Google Cloud تضيف نماذج ذكاء اصطناعي SandboxAQ إلى سوقها للحسابات العلمية

قامت Google بربط نماذج الكميات الكبيرة (LQM) من SandboxAQ بسوقها السحابية — ذكاء اصطناعي مدرب ليس على نصوص الإنترنت، بل على المعادلات العلمية والبيانات التجريبية. ستعمل النماذج الجديدة جنباً إلى جنب مع Gemini وستكون متاحة من خلال سوق Google Cloud Marketplace القياسي.

لماذا نماذج اللغة الكبيرة لا تنجح في العلم

يمكن لنماذج اللغة الكبيرة أن تفعل أشياء كثيرة: تلخيص المقالات، كتابة الأكواد، شرح المفاهيم بلغة واضحة. لكن لديها مشكلة منهجية مع الرياضيات والحسابات الدقيقة. غالباً ما تخطئ النماذج في العمليات الحسابية، وتخلط بين الثوابت الفيزيائية، ولا تستطيع العمل مع المعادلات بالطريقة التي يحتاجها الباحثون الحقيقيون. السبب معماري: يتم تدريب نماذج اللغة الكبيرة على التنبؤ بالرمز التالي في تسلسل النص. بالنسبة لها، الأرقام هي رموز، وليست كميات. النموذج لا "يفهم" أن 0.001 مول من المادة و1 مول هما رتبتا حجم مختلفتان. بالنسبة للمهام في الكيمياء أو الفيزياء أو الأحياء، قد يعني هذا الخطأ فشل التجربة.

"نماذج اللغة تبدو مقنعة عندما تكتب عن العلم، لكن هذا ليس نفس الشيء مثل

الحساب الصحيح."

ما هي نماذج الكميات الكبيرة من SandboxAQ

SandboxAQ هي شركة انفصلت عن Alphabet (الشركة الأم لـ Google) في عام 2022. تركيزها على المحاكاة الكمية والذكاء الاصطناعي للمهام العلمية. نماذج الكميات الكبيرة هي فئة مختلفة بشكل جوهري من الذكاء الاصطناعي: بدلاً من التنبؤ بالنص، يتم تدريب النماذج للعمل مباشرة مع البنى الرياضية والبيانات الرقمية. يعتمد LQM على التدريب مع مجموعات البيانات العلمية المنظمة:

• المعادلات من الفيزياء والكيمياء وعلوم المواد والأحياء
• بيانات المختبر ونتائج التجارب
• الطرق الرقمية والخوارزميات للمحاكاة
• معاملات الهياكل الجزيئية وخصائص المواد

النتيجة هي نماذج تحل المشاكل الحسابية بدقة لا يمكن الوصول إليها بواسطة نموذج لغة عام الأغراض.

كيف ستعمل الربطة بين LQM و Gemini

يفتح الجمع بين LQM و Gemini سيناريوهات جديدة جوهرياً لعملاء الشركات لاستخدام الذكاء الاصطناعي السحابي. في السابق، كان على الباحثين أن يختاروا: إما العمل مع أدوات علمية دقيقة لكنها متخصصة بشكل ضيق، أو استخدام نماذج لغة عامة الأغراض التي تسرع العمل مع النص لكنها غير موثوقة في الحسابات. الآن يتم تقسيم الأدوار بوضوح: Gemini يتعامل مع السياق النصي وصياغة المشكلة وشرح النتائج، بينما يتولى LQM الحسابات الدقيقة. تشمل مجالات التطبيق المحتملة تطوير مركبات صيدلانية جديدة، والنمذجة المناخية، وإنشاء مواد للإلكترونيات، والمحاكاة الكمية. يعني الوصول من خلال Google Cloud Marketplace أن الباحثين يمكنهم استخدام LQM دون الحاجة إلى نشر بنيتهم الأساسية الخاصة.

ماذا يعني هذا

إن إدراج ذكاء اصطناعي "علمي" متخصص في Google Cloud هو اعتراف بأن نموذج عام واحد لا يحل جميع المشاكل. عصر "نموذج واحد لكل شيء" يتم استبداله تدريجياً بفسيفساء من الأدوات المتخصصة. بالنسبة لمنظمات البحث، يفتح هذا إمكانية تطبيق الذكاء الاصطناعي في العمليات المخبرية دون التنازل بين السرعة والدقة. Google بدورها تقوم بتوسيع Cloud خارج أتمتة الشركات — نحو العلم والتكنولوجيات العميقة.