخطأ الأكثر تكلفة هو معاملة الأرصدة كخصم بدلاً من كونها موعدًا نهائيًا. يتم تحديد معظمها زمنيًا، ويتم ببساطة إعادة الأرصدة غير المنفقة إلى المزود.
الأخطاء المتكررة:
التقديم إلى مزود واحد. معدلات الموافقة ليست عالية بما يكفي في أي مكان لجعل طلب واحد استراتيجية. أربعة طلبات مع ثلاث موافقات أفضل من تقديم واحد مصقول بعناية.
افتراض أن برنامج الشركات الناشئة يستبعد الأكاديميين. الكثير منهم لا يفعلون ذلك، خاصة بالنسبة للشركات المنبثقة، والشركات التابعة للمختبرات، والباحثين الذين يقومون بتسويق أعمالهم الخاصة. نسبة مفاجئة من 7.7 مليون دولار التي يتم تتبعها في AI Perks مفتوحة للباحثين الذين يفترضون أنها ليست لهم.
تجاهل نماذج الوزن المفتوح. نسبة كبيرة من أعباء عمل البحث تعمل بشكل جيد مع نماذج الوزن المفتوح بتكلفة جزء بسيط من أسعار النماذج المتطورة. يمكن أن يؤدي حجز أرصدة النماذج المتطورة للاستدعاءات التي تحتاج حقًا إلى قدرات النماذج المتطورة إلى مضاعفة وقت التشغيل الفعلي.
وضع ميزانية للورقة البحثية وليس للدفاع عنها. غالبًا ما تأتي التجارب المطلوبة من المراجعين بعد انتهاء صلاحية الأرصدة. احتفظ باحتياطي.
عدم إعادة التقديم أبدًا. التجديدات والمنح الثانية شائعة، ومعظم الباحثين لا يطلبون أبدًا. مشروع مكتمل بنواتج منشورة هو طلب أقوى من الطلب الذي فاز بالمنحة الأولى.
أسئلة متكررة
هل أحتاج إلى انتماء جامعي للحصول على أرصدة الذكاء الاصطناعي للبحث؟
ليس دائماً. بعض المسارات تتجاوز الجامعات والبعض الآخر لا يفعل، وغالباً ما تعطي تلك التي تفعل ذلك وزناً أكبر للسجل العام للمخرجات بدلاً من عنوان بريد إلكتروني مؤسسي. يختلف الأمر بشكل كافٍ بين مقدمي الخدمة بحيث يستحق التحقق من المسار تلو الآخر بدلاً من افتراض أي من الاتجاهين. يتم سرد المسارات المفتوحة للباحثين غير المنتسبين على getaiperks.com.
ما هو مجموع قيمة أرصدة الذكاء الاصطناعي المجانية للباحثين؟
عادةً ما يصل مجموعة تطبيقات مُنسقة جيداً إلى نطاق أربعة إلى خمسة أرقام في أي وقت، مع تخصيصات الحوسبة العامة التي تضيف ساعات وحدات معالجة الرسومات بدلاً من الدولارات. تصل المختبرات الممولة إلى مستويات أعلى. يتتبع AI Perks 7.7 مليون دولار من الأرصدة عبر 194 شركة، بما في ذلك مسارات البحث التي تستبعدها معظم قوائم التجميع تمامًا.
هل يمكنني استخدام أرصدة البحث لشركة ناشئة انبثقت عن مختبري؟
عادةً لا بنفس المنحة. يتم فصل مسارات البحث والمسارات التجارية عن بعضها البعض عن قصد لدى معظم مقدمي الخدمة. الطريق الأفضل هو الاحتفاظ بكليهما: منحة بحثية للعمل الأكاديمي ومسار منفصل للشركة الناشئة للشركة. نادراً ما يتعارض الاثنان، ويتم تعيين الفئات في getaiperks.com.
هل نماذج الوزن المفتوح بديل حقيقي لأرصدة النماذج المتطورة؟
بالنسبة للكثير من الأبحاث، نعم. التصنيف، والاستخراج، والتضمين، والتعليقات التوضيحية بالجملة تعمل بشكل جيد مع نماذج الوزن المفتوح بتكلفة جزء بسيط من أسعار النماذج المتطورة. تكسب النماذج المتطورة تكلفتها في الاستدلال طويل السياق والتوليد الصعب. تقسيم عبء العمل بين كليهما هو كيف تجعل المختبرات منحة رصيد ثابتة تدوم عامًا كاملاً.
ماذا يحدث عندما تنتهي صلاحية أرصدة البحث؟
يتم فقدان الرصيد غير المنفق في كل برنامج تقريبًا، وتكون التمديدات تقديرية في أفضل الأحوال. لهذا السبب أهمية التسلسل أكثر من القيمة الإجمالية: المنحة التي يتم المطالبة بها قبل تصميم التجارب غالباً ما تكون نصفها ضائعًا. يختلف سلوك انتهاء الصلاحية بشكل حاد حسب المزود، لذا تأكد منه قبل قبول المنحة بدلاً من بعده.
هل منح وحدات معالجة الرسومات وأرصدة واجهة برمجة التطبيقات تُحتسب بنفس الشيء؟
لا، وخلطهما هو خطأ تخطيط شائع. تغطي تخصيصات وحدات معالجة الرسومات التدريب، والضبط الدقيق، والاستدلال المستضاف ذاتيًا. تغطي أرصدة واجهة برمجة التطبيقات استدعاءات نموذج مستضاف. يحتاج المختبر الذي يقوم بكليهما إلى كليهما، والاحتفاظ بواحد فقط يترك فاتورة حية على الآخر.
قم بإجراء التجارب. دع مقدمي الخدمة يمولون الحوسبة.