Zhipu GLM-OCR: الصينيون يعلّمون نموذجًا مصغّرًا أن يرى كل شيء

ظلّت صناعة الذكاء الاصطناعي طويلًا أشبه بمنافسة لكمال الأجسام خارج الموسم: كل إعلان جديد يرافقه التفاخر بعدد مليارات المعاملات وبالميغاواطات المحروقة. لكن بينما يقيس قادة السوق حجم عناقيدهم الحاسوبية، اختارت شركة Zhipu AI الصينية، التي كثيرًا ما تُوصف بأنها الرد المحلي على OpenAI، طريق التقشف الأنيق. فقد أطلقت GLM-OCR، والأهم من ذلك أنها فتحت شيفرته المصدرية. وهو نموذج يثبت أن الرؤية الحاسوبية الجيدة لا تحتاج إلى حاسوب خارق بحجم ثلاجة.

السياق هنا بالغ الأهمية. رسّخت Zhipu AI مكانتها منذ زمن بين كبار قطاع التقنية الصيني بسلسلة GLM، لكن إطلاق نموذج لا يتجاوز 0.9 مليار معامل يمثّل تحديًا مباشرًا لمقولة «كلما كان أكبر كان أفضل». ففي السابق، كان التعرف الجيد على النصوص (OCR) يتطلب إما خوارزميات بدائية غير دقيقة، وإما نماذج متعددة الوسائط ثقيلة تلتهم ذاكرة الفيديو على الفطور. أما اليوم فنحن أمام أداة مصمَّمة لمهمة واحدة، تنفذها بدقة جراحية على أبسط العتاد.

ما الذي تغيّر تقنيًا بالضبط؟ تم تحسين GLM-OCR منذ البداية للعمل مع أطر حديثة مثل vLLM وSGLang وOllama. وهذه ليست مجرد قائمة بأسماء رائجة، بل إمكانية فعلية لتشغيل النموذج على حاسوب محمول، بل وحتى على هاتف ذكي متقدم. ويجعله انخفاض زمن الاستدلال وقلة تكاليف الموارد الحاسوبية مرشحًا مثاليًا لسيناريوهات الأحمال العالية. تخيّلوا نظامًا لمعالجة المستندات في مصرف أو شركة لوجستية لا يحتاج إلى إرسال كل صورة ممسوحة ضوئيًا إلى السحابة، فيهدر ثواني في الانتظار وسنتات على كل طلب.

لماذا يهم هذا الآن تحديدًا؟ نحن عند نقطة انعطاف يبدأ فيها قطاع الأعمال بحساب أمواله. فالحماس لـ«النماذج الشاملة التي تفعل كل شيء» يفسح المجال لبحث عملي عن أدوات لعمليات تجارية محددة. واستخدام GPT-4o الضخم لمجرد قراءة الأرقام على إيصال شراء يشبه استخدام صاروخ فضائي للذهاب إلى المخبز. تقدّم Zhipu للسوق «دراجة» تصل إلى الهدف أسرع وأرخص. والأكثر من ذلك أن الشيفرة المفتوحة تتيح للشركات مواصلة تدريب النموذج على بياناتها الخاصة مع الحفاظ على السرية داخل منظومتها.

وتستحق الحوسبة الطرفية اهتمامًا خاصًا. ففي عالم إنترنت الأشياء والأنظمة المستقلة، تشكّل قدرة الشبكة العصبية على «رؤية» النص وفهمه دون اتصال بالإنترنت عاملًا حاسمًا. وهذا يفتح الباب أمام جيل جديد من الكاميرات الذكية والروبوتات الصناعية والأجهزة القابلة للارتداء التي تفهم سياق العالم المحيط بها في الزمن الفعلي. ويبرهن المطورون الصينيون مرة أخرى أنهم الأبرع في تعبئة التقنيات المعقدة في حلول فعّالة ومتاحة.

وفي النهاية، قد يطلق نجاح GLM-OCR موجة من الإصدارات المماثلة من لاعبين آخرين. فإذا كان نموذج صغير يتعرف على النصوص بمستوى يكفي 90% من المهام التجارية، فلماذا ندفع أكثر؟ هذا ليس مجرد إصدار آخر لشبكة عصبية، بل بيان للكفاءة في مواجهة الإفراط. وبينما يبني العمالقة الغربيون أبراجًا أعلى فأعلى من وحدات GPU، يبدأ الصينيون بالهيمنة في «حرب العصابات» على أجهزة المستخدمين.

الخلاصة: جعلت Zhipu AI تقنية OCR رخيصة ومتاحة للجميع. فهل يصبح عام 2024 عام انتصار النماذج المصغّرة على العمالقة؟