هوش مصنوعی جدید گوگل به نام DiffusionGemma سریعتر از مدلهای رایج؟ همه چیز به زبان ساده
حتماً برایتان پیش آمده که هنگام چت کردن با هوش مصنوعیهایی مثل ChatGPT یا Gemini، خیره به صفحه بمانید تا سیستم کلمات را یکی یکی و مثل یک ماشین تحریر قدیمی روی صفحه تایپ کند. این روش اگرچه کار ما را راه میاندازد، اما وقتی میخواهید یک متن طولانی یا یک کد برنامهنویسی بزرگ تحویل بگیرید، کمی کند و حوصله سر بر میشود.
گوگل به تازگی از یک فناوری آزمایشی و جدید به نام “DiffusionGemma” رونمایی کرده که این بازی را کاملاً تغییر میدهد. این ابزار جدید به جای تایپ کلمه به کلمه، متنها را مثل یک دستگاه چاپ پیشرفته و به صورت یکجا روی صفحه ظاهر میکند و سرعت کار را تا “۴ برابر” افزایش میدهد.
در این مقاله میخواهیم بدون درگیر شدن در اصطلاحات پیچیده مهندسی، ببینیم این جادوی جدید گوگل چطور کار میکند و چرا اهمیت دارد.
مشکل مدل های زبانی رایج هوش مصنوعی چیست؟
هوش مصنوعیهای رایجی که امروز استفاده میکنیم، «پیشبین کلمه بعدی» هستند. یعنی اول کلمه اول را مینویسند، بعد فکر میکنند که با توجه به کلمه اول، کلمه دوم چه باید باشد، و همینطور تا آخر ادامه میدهند.
این روش دو مشکل بزرگ دارد:
- زمانبر است: اگر سیستم یک اشتباه در کلمه سوم کند، باید تا آخر متن همان مسیر اشتباه را ادامه دهد یا کل فرآیند را از اول بازنویسی کند.
- قدرت کامپیوتر شما را هدر میدهد: کامپیوترها و کارتهای گرافیک جدید بسیار قدرتمند هستند و میتوانند هزاران کار را همزمان انجام دهند. اما این روش کلمه به کلمه، کارت گرافیک شما را مجبور میکند معطل بماند تا کلمه بعدی آماده شود.
فناوری هوش مصنوعی جدید گوگل چطور کار میکند؟ (تولید متن به سبک نقاشی)
گوگل برای حل این مشکل، از ایدهای استفاده کرده که قبلاً در هوش مصنوعیهای تصویرساز (مثل Midjourney) دیده بودیم. این روش که به آن دیفیوژن (Diffusion) میگویند، به جای نوشتن خط به خط، شبیه به کشیدن یک نقاشی عمل میکند:
- مرحله اول (طرح اولیه): هوش مصنوعی ابتدا یک بوم خالی با کلی کلمه نامفهوم و درهم و برهم (چیزی شبیه به نویز) ایجاد میکند.
- مرحله دوم (شفافسازی): در چند مرحله خیلی سریع، به این کلمات درهم و برهم نگاه میکند و به مرور آنها را اصلاح و واضح میکند.
- مرحله سوم (چاپ نهایی): در نهایت، یک بلوک کامل از متن (حدود ۲۵۶ کلمه یا بخش متنی) به صورت همزمان و کاملاً شفاف روی صفحه ظاهر میشود.
با این روش، کلمات همزمان با هم تولید و نوشته میشوند. این یعنی هوش مصنوعی میتواند قبل از تمام شدن جمله، کلمات بعدی و قبلی را با هم هماهنگ کند تا متن دقیقتر و روانتر شود.
ویژگیهای جذاب هوش مصنوعی DiffusionGemma که باید بدانید
گوگل این ابزار را طوری طراحی کرده که روی سیستمهای خانگی هم به خوبی کار کند. سه ویژگی مهم این فناوری عبارتند از:
- سرعت باورنکردنی: این مدل روی کارتهای گرافیک قدرتمند خانگی میتواند در هر ثانیه بیشتر از ۷۰۰ بخش متنی تولید کند که یعنی یک متن کامل در یک چشم به هم زدن آماده میشود.
- تیم متخصصان مخفی (معماری MoE): این هوش مصنوعی مثل شرکتی است که ۲۶ کارمند متخصص دارد، اما برای جواب دادن به سؤال شما، فقط ۳ نفر از بهترین متخصصانش را صدا میزند. این کار باعث میشود کامپیوتر شما انرژی و حافظه کمتری مصرف کند.
- قابل اجرا روی کامپیوترهای معمولی: به لطف روشهای فشردهسازی، این ابزار سنگین را میتوان طوری کوچک کرد که روی لپتاپها یا کامپیوترهای خانگی هم بدون نیاز به اینترنت اجرا شود.
این هوش مصنوعی کجا به کار ما میآید؟
شاید بپرسید این سرعت بالا چه فایدهای برای کاربر معمولی دارد؟ سرعت بالا در کنار قابلیت «نگاه همزمان به کل متن»، دو کاربرد فوقالعاده ایجاد میکند:
- ویرایش جادویی متنها: فرض کنید یک متن طولانی دارید و فقط میخواهید یک پاراگراف در وسط آن را تغییر دهید. هوش مصنوعیهای قدیمی مجبور بودند کل متن را از اول بازنویسی کنند، اما DiffusionGemma مثل یک غلطگیر حرفهای، فقط همان بخش وسط را در کسری از ثانیه اصلاح میکند.
- کمکدست برنامهنویسان: این ابزار میتواند وسط کدهای برنامهنویسی که خالی مانده را پر کند؛ چون هم به کدهای بالایی و هم به کدهای پایینی تسلط همزمان دارد.
موازنه بزرگ: سرعت بیشتر در برابر کیفیت
با وجود تمام این ویژگیهای جذاب، DiffusionGemma هنوز یک پروژه آزمایشی است و یک ایراد بزرگ دارد: اون هم این است که کیفیت و دقت متن آن هنوز به پای هوش مصنوعیهای استاندارد و معمولی گوگل (مثل سری Gemma 4) نمیرسد.
بنابراین، گوگل پیشنهاد میکند که اگر برای کارهای حساس، نوشتن مقالات دقیق یا کارهای شرکتی بزرگ به هوش مصنوعی نیاز دارید، فعلاً از همان مدلهای سنتی استفاده کنید. اما اگر به دنبال ابزاری هستید که با سرعت نور متنها را ویرایش کند، کدهای کپیپیست شده را اصلاح کند و روی سیستم شخصی خودتان بدون اینترنت کار کند، این فناوری جدید بهترین گزینه برای آینده است.
سوالات متداول (FAQs)
1. آیا DiffusionGemma جایگزین ChatGPT یا هوش مصنوعی فعلی گوگل میشود؟
خیر، این یک ابزار آزمایشی و کمکی است که در حال حاضر برای کارهای خاص مثل ویرایش سریع متن و برنامهنویسی کاربرد دارد و کیفیت متن آن هنوز برای جایگزینی کامل آماده نیست.
2. چرا به این فناوری «دیفیوژن» یا موازی میگویند؟
چون برخلاف مدلهای معمولی که کلمات را یکییکی پشت سر هم مینویسند، این مدل کل متن را به صورت یکجا و در چند مرحله (شبیه به شفاف شدن یک نقاشی تار) تولید میکند.
3. آیا برای استفاده از این ابزار به اینترنت نیاز داریم؟
این مدل به صورت متنباز (Open Source) منتشر شده، به این معنی که برنامهنویسان و کاربران میتوانند آن را دانلود کرده و به صورت کاملاً آفلاین روی کامپیوترهای شخصی خود اجرا کنند.
