Google تطلق DiffusionGemma — نموذج يعتمد نهجًا بديلًا في توليد النصوص

أصدرت Google نموذجًا تجريبيًا باسم DiffusionGemma، يقدّم نهجًا مختلفًا جذريًا في توليد النصوص مقارنةً بالنماذج التي تقوم عليها روبوتات الدردشة الحديثة.

كيف تعمل روبوتات الدردشة اليوم

تعتمد نماذج AI النصية الحديثة (GPT وClaude وGemini) على معمارية المحوّل (Transformer). ومبدؤها بسيط: يعالج النموذج النص من اليسار إلى اليمين ويتنبأ بالكلمة التالية كلمةً تلو الأخرى. أشبه بكتابة نص في الظلام، حرفًا بعد حرف، دون إمكانية إعادة النظر في الخطوات السابقة.

يعمل هذا المخطط بكفاءة عالية، وقد أصبح معيار الصناعة خلال السنوات الثلاث الماضية. لكنه يحمل قيدًا مدمجًا: لا يستطيع النموذج العودة لمراجعة قراره. فبعد إصدار كل رمز (token) يتحرك السياق إلى الأمام فقط. وإذا ارتكب النموذج خطأً عند الرمز الخمسين، فلن يتمكن من تصحيحه.

نهج الانتشار في DiffusionGemma

يعتمد DiffusionGemma منطقًا مختلفًا تمامًا — عملية الانتشار (diffusion) التي استعارتها Google من توليد الصور. وهي تحقق هناك نتائج ممتازة منذ زمن طويل (DALL-E وMidjourney وStable Diffusion تعمل بهذه الطريقة بالذات).

في نموذج الانتشار لا يجري كل شيء بالتتابع، بل بالتكرار. يبدأ النموذج بضجيج عشوائي يمتد على كامل طول النص في آنٍ واحد. في التكرار الأول تظهر الخطوط العريضة للمعنى. في الثاني تتحدد البنى النحوية. وفي الثالث تُضاف التفاصيل الأسلوبية. هذا يشبه عمل الرسام: يبدأ بمخطط بالفحم، ثم الألوان الأساسية، ثم الظل والنور، ثم اللمسات الأخيرة.

الفارق الجوهري: في كل خطوة من خطوات التوليد بالانتشار، يستطيع النموذج مراجعة النص كله وتعديله دفعة واحدة، لا الاكتفاء باختيار الكلمة التالية في نهايته.

لماذا يُعدّ هذا أفضل من الناحية النظرية

يبدو نهج المحوّل للوهلة الأولى أكثر كفاءة: فلماذا إجراء عدة تكرارات إذا أمكن التوليد في مرور واحد؟ لكن الأبحاث تُظهر نتيجة غير متوقعة. فعملية الانتشار تمنح النماذج ميزتين جوهريتين:

• إعادة تقييم السياق — في كل تكرار يستطيع النموذج تغيير القرارات التي اتخذها سابقًا
• التوازي — يجري تحديث النص على كامل طوله في وقت واحد، لا رمزًا تلو آخر
• تناقضات داخلية أقل — يرى النموذج النص بأكمله ويمكنه التوفيق منطقيًا بين أجزائه المختلفة
• نموذج بحثي جديد — يبقى السؤال مفتوحًا حول المعماريات الممكنة في NLP

وعمليًا، قد تعمل نماذج الانتشار بسرعة أكبر في بعض المهام بفضل التوازي. فبدلًا من انتظار الرمز N قبل البدء بتحسين المواضع من N+1 إلى N+50، يستطيع النظام تحسينها جميعًا في آن واحد.

الوضع الحالي: مختبر، لا إنتاج

DiffusionGemma ليس بديلًا عن ChatGPT. إنه نموذج بحثي أصدرته Google بمفتوح المصدر (open-source) لتجارب المجتمع. وما زالت نتائجه متأخرة عن أبطال المحوّلات في الاختبارات المعيارية القياسية. لكنه يمثل أول تحدٍّ جدي لاحتكار معمارية المحوّل.

ويشير باحثو Google إلى أن نهج الانتشار واعد بوجه خاص للمهام التي تتطلب معالجة منطقية عميقة: الاستنتاج متعدد الخطوات، والاستدلال المعقد، والكتابة الإبداعية ذات الاتساق الداخلي.

ماذا يعني هذا

تبعث Google إشارة واضحة: مقولة «المحوّل هو الطريق الصحيح الوحيد» غير مكتملة. فهناك معماريات بديلة قد تصبح منافسة، بل متفوقة في مجالات محددة.

والاتجاه المرجح للتطور هو النماذج الهجينة، التي تجمع بين سرعة المحوّل وقدرة الانتشار على المعالجة العميقة للمعلومات.