اللحظة الاخباري -

في خطوة وُصفت بأنها قد تُحدث ثورة في مجال الذكاء الاصطناعي، طوّر فريق بحثي من جامعة ميونخ التقنية طريقة جديدة لتدريب الشبكات العصبية الصناعية، تقلل استهلاك الطاقة بما يصل إلى 100 مرة مقارنة بالطرق التقليدية، دون التأثير على دقة النتائج.

ووفقًا للدراسة التي عُرضت في مؤتمر NeurIPS 2023 ونُشرت مؤخرًا، فإن التقنية الجديدة لا تعتمد على عمليات التحسين التكراري المعتادة، بل تستخدم نهجًا احتماليًا ذكيًا يركز على تحديد النقاط الأكثر تأثيرًا في بيانات التدريب، لتوليد "الأوزان" الخاصة بالنموذج مباشرة، مما يقلل الحاجة إلى عمليات حسابية كثيفة.

وفي تصريح خاص لـالجزيرة نت، قال د. محمد خليف، أستاذ علوم الحاسوب في الأكاديمية العربية للعلوم والتكنولوجيا والنقل البحري:

"هذه المنهجية تمثل تحولًا جذريًا، فهي أشبه بشخص يعرف أين يبحث عن الإجابة مباشرة، ما يعني انتقالًا من الكم إلى الكيف في عملية التعلم".

عقل اصطناعي بتكلفة منخفضة

مع النمو الهائل لتطبيقات الذكاء الاصطناعي مثل ChatGPT وGemini، يتزايد الضغط على مراكز البيانات التي تستهلك كميات ضخمة من الطاقة. ففي ألمانيا وحدها، بلغ استهلاك مراكز البيانات حوالي 16 مليار كيلوواط/ساعة في عام 2020، ويتوقع أن يصل إلى 22 مليار كيلوواط/ساعة خلال عام 2025، أي ما يعادل نحو 1% من إجمالي استهلاك الطاقة في البلاد.

وتعد الشبكات العصبية الأساس لمعظم تطبيقات الذكاء الاصطناعي، مثل الترجمة الآلية، والتعرف على الصور، والمعالجة اللغوية. لكن تدريب هذه الشبكات يتطلب قوة حوسبة ضخمة، مما يجعل من تطوير طرق أكثر كفاءة ضرورة حيوية.

الكيف بدلًا من الكم

المنهجية الجديدة تتجاوز فكرة تدريب النماذج على ملايين الأمثلة، وتركز بدلاً من ذلك على البيانات الأكثر تمثيلًا وتغيرًا، ما يتيح تحديد الأوزان المؤثرة بسرعة ودقة دون الحاجة للحوسبة المرهقة.

ويشرح خليف هذه الفكرة قائلاً:

"النهج الجديد يشبه من يستخدم خبرته للتركيز على الخيارات الأرجح، بدلاً من تجربة كل الاحتمالات. النتيجة هي خفض كبير في الجهد والطاقة، دون التضحية بجودة النتائج".

فرصة للدول النامية

ومن أبرز مزايا هذا الابتكار أنه قد يفتح الباب أمام ديمقراطية الذكاء الاصطناعي، حيث يقول خليف:

"التقنية تتيح للباحثين في الدول النامية وأصحاب الموارد المحدودة فرصة حقيقية لدخول هذا المجال، بعيدًا عن الحواسيب العملاقة أو الشرائح المكلفة".

ورغم أن الطريقة لا تزال محدودة في التعامل مع بعض أنواع الشبكات مثل تلك الخاصة بمعالجة الصور أو اللغة الطبيعية، فإن الباحثين يرون أنها نقطة انطلاق واعدة يمكن استخدامها لتسريع المراحل الأولى من التدريب، وتوفير الوقت والطاقة قبل اللجوء إلى التدريب الكامل.

مستقبل أكثر استدامة

ويختتم خليف بقوله:

"إذا أثبتت هذه التقنية فعاليتها في التطبيقات الواقعية، فستُستخدم على نطاق واسع — من الشركات الكبرى إلى الهواتف الشخصية — ما يعني ذكاءً اصطناعيًا أكثر استدامة وكفاءة، وأقل استنزافًا لموارد الكوكب".

في عالم تتزايد فيه الحاجة إلى الذكاء الاصطناعي الصديق للبيئة، يمثل هذا الابتكار الألماني خطوة كبيرة نحو مستقبل يعتمد على الكفاءة والبساطة دون التفريط في الأداء.