خوارزمية «فيستا» تختصر زمن توجيه نماذج الانتشار المتقطع خمسة أضعاف دون تدريب إضافي

يبدأ اختناق نماذج الانتشار المتقطع في بيئات الإنتاج الحقيقية من فاتورة الحساب المتراكمة، لا من دقة المخرجات وحدها. عندما يحتاج المطورون إلى محاذاة هذه النماذج أثناء وقت الاختبار لتحقيق أهداف محددة، يبرز توجيه مونت كارلو المتسلسل كأداة قوية، لكنه يفرض ثمنًا باهظًا؛ إذ يتطلب تطبيقه عند كل خطوة من خطوات إزالة التشويش تقييمات متكررة لدوال المكافأة وحسابات معقدة لتدرج القيمة. هذا العبء الحسابي يحول دون استخدامها في التطبيقات التي تتطلب استجابة سريعة. في هذا السياق، قدم فريق بحثي يقوده جاي هيون كيم وزي سيوك لي وسي يونغ تشوي وكيونغ سو كيم في ورقة بحثية جديدة خوارزمية تحمل اسم «فيستا»، وهي طريقة تهدف إلى جدولة خطوات التوجيه تلقائيًا لتقليص زمن المعالجة دون الحاجة إلى إعادة تدريب النموذج الأساسي.

النهج التقليدي لتفادي كلفة التوجيه الكامل كان يعتمد على التوجيه المتفرق، أي التدخل في مجموعة فرعية فقط من الخطوات الزمنية، غير أن الجداول الشائعة المعتمدة على قواعد حدسية يدوية ظلت تعاني من تفاوت حاد في الكفاءة بين مهمة وأخرى. صاغ الباحثون مسألة التوجيه المتفرق بوصفها تقريبًا لمسار الاحتمال المثالي للتوجيه الكامل، واشتقوا حدًا أعلى لانحراف المسار وفق معيار المسافة الرياضية، مما أتاح تحسين الدالة البديلة بدقة عبر تقنيات البرمجة الديناميكية ضمن ميزانية زمنية محددة. وتعتمد الخوارزمية في جمع إحصاءات القيمة على عدد محدود من عمليات التوليد التمهيدية ذات التوجيه الكامل، وهي مخرجات لا تضيع هدرًا بل يمكن الاحتفاظ بها واستخدامها ضمن نواتج النظام النهائية.

التجارب العملية أظهرت أن الخوارزمية تكتشف جداول زمنية تتكيف مع طبيعة كل مهمة بصورة تتفوق على الجداول المصممة يدويًا في معظم بيئات الاختبار عبر توليد النصوص والمتتاليات البيولوجية وتوليد الصور، بل إنها تقترب من أداء التوجيه الكامل وتتجاوزه في بعض المقاييس. الأثر الأوضح للجدولة الديناميكية ظهر في تجارب توليد النصوص، حيث هبط زمن توليد العينة من 204.23 ثانية إلى 38.16 ثانية. هذا الانخفاض يمثل تسريعًا بمقدار 5.35 أضعاف في زمن الاستجابة لكل عملية توليد بعد اختيار الجدول، مع الحفاظ على كفاءة شبه مطابقة للتوجيه الكامل؛ إذ حققت الخوارزمية معدلًا بلغ 0.99 في مقياس النصوص الفريدة مقارنة بمعدل 1.00 عند تطبيق التوجيه على كافة الخطوات دون استثناء.

هذا التحول في حسابات وقت الاختبار يغير المعادلة الاقتصادية للفرق التقنية في الخليج ومصر والمشرق العربي التي تبني تطبيقات متخصصة بالاعتماد على خوادم محلية أو بيئات سحابية سيادية. فبدل حرق ميزانيات الحوسبة المحدودة في تقييم دوال المكافأة عند كل خطوة إزالة تشويش، يتيح خفض زمن المعالجة بأكثر من خمسة أضعاف تشغيل نماذج الانتشار المتقطع على بنية تحتية أصغر حجمًا وبكلفة تشغيلية أقل لكل استدعاء. الانتقال من الحساب العشوائي إلى الجدولة الرياضية المنضبطة يحول نماذج الانتشار من رفاهية بحثية بطيئة إلى أدوات قابلة للنشر الفعلي في الخدمات الرقمية. ويعني هذا لمديري البنية التحتية أن تحسين مسارات الاستدلال البرمجية يوفر وفورات مباشرة في استهلاك المعالجات الرسومية تفوق في أثرها المالي محاولات زيادة العتاد الصلب، مما يمنح الشركات الناشئة والمختبرات المحلية قدرة على منافسة المنصات الكبرى دون تكبد نفقات استدلال باهظة.

تؤكد نتائج هذا البحث أن معركة كفاءة الذكاء الاصطناعي لم تعد مقتصرة على تقليص أحجام الأوزان أو ضغط المعاملات، بل تمتد إلى هندسة قرارات الاستدلال في الوقت الفعلي. عندما يتمكن النظام من تحديد اللحظات الدقيقة التي تحتاج إلى تدخل رقابي وتوجيهي أثناء توليد المخرجات وتجاهل البقية، تتقلص الفجوة بين النماذج النظرية والتشغيل التجاري المستدام.