الذكاء الاصطناعي العصبي الشكل من KIST يتدرّب أسرع بست مرات من نهج Google — دون تكاليف إضافية في العتاد
ابتكر باحثو KIST (المعهد الكوري للعلوم والتكنولوجيا) الأسلوب A²SG، أي Adaptive and Asymmetric Surrogate Gradients. يدرّب هذا الأسلوب الشبكات العصبية النبضية بدقة بمستوى عالمي على ImageNet، ويحتاج إلى تكاليف حوسبة أقل بست مرات مقارنة بأسلوب Google. التغييرات برمجية فقط، ولا حاجة إلى المساس بالعتاد. وقد عُرض البحث في مؤتمر ICML 2026 في سيول.
معالج بواسطة الذكاء الاصطناعي من TechXplore AI؛ بتحرير Hamidun News
قدّم المعهد الكوري الجنوبي للعلوم والتكنولوجيا KIST، في 6 يوليو 2026 خلال مؤتمر ICML 2026، الأسلوب A²SG (Adaptive and Asymmetric Surrogate Gradients). وهو تقنية لتدريب الشبكات العصبية النبضية تتطلب تكاليف حوسبة أقل بنحو ست مرات من الأسلوب الرائد لدى Google، مع دقة مماثلة.
ما هو A²SG ولماذا هو مهم
تحاكي الشبكات العصبية النبضية (SNN) عمل الدماغ البيولوجي: فهي تنقل الإشارات عبر نبضات متفرقة بدلًا من تدفق مستمر من الأرقام، ما يمنحها استهلاكًا أقل للطاقة بشكل جوهري مقارنة بالشبكات العصبية العميقة التقليدية (DNN). المشكلة أن تدريبها أصعب، لأن الطريقة القياسية للانتشار العكسي للخطأ لا تعمل مباشرة مع SNN.
طوّر الأسلوب A²SG فريق بقيادة كبير الباحثين سونغسيك باك من قسم تقنيات أشباه الموصلات في KIST. ويعالج هذه المشكلة عبر تدرجات بديلة تكيفية وغير متماثلة لبُنى المحوّلات (Transformer) الخاصة بالشبكات النبضية.
- مكسب الدقة — مستوى عالمي على معيار ImageNet
- تكاليف الحوسبة الإضافية — نحو 1/6 من أسلوب Google
- التنفيذ — برمجي فقط، ولا حاجة إلى تغييرات في العتاد
- قابلية التطبيق — الهواتف الذكية، والأجهزة القابلة للارتداء، والطائرات المسيّرة، وأجهزة الاستشعار العاملة على مدار 24 ساعة
- النشر — arXiv (DOI: 10.48550/arxiv.2606.11236)، ICML 2026، سيول، 6–11 يوليو 2026
ما الذي تغيّر في نهج التدريب
الفارق الرئيسي بين الأسلوب الجديد وسابقاته أنه تكيفي وغير متماثل في آن واحد. فالتدرجات البديلة التقليدية تطبّق الدالة نفسها على جميع الخلايا العصبية وفي جميع اتجاهات التدريب. أما A²SG فيكيّف شكل التدرج مع كل خلية عصبية بحسب نشاطها، ويطبّق استراتيجيات مختلفة للمرور الأمامي والمرور العكسي. وهذا ما يحقق مكسبًا في الكفاءة دون خسارة في الجودة.
«تعالج هذه الدراسة المشكلات البنيوية في الذكاء الاصطناعي العصبي الشكل،
وتعزز إمكانات تطبيقه العملي»، — سونغسيك باك، الباحث الرئيسي في KIST.
وبحسب بيانات arXiv، أظهر الأسلوب تحسنًا ثابتًا على شبكات عصبية بأحجام مختلفة وفي مهام متنوعة. وكان المؤلف الأول للبحث طالب الدراسات العليا كانغ يتشان.
ماذا يعني ذلك
يخرج الذكاء الاصطناعي العصبي الشكل (Neuromorphic AI) من حيّزه الأكاديمي الضيق. فإذا نجح تسويق A²SG تجاريًا — وقد أعلن KIST بالفعل خططه لإنشاء شرائح ذكاء اصطناعي منخفضة الطاقة تقوم على RPU (Random Processing Unit) — فستتمكن الأجهزة المزودة بالذكاء الاصطناعي من العمل دون دعم سحابي دائم، وباستهلاك يبلغ أجزاءً من الواط بدلًا من ميغاواطات مراكز البيانات.
الأسئلة الشائعة
ما الشبكة العصبية النبضية وبماذا تتفوق على الشبكة العادية؟
تنقل الشبكة العصبية النبضية (SNN) المعلومات عبر نبضات متفرقة، مثل خلايا الدماغ العصبية، وليس عبر تدفق مستمر من الأرقام. وهذا يخفض استهلاك الطاقة بمراتب كبيرة مقارنة بالشبكات العميقة الكلاسيكية DNN، مع جودة نتائج مماثلة في عدد من المهام.
هل يجب تغيير العتاد لاستخدام A²SG؟
لا. فالأسلوب منفَّذ برمجيًا بالكامل، ولا حاجة إلى تغيير المعالجات أو الشرائح، ما يخفض عتبة التبنّي بشكل حاد.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.