بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
تكشف آبل النقاب عن تطويرات مهمة في مجال تعلم الآلة خلال مشاركتها في المؤتمر الدولي الرابع عشر لتمثيل التعلم (ICLR) المُقام في ريو دي جانيرو، البرازيل هذا الأسبوع.
الإعلان الأبرز يتعلق بتطوير شبكات ParaRNN العصبية التكرارية واسعة النطاق القابلة للتدريب بشكل متوازي، والتي تحل مشكلة تاريخية في قابلية توسع الشبكات العصبية التكرارية. هذا التطوير يمكّن من تدريب نماذج بمليارات المعاملات للمرة الأولى، مع كفاءة استنتاج فائقة تتطلب ذاكرة وحوسبة أقل بكثير من نماذج الانتباه (وفقاً لآبل).
بحث آخر بعنوان “التدريب المحسن للتكميم Compute-Optimal Quantization-Aware Training” يركز على تحسين كفاءة النماذج من خلال تقنيات تكميم متقدمة. كما تنشر الشركة دراسة مثيرة بعنوان “قوائم التحقق أفضل من نماذج المكافآت لضبط نماذج اللغة” التي تشكك في الأساليب التقليدية لتدريب النماذج اللغوية.
تؤكد آبل أن مشاركة الأبحاث مع المجتمع العلمي جزء من استراتيجيتها لتسريع التقدم في الذكاء الاصطناعي. الشركة تدعم أيضاً المؤتمر الدولي للصوتيات والكلام ومعالجة الإشارة (ICASSP) في برشلونة، إسبانيا من 4 إلى 8 مايو.
لكن الأهم هو إعلان آبل عن تنظيم ورشة عمل الخصوصية في تعلم الآلة والذكاء الاصطناعي في 8 مايو 2026، مما يعكس التزامها بمبدأ اعتبار الخصوصية حقاً أساسياً للإنسان. هذا التوجه يميز آبل عن منافسيها الذين يركزون على الأداء دون اعتبار كافٍ لحماية البيانات الشخصية.
التركيز على الشبكات العصبية التكرارية يشير إلى رهان آبل على مسار مختلف عن الصناعة التي تهيمن عليها نماذج المحولات. إذا نجحت تقنية ParaRNN في تحقيق وعودها، فقد نشهد تحولاً جذرياً في كيفية بناء النماذج اللغوية الكبيرة مستقبلاً.
Apple Machine Learning Research
