ابتكار جديد من آبل: نموذج لغوي يُنْجز النصوص بسرعة مذهلة

في خطوةٍ جديدة تعكس تسارع أبحاث الذكاء الاصطناعي داخل آبل، كشف فريق من باحثي الشركة بالتعاون مع جامعة ولاية أوهايو عن نموذج لغوي باسم **FS‑DFM (Few‑Step Discrete Flow‑Matching)**، قادر - وفق نتائج الدراسة - على إنتاج نصوص طويلة بسرعة تفوق النماذج المنافسة بـ128 مرة تقريبًا، دون تراجع في جودة اللغة أو دقّتها. الدراسة نُشرت حديثًا ضمن منصة Apple Machine Learning Research وأيضًا على أرشيف arXiv مفتوح المصدر.

تعتمد أغلب النماذج اللغوية الكبيرة (LLMs) المعروفة مثل ChatGPT على آلية **الاستدلال التسلسلي**؛ أي توليد الكلمات واحدة تلو الأخرى اعتمادًا على ما سبقها. في المقابل، يستند FS‑DFM إلى منهجية «الانتشار» (Diffusion) التي تسمح بتوليد عدة كلمات في الوقت نفسه ثم تحسينها تدريجيًا عبر جولات محدودة.
ابتكار آبل الجديد يختصر هذه العملية إلى ثماني جولات فقط بفضل تقنية «مطابقة التدفق» (Flow‑Matching)، ما يقلّل الزمن الحسابي بشكل كبير مع الحفاظ على جودة النص.

وفق نتائج الاختبار، تفوّق FS‑DFM بنسخه الصغيرة (ما بين 0.17 و1.7 مليار معلمة) على نماذج انتشار أضخم مثل Dream وLLaDA من حيث **مؤشّر الحيرة (Perplexity)** الذي يقيس دقة النص، مع احتفاظه بمستوى **اتساق لغوي (Entropy)** أكثر توازنًا عبر الجولات المختلفة.
هذه الأرقام توحي بتوجّه جديد في تصميم النماذج الصغيرة السريعة بدلًا من الاعتماد المفرط على الحجم الكبير لتحقيق الجودة.

من زاوية تطور السوق، تمثل هذه الدراسة مؤشرًا على رغبة آبل بالانتقال من مجرد «مستخدم لتقنيات اللغة» إلى مشارك فعّال في تطوير بنيتها الأساسية. فبينما انشغلت شركات أخرى بتحسين استرجاع المعرفة أو دمج الذاكرة طويلة المدى، تركز آبل على **زمن التوليد** وكفاءة الموارد، وهو مجال يؤثر مباشرة على قابلية دمج الذكاء الاصطناعي داخل الأجهزة الشخصية مثل آيفون وماك.
يُذكر أن الشركة كانت قد أعلنت خلال الصيف عن نموذجها المخصص للبرمجة المعتمد على تقنيات الانتشار، كما أشارت تقارير سابقة، ما يجعل FS‑DFM استمرارًا طبيعيًا لذلك المسار.

تتوقع الأوساط البحثية أن يؤدي هذا النوع من النماذج إلى تقليص كبير في تكاليف تدريب وتشغيل أنظمة الذكاء الاصطناعي النصية، وربما تمهيد الطريق لتجارب كتابة فورية داخل تطبيقات النظام دون اتصال سحابي مباشر.

لم تُعلن آبل بعد عن موعد إتاحة النموذج أو أدواته التجريبية، لكنها أكدت نيتها نشر الأكواد ونقاط التحقق (checkpoints) لتسهيل إعادة التجارب. إن تم ذلك بالفعل، فستُعدّ هذه السابقة الأولى في تاريخ الشركة من حيث الانفتاح الكامل على المجتمع البحثي.
الإعلان الأخير عن حزمة Apple AI Kit للمطورين قد يكون أرضية اختبار مناسبة لدمج مثل هذه النماذج مستقبلاً في بيئات تطوير محلية.

وسط سباقٍ متزايد على ضغط الموارد وزمن الاستجابة في النماذج اللغوية، تبدو آبل ماضية في طريقٍ يوازن بين السرعة والدقة دون التضحية بالخصوصية أو الأمان. وربما يمهّد FS‑DFM لجيلٍ من المساعدين الذكيين الذين يكتبون بلغة الإنسان، ولكن بسرعة الحوسبة ذاتها.