الشبكات العصبية السائلة: حقبة جديدة من الذكاء الاصطناعي بأدنى استهلاك للذاكرة

يتواصل في عالم الذكاء الاصطناعي البحث عن بنى أكثر كفاءة وأقل كلفة. ومن أحدث الاكتشافات في هذا المجال الشبكات العصبية السائلة (Liquid Neural Networks). وهي بنية جديدة طوّرها باحثون، وتمثّل بديلاً لبنية Transformer (المحوّل) السائدة، والأهم من ذلك أنها تتطلب موارد حوسبية أقل بكثير. فالنموذج يحتاج للعمل إلى 900 ميغابايت فقط من الذاكرة العشوائية، ما يفتح الباب أمام نشر نماذج ذكاء اصطناعي معقدة على أجهزة محدودة الموارد.

أصبحت بنية Transformer (المحوّل) حجر الزاوية في معالجة اللغة الطبيعية (NLP) والرؤية الحاسوبية الحديثة. غير أن تعقيدها الحوسبي وارتفاع استهلاكها للذاكرة يحدّان من استخدامها على الأجهزة المحمولة والأنظمة المدمجة وغيرها من المنصات محدودة الموارد. وتقترح الشبكات العصبية السائلة (Liquid Neural Networks) حلاً لهذه المشكلة عبر نهج مختلف جذرياً في معالجة المعلومات.

على عكس الطبقات الثابتة في الشبكات العصبية التقليدية، تعتمد الشبكات العصبية السائلة (Liquid Neural Networks) على وصلات ديناميكية بين العصبونات تتغير بمرور الوقت. وهذا يتيح للنموذج التكيّف مع البيانات المُدخلة واستخلاص المعلومات ذات الصلة بكفاءة أكبر. ويتمثل العنصر الأساسي في هذه البنية في استخدام المعادلات التفاضلية لنمذجة ديناميكية الوصلات العصبية. ويتيح هذا النهج بناء نماذج مدمجة قادرة على حل مهام معقدة بأقل كلفة حوسبية.

يجعل انخفاض استهلاك الذاكرة (900M فقط) الشبكات العصبية السائلة (Liquid Neural Networks) جذابة بوجه خاص للحوسبة الطرفية (edge-computing)، حيث تتم معالجة البيانات على الجهاز نفسه لا في السحابة. ويفتح ذلك المجال لإنتاج أجهزة ذكية تعالج البيانات باستقلالية، مثل المستشعرات الذكية والأجهزة القابلة للارتداء والهواتف المحمولة. تخيّلوا هاتفاً ذكياً ينفذ مهام معقدة كالترجمة الآلية أو التعرف على الصور دون الحاجة إلى الاتصال بالإنترنت أو إرسال البيانات إلى السحابة.

علاوة على ذلك، قد تجد الشبكات العصبية السائلة (Liquid Neural Networks) تطبيقات لها في الروبوتات، حيث تلزم معالجة سريعة وفعّالة للبيانات في الوقت الفعلي. وبوسع الروبوتات المزوّدة بمثل هذه النماذج أن تستجيب بمرونة أكبر للتغيرات في البيئة المحيطة وأن تتخذ قراراتها استناداً إلى البيانات المحلية.

وفي الخلاصة، يمثّل تطوير الشبكات العصبية السائلة (Liquid Neural Networks) خطوة مهمة إلى الأمام في مجال الذكاء الاصطناعي الفعّال. فهذه البنية الجديدة تتيح نشر نماذج معقدة على أجهزة محدودة الموارد، ما قد يؤدي إلى ظهور تطبيقات جديدة في مجالات شتى، من الحوسبة الطرفية (edge-computing) إلى الروبوتات. ومن المؤكد أن الأبحاث المقبلة في هذا المجال ستركّز على تحسين أداء الشبكات العصبية السائلة (Liquid Neural Networks) وقابليتها للتوسع، وعلى تكييفها لحل طيف واسع من المهام.