«أليف ألفا» تراهن على السيادة بنموذج مفتوح: لماذا تدفع الذاكرة ثمن سرعة الحساب؟

حين أطلقت شركة «أليف ألفا» الألمانية نموذجها المفتوح «كولبري»، لم تكن تسعى لمجاراة السباق المعتاد على تضخيم المعاملات، بل وضعت المؤسسات أمام معادلة تشغيلية دقيقة تفصل بين تكلفة الحساب وسعة الذاكرة. النموذج الذي صدر في الثالث من أكتوبر 2026 برخصة «أباتشي 2.0» لأوزانه، جرى بناؤه وتدريبه من الصفر على خوادم في ألمانيا وفنلندا تضم 768 معالج رسومات من طراز «إنفيديا بي 200»، مع الالتزام بقانون الذكاء الاصطناعي الأوروبي ومدونة قواعد الممارسة للنماذج العامة. والهدف واضح: تمكين الوزارات والشركات الصناعية من تشغيل نظام سيادي داخل مراكز بياناتها المغلقة، دون أن تغادر بياناتها المنشأة ودون الخضوع لتحكم خارجي يملك صلاحية تعديل الخدمة أو إيقافها.

يقوم النموذج على بنية «خليط الخبراء» بإجمالي 78.1 مليار معامل عبر خمسين طبقة، لكنه لا يستهلك سوى 3.46 مليار معامل فقط لكل رمز يقرؤه أو يكتبه. يعمل في كل طبقة 384 خبيرا متخصصا إلى جانب خبير مشترك، حيث يتولى موجه داخلي فرز كل رمز وتمريره إلى ستة خبراء فقط. الحساب خفيف لكن فاتورة الذاكرة لا تقبل التجزئة. فهذه البنية تجعل سرعة الاستدلال مماثلة لنماذج الفئات الصغيرة، لكنها تفرض في الوقت عينه إبقاء النموذج كاملا داخل ذاكرة الفيديو بحجم يصل إلى 78 غيغابايت بدقة ثمانية بتات، ما يعني استحالة تشغيله على الحواسيب الشخصية واشتراط بطاقات متقدمة من فئة «إيه 100» أو «إتش 100» أو الجيل الأحدث «إتش 200».

ولم تتوقف هندسة الكفاءة عند توزيع المعاملات، بل شملت معالجة اللغة ذاتها. طوّرت الشركة خوارزمية تقسيم نصوص جديدة تضم 128 ألف رمز تحترم طبيعة الكلمات المركبة في الألمانية، ما خفّض عدد الرموز المستهلكة في النصوص القانونية بنسبة تتراوح بين 11 و15 بالمئة مقارنة بمقسّم «جي بي تي 5»، مع التساوي التام في النصوص الإنجليزية. وعلى صعيد السياق، اعتمدت أربعون طبقة من أصل خمسين على نافذة انتباه منزلقة تغطي 512 رمزا فقط وتتصل بطبقة انتباه كاملة كل خمس طبقات، وهو ما أتاح نافذة سياق أصلية تتسع لنحو 262 ألف رمز وتتمدد بالاختبار إلى أكثر من مليون رمز دون استهلاك حوسبي خانق.

واجه الفريق تحديا كبيرا في تدريب التفكير المنطقي، حيث كشفت التجارب أن الاعتماد على كميات محدودة من بيانات الاستدلال الألمانية أدّى إلى تدهور حاد في حل المسائل الرياضية، ولم يتعاف الأداء إلا بعد توليد نحو 800 ألف مثال استدلالي متخصص قفزت بالنموذج لصدارة فئته. الاعتراف بالعجز بدلا من التلفيق المضلل. درّبت الشركة النموذج عبر بروتوكول تحكيم يسمى «ميرلين وآرثر»، حيث يُلزم النظام بالتحقق الصارم من وجود الدليل النصي وإعلان عبارة «لا أعلم» عند حجب المعلومة، محققا نسبة امتناع صادقة بلغت 44 بالمئة في اختبارات المعرفة مقارنة بنحو 11 بالمئة لنماذج منافسة. غير أن هذا التخصص الهندسي جاء على حساب الذاكرة العامة، فالنموذج ضعيف في استرجاع المعلومات العامة دون وثائق مساندة، وتتراجع قدراته بوضوح في استدعاء الأدوات متعددة الجولات ومهام البرمجة المستقلة.

ما الذي يعنيه هذا التحول لمن يقود مشاريع التقنية والبيانات في الخليج ومصر والشام؟ التحليل يكشف أن النموذج يقدّم درسا عمليا للمؤسسات التي تسعى إلى السيادة الرقمية وتوطين النماذج المفتوحة داخل منشآتها. إن كنت تبني منصة ذكاء اصطناعي لمصرف خليجي أو جهة حكومية تشترط بقاء البيانات محليا بموجب ضوابط الأمان السيبراني، فإن نموذج «خليط الخبراء» يمنحك سرعة استدلال عالية وتكلفة تشغيلية منخفضة لكل معاملة، لكنه يفرض عليك ميزانية تجهيز صلبة للبنية التحتية، إذ لن تتمكن من تفادي تكاليف بطاقات الخوادم المركزية الضخمة لاستيعاب سعة الذاكرة الكاملة. كما أن تجربة مقسّم النصوص تعكس المعاناة اليومية لفرق العمل العربية مع النماذج الغربية التي تقطع الكلمة الواحدة إلى رموز متعددة ترفع فاتورة المعالجة، ما يؤكد أن سيادة النماذج تبدأ من معالجة خصوصية اللغة وتدريب أنظمة الاسترجاع المؤسسي على قول «لا أعلم» بدل توليد إجابات مزيفة أمام المستندات الحساسة.

في المحصلة، يثبت هذا الإصدار أن بناء الذكاء الاصطناعي السيادي لا يتحقق بنسخ أوزان عامة، بل بهندسة مقايضات دقيقة بين سرعة الاستدلال ومتطلبات العتاد والنزاهة في التعامل مع الوثائق. والقرار أمام المهندسين ومسؤولي التقنية في المنطقة اليوم ليس تبني النموذج كما هو، بل استيعاب شروطه المعمارية: النموذج المتخصص داخل خوادمك الخاصة يتفوق على أعتى الأنظمة السحابية في قراءة وثائقك وتأمين سرّيتها، شرط أن تمنحه الذاكرة الكافية وتدرك حدوده المسبقة قبل أن تكلفه بما لا يطيق.