أبحاث تقنيةالأخبار

نموذج ذكاء اصطناعي يضغط 1 جيجابايت من ويكيبيديا إلى 105 ميجابايت فقط

كتب : محمود عمار

نجح باحث في تطوير أداة ذكاء اصطناعي تحمل اسم tufazip.. تمكنت من ضغط 1 جيجابايت من نصوص ويكيبيديا إلى 105.39 ميجابايت فقط.. دون فقدان أي بيانات أصلية. ومع ذلك.. تتطلب التقنية موارد حوسبة ضخمة ووقتًا طويلًا.. إذ تحتاج إلى بطاقتي NVIDIA B200 ونحو أسبوع لإتمام عملية الضغط أو فك الضغط.ويأتي هذا الابتكار في إطار تطور استخدام نماذج الذكاء الاصطناعي في معالجة البيانات.. حيث تعتمد الأداة على نموذج Transformer يتعلم من النصوص التي يعالجها.. بدلا من الاعتماد بصورة أساسية على خوارزميات الضغط التقليدية. وبالتالي.. تفتح هذه التجربة المجال أمام دراسة طرق جديدة لتقليل أحجام البيانات النصية مع الحفاظ على محتواها الأصلي.وطور الباحث تومي هي الأداة ضمن مشروع Tufa Labs.. باستخدام نموذج يضم 163 مليون معلمة. كما حققت tufazip نتيجة متقدمة في اختبار Large Text Compression Benchmark بين الحلول التي تعتمد على الشبكات العصبية وحدها.. وهو ما يعكس إمكانات النماذج الذكية في تطوير تقنيات ضغط البيانات.

كيف تعمل أداة الذكاء الاصطناعي tufazip؟

تعتمد أداة tufazip على نموذج ذكاء اصطناعي يتكون من 12 طبقة.. ويبدأ بنموذج صغير مدرب مسبقا يضم 34 مليون معلمة. وبعد ذلك.. يجري نسخ طبقتين من النموذج الأولي لتكوين النموذج الكامل المستخدم في عملية ضغط البيانات.ويبلغ حجم النموذج الأولي نحو 4.33 ميجابايت فقط.. وذلك بعد تقليل دقة تخزين بياناته. ومن ثم.. يستطيع الباحث استخدام هذا النموذج ضمن آلية تعتمد على التعلم التدريجي أثناء التعامل مع النصوص.وخلال عملية الضغط.. يتعلم النموذج بصورة تدريجية من البيانات التي يعالجها.. بينما يعمل برنامج فك الضغط على إعادة تنفيذ خطوات التعلم نفسها. وبذلك.. يتمكن النظام من استعادة النصوص الأصلية دون فقدان المعلومات.ولا يقتصر الحجم النهائي للملف المضغوط على النصوص وحدها.. إذ يتضمن الحجم البالغ 105.39 ميجابايت النص المضغوط والنموذج الأولي والملفات المطلوبة لتنفيذ عملية فك الضغط واستعادة البيانات.

tufazip ضمن اختبارات ضغط البيانات

واحتلت أداة tufazip المركز الثالث عشر في تصنيف اختبار Large Text Compression Benchmark بتاريخ 19 نوفمبر.. بينما تفوقت عليها 12 أداة تعتمد على الجمع بين الشبكات العصبية وخوارزميات الضغط التقليدية.وعلى الرغم من النتيجة التي حققتها الأداة.. فإن استخدامها يتطلب موارد حوسبة كبيرة للغاية. إذ استغرقت عملية ضغط البيانات نحو 7.3 أيام.. بينما استغرقت عملية فك الضغط نحو 7.5 أيام.. باستخدام بطاقتي NVIDIA B200 ومعالجين من نوع Intel Xeon Platinum 8570.وفي المقابل.. حققت أداة cmix-neif 2.0 حجما أصغر بلغ 89.35 ميجابايت.. لكنها استغرقت نحو 49 ساعة في عملية الضغط. كذلك.. سجلت أداة DNA-4 حجما قدره 105.55 ميجابايت.. باستخدام بطاقة RTX 4090 خلال نحو 19.8 ساعة.وتوضح هذه النتائج أن الوصول إلى حجم أصغر للبيانات لا يرتبط بالضرورة باستخدام نموذج ذكاء اصطناعي أكبر أو أكثر تعقيدا.. إذ أظهرت التجارب أن نموذجًا يضم 188 مليون معلمة تفوق على نموذج آخر يضم 267 مليون معلمة.

زيادة التدريب لا تعني نتائج أفضل دائما

كما أظهرت التجارب أن توسيع نطاق النصوص المستخدمة في تدريب النموذج أدى إلى تحسين أداء الضغط بنسبة 1.21% فقط.. مقابل زيادة العمليات الحسابية بنسبة 40%. وبالتالي.. فإن تحسين كفاءة نماذج ضغط البيانات لا يعتمد على زيادة حجم التدريب وحدها.. بل يتطلب أيضا تحقيق توازن بين جودة النتائج والموارد المستخدمة.ولا تزال tufazip مشروعا بحثيا غير مخصص للاستخدام التجاري في الوقت الحالي.. كما تقتصر النتائج المعلنة على ضغط النصوص. ومع ذلك.. تمثل التجربة خطوة بحثية في استكشاف دور الذكاء الاصطناعي في تطوير تقنيات ضغط البيانات.. خاصة مع استمرار الباحثين في اختبار نماذج قادرة على تقليل أحجام الملفات مع الحفاظ على المعلومات الأصلية.

اظهر المزيد

مقالات ذات صلة

زر الذهاب إلى الأعلى