أخبار الذكاء الاصطناعي
جوجل تطلق DiffusionGemma: نموذج ذكاء اصطناعي يولد النصوص عبر تقنية الانتشار
📰 The Decoder
📅 10 يونيو 2026
👁 82
⚡ تأثير: Low
كشفت جوجل عن نموذج DiffusionGemma، وهو نموذج مفتوح يعتمد على تقنية الانتشار لتوليد النصوص بدلاً من الطريقة التقليدية، مما يجعله أسرع بأربع مرات من النماذج الحالية.
أطلقت شركة جوجل نموذجاً جديداً مفتوح المصدر يحمل اسم DiffusionGemma، والذي يمثل تحولاً تقنياً في كيفية معالجة وتوليد النصوص. على عكس النماذج اللغوية التقليدية التي تعتمد على التنبؤ بالكلمات أو الرموز (Tokens) بشكل تسلسلي واحد تلو الآخر، يستخدم هذا النموذج تقنية الانتشار (Diffusion)، وهي التقنية ذاتها المستخدمة في نماذج توليد الصور لتحويل الضوضاء إلى صور واضحة.
يأتي النموذج بحجم 26 مليار معامل، ووفقاً لبيانات شركة إنفيديا، فإن أداءه يصل إلى سرعة 1000 رمز في الثانية الواحدة عند تشغيله على معالج رسومي واحد من نوع H100. هذه السرعة تجعل النموذج أسرع بنحو أربع مرات مقارنة بنماذج التنبؤ الذاتي (Autoregressive) المماثلة في الحجم. ومع ذلك، تشير جوجل إلى أن هذه السرعة تأتي على حساب جودة المخرجات، حيث لا تزال دقة النصوص المولدة أقل من النماذج التقليدية المتقدمة.
تضع جوجل حالياً هذا النموذج كأداة تجريبية موجهة للمطورين والباحثين لاستكشاف إمكانيات تقنية الانتشار في معالجة النصوص. يفتح هذا الابتكار آفاقاً جديدة في كيفية بناء نماذج الذكاء الاصطناعي، حيث يمكن للمهتمين بتطوير تطبيقاتهم الخاصة الاستفادة من هذه التقنيات عبر استكشاف أدواتنا المتاحة في /tools أو الاطلاع على أحدث الابتكارات في مجال النماذج المساعدة عبر /assistants.
إن هذا التوجه يعكس رغبة جوجل في تنويع تقنيات توليد المحتوى، حيث تهدف من خلال DiffusionGemma إلى اختبار حدود السرعة والكفاءة في النماذج اللغوية، مع إدراك الحاجة إلى مزيد من التطوير لتحسين جودة النتائج لتضاهي النماذج القياسية الحالية.
لماذا يهم هذا الخبر؟
يمثل النموذج تغييراً جذرياً في بنية توليد النصوص، حيث ينتقل من التسلسل التقليدي إلى المعالجة المتوازية عبر الانتشار، مما يفتح الباب لسرعات معالجة فائقة قد تغير مستقبل تطبيقات الذكاء الاصطناعي.
كيف يستفيد المستخدم العربي؟
يستفيد المطورون العرب من هذا النموذج في بناء تطبيقات تتطلب سرعة عالية في توليد النصوص، كما يتيح لهم فرصة المساهمة في تطوير نماذج مفتوحة المصدر تدعم تقنيات الذكاء الاصطناعي الحديثة.
نقاط عملية:
- النموذج يعتمد على تقنية الانتشار بدلاً من التنبؤ التسلسلي بالرموز.
- يوفر سرعة فائقة تصل إلى 1000 رمز في الثانية على معالجات H100.
- جودة المخرجات لا تزال تجريبية وأقل من النماذج التقليدية.
- يُعد أداة بحثية للمطورين لاستكشاف كفاءة النماذج الجديدة.
روابط داخلية مناسبة:
- /assistants
- /tools
تنبيه تحريري: هذا النص تحرير عربي موجز مبني على المصدر الأصلي، وليس نقلاً حرفياً منه.
المصدر الأصلي: The Decoder
https://the-decoder.com/?p=36487
يأتي النموذج بحجم 26 مليار معامل، ووفقاً لبيانات شركة إنفيديا، فإن أداءه يصل إلى سرعة 1000 رمز في الثانية الواحدة عند تشغيله على معالج رسومي واحد من نوع H100. هذه السرعة تجعل النموذج أسرع بنحو أربع مرات مقارنة بنماذج التنبؤ الذاتي (Autoregressive) المماثلة في الحجم. ومع ذلك، تشير جوجل إلى أن هذه السرعة تأتي على حساب جودة المخرجات، حيث لا تزال دقة النصوص المولدة أقل من النماذج التقليدية المتقدمة.
تضع جوجل حالياً هذا النموذج كأداة تجريبية موجهة للمطورين والباحثين لاستكشاف إمكانيات تقنية الانتشار في معالجة النصوص. يفتح هذا الابتكار آفاقاً جديدة في كيفية بناء نماذج الذكاء الاصطناعي، حيث يمكن للمهتمين بتطوير تطبيقاتهم الخاصة الاستفادة من هذه التقنيات عبر استكشاف أدواتنا المتاحة في /tools أو الاطلاع على أحدث الابتكارات في مجال النماذج المساعدة عبر /assistants.
إن هذا التوجه يعكس رغبة جوجل في تنويع تقنيات توليد المحتوى، حيث تهدف من خلال DiffusionGemma إلى اختبار حدود السرعة والكفاءة في النماذج اللغوية، مع إدراك الحاجة إلى مزيد من التطوير لتحسين جودة النتائج لتضاهي النماذج القياسية الحالية.
لماذا يهم هذا الخبر؟
يمثل النموذج تغييراً جذرياً في بنية توليد النصوص، حيث ينتقل من التسلسل التقليدي إلى المعالجة المتوازية عبر الانتشار، مما يفتح الباب لسرعات معالجة فائقة قد تغير مستقبل تطبيقات الذكاء الاصطناعي.
كيف يستفيد المستخدم العربي؟
يستفيد المطورون العرب من هذا النموذج في بناء تطبيقات تتطلب سرعة عالية في توليد النصوص، كما يتيح لهم فرصة المساهمة في تطوير نماذج مفتوحة المصدر تدعم تقنيات الذكاء الاصطناعي الحديثة.
نقاط عملية:
- النموذج يعتمد على تقنية الانتشار بدلاً من التنبؤ التسلسلي بالرموز.
- يوفر سرعة فائقة تصل إلى 1000 رمز في الثانية على معالجات H100.
- جودة المخرجات لا تزال تجريبية وأقل من النماذج التقليدية.
- يُعد أداة بحثية للمطورين لاستكشاف كفاءة النماذج الجديدة.
روابط داخلية مناسبة:
- /assistants
- /tools
تنبيه تحريري: هذا النص تحرير عربي موجز مبني على المصدر الأصلي، وليس نقلاً حرفياً منه.
المصدر الأصلي: The Decoder
https://the-decoder.com/?p=36487
💡 الأثر العملي
← اقرأ المصدر الأصلي
يستفيد المطورون العرب من هذا النموذج في بناء تطبيقات تتطلب سرعة عالية في توليد النصوص، كما يتيح لهم فرصة المساهمة في تطوير نماذج مفتوحة المصدر تدعم تقنيات الذكاء الاصطناعي الحديثة.