Kaggle تحت مظلة Google DeepMind تطلق Benchmarks SDK لمقارنة نماذج الذكاء الاصطناعي الكبيرة

تغيّر Kaggle، المنصة التي يعرفها ملايين المتخصصين في علم البيانات بوصفها الساحة الرئيسية لمسابقات تعلّم الآلة، هويتها. فقد حلّ شعار "The World's AI Proving Ground" محل شعار "Your Home for Data Science"، وهذا ليس مجرد إعادة تسمية تسويقية. ففي عام 2026 انتقلت Kaggle رسميًا إلى إدارة AI Frontier، وهي قسم جديد داخل Google DeepMind.

تغيّر الجهة المشرفة يعني تغيّر التركيز الاستراتيجي. فلم تعد Kaggle مجرد مكان لمسابقات التنبؤ أو تصنيف الصور. أصبحت مهمة المنصة الآن التقييم المنهجي للنماذج اللغوية الكبيرة والنماذج متعددة الوسائط في ظروف موحدة.

أبرز تحديث تقني هو قسم Benchmarks الجديد على الموقع، إضافةً إلى Kaggle Benchmarks SDK مفتوحة المصدر على GitHub. وهي إطار عمل متكامل لإنشاء مجموعات الاختبار وإدارتها وتشغيلها. وآلية العمل بسيطة: يصف الباحث الاختبار، أي البيانات المدخلة والنتيجة المتوقعة ومقياس الجودة، ثم يجمع عدة اختبارات في مجموعة واحدة، فتصبح هذه المجموعة معيارًا للمقارنة (benchmark). وتتولى SDK تشغيل النماذج في ظروف متكافئة وإعداد النتائج: السجلات، وملفات JSON، وجداول المقارنة، ولوحات المتصدرين.

تتيح مرونة النظام تنفيذ أي آلية اختبار تقريبًا، من الدقة (accuracy) التقليدية إلى المهام المعقدة متعددة الخطوات مع تقييم الاستدلال. ويمكن إبقاء بيانات المعايير وشيفرتها في مجموعات بيانات خاصة مغلقة أمام الوصول العام. وبذلك تستطيع الشركات إنشاء معايير داخلية لتقييم النماذج دون كشف المنهجية وحالات الاختبار للمنافسين. وإن رغبت في ذلك، فيمكنها جعل المعيار عامًا ليصبح مرجعًا مشتركًا لدى المجتمع.

لماذا يهم ذلك الآن تحديدًا؟ تُعدّ مشكلة التقييم النزيه لنماذج الذكاء الاصطناعي حادة للغاية. فالمعايير العامة الشائعة، مثل MMLU وHumanEval وGPQA وغيرها، تتعرض لانتقادات متكررة: إذ تتسرب بياناتها إلى مجموعات التدريب، فتؤدي النماذج الامتحان وهي تحمل الإجابات مسبقًا بدلًا من إظهار قدراتها الحقيقية. وتنشئ المختبرات الكبرى اختبارات داخلية مغلقة، لكن الفرق الصغيرة والمجموعات الأكاديمية لا تملك بنية تحتية كهذه. وتجعل Kaggle Benchmarks SDK هذه الأدوات في متناول الجميع.

وتحقق Google DeepMind من تحويل المنصة مكاسب واضحة. فـKaggle، بمجتمعها الذي يضم ملايين الأعضاء، تصبح منصة لعرض قدرات نماذج الشركة ومقارنتها بنماذج المنافسين، في ظروف يُنظر إليها على أنها محايدة. والفائدة واضحة للمجتمع أيضًا: فقد كان إنشاء معيار نزيه قابل لإعادة الإنتاج يتطلب في السابق جهدًا هندسيًا كبيرًا، أما الآن فصار ذلك متاحًا عبر SDK قياسية.

الحنين إلى Kaggle القديمة مفهوم. فقد ولّت الأيام التي كان فيها فوز نموذج XGBoost مضبوط جيدًا على شبكة عصبية في البيانات الجدولية حدثًا لافتًا. وتحوّلت مهمة القطاع من "من سيتنبأ بدقة أكبر" إلى "كيف نقيس بموضوعية ما تفعله النماذج الكبيرة". وتتكيف Kaggle مع هذا التحول، وتسعى، بحسب حجم التغييرات، إلى أن تصبح المعيار المرجعي لهذا القياس.