بعد إصدار Gemini3، أعلن الفريق: ثلاثة ابتكارات رئيسية وقانون الحجم لا يزال صحيحًا.

بقلم: Wuji، مترجم خاص لشركة Tencent Technology

في التاسع عشر من نوفمبر بتوقيت بكين، وعقب إصدار جوجل لنماذج سلسلة Gemini 3، أصدرت بودكاست التكنولوجيا Hard Fork التابع لصحيفة نيويورك تايمز برنامجًا خاصًا يتضمن مقابلات أجراها كيفن روز وكيسي نيوتن مع ديميس هاسابيس، الرئيس التنفيذي لشركة Google DeepMind، وجوش وودوارد، قائد فريق Google Gemini.

فيما يلي نسخة مختصرة من المقابلة

رودس: كيسي، نبث حلقة خاصة اليوم، نركز فيها على إصدار جيميني 3.

نيوتن: أجل، كيفن. لطالما كان هذا النموذج منتظرًا بفارغ الصبر في مجتمع الذكاء الاصطناعي في وادي السيليكون، وأخيرًا سنتمكن من تجربة المنتج الحقيقي بشكل مباشر.

رودس: هناك سببان رئيسيان دفعانا لكسر جدولنا المعتاد للنشر يوم الجمعة لتسجيل هذه الحلقة الخاصة. أولًا، أتيحت لنا فرصة مقابلة شخصيتين رئيسيتين في فريق الذكاء الاصطناعي في جوجل (هاسابيس، الرئيس التنفيذي لشركة ديب مايند، وودوارد، نائب رئيس فريق جيميني). ثانيًا، حظي إصدار جيميني 3 باهتمام كبير في القطاع. سمعنا من عدة مختبرات أن هذا النموذج حقق إنجازات في مجالات رئيسية معينة، مما قد يُشكل تهديدًا كبيرًا للمنافسين. على مدار العامين الماضيين، كانت جوجل تُعتبر من الشركات التابعة؛ والسؤال الآن: هل استعادت الصدارة؟ نيوتن: قبل الخوض في تفاصيل المقابلة، دعونا نستعرض بإيجاز ما نعرفه. عقدت جوجل جلسة إحاطة مغلقة قبل الإطلاق، وتشمل أبرز الإمكانيات الجديدة لجيميني 3: تحسينات كبيرة في الترميز و"الترميز المحيطي"؛ ووظيفة جديدة كليًا لإنشاء واجهة تفاعلية. لم يعد يُخرج نصًا فحسب، بل يُنشئ مباشرةً واجهات تفاعلية مُخصصة للمستخدمين. على سبيل المثال، إذا سأل مستخدم عن حياة فان جوخ، يُنشئ النموذج فورًا صفحة تعليمية كاملة تتضمن صورًا وجدولًا زمنيًا وعناصر تفاعلية؛ ومن الأمثلة الأخرى إنشاء حاسبة قروض عقارية للعقارات التي تبلغ قيمتها ملايين الدولارات. تُمثل هذه الميزات قفزة نوعية من "الإجابة على الأسئلة" إلى "بناء التجارب". رودس: في جميع اختبارات المقارنة المرجعية المتاحة للجمهور، تفوق جيميني 3 بشكل ملحوظ على جيميني 2.5 برو. على سبيل المثال، في مجموعة مسائل الدكتوراه متعددة التخصصات المعروفة باسم "الامتحان الأخير للإنسانية"، حصل جيميني 3 على 21.6% فقط، بينما قفزت نسبة نجاح جيميني 2.5 برو إلى 37.5%. رسالة جوجل العامة هي: أي مهمة يمكنك إنجازها على ChatGPT أو Claude أو الإصدارات القديمة الأخرى من جيميني، يمكنك إنجازها بشكل أفضل على جيميني 3. نيوتن: كما عرضوا عرضًا تجريبيًا أوليًا لبرنامج جيميني إيجنت: يتكامل هذا النموذج بشكل كامل مع صندوق بريد المستخدم، ويفهم جميع محتويات البريد الإلكتروني، ويصنف الردود ويكتب مسوداتها تلقائيًا، بل ويساعد المستخدمين على إفراغ صندوق بريدهم بالكامل. علاوة على ذلك، ابتداءً من هذا الأسبوع، سيتوفر جيميني 3 في تطبيق جيميني ووضع الذكاء الاصطناعي في بحث جوجل؛ وسيحصل طلاب الجامعات الأمريكية على عام مجاني من الوصول المتميز. تُركز جوجل باستمرار على كلمة "تعلم أي شيء"، مما يجعل جيميني أداة التعليم الشخصية الأمثل. رودس: ديميس، جوش، أهلاً بكم في هارد فورك. قبل عامين، شبّه سوندار بيتشاي بارد بـ"هوندا سيفيك معدلة"، تتسابق ضد منافسين أقوى بكثير. إذًا، ما نوع سيارة جيميني 3؟ هاسابيس: آمل أن تكون أسرع بكثير من هوندا سيفيك. لستُ معتادًا على مقارنتها بسيارة عادية؛ ربما تكون أشبه بسيارة سباق سيارات محترفة. إنها ليست مصممة للقيادة اليومية أو على حلبات دائرية؛ بل تمتلك قوة صافية ومركزة لهدف محدد. إنها تُمثل المزيج المثالي بين أبحاثنا المتطورة وقدرة الحوسبة القابلة للتطوير، بهدف إظهار دفعات قوة لا مثيل لها في هذا السباق في طليعة الذكاء الاصطناعي. رودس: هذا مثير للاهتمام. بالمقارنة مع جميع نماذج الذكاء الاصطناعي السابقة، ما الذي يُمكن لجيميني 3 فعله بالضبط على مستوى ملموس؟ من فضلك، أعطنا بعض الأمثلة العملية القابلة للقياس. وودوارد: هناك ثلاث نقاط بارزة. أولًا، في التفكير متعدد الخطوات، يُمكنها دراسة المزيد من الخطوات في وقت واحد، مما يرفع موثوقيتها إلى مستوى جديد كليًا. غالبًا ما كانت النماذج السابقة تفقد مسارها الفكري أو تعاني من الهلوسة عند الوصول إلى الخطوة الخامسة أو السادسة من الاستنتاج المنطقي المعقد، بينما يستطيع جيميني 3 إكمال 10 إلى 15 خطوة من مهام التفكير المنطقي المتماسك، مثل التخطيط الضريبي المعقد، والتخطيط الشامل وحجز السفر الدولي، أو التصحيح الشامل لأخطاء نظام ضخم يحتوي على ملايين أسطر الأكواد البرمجية. ثانيًا، سيُنشئ واجهات تفاعلية جديدة كليًا على نطاق واسع لأول مرة. لن يحتاج المستخدمون بعد الآن إلى إجابات نصية بسيطة، بل إلى مكونات برمجية مخصصة. على سبيل المثال، إذا سألته: "صمم لوحة معلومات تتتبع جميع محافظي الاستثمارية"، فسيُنشئ واجهة لوحة معلومات تفاعلية وعملية في الوقت الفعلي، بدلاً من مجموعة نصية تشرح كيفية إنشائها. ثالثًا، لقد استثمرنا بكثافة في قدرات البرمجة، وخاصةً برمجة الواجهة الأمامية و"البرمجة المحيطة"، مما يعني أنه يمكنه إنشاء كود واجهة مستخدم كامل الوظائف وجميل التصميم بناءً على مطالبات اللغة الطبيعية. ستُظهر المنتجات القادمة، مثل جوجل أنتيجرافيتي، هذا الأمر جليًا، حيث يُغيّر النموذج تصميم واجهة المستخدم ووظائفها ديناميكيًا بناءً على السياق. نيوتن: يعتقد الكثيرون أن استخدام "الدردشة" قد حُلّ بشكل أساسي للمستخدم العادي. لا يمكنهم حتى التفكير في أي أسئلة جديدة تُمكّن جيميني 3 من تقديم إجابة مختلفة تمامًا عن سابقتها. ما رأيك في هذا الرأي؟ وودوارد: أفهم ذلك. ظاهريًا، دقة الإجابة على الأسئلة الأساسية عالية جدًا بالفعل. لكن الفرق الحقيقي يكمن في الموثوقية والتكامل وعرض المعلومات. ستكون إجابات جيميني 3 أكثر إيجازًا وتعبيرًا وسهولة في الفهم - وهي تغييرات سيلاحظها معظم الناس فورًا. والأهم من ذلك، أن النموذج يبدأ في التكامل بشكل عميق مع مصادر بيانات المستخدم الأخرى، مثل الربط مع منتجات أخرى ضمن منظومة جوجل، متجاوزًا بذلك نموذج الأسئلة والأجوبة البسيط، ليصبح "المسؤول الرقمي" للمستخدم. إنه يفهم سياق بريدك الإلكتروني بالكامل، لذا عند صياغة الردود، لا يجيب على السؤال فحسب، بل يُعدّل أيضًا نبرته ومحتواه بناءً على أسلوبك السابق وعلاقتك بالمتلقي. هاسابيس: أوافقك الرأي تمامًا. لقد تم تحسين موثوقيته وأسلوبه وشخصيته بعناية، مما يجعله أكثر إيجازًا ووضوحًا. في سيناريوهات مثل "برمجة الأجواء"، تجاوز بالفعل حدود التطبيق العملي. هذا تحول من "مساعد ذكي" إلى "زميل ذكي". أخطط شخصيًا لاستخدامه لإعادة النظر في برمجة الألعاب خلال عطلة عيد الميلاد. فهو الآن لا يستطيع كتابة أكواد وظيفية فحسب، بل يقدم أيضًا اقتراحات معمارية في المراحل الأولى من التصميم. رودس: ديميس، في مقابلة معنا في مايو الماضي، توقعتَ أن الذكاء الاصطناعي العام سيستغرق من 5 إلى 10 سنوات، وقد يتطلب العديد من الإنجازات الكبرى. هل غيّر جيميني 3 هذا الجدول الزمني؟ هاسابيس: لا على الإطلاق. إنه يتماشى تمامًا مع المسار الذي رسمناه خلال العامين الماضيين. في الواقع، منذ إطلاق سلسلة جيميني، كانت وتيرة تقدمنا ​​الأسرع في هذا المجال. جيميني 3 مذهل، ولكنه لا يزال ضمن التوقعات. للوصول إلى ذكاء اصطناعي عام حقيقي، ما زلنا بحاجة إلى إنجاز أو إنجازين رئيسيين في الاتساق، وعمق الاستدلال، وآليات الذاكرة، ونمذجة العالم المادي (مثل مشروعي SIMA وGenie اللذين نعمل عليهما حاليًا). نعمل حاليًا وفق "عقلية النظام 1" (السرعة، البديهة)، ولكن لتحقيق الذكاء الاصطناعي العام، يجب أن نفتح آفاقًا لعقلية النظام 2 (البطء، التأني، التحليل). علاوة على ذلك، يحتاج النموذج إلى آلية ذاكرة انتقائية طويلة المدى، قادرة على استرجاع وتطبيق تفاعلات محددة من أسابيع أو أشهر مضت، بدلاً من أن يقتصر على سياق ضيق. لذلك، تبقى توقعاتنا للسنوات الخمس إلى العشر القادمة دون تغيير. نيوتن: فيما يتعلق بشخصية النموذج وعلاقات المستخدمين، يكثر الحديث في هذا المجال عن "رفاق الذكاء الاصطناعي". ما نوع العلاقة التي تأمل أن يبنيها المستخدمون مع جيميني 3؟ وودوارد: هذا سؤال حساس للغاية ولكنه مهم. نُصوّره كـ"أداة فائقة" بدلًا من كونه رفيقًا عاطفيًا؛ فقيمته الأساسية هي مساعدة المستخدمين على إنجاز مهامهم اليومية بكفاءة وتحسين الإنتاجية. داخليًا، نُركز على معيار جديد: كم عدد المهام التي ساعدناك على إنجازها اليوم؟ هذا أقرب إلى القيمة الأساسية لمحرك بحث جوجل الأصلي - الكفاءة. نعتقد أن وضع النموذج كشريك عاطفي يُشكّل مخاطر أمنية وينحرف عن مهمة جوجل الأساسية كمزود للمعلومات والأدوات. رودس: هل كان التخلي عن فرصة النمو الفيروسي لـ"الشركاء الجنسيين" خطأً استراتيجيًا فادحًا؟ وودوارد: لا تعليق. فريق الأمن لدينا لديه إرشادات ومبادئ صارمة. رودس: كان المنافسون متوترين بشكل ملحوظ في الأسابيع القليلة الماضية. هل تعتقد أن جوجل تتصدر حاليًا سباق الذكاء الاصطناعي؟ هاسابيس: البيئة الحالية هي الأكثر تنافسية في التاريخ. الشيء الوحيد المهم حقًا هو سرعة التقدم، ونحن سعداء جدًا بذلك. لم نفقد ريادتنا البحثية أبدًا؛ الآن نحن فقط نلحق بالركب في نشر المنتجات. يتفوق منافسونا في مجال البحث، لكنهم لا يستطيعون محاكاة مزايانا في التوزيع واسع النطاق والتكامل الرأسي. نحن ندمج جيميني في منتجات تضم مليارات المستخدمين، بما في ذلك الخرائط ويوتيوب وأندرويد والبحث ومساحة العمل. تُشكل شبكة التوزيع هذه وحلقة تغذية راجعة بيانات المحطة الطرفية خندقًا لا يمكن التغلب عليه. علاوة على ذلك، فإن ميزة الحزمة الكاملة لدينا على شرائح TPU المخصصة تسمح لنا بتجاوز تكاليف التدريب والكفاءة بشكل كبير تلك التي يعتمد عليها المنافسون الذين يعتمدون على موارد وحدة معالجة الرسومات الخارجية. نيوتن: ما رأيك في الجدل الدائر حول قانون الحجم وتناقص العائدات؟ يجادل البعض بأنه كلما كان النموذج أكبر، انخفضت الفائدة الهامشية لتحسينات الأداء. هاسابيس: هذا نقاش مستمر. نحن راضون جدًا عن التحسينات في جيميني 3 مقارنةً بـ 2.5؛ فهي تتماشى تمامًا مع توقعاتنا. العوائد ليست هائلة بشكل كبير كما كانت في الأيام الأولى، لكن التحسينات التدريجية في التطبيق العملي والموثوقية التي يجلبها لا تزال تفوق بكثير تكاليفنا الهامشية، مما يجعل الأمر يستحق الاستثمار بكثافة. حتى يتحقق الاختراق البحثي الواحد أو الاثنان اللازمان للوصول إلى الذكاء الاصطناعي العام، يظل تحسين الأداء باستمرار من خلال أكبر النماذج الأساسية الممكنة هو الاستراتيجية الأكثر فعالية. نعتقد أن قانون الحجم لا يزال صحيحًا. رودس: هل نحن في فقاعة ذكاء اصطناعي؟ هاسابيس: هذا سؤال ثنائي للغاية. توجد بالفعل فقاعات في مجالات معينة (على سبيل المثال، شركات بمليارات الدولارات في التمويل الأولي ولكن ليس لديها منتجات فعلية، بل مفاهيم فقط)، حيث تكون التقييمات غير متناسبة مع الإيرادات الفعلية. لكن جوجل تمتلك في الوقت نفسه تحقيق دخل قصير الأجل (البحث، ومساحة العمل، ووحدات المعالجة المركزية السحابية) ومسارات جديدة طويلة الأجل بقيمة تريليون دولار (الروبوتات، والألعاب، واكتشاف الأدوية، وعلوم المواد، إلخ). على سبيل المثال، تخلق نماذجنا المتخصصة مثل AlphaFold قيمة حقيقية في اكتشاف الأدوية، وهي سوق بقيمة تريليون دولار لا علاقة لها بتقييمات الذكاء الاصطناعي للمستهلكين. بغض النظر عما إذا كانت هناك فقاعة قصيرة الأجل أم لا، فسوف ننتصر: اغتنام الفرص خلال فترات الازدهار وزيادة المرونة خلال فترات الانكماش بفضل مزايانا الكاملة وتدفقاتنا النقدية القوية. نيوتن: لو كان عيد الشكر، وأراد أحدهم تحويل النقاش بعيدًا عن السياسة، ما هي الميزات التي تقترحها في جهاز جيميني 3 لإبهار الجمهور؟ وودوارد: لا أعلم إن كان سينقذ عيد الشكر، لكنه سيُضحك الجمهور. التقط صورة سيلفي، ثم دع جيميني 3 يُحررها ببراعة. لا تزال قدرات معالجة الصور في جهاز جيميني هي الأفضل في العالم. يمكنك تحويل صورة عائلية على الفور إلى أي مشهد أو نمط أو حقبة مُضحكة. سيُضحك الجميع بالتأكيد. ثم، عندما تُريهم كيف يُمكنه مساعدتك في كتابة خطاب استقالة مناسب أو إنشاء حاسبة وصفات مُخصصة للعطلات، سيستكشفون بطبيعة الحال ميزات جديدة أخرى.