جوجل جمناي الذكاء الاصطناعي المطور

جوجل جمناي: نظرة شاملة على قوة الذكاء الاصطناعي متعدد الوسائط من جوجل

I. مقدمة: عصر جوجل جمناي

يمثل جوجل جمناي، وهو عائلة من نماذج الذكاء الاصطناعي الكبيرة متعددة الوسائط (LLMs) التي طورتها Google DeepMind، قفزة نوعية في مجال الذكاء الاصطناعي. يأتي جمناي كخليفة لنماذج جوجل السابقة مثل LaMDA وPaLM 2، ويُعد تطورًا محوريًا في المشهد التنافسي للذكاء الاصطناعي. تتميز هذه النماذج بقدرتها الفائقة على معالجة وفهم أنواع بيانات متعددة بشكل متكامل، بما في ذلك النصوص والصور والصوت والفيديو والتعليمات البرمجية.  

لا يقتصر دور جمناي على كونه مجرد نموذج لغوي متقدم، بل هو أيضًا المحرك الأساسي لروبوت الدردشة الخاص بجوجل، والذي يحمل الآن اسم "Gemini" بعد أن كان يُعرف سابقًا بـ Bard. يعكس هذا الدمج استراتيجية جوجل لتقديم قدرات الذكاء الاصطناعي المتقدمة مباشرة إلى المستخدمين عبر واجهات سهلة الاستخدام، مثل كونه المساعد الافتراضي الافتراضي على أحدث هواتف Google Pixel 9 وPixel 9 Pro، حيث حل محل Google Assistant.  

يهدف هذا المقال إلى تقديم تحليل معمق وشامل لجوجل جمناي، بدءًا من تعريفه ونسخه المتنوعة، مرورًا بآلياته التقنية المعقدة وكيفية عمله، وصولًا إلى استعراض مفصل لطرق الاستفادة منه في كل من التطبيقات الاستهلاكية وحلول الأعمال والمطورين.

إن تموضع جوجل جمناي كمنافس مباشر لـ OpenAI's GPT-4 يشير إلى تصعيد كبير في السباق التنافسي للذكاء الاصطناعي. هذا التنافس الشديد يدفع حدود الابتكار بشكل أسرع، مما يؤدي إلى نماذج ذكاء اصطناعي أكثر قدرة وتوفرًا للمستخدمين والمطورين على حد سواء. يترتب على هذا التنافس تسريع في وتيرة تطوير الميزات، وتحسين مستمر في الأداء عبر المعايير المختلفة، وربما زيادة في إمكانية الوصول إلى نماذج الذكاء الاصطناعي المتقدمة. كما أن دمج جوجل لفرق DeepMind وGoogle Brain لتطوير جمناي هو نتيجة مباشرة لهذا الضغط التنافسي، بهدف توحيد المواهب والموارد لتقديم عرض قوي وموحد.  

II. ما هو جوجل جمناي؟ التعريف والنسخ

تعريف جوجل جمناي

جوجل جمناي هو في جوهره نموذج لغوي كبير، ولكنه يبرز كـ "عائلة" من نماذج الذكاء الاصطناعي متعددة الوسائط. هذا يعني أنه مصمم ليس فقط لمعالجة النصوص، بل أيضًا لفهم وتوليد المحتوى عبر وسائط متعددة مثل الصوت والصور والفيديو والتعليمات البرمجية. تُعد هذه القدرة المتعددة الوسائط السمة المميزة لجمناي، حيث يمكنه قبول مدخلات متداخلة من أي من هذه الوسائط، على عكس النماذج التقليدية التي قد تقتصر على النص أو تتطلب معالجة منفصلة للوسائط المختلفة. على سبيل المثال، يمكن للمستخدم أن يبدأ محادثة بمزيج من النص والصور والفيديو والصوت بأي ترتيب، ويمكن لجمناي أن يستجيب بنفس الطريقة المرنة.  

جمناي هو النموذج الأساسي الذي يدعم روبوت الدردشة الخاص بجوجل (الذي كان يُعرف سابقًا بـ Bard)، ويتوفر هذا الروبوت كتطبيق ويب وتطبيق جوال. يتم دمج جمناي تدريجيًا في مجموعة واسعة من تقنيات جوجل، مثل كونه المساعد الافتراضي الافتراضي على هواتف Google Pixel 9 وPixel 9 Pro، ليحل محل Google Assistant.  

عائلة نماذج جمناي: Ultra, Pro, Flash, Nano

تأتي عائلة نماذج جمناي في إصدارات متعددة، كل منها مُحسّن لأجهزة ومهام مختلفة، مما يوفر مرونة كبيرة للمستخدمين والمطورين :  

• Gemini 1.0 Nano: هو الأصغر والأكثر كفاءة، مصمم للعمل على الأجهزة المحمولة حتى بدون اتصال بالإنترنت. يمكنه أداء مهام على الجهاز مثل وصف الصور، اقتراح الردود على الرسائل، تلخيص النصوص، وتحويل الكلام إلى نص. يتوفر على أجهزة Android بدءًا من Pixel 8 Pro ويتم دمجه في عميل Chrome لسطح المكتب. يتميز بنافذة سياق تبلغ 32,000 رمز.  
• Gemini 1.0 Ultra: هو الإصدار الأكبر والأكثر تقدمًا من عائلة 1.0، مصمم للمهام المعقدة للغاية التي تتطلب قدرات تحليلية متقدمة، مثل البرمجة والاستدلال الرياضي والاستدلال متعدد الوسائط. يتفوق على النماذج السابقة مثل GPT-3.5 وGPT-4 في العديد من المعايير. كما يتميز بنافذة سياق تبلغ 32,000 رمز.  
• Gemini 1.5 Pro: هو نموذج متوسط الحجم متعدد الوسائط، يتميز بنافذة سياق ضخمة تصل إلى 2 مليون رمز، مما يمكنه من معالجة كميات هائلة من المعلومات، مثل ساعات من الصوت والفيديو أو آلاف الأسطر البرمجية أو مئات الصفحات من المستندات. إنه مُحسّن لمجموعة واسعة من مهام الاستدلال المعقدة ويقدم قدرات متوازنة.  
• Gemini 1.5 Flash: تم بناء هذا الإصدار من جمناي للسرعة والكفاءة وفعالية التكلفة، مع الحفاظ على مستوى عالٍ من الأداء والاستدلال. يتميز بنافذة سياق تصل إلى مليون رمز. يُعد أسرع وأرخص من Gemini 1.5 Pro، مما يجعله مثاليًا للمهام ذات زمن الاستجابة المنخفض والحجم الكبير التي تتطلب تفكيرًا.  
• نماذج أحدث وتجريبية: تستمر جوجل في تطوير نماذج جمناي، مع إصدارات مثل Gemini 2.0 Flash و2.0 Flash-Lite و2.5 Pro و2.5 Flash، بالإضافة إلى نماذج متخصصة لتوليد الوسائط مثل Imagen وVeo.  

إن التنوع الكبير في إصدارات جمناي (Nano, Pro, Flash, Ultra، بالإضافة إلى الإصدارات الأحدث 2.x) يشير إلى اتجاه واضح نحو نماذج ذكاء اصطناعي متخصصة تلبي احتياجات بيئات حاسوبية متنوعة ومتطلبات مستخدمين مختلفة. هذا الاتجاه يمتد من الكفاءة على الأجهزة الطرفية وصولًا إلى قدرات الاستدلال عالية الأداء في السحابة، مما يعكس ابتعادًا عن نهج "مقاس واحد يناسب الجميع". هذا التخصص يؤدي إلى انتشار أوسع للذكاء الاصطناعي، حيث يمكن نشره بفعالية على كل شيء بدءًا من الهواتف الذكية وحتى مراكز البيانات. كما يضمن حصول المستخدمين على الأداة المناسبة للمهمة، مما يؤدي إلى نتائج أفضل واستخدام أمثل للموارد، بالإضافة إلى تحسين الكفاءة من حيث التكلفة.

يوضح الجدول التالي مقارنة بين نماذج جوجل جمناي الرئيسية:

الميزة / النموذج	Gemini Nano	Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini Ultra (1.0)
القدرات الأساسية	مهام على الجهاز، مساعد صوتي، تكامل المنزل الذكي، وصف الصور، تلخيص النص، نسخ الكلام	سرعة وكفاءة، مهام عالية الحجم ومنخفضة زمن الاستجابة، استدلال جيد، توليد الكود والصور	مهام معقدة، استدلال متقدم، تحليل مجموعات بيانات كبيرة، برمجة متقدمة	مهام معقدة للغاية، بحث، مشاريع إبداعية متقدمة، استدلال متعدد الوسائط
القوة	الأدنى	معتدلة إلى عالية	الأعلى ضمن 1.5	الأعلى ضمن 1.0
الكفاءة	الأكثر كفاءة	عالية الكفاءة	معتدلة	الأقل كفاءة
إمكانية الوصول	عالية (لأجهزة الجوال)	متوفرة على نطاق واسع عبر API	متوفرة عبر API	محدودة
متطلبات الموارد	الأدنى	منخفضة إلى معتدلة	عالية	الأعلى
حجم نافذة السياق (الرموز)	32,000	1,000,000 (API)؛ 32,000 (عام)	2,000,000 (API)	32,000
الاستخدامات المثلى	الأجهزة المحمولة (Pixel 8 Pro)، المهام على الجهاز	مهام سريعة وفعالة من حيث التكلفة، تطبيقات عالية الحجم	معالجة البيانات المعقدة، البرمجة، البحث العلمي، فهم متعدد الوسائط	البحث العلمي، الإنتاج الإعلامي الإبداعي، تطوير الذكاء الاصطناعي المتقدم

 

III. كيف يعمل جوجل جمناي؟ البنية والتدريب

الأسس التقنية: نموذج المحولات (Transformer Model)

يعتمد جوجل جمناي على بنية شبكة المحولات العصبية (Transformer model)، وهي بنية أساسية في الذكاء الاصطناعي قدمتها جوجل نفسها في عام 2017. تُعد هذه البنية العمود الفقري لمعظم نماذج اللغة الكبيرة الحديثة. في نموذج المحولات، تقوم "المشفرات" (Encoders) بتحويل تسلسلات الإدخال إلى تمثيلات رقمية تُعرف باسم "التضمينات" (embeddings)، والتي تلتقط المعاني والمواقع الدلالية للرموز في التسلسل.  

تُمكّن آلية "الانتباه الذاتي" (self-attention mechanism) المحولات من "تركيز انتباهها" على الرموز الأكثر أهمية في تسلسل الإدخال، بغض النظر عن موقعها. بعد ذلك، تستخدم "المفككات" (Decoders) آلية الانتباه الذاتي وتضمينات المشفرات لتوليد تسلسل الإخراج الأكثر احتمالية إحصائيًا. تم تعديل هذه البنية خصيصًا لتمكين التدريب والاستدلال الفعال على وحدات معالجة الموتر (TPUs) الخاصة بجوجل.  

القدرات متعددة الوسائط

تُعد القدرة المتعددة الوسائط هي السمة الأكثر تميزًا لجمناي. على عكس نماذج GPT التي تقبل فقط المطالبات النصية، أو نماذج الانتشار المستخدمة لتوليد الصور التي تقبل مطالبات نصية وصورية، يدعم جوجل جمناي تسلسلات متداخلة من الصوت والصور والنصوص والفيديو كمدخلات، ويمكنه إنتاج مخرجات نصية وصورية متداخلة. يتم معالجة الفيديو كتسلسل من الصور، ويتم أخذ عينات من الصوت بتردد 16 كيلو هرتز ثم تحويله إلى تسلسل من الرموز بواسطة نموذج الكلام العالمي (Universal Speech Model). هذه القدرة تسمح بتفاعلات أكثر طبيعية وشمولية مع الذكاء الاصطناعي.  

البيانات التدريبية الضخمة

تم تدريب جمناي على مجموعة ضخمة من مجموعات البيانات متعددة اللغات ومتعددة الوسائط. تضمنت هذه البيانات "مستندات الويب والكتب والتعليمات البرمجية، وشملت بيانات الصور والصوت والفيديو". تم التدريب على وحدات معالجة الموتر (TPUs) الخاصة بجوجل. شمل تطوير جمناي مئات المهندسين من Google Brain وDeepMind، وحتى المؤسس المشارك لجوجل سيرجي برين. كما تم الاستعانة بمحامين لتصفية أي مواد قد تكون محمية بحقوق الطبع والنشر، خاصة وأن النموذج تم تدريبه على نصوص من مقاطع فيديو يوتيوب.  

نوافذ السياق الكبيرة

تُعد نوافذ السياق الكبيرة إحدى أهم الميزات التي تميز نماذج جمناي، خاصة الجيل 1.5. بينما كانت معظم النماذج التوليدية في السنوات الأخيرة قادرة على معالجة 8,000 رمز فقط في المرة الواحدة، ثم تطورت إلى 32,000 أو 128,000 رمز، كان جمناي أول نموذج قادر على قبول مليون رمز، والآن يصل إلى 2 مليون رمز مع Gemini 1.5 Pro.  

تفتح نوافذ السياق الطويلة هذه العديد من حالات الاستخدام الجديدة:

• Gemini 1.0 (Nano, Ultra): نافذة سياق 32,000 رمز.  
• Gemini 1.5 Pro: نافذة سياق تصل إلى 2 مليون رمز، أي ما يعادل تقريبًا ساعة من الفيديو الصامت، أو 19 ساعة من الصوت، أو 30,000 سطر من التعليمات البرمجية، أو 700,000 كلمة.  
• Gemini 1.5 Flash: نافذة سياق تصل إلى مليون رمز.  

تُمكن هذه النوافذ الكبيرة من تلخيص مجموعات ضخمة من النصوص، والإجابة على الأسئلة المعقدة التي تتطلب فهمًا عميقًا للسياق دون الاعتماد الكبير على تقنيات استرجاع المعلومات، وتطوير سير عمل الوكلاء الذكيين التي تتطلب تتبع حالة طويلة. كما أنها تتميز بقدرة استرجاع شبه مثالية (>99%) للمعلومات ضمن هذا السياق.  

إن قدرات جمناي الأصلية في المعالجة متعددة الوسائط ونوافذ السياق الكبيرة تمثل تحولًا جوهريًا في كيفية تفاعل المستخدمين والمطورين مع الذكاء الاصطناعي. إنه يتجاوز التفاعل النصي البسيط إلى تجربة أكثر شبهاً بالإنسان، وسياقية، ومتكاملة، مما يتيح إنجاز مهام معقدة كانت مستحيلة أو غير فعالة للغاية في السابق. هذا الجمع بين القدرة على معالجة أنواع بيانات متعددة والاحتفاظ بسياق طويل ليس مجرد إضافة، بل هو تآزر يتيح للذكاء الاصطناعي "ذاكرة" وفهمًا لكميات هائلة من المعلومات في وقت واحد، مما يعزز القدرة على حل المشكلات المعقدة، ويقلل من الاحتكاك في التفاعل، ويفتح الباب أمام حالات استخدام جديدة تمامًا، مثل التحليل متعدد الوسائط في الوقت الفعلي والبحث العميق على مجموعات البيانات الضخمة.

لمعلومات اكثر عن المنصة يمكنكم الدخول من هـــنــــا