Meta تكشف عن Muse Spark: نموذج ذكاء اصطناعي متعدد الوسائط بقدرات تفكير بصري

أعلن قسم Meta Superintelligence Labs رسميًا إطلاق Muse Spark، أول نموذج في عائلة الذكاء الاصطناعي الجديدة كليًا Muse، والتي تَعِد بإعادة النظر في طريقة معالجة البيانات المتنوعة. فعلى خلاف معظم الحلول القائمة التي لا تفعل سوى محاكاة الإدراك المتزامن للنصوص والصور عبر إضافات خارجية، تتمتع هذه الشبكة العصبية بتعدد وسائط أصيل. فقد صُمّمت منذ البداية لترى وتقرأ وتستدل ضمن فضاء حوسبي واحد. ولا يكتفي هذا الإصدار بإضافة نموذج جديد إلى سوق النماذج التوليدية المزدحمة أصلًا، بل يمثل انتقالًا إلى أنظمة أكثر تعقيدًا واستقلالية، قادرة على حل مهام مركّبة باستخدام التفكير البصري والعمل المتوازي لعدة وكلاء.

لفترة طويلة، سار تطور الذكاء الاصطناعي في اتجاه بناء أنظمة متخصصة بدقة، إذ تولّد بعض الخوارزميات النصوص بإتقان، بينما تتعرف أخرى على الرسوميات ببراعة. وحين احتاجت الصناعة إلى الجمع بين الوظيفتين، لجأ المطورون إلى بناء بنى هجينة تُلصق فيها وحدات مستقلة ببعضها برمجيًا. غير أن هذا النهج أدى حتمًا إلى فقدان السياق وتباطؤ معالجة المعلومات، لأن تحويل البيانات من صيغة إلى أخرى كان يستلزم موارد حوسبية إضافية. وكانت الصناعة في أمسّ الحاجة إلى أساس تُعالَج فيه النصوص والشيفرة البرمجية والصور المرئية بوصفها كيانات متكافئة. ويأتي Muse Spark استجابةً لهذا التحدي، إذ يقدّم بنية يُدمج فيها مختلف أنواع البيانات بعمق على المستوى الأساسي، ما يتيح للنموذج إدراك البيئة الرقمية بصورة أكثر تكاملًا.

ويتمثل الابتكار الرئيسي في نموذج Meta الجديد في اعتماد آلية سلسلة التفكير البصري، مقترنة بتقنية متقدمة تُعرف بـ«ضغط الأفكار». فعندما تواجه النماذج اللغوية التقليدية مسألة منطقية معقدة، فإنها تولّد سلاسل نصية طويلة من الاستنتاجات الوسيطة، ما يبطئ العمل ويضاعف استهلاك الموارد. أما بنية Muse Spark فتستطيع تحليل المعلومات الرسومية خطوة بخطوة، مع الاحتفاظ بالسياق البصري طوال عملية الحل، وضغط الحسابات الوسيطة بكفاءة في الوقت نفسه. ويعني ذلك أن الشبكة العصبية يمكنها دراسة رسم بياني أو مخطط أو رسم هندسي معقد، وتحديد تسلسل خطوات التحليل بنفسها، واللجوء إلى أدوات خارجية إذا لم تكن لديها المعرفة الأساسية الكافية. وتمنح القدرة على التنقل بسلاسة بين الاستدلال الداخلي والواجهات البرمجية الخارجية النموذجَ مرونة كبيرة.

وكانت الخطوة الثورية الأخرى هي الدعم المدمج للتنسيق المعقّد بين وكلاء الذكاء الاصطناعي المتوازين. فبدلًا من إجبار شبكة عصبية واحدة على تنفيذ مراحل مشروع ضخم بالتتابع، يستطيع Muse Spark تقسيم الهدف العام إلى مهام فرعية وتفويضها إلى عدة وكلاء مستقلين. ويعمل هؤلاء الوكلاء الفرعيون في وقت واحد، ويتبادلون النتائج الوسيطة في الزمن الفعلي. تخيّل محللًا افتراضيًا يجمع بالتوازي بيانات بصرية من عدة مصادر، ويقرأ الوثائق التقنية، ويكتب شيفرة لمعالجة الإحصاءات، ويعدّل خطواته فورًا استنادًا إلى معطيات جديدة. وتقلّص هذه المعالجة المتعددة المسارات زمن تنفيذ المهام الضخمة تقليصًا جذريًا، وتفتح الطريق أمام أتمتة العمليات في العلوم والهندسة وتصميم الأنظمة.

ومن المتوقع أن يشعل إطلاق أول نموذج من عائلة Muse جولة جديدة من المنافسة بين عمالقة التقنية الساعين إلى تحقيق ذكاء اصطناعي قوي حقًا. فحتى الآن، كانت الريادة في الاستدلال متعدد الوسائط محل تنافس بين حلول المنافسين في السوق، غير أن تركيز المطورين في Superintelligence Labs على تنسيق الوكلاء وتحسين العمليات الحوسبية قد يغيّر ميزان القوى بصورة ملموسة. ويثبت نجاح تطبيق تعدد الوسائط الأصيل أن مستقبل الصناعة لا يكمن في الزيادة المتواصلة لعدد المعاملات، بل في تغيير نوعي لبنية الإدراك الآلي ذاتها. وإذا تعلمت الخوارزميات العمل بتناغم ضمن سرب واحد، وتنسيق عمل عشرات الوحدات ذات التفكير البصري، فستحصل البشرية على أدوات بقدرات غير مسبوقة.

ويُظهر عرض Muse Spark بوضوح رؤية Meta الطموحة والعملية لمستقبل التقنيات الإدراكية. فهو لم يعد مجرد روبوت دردشة واسع المعرفة أو مولّد صور متطور، بل أساس لبناء بنية تحتية ذكية متكاملة من الجيل الجديد. وتشير قدرة الشبكة العصبية على الدمج العضوي بين النص والرؤية، واستخدام البرامج الخارجية، وقيادة فريق من المساعدين الرقميين ببراعة، إلى أن الحد الفاصل بين الحساب الخوارزمي وما يشبه التفكير الاصطناعي يزداد رقة. ومن المؤكد أن الخطوات التالية في تطوير هذه السلسلة ستوسّع آفاق استقلالية الآلات، وتحوّلها من مجرد منفّذ للأوامر إلى شريك كامل في حل أكثر التحديات تعقيدًا.

*Meta مصنفة في روسيا منظمة متطرفة ومحظورة فيها.