شهریور
اخبار
جما از یک میلیارد دانلود گذشت؛ رکورد تازهی متنباز گوگل
خانوادهی مدلهای متنباز گوگل به عددی رسیده که تا دو سال پیش برای یک پروژهی تحقیقاتی غیرقابل تصور بود: یک میلیارد دانلود. اما جذابتر از خود این عدد، جاهایی است که این مدلها سر از آنها درآوردهاند؛ از یک ماهواره در مدار زمین تا اپلیکیشن سلامت ملی هند و آزمایشگاههای سرطان دانشگاه ییل. گوگل میگوید توسعهدهندگان بیش از صد هزار نسخهی سفارشی از این مدل ساختهاند. در این گزارش نگاه دقیقتری به معنای واقعی این رکورد و به میدان رقابت متنباز میاندازیم.
لیست مطالب
۱) رکوردی که در دو سال ساخته شد
شرکت گوگل در بیستم اوت ۲۰۲۶ در وبلاگ رسمی خود اعلام کرد که مجموع دانلودهای خانوادهی مدلهای جما از یک میلیارد گذشته است. این اعلام از سوی کلمان فارابه، معاون گوگل دیپمایند، و اولیویه لاکومب، مدیر محصول، منتشر شد. عدد دیگری که در همین اعلامیه آمده شاید حتی گویاتر باشد: بیش از صد هزار نسخهی متمایز از این مدلها توسط توسعهدهندگان ساخته و منتشر شده است.
تفاوت این دو عدد مهم است. دانلود یعنی کنجکاوی؛ اما ساخت یک نسخهی سفارشی یعنی کسی وقت گذاشته، داده جمع کرده و مدل را برای یک زبان، یک وظیفه یا یک سختافزار خاص بازآموزی کرده است. صد هزار نسخهی سفارشی نشانهی یک اکوسیستم زنده است، نه یک موج گذرای تبلیغاتی.
برای مقایسهی مقیاس، مسابقهی جما در پلتفرم کگل بیش از هزار و ششصد ارسال از سوی جامعهی توسعهدهندگان دریافت کرده است؛ رقمی که نشان میدهد جذب توسعهدهنده صرفاً به اعلامیهی رسمی محدود نمانده است.
۲) مدل متنباز دقیقاً یعنی چه؟
اصطلاح «متنباز» در دنیای مدلهای زبانی معنای دقیقتری از آنچه به نظر میرسد دارد. آنچه شرکتهایی مثل گوگل و متا منتشر میکنند معمولاً «وزنهای باز» است؛ یعنی شما فایل مدل آموزشدیده را دریافت میکنید و میتوانید آن را روی سختافزار خودتان اجرا کنید، تغییرش دهید و در محصولتان به کار ببرید. اما دادهی آموزشی و بخشی از فرایند ساخت لزوماً منتشر نمیشود.
همین سطح از گشودگی هم تفاوت بزرگی ایجاد میکند. وقتی مدل روی سرور خودتان اجرا میشود، داده از سازمان بیرون نمیرود، هزینهی هر فراخوانی به شرکت سازنده پرداخت نمیشود و شما به یک تأمینکننده وابسته نمیمانید. برای بیمارستان، بانک یا نهاد دولتی که با دادهی حساس کار میکند، این سه ویژگی گاهی از چند درصد دقت بیشتر ارزشمندتر است.
اگر میخواهید تصویر روشنتری از جایگاه این بازیگران در صنعت داشته باشید، مطلب اوپنایآی چیست زمینهی خوبی برای درک ساختار رقابت در این حوزه فراهم میکند.
۳) جما در مدار زمین؛ جالبترین کاربرد این فهرست
شاخصترین نمونهای که گوگل معرفی کرده، استقرار مدل روی یک ماهواره است. نسخهی چهار میلیارد پارامتری جما ۳ پس از فشردهسازی چهاربیتی، روی یک ماهوارهی شرکت لافت اربیتال و روی ماژول پردازشی جتسون اورین انویدیا نصب شده است. نام این سامانه «ناوی-اربیتال» گذاشته شده و کار آن تحلیل تصویرهایی است که خود ماهواره از حسگرهایش میگیرد.
نتیجهی سنجش عملکرد این سامانه، دقت ۸۸ درصد روی هفت هزار و نهصد و شصت تصویر آزمایشی گزارش شده است. گوگل این را نخستین نمایش مداری یک مدل بینایی-زبانی توصیف میکند که تصاویر حسگر خود ماهواره را تحلیل میکند.
اهمیت فنی ماجرا در محدودیتهاست. یک ماهواره نه برق فراوان دارد، نه خنککنندهی صنعتی و نه پهنای باند نامحدود برای فرستادن تصویرها به زمین. اجرای مدل در همانجا یعنی بهجای ارسال گیگابایتها تصویر خام، فقط نتیجهی تحلیل پایین میآید. این دقیقاً همان استدلالی است که پشت موج «هوش مصنوعی لبه» قرار دارد و مدلهای کوچک و باز را برای آن ضروری میکند.
۴) پروندهی سلامت؛ از دهلی تا اوگاندا
سازمان ملی سلامت هند مدل جما ۴ را همراه با جعبهابزار دادهی پزشکی گوگل در نسخهی دوم اپلیکیشن سلامت ملی این کشور به کار گرفته است؛ اپلیکیشنی که بیش از صد میلیون بار روی اندروید نصب شده. وظیفهی مدل، تبدیل گزارشهای پزشکی به قالبهای دیجیتال استاندارد است.
این کاربرد شاید کمزرقوبرق به نظر برسد، اما در عمل یکی از سختترین گلوگاههای نظامهای سلامت است. بخش بزرگی از دادهی پزشکی در قالب متن آزاد، دستنوشته یا تصویر اسکنشده باقی میماند و تا زمانی که ساختارمند نشود، نه قابل جستوجوست و نه قابل تحلیل. مدلی که بتواند این تبدیل را در مقیاس ملی و روی زیرساخت داخلی انجام دهد، ارزش عملی بسیار بالایی دارد.
در همین حوزه، نسخهی تخصصی مدگما در کاربردهایی مانند تریاژ بیماران سرپایی در انستیتوی علوم پزشکی هند و سامانههای کارکنان بهداشت خط مقدم در مناطق روستایی اوگاندا استفاده میشود. الگوی مشترک این نمونهها روشن است: جایی که بودجه محدود و اتصال اینترنت ناپایدار است، مدل کوچکِ قابل اجرا روی سختافزار محلی برنده میشود.
۵) کشف مسیر درمانی سرطان؛ ادعایی که باید دقیق خواند
پژوهشگران دانشگاه ییل بههمراه گوگل مدلی به نام C2S-Scale را بر پایهی جما آموزش دادهاند که دادههای تکسلولی را تفسیر میکند. بر پایهی اعلام گوگل، این مدل یک مسیر درمانی تازه برای سرطان را شناسایی کرده که بعداً در سلولهای زنده تأیید شده است؛ گوگل آن را نخستین سامانهی هوش مصنوعی میداند که مسیر درمانی مکانیستی تازهای تولید کرده که در سلول زنده صحتسنجی شده باشد.
در خواندن چنین خبرهایی لازم است دقت کنیم. «تأیید در سلول زنده» یک گام آزمایشگاهی مهم است، اما فاصلهی آن تا یک داروی بالینی سالها و چند مرحلهی کارآزمایی است. آنچه این خبر واقعاً نشان میدهد این است که مدلهای زبانی از نقش «دستیار نگارش» عبور کرده و به ابزار تولید فرضیه در علوم زیستی تبدیل شدهاند. این تفاوت کیفی است، نه صرفاً کمی.
برای درک بهتر مرز میان آنچه این ابزارها واقعاً میتوانند و آنچه به آنها نسبت داده میشود، مطالعهی تواناییها و محدودیتهای واقعی هوش مصنوعی را پیشنهاد میکنیم.
۶) کاربردی که کمتر دیده شد؛ گفتوگو با دلفینها
یکی دیگر از نمونههایی که گوگل معرفی کرده، همکاری موسسهی فناوری جورجیا و پروژهی دلفینهای وحشی است که مدلی به نام دلفینجما ساختهاند. کار این مدل، پردازش آواهای دلفینها و پیشبینی توالی صداهاست.
ارزش این پروژه فراتر از جذابیت خبری آن است. آواهای جانوری از نظر ساختاری شباهتهایی به زبان دارند: توالی، الگو و بافت. مدلی که برای پیشبینی توکن بعدی در متن آموزش دیده، میتواند با بازآموزی روی دادهی صوتی، الگوهای پنهان را پیدا کند. این نمونه نشان میدهد چرا انتشار وزنهای باز اهمیت دارد؛ چنین پروژههایی هرگز در فهرست اولویتهای تجاری یک شرکت بزرگ قرار نمیگیرند.
۷) رقابت با متا؛ تختهامتیازی به نام دانلود
شرکت گوگل جما را پاسخ خود به خانوادهی لاما از متا معرفی میکند و در این رقابت، شمار دانلود عملاً به تختهامتیاز اصلی تبدیل شده است. اما این معیار محدودیتهای جدی دارد. یک دانلود میتواند یک آزمایش کنجکاوانه باشد یا یک استقرار تولیدی؛ همچنین بازآموزی مکرر و ساخت نسخههای مشتق، عدد را بهسرعت بالا میبرد.
واقعیت پیچیدهتر بازار این است که رقابت متنباز دیگر دوقطبی نیست. مدلهای چینی در ماههای اخیر ارقام دانلود بسیار بزرگی ثبت کردهاند و رقابت را از حالت دوطرفه خارج کردهاند. بنابراین «یک میلیارد» را باید بهعنوان نشانهی سلامت اکوسیستم گوگل خواند، نه بهعنوان مدرک قاطع پیشتازی.
نکتهی جالب دیگر واکنش بازار سرمایه است؛ طبق گزارشها، این خبر تأثیر مثبت محسوسی بر سهام شرکت مادر گوگل نداشت. توضیح سادهاش این است که مدل باز مستقیماً درآمد تولید نمیکند و ارزش آن در جذب توسعهدهنده و تثبیت استاندارد است، نه در فروش فوری.
۸) این خبر برای کسبوکارها و توسعهدهندگان ایرانی چه معنایی دارد؟
مهمترین پیام عملی این است که برای بخش بزرگی از کاربردهای واقعی، دیگر لازم نیست سراغ گرانترین مدل جهان بروید. یک مدل چند میلیارد پارامتری که روی یک کارت گرافیک معمولی یا حتی یک سرور محلی اجرا میشود، برای دستهبندی متن، استخراج اطلاعات از فرمها، خلاصهسازی و پاسخگویی بر پایهی اسناد داخلی معمولاً کافی است.
مزیت دوم، حاکمیت داده است. وقتی مدل روی زیرساخت خودتان اجرا میشود، اطلاعات مشتریان از سازمان خارج نمیشود. برای کسبوکارهایی که با دادهی مالی یا سلامت کار میکنند، این یک الزام است نه یک ترجیح. توضیح بیشتر دربارهی نقش این تصمیمها در بهرهوری سازمانی را در اهمیت هوش مصنوعی در کسبوکار بخوانید.
و هشدار سوم: مدل باز یعنی مسئولیت بیشتر. نبود لایهی محافظتی آماده به این معناست که تیم شما باید خودش ارزیابی، پایش و کنترل کیفیت را بسازد. تجربه نشان داده که این بخش، معمولاً پرهزینهتر از خود مدل است؛ موضوعی که در تحلیل توهم ساختن با هوش مصنوعی بهتفصیل بررسی شده است.
پرسشهای پرتکرار دربارهی رکورد یک میلیارد دانلود جما
خانوادهی مدلهای جما دقیقاً چیست؟
مجموعهای از مدلهای زبانی با وزنهای باز که گوگل منتشر میکند و توسعهدهندگان میتوانند آنها را دانلود، اجرا و بازآموزی کنند. این مدلها با مدل پرچمدار و بستهی جمینای تفاوت دارند.
عدد یک میلیارد دانلود چه زمانی اعلام شد؟
شرکت گوگل این رکورد را در بیستم اوت ۲۰۲۶ در وبلاگ رسمی خود اعلام کرد.
ماجرای نصب این مدل روی ماهواره چه بود؟
نسخهی چهار میلیارد پارامتری جما ۳ بهصورت فشردهی چهاربیتی روی یک ماهوارهی لافت اربیتال و ماژول جتسون اورین انویدیا مستقر شد و در سنجش عملکرد، دقت ۸۸ درصد روی هفت هزار و نهصد و شصت تصویر آزمایشی ثبت کرد.
آیا این مدلها واقعاً رایگاناند؟
وزنهای مدل قابل دریافت است، اما اجرای آن نیازمند سختافزار و هزینهی زیرساخت خودتان است. همچنین شرایط استفادهی منتشرشده از سوی گوگل بر کاربردها حاکم است، بنابراین پیش از استفادهی تجاری باید متن مجوز را مطالعه کنید.
برای شروع کار با هوش مصنوعی از کجا باید آغاز کرد؟
اگر تازهکار هستید، پیش از سراغرفتن به مدلهای محلی، مهارت پرامپتنویسی را تقویت کنید؛ راهنمای پرامپتنویسی برای مبتدیها و مجموعهی آموزشهای چتجیپیتی نقطهی شروع مناسبی هستند.
