Google DeepMind تطلق DiffusionGemma: نموذج لغوي انتشاري أسرع بأربع مرات من Gemma 4

قدّمت Google DeepMind نموذج DiffusionGemma، وهو نموذج لغوي من فئة جديدة يعتمد مبدأ الانتشار في توليد النص بدلًا من النهج القياسي القائم على الانحدار الذاتي. ووفق بيانات الفريق، يعمل النموذج بسرعة تفوق أي نموذج آخر في عائلة Gemma 4 بأربع مرات، وبجودة مماثلة.

كيف يعمل النموذج اللغوي الانتشاري

تولّد النماذج اللغوية التقليدية، مثل GPT وLlama وGemma، النص بشكل تسلسلي: رمزًا تلو الآخر، من اليسار إلى اليمين. وللحصول على 500 رمز يلزم تنفيذ 500 خطوة استدلال متتالية. وهذا قيد جوهري في هذه البنية: فكل رمز لاحق يعتمد على جميع الرموز السابقة، ولذلك يستحيل التوازي بحكم طبيعة الانحدار الذاتي نفسها.

أما النهج الانتشاري فيعمل بصورة مختلفة. فالفكرة ذاتها التي تقوم عليها Stable Diffusion وDALL-E في توليد الصور طُبّقت الآن على النص: يتدرّب النموذج على استعادة النص الأصلي من ضجيج عشوائي، فيُحسّن التسلسل كله دفعة واحدة، لا من اليسار إلى اليمين، بل بشكل تكراري ومتوازٍ على جميع المواضع في آن واحد.

• الانحدار الذاتي: 500 رمز تتطلب 500 خطوة متتالية
• الانتشار: تُعالَج 500 رمز في 10–50 خطوة بغض النظر عن الطول
• زيادة السرعة غير خطية: كلما طال النص ازدادت الميزة وضوحًا

حاولت فرق كثيرة تطويع الانتشار لتوليد النصوص منذ عام 2021. وتمثلت المشكلة الرئيسية في الجودة: فقد ظلت النماذج الانتشارية النصية تتخلف طويلًا عن نماذج الانحدار الذاتي، إذ كانت نصوصها تفقد الترابط ودقة الصياغة. وبحسب تصريح هسابيس، تجاوزت DiffusionGemma هذا الحاجز.

ديميس هسابيس يعلن النتيجة بنفسه

أعلن النتيجة الرئيس التنفيذي لـ Google DeepMind شخصيًا، وهذا أمر غير معتاد. فالمسؤولون من هذا المستوى يروّجون عادةً لمنتجات كاملة أو لتوجهات استراتيجية، ونادرًا ما يخصّصون قرارًا معماريًا محددًا بمناسبة تهنئة مستقلة. وقد هنّأ هسابيس الباحث براين أودونوهيو والفريق بأكمله شخصيًا، ووصف العمل بأنه «خاطف السرعة».

«ابتكار رائع في مجال الانتشار النصي.

DiffusionGemma خاطف السرعة، أسرع بأربع مرات من نماذج Gemma 4 الأخرى. لا أطيق الانتظار لأرى ما سيبنيه الناس به!» — ديميس هسابيس

وثمة سياق مهم هنا: فالمقارنة ليست مع معايير قياس قديمة، بل مع عائلة Gemma 4 الحالية، التي تُعدّ بحد ذاتها من أكثر العائلات كفاءة في فئة النماذج المفتوحة. وتحقيق تسارع بأربعة أضعاف قياسًا إلى مستوى أساسي كهذا يمثل نتيجة معمارية معتبرة.

اقتصاديات الاستدلال تتغير

تحدد سرعة التوليد تكلفة واجهة API وكذلك زمن الاستجابة (latency) في المنتج النهائي. فإذا كان DiffusionGemma يولّد أسرع بأربع مرات بجودة مماثلة، فإن ذلك يفتح عددًا من الإمكانات العملية:

• خفض تكلفة الاستدلال: وقت GPU أقل لكل إجابة
• سياقات طويلة دون نمو أسّي في التأخير
• قدرة تنافسية في السيناريوهات الحساسة لزمن الاستجابة: روبوتات الدردشة، والإكمال التلقائي، وخطوط عمل الوكلاء
• إمكانية التوحيد مع التوليد الانتشاري للصور والصوت

والتآزر متعدد الوسائط مثير للاهتمام بوجه خاص: فإذا جُمع الانتشار النصي مع الأساليب الناضجة أصلًا للصور والصوت، تظهر بنية موحدة تعالج جميع الوسائط وفق مبدأ واحد. وتسير Google في هذا الاتجاه بالفعل عبر سلسلة Gemini، ويبدو DiffusionGemma أول خطوة نحو انتشار متعدد الوسائط متكامل.

ماذا يعني ذلك

لم تعد النماذج اللغوية الانتشارية تجربة أكاديمية. فحين يعلن الرئيس التنفيذي لأحد أكبر مختبرات الذكاء الاصطناعي في العالم اختراقًا معماريًا بنفسه، فإن السوق يتفاعل. وإذا تأكدت مؤشرات سرعة DiffusionGemma في اختبارات مستقلة، فقد يغيّر ذلك تسعير استدلال النماذج اللغوية الكبيرة ويدفع المنافسين إلى تسريع تطوير نماذجهم الانتشارية الخاصة.

أما المطورون الذين لم يدرسوا هذه البنية بعد، فهذا هو الوقت المناسب.