أطلقت جوجل ما يصفه كثيرون في مجتمع الذكاء الاصطناعي بأنه أهم اختراق في تقنيات الضغط لعام 2026. خوارزمية TurboQuant الجديدة، التي قدّمها فريق Google Research، تجعل نماذج اللغة الكبيرة (LLMs) أصغر حجمًا وأسرع أداءً بشكل جذري — دون التضحية بالجودة. بالنسبة لعشّاق التقنية في المملكة العربية السعودية ودول الخليج، هذا ليس مجرد بحث أكاديمي، بل إشارة واضحة إلى أن الذكاء الاصطناعي القوي والخاص أصبح على وشك الوصول إلى الأجهزة التي تملكها بالفعل.
ما هو TurboQuant ولماذا يهمّك؟
في جوهره، TurboQuant هو أسلوب ضغط يُقلّص البصمة الذاكرية لنماذج الذكاء الاصطناعي بمعامل لا يقل عن 6 أضعاف. الخوارزمية، التي ستُعرض في مؤتمر ICLR 2026، قادرة على تكميم بيانات النموذج إلى 3 بتات فقط — كل ذلك دون الحاجة إلى إعادة تدريب أو ضبط دقيق، ومع عدم فقدان أي دقة.
عمليًا، هذا يعني أن جهاز Mac Mini بذاكرة 16 جيجابايت — أو أجهزة بمواصفات مماثلة — يمكنه الآن تشغيل نماذج ذكاء اصطناعي متطورة محليًا بالكامل. بدون الاعتماد على السحابة. بدون رسوم اشتراك. وبدون خروج بياناتك من جهازك. بالنسبة للمستخدمين في المملكة العربية السعودية، حيث تتنامى أولويات سيادة البيانات والخصوصية ضمن أجندة التحول الرقمي لرؤية 2030، يُعدّ هذا تحولًا جوهريًا.
الاختراق التقني: كيف يعمل؟
يعتمد TurboQuant على خوارزميتين مساعدتين تُطلقهما جوجل أيضًا: PolarQuant وQuantized Johnson-Lindenstrauss (QJL).
تعمل العملية على مرحلتين. أولًا، تقوم PolarQuant بتدوير المتجهات عشوائيًا وتحويلها من الإحداثيات الديكارتية التقليدية إلى إحداثيات قطبية. تخيّل الأمر كاستبدال اتجاهات متعددة الأبعاد معقدة بوصف أبسط يعتمد على نصف القطر والزاوية. هذا يُلغي خطوة التطبيع المكلفة التي تتطلبها طرق الضغط التقليدية، ويزيل الحمل الإضافي للذاكرة الذي عادةً ما يُبطل الغرض من التكميم.
ثانيًا، يُطبّق TurboQuant خوارزمية QJL — وهي تقنية تصحيح أخطاء بحجم بت واحد — لتنظيف الأخطاء المتبقية الصغيرة من المرحلة الأولى. تُقلّص QJL كل نقطة بيانات إلى بت إشارة واحد مع الحفاظ على الدقة الرياضية من خلال مُقدِّر خاص يوازن بين الاستعلامات عالية الدقة والبيانات المضغوطة.
النتيجة: نماذج تعمل بشكل أسرع مع استهلاك جزء بسيط من الذاكرة، بأداء يُطابق النماذج الأصلية غير المضغوطة.
الأداء الفعلي: الأرقام تتحدث
اختبر فريق جوجل خوارزمية TurboQuant بصرامة عبر معايير قياسية معتمدة في الصناعة تشمل LongBench وNeedle In A Haystack وZeroSCROLLS وRULER وL-Eval باستخدام نماذج مفتوحة المصدر مثل Gemma وMistral. النتائج كانت لافتة:
- تقليص الذاكرة 6 أضعاف في حجم ذاكرة التخزين المؤقت للمفتاح-القيمة مع عدم فقدان أي دقة في المهام النهائية
- تسريع يصل إلى 8 أضعاف في حساب قيم الانتباه باستخدام TurboQuant بدقة 4 بت على مسرّعات H100 GPU مقارنة بالنماذج غير المكمّمة بدقة 32 بت
- نتائج مثالية في اختبارات “الإبرة في كومة القش” — مما يعني أن النموذج لا يفقد شيئًا من قدرته على إيجاد معلومات محددة ضمن سياقات نصية ضخمة
- نسب استرجاع متفوقة في البحث عالي الأبعاد مقارنة بأحدث الطرق مثل PQ وRabbiQ، حتى بدون ضبط خاص بمجموعة البيانات
ماذا يعني هذا للمستخدم السعودي؟
التداعيات تتجاوز نتائج المعايير القياسية بكثير. إليك ما يعنيه هذا الاختراق عمليًا للمنظومة التقنية السعودية:
ذكاء اصطناعي محلي على أجهزة المستهلك: أجهزة مثل Mac Mini والهواتف الذكية المتطورة وحتى الحواسيب المحمولة متوسطة المواصفات ستتمكن من تشغيل نماذج لغوية عالية الجودة محليًا. هذا يتوافق تمامًا مع توجّه المملكة نحو تبنّي الذكاء الاصطناعي عبر القطاعات — من التعليم إلى الرعاية الصحية إلى الخدمات الحكومية.
نوافذ سياق أكبر: مع تقليص متطلبات الذاكرة بشكل جذري، يمكن لنماذج الذكاء الاصطناعي التعامل مع مستندات ومحادثات أطول بكثير دون التباطؤ وتدهور الجودة الذي يُصيب التفاعلات المطوّلة حاليًا.
الذكاء الاصطناعي على الهاتف يصبح حقيقة: تشغيل ذكاء اصطناعي عالي الجودة على الهواتف ينتقل من النظري إلى العملي. في سوق يعتمد على الهاتف المحمول أولًا كالسوق السعودي، حيث يتجاوز انتشار الهواتف الذكية 98%، يفتح هذا إمكانيات هائلة للمساعدات الذكية باللغة العربية والترجمة على الجهاز والتطبيقات المحافظة على الخصوصية.
تكاليف أقل على كل المستويات: النماذج المضغوطة تعني حوسبة أقل وذاكرة أقل وطاقة أقل. بالنسبة للشركات التي تنشر الذكاء الاصطناعي على نطاق واسع — سواء كانت شركات ناشئة في مشهد الرياض التقني المزدهر أو مؤسسات كبرى في نيوم وغيرها — تنخفض التكاليف التشغيلية بشكل ملحوظ.
نهج جوجل المفتوح مهم
لعل الجانب الأبرز في هذا الإطلاق هو اختيار جوجل نشر TurboQuant بشكل مفتوح بدلًا من الاحتفاظ به كتقنية حصرية. ستُعرض الخوارزميات في مؤتمرين أكاديميين كبيرين (ICLR 2026 وAISTATS 2026)، والتقنيات الأساسية متاحة لمجتمع البحث الأوسع.
هذا النهج المفتوح يعني أن المطورين في المملكة العربية السعودية وحول العالم يمكنهم البناء على هذه الأساليب فورًا. إنه يُسرّع المنظومة البيئية للذكاء الاصطناعي بأكملها بدلًا من تركيز المزايا في شركة واحدة — وهي فلسفة تتوافق مع روح الابتكار التعاوني التي تقود الاستراتيجية الوطنية السعودية للبيانات والذكاء الاصطناعي.
نظرة نحو المستقبل
من المرجح أن يمتد أثر TurboQuant عبر مجالات متعددة. فبعيدًا عن تحسين ذاكرة التخزين المؤقت في النماذج اللغوية الكبيرة، التقنية قابلة للتطبيق مباشرة في البحث المتجهي — التقنية التي تُشغّل محركات البحث الدلالية وأنظمة التوصيات وخطوط أنابيب التوليد المعزّز بالاسترجاع (RAG).
مع تغلغل الذكاء الاصطناعي بشكل أعمق في الحياة اليومية عبر المملكة — من البنية التحتية للمدن الذكية إلى منصات التعليم المخصصة — ستكون خوارزميات الضغط الفعّالة مثل TurboQuant تقنية أساسية. إنها تمثل الجسر بين ذكاء اصطناعي اليوم المعتمد على السحابة ورؤية الغد لذكاء اصطناعي قوي وخاص ومتاح للجميع.
أُجري البحث بواسطة أمير زنديه وفهاب ميرروكني في Google Research، بالتعاون مع باحثين من جوجل ومعهد KAIST وجامعة نيويورك.
يتشكّل عام 2026 ليكون عامًا تحوّليًا للذكاء الاصطناعي. وقد يُذكر TurboQuant بوصفه الاختراق الذي جعل كل ذلك ممكنًا.
