مايكروسوفت وسعت خطتها الداخلية للذكاء الاصطناعي بإطلاق MAI-Transcribe-1، نموذج تحويل الكلام إلى نص، وجعلت نماذجها الحالية لتوليد الصوت والصورة، MAI-Voice-1 وMAI-Image-2، متاحة على نطاق واسع للمطورين. وتدل هذه الخطوة على سعي الشركة لتعزيز قدراتها الخاصة في الذكاء الاصطناعي بما يتجاوز شراكتها مع OpenAI، ووضع نفسها أمام منافسين مثل Google وAmazon.

وتأتي هذه الإعلان بعد إعادة هيكلة في مارس قادها الرئيس التنفيذي ساتيا ناديللا، حيث انتقل رئيس الذكاء الاصطناعي في مايكروسوفت مصطفى سوليمان من الإشراف اليومي على Copilot إلى تطوير النماذج الحدودية والذكاء الخارق. وتشكل هذه الإصدارات الجديدة جزءًا من استراتيجية أوسع لكسب المزيد من التحكم في مصير الذكاء الاصطناعي في مايكروسوفت.

ويُعرّف MAI-Transcribe-1 بأنه أكثر نماذج تحويل الكلام إلى نص دقة، حيث أشار سوليمان إلى أنه يعمل بنصف تكلفة GPU مقارنة بباقي النماذج المتقدمة. كما أبرز أن النموذج طوره فريق مكون من 10 أشخاص فقط، وأن مايكروسوفت تخطط لتطوير نموذج لغة كبير حدودي مستقل تمامًا إذا لزم الأمر. أما MAI-Voice-1 فيتيح الآن للمطورين إنشاء أصوات مخصصة من مقاطع صوتية قصيرة، بينما يحتل MAI-Image-2 المرتبة الثالثة في قائمة ترتيب توليد الصور على Arena.ai ويتم نشره في Bing وPowerPoint.

وقال سوليمان لصحيفة The Verge إن نموذج النسخ يعمل بـ"نصف تكلفة GPU للنماذج المتقدمة الأخرى". وأضاف لـ VentureBeat أن الفريق وراء النموذج يتكون من 10 أشخاص فقط، وأن الشركة تهدف إلى بناء نموذج لغة كبير حدودي يكون "مستقلًا تمامًا" إذا تطلب الأمر ذلك. وفي منشور مدونة، وصف النموذج بأنه "ليس فقط الأكثر دقة بل أيضًا سريع للغاية". وتختبر مايكروسوفت تكاملات مع Copilot وTeams وتدعي أن النموذج يقدم أفضل أداء من حيث السعر مقابل الأداء لدى أي مزود سحابي كبير، ويتنافس مباشرة مع Whisper من OpenAI وGemini من Google على مقياس FLEURS.

وبإضافة باحثين رائدين في الذكاء الاصطناعي مثل علي فارهادي، الرئيس السابق لمعهد Allen للذكاء الاصطناعي، تعزز مايكروسوفت فريق سوليمان لتسريع تطوير النماذج الحدودية. وتُتاح هذه المجموعة من النماذج على منصة Microsoft Foundry للمطورين ومنصة MAI Playground.