إطلاق VaultGemma من جوجل.. قفزة نوعية في عالم الذكاء الاصطناعي الخاص بالخصوصية

أعلنت فرق Google AI Research وDeepMind عن إطلاق نموذجها اللغوي الجديد VaultGemma، الذي يُعد أكبر نموذج لغوي حتى الآن يركز بشكل أساسي على الخصوصية التفاضلية. 

هذا الإعلان، الذي جاء على لسان Jeff Dean، كبير علماء جوجل، يمثل مرحلة جديدة ومهمة في مساعي الشركات التقنية للتعامل مع المخاوف المتزايدة بشأن أمن البيانات، خصوصًا مع انتشار النماذج اللغوية الضخمة. 

هذا النموذج، بحجم مليار باراميتر، لا يمثل مجرد إنجاز تقني، بل هو إثبات عملي على إمكانية تطوير نماذج ذكاء اصطناعي قوية دون المساومة على خصوصية المستخدمين.

حماية البيانات

تكمن أهمية VaultGemma في قدرته على معالجة أحد أبرز التحديات التي تواجه النماذج اللغوية الحديثة، وهي مخاطر تسرب البيانات الحساسة أو الخاصة التي تدربت عليها، تُعرف هذه المخاطر بهجمات "الاستذكار"، حيث يمكن للمتسللين أو الباحثين استعادة معلومات خاصة من النموذج نفسه. 

يأتي VaultGemma ليقدم حلًا جذريًا لهذه المشكلة من خلال اعتماده على تقنيات الخصوصية التفاضلية، التي تقوم بإضافة "ضوضاء" محسوبة بعناية أثناء عملية التدريب، مما يجعل من المستحيل تقريبًا استعادة أي معلومة فردية من البيانات الأساسية التي تدرب عليها النموذج.

أساس تقني

يعتمد النموذج على خوارزمية DP-SGD، أو "الانحدار العشوائي التدريجي مع الخصوصية التفاضلية"، وهي منهجية متقدمة تضمن أن كل نقطة بيانات فردية لا تؤثر بشكل مفرط على عملية التعلم، وهو ما يتم عبر قص القيم الشاذة، ثم إضافة ضوضاء عشوائية صغيرة تُخفي تفاصيل البيانات الفردية.

 بهذه الطريقة، يتعلم النموذج الأنماط العامة من البيانات دون أن يكشف عن أي معلومات حساسة، لقد جرى تدريب VaultGemma على مجموعة بيانات ضخمة تحتوي على 13 تريليون رمز، وهي نفس المجموعة المستخدمة لتدريب نموذج Gemma 2، وتتألف هذه البيانات من نصوص إنجليزية، وشيفرات برمجية، ومقالات علمية، ما يضمن تنوعًا كبيرًا في المعرفة التي اكتسبها النموذج.

تحدي الأداء

على الرغم من أهمية هذه الخطوة، إلا أن الأداء يظل تحديًا قائمًا، فقد أظهرت الاختبارات أن VaultGemma يتأخر في الأداء عن النماذج اللغوية التي لا تعتمد على تقنيات الخصوصية التفاضلية، على سبيل المثال، حصل النموذج على 26.45 نقطة في اختبار ARC-C، بينما حقق نموذج Gemma-3 1B غير الخاص 38.31 نقطة.

ورغم هذه الفجوة، فإن أهمية VaultGemma تكمن في كونه إثباتًا عمليًا على أن النماذج اللغوية يمكن أن توفر مستويات خصوصية عالية مع الحفاظ على أداء عملي مقبول، إن هذه الخطوة تمثل بداية الطريق لسد الفجوة بين الأداء والخصوصية في المستقبل القريب، وتؤكد على أن التوازن بين الأداء والخصوصية أصبح ممكنًا.

لم تكتفِ جوجل بتطوير النموذج فقط، بل قدمت أيضًا إطارًا نظريًا جديدًا يضع قوانين توسع خاصة بالنماذج التي تعتمد الخصوصية التفاضلية، وتسمح هذه القوانين للباحثين بالتنبؤ بمدى تأثير التوسع في القدرة الحاسوبية ومستوى الخصوصية على الأداء، مما يقلل من الهدر في الموارد ويوجه عمليات التطوير بشكل أكثر كفاءة، هذا الإطار النظري يُعزز من مكانة جوجل كشركة رائدة في مجال البحث العلمي والابتكار.

إتاحة عامة

في خطوة تعكس التزام جوجل بتعزيز البحث العالمي، أتاحت الشركة VaultGemma بشكل مفتوح للجمهور، ونشرت أوزان النموذج على منصات مثل Hugging Face وKaggle، بالإضافة إلى تقرير تقني شامل يوضح المنهجية الكاملة للتطوير، وتهدف جوجل من خلال هذه الخطوة إلى تسريع البحث والتطوير في مجال الذكاء الاصطناعي الخاص بالخصوصية، وتشجيع الباحثين على البناء فوق هذا الإنجاز بدلاً من البدء من الصفر. 

تأثيرات مستقبلية

يفتح VaultGemma الباب أمام مستقبل جديد للذكاء الاصطناعي، حيث يصبح احترام خصوصية المستخدمين جزءًا أساسيًا من عملية التطوير وليس مجرد إضافة اختيارية، ومن المتوقع أن تؤثر هذه الخطوة على كيفية تطوير النماذج المستقبلية، سواء لدى جوجل أو منافسيها، حيث سيتعين على الشركات التفكير في الخصوصية منذ اللحظة الأولى لتصميم النماذج.