«غوغل» تكشف عن منهجية شاملة لقياس الأثر البيئي للذكاء الاصطناعي

بيانات دقيقة تكشف حجم الطاقة والكربون والمياه

أظهرت بيانات «جيميناي» أن الاستعلام الواحد يستهلك طاقة ومياهاً وانبعاثات أقل بكثير من التقديرات السابقة (غيتي)
أظهرت بيانات «جيميناي» أن الاستعلام الواحد يستهلك طاقة ومياهاً وانبعاثات أقل بكثير من التقديرات السابقة (غيتي)
TT

«غوغل» تكشف عن منهجية شاملة لقياس الأثر البيئي للذكاء الاصطناعي

أظهرت بيانات «جيميناي» أن الاستعلام الواحد يستهلك طاقة ومياهاً وانبعاثات أقل بكثير من التقديرات السابقة (غيتي)
أظهرت بيانات «جيميناي» أن الاستعلام الواحد يستهلك طاقة ومياهاً وانبعاثات أقل بكثير من التقديرات السابقة (غيتي)

يُنظر إلى الذكاء الاصطناعي باعتباره إحدى أكثر التقنيات التحويلية في القرن الحادي والعشرين، لكنه يطرح في المقابل تساؤلات ملحّة حول تكلفته البيئية. فمع انتقال النماذج من ملايين إلى تريليونات المعاملات، تتضاعف الموارد اللازمة لتشغيلها؛ من طاقة وكربون ومياه، لتُصبح موضع نقاش عالمي.

كم من الكهرباء يستهلك استعلاماً واحداً؟ وما حجم الانبعاثات الكربونية الناتجة؟ وكم من المياه تُسحب من موارد محلية تعاني أصلاً ضغوطاً بيئية؟

حتى وقت قريب، كانت الإجابات متناقضة، بين تقديرات مثيرة للذعر وأخرى متفائلة أكثر من اللازم. لكن يبدو أن «غوغل» خطت خطوة مهمة نحو الشفافية، إذ كشفت في جلسة مستديرة هذا الأسبوع، حضرتها «الشرق الأوسط»، عما وصفته بأشمل منهجية حتى الآن لقياس الأثر البيئي للذكاء الاصطناعي. الجلسة جمعت كلاً من بارثا رانغاناثان نائب الرئيس وزميل هندسي لدى «غوغل»، وسافانا غودمان رئيسة مختبرات «غوغل» للطاقة المتقدمة، وبين تاونسند رئيس قسم البنية التحتية والاستدامة لدى «غوغل». وركزت على الأرقام الحقيقية لعائلة «جيميناي» من النماذج، ضمن إطار يطمح إلى إرساء معايير موحّدة للصناعة.

بارثا رانغاناثان نائب الرئيس وزميل هندسي لدى «غوغل» (غوغل)

من الوعد إلى المسؤولية

في بداية النقاش، أوضح رانغاناثان أن «الذكاء الاصطناعي في (غوغل) ليس جديداً، بل هو جزء من كل منتجات الشركة»، ويعد أنه مع تضخم حجم النماذج إلى تريليونات المعاملات، يزداد معها العبء الحاسوبي وكذلك المسؤولية البيئية، وشبّه الموقف الراهن بالمخاوف التي رافقت بدايات البحث على الإنترنت، وأضاف: «عندما ظهرت محركات البحث لأول مرة، كان هناك قلق من استهلاكها المفرط للطاقة. لكن (غوغل) استجابت بتركيز على الكفاءة، ومع الوقت تراجعت تلك المخاوف. نحن الآن في مرحلة مشابهة مع الذكاء الاصطناعي».

الأرقام خلف استعلامات «جيميناي»

البيانات التي كشفتها الشركة أظهرت صورة أوضح. فالاستعلام الوسيط في «جيميناي» يستهلك 0.24 واط/ساعة من الطاقة، ويصدر عنه 0.03 غرام من مكافئ ثاني أكسيد الكربون. وللتقريب، تعادل هذه الأرقام كمية الكهرباء اللازمة لمشاهدة التلفاز لمدة تقل عن تسع ثوانٍ.

تعلّق سافانا غودمان قائلة: «هذه النتائج أقل بكثير من عدة تقديرات عامة. والأهم أن (غوغل) نجحت خلال الأشهر الـ12 الماضية في خفض استهلاك الطاقة لكل استعلام بمقدار 33 مرة، وتقليل البصمة الكربونية بمقدار 44 مرة، مع تحسين جودة الاستجابات». هذه القفزات لم تكن نتاج تحسينات طفيفة، بل نتيجة ما تسميه «غوغل»، «النهج الكامل المتكامل» (Full-Stack Approach)، الذي يغطي العتاد والبرمجيات والبنية التحتية.

سافانا غودمان رئيسة مختبرات «غوغل» للطاقة المتقدمة (غوغل)

لماذا تهم المنهجية؟

أحد أبرز أسباب التضارب في النقاش العام هو غياب إطار موحد للقياس. كثير من الدراسات تركّز على استهلاك الشرائح أثناء العمليات الحسابية النشطة فقط، لكنها تتجاهل الديناميكية الكاملة للنظام.

توضح غودمان أن منهجية شركتها تأخذ في الحسبان الطاقة الديناميكية للنظام كاملاً، بما في ذلك الأجهزة الخاملة اللازمة للموثوقية، واستخدام وحدة المعالجة المركزية والذاكرة، إلى جانب استهلاك مراكز البيانات من تبريد وتوزيع للطاقة. من دون هذه العناصر، تكون الصورة ناقصة ومتفائلة أكثر من اللازم.

من خلال نشر هذه المنهجية، تهدف «غوغل» ليس فقط إلى إظهار تقدمها، بل أيضاً إلى دفع الصناعة نحو توحيد المعايير. وكما قال رانغاناثان: «مع قوة الحوسبة الكبيرة تأتي مسؤولية بيئية كبيرة، والمسؤولية تبدأ بالشفافية».

المياه... البعد المُغفل

رغم أن الطاقة والكربون يستحوذان عادة على الأضواء، فإن استهلاك المياه في مراكز البيانات يمثل بُعداً لا يقل أهمية. فحسب «غوغل»، يستهلك الاستعلام الوسيط في «جيميناي» 0.26 ملليلتر فقط من المياه، أي ما يعادل خمس قطرات. وأوضح بين تاونسند أن الحديث عن المياه لا يمكن فصله عن الطاقة والكربون في سياق إدارة مراكز البيانات.

وتعتمد استراتيجية «غوغل» على هدف تعويض 120 في المائة من المياه العذبة، بما يعني إعادة كمية تفوق ما تستهلكه، إلى جانب استخدام المياه المعاد تدويرها أو غير الصالحة للشرب في ربع مقراتها، وإجراء دراسات هيدرولوجية محلية لتحديد الأنسب بين التبريد بالمياه أو الهواء. كما يشير تحليل الشركة إلى أن المراكز المبردة بالمياه تقلل استهلاك الطاقة، بالتالي الانبعاثات بنسبة تصل إلى 10 في المائة مقارنة بالتبريد بالهواء.

لكن القضية لا تقتصر على البنية التحتية فقط. فحسب ما كشفه متحدث باسم «غوغل»، كثيراً ما تكتشف الشركة أثناء تقييماتها لمخاطر المياه أن بعض الموارد المتاحة عبر أطراف محلية غير مستدامة بيئياً، ما يجعل استخدامها غير ملائم. وأردف: «كثير من المجتمعات حول العالم، حتى في أوروبا الغربية، تفتقر إلى بيانات دقيقة عن صحة مستجمعات المياه. نحن نستكشف الآن كيف يمكن دمج خبرتنا في الهيدرولوجيا وإدارة الموارد المائية مع أدوات النماذج اللغوية الضخمة لمساعدة المجتمعات على فهم حجم مواردها المائية ومساراتها المستقبلية. «بهذا، تضع (غوغل) الذكاء الاصطناعي في موقع مزدوج: مستهلك للموارد من جهة، وأداة لإدارتها بشكل أكثر استدامة من جهة أخرى».

تناولت الجلسة أهمية إدارة استهلاك المياه في مراكز البيانات وربط الذكاء الاصطناعي بدور جديد كأداة لإدارة الموارد المائية (غيتي)

ميزة «النهج الكامل»

تشرح «غوغل» أن تحقيق هذه القفزات في الكفاءة لم يكن وليد خطوة واحدة، بل نتيجة استراتيجية متعددة المستويات تبدأ من العتاد وصولاً إلى البنية التحتية. فقد طورت الشركة وحدات معالجة خاصة «TPU»، بينها النسخة الأحدث «Ironwood» التي تعد أكثر كفاءة في استهلاك الطاقة بمقدار 30 مرة مقارنة بالمعالجات التقليدية. وإلى جانب العتاد، اعتمدت الشركة على تقنيات مثل Accurate Quantized Training» (AQT)»، والتفسير التخميني لتقليل العبء الحسابي دون التأثير على الجودة.

أما تصميم النماذج فاعتمد على بنية (ترانسفورمر) «Transformer» ومفهوم (ميكستشر أوف إكسبيرتس) «Mixture-of-Experts» وآليات التفكير الهجين، ما سمح بتحقيق مكاسب في الكفاءة تصل إلى مائة مرة. وتضاف إلى ذلك آليات تشغيل مثل التجميع واسع النطاق والتحويل الفوري للأحمال لتقليل استهلاك الأجهزة الخاملة. أما على صعيد مراكز البيانات، فقد سجلت «غوغل» معدل كفاءة استخدام طاقة عالمي (PUE) يبلغ 1.09، وهو من الأفضل في القطاع. وتتكامل هذه الجهود مع أهداف تشغيل خالٍ من الكربون على مدار الساعة، وتعويض المياه العذبة، إلى جانب اتفاقات مرنة مع مزوّدي الطاقة في ولايات أميركية مثل إنديانا وتينيسي.

وكما قال رانغاناثان: «من الخرسانة إلى السحابة، كل طبقة من البنية التحتية إلى الرقائق إلى النماذج، تضيف مكاسب تدريجية. وعندما تجتمع، تصنع القفزات الكبيرة التي نشهدها».

مواجهة المخاوف

كثيراً ما يُصوَّر الأثر البيئي للذكاء الاصطناعي بصورة مبالغ فيها، مع ادعاءات مثل أن «الاستعلام الواحد يعادل قيادة سيارة لمسافة 1000 ميل». لكن «غوغل» رفضت هذه المقارنات.

ويذكر رانغاناثان أن «البيانات تُظهر أن الانبعاثات الكربونية في الواقع صغيرة للغاية. نريد أن نستبدل الخوف بالحقائق».

وتضيف غودمان: «رغم أن استعلامات (جيميناي) محدودة الأثر، فإن استخدام الذكاء الاصطناعي يتوسع بسرعة. لذلك يجب أن تسبق الكفاءة حجم الطلب. في تقرير الاستدامة مطلع العام، أظهرنا تحسناً في الكفاءة بنسبة 20 في المائة، وهو ما يساعدنا بالفعل على البقاء في الطليعة».

تُظهر تقديرات مستقلة أهمية خطوة «غوغل» في هذا التوقيت. فحسب بيانات بحثية (Graphic News 2023)، قد تصبح مراكز بيانات الذكاء الاصطناعي مسؤولة عن نسبة متزايدة من الانبعاثات الكربونية عالمياً، مع احتمال أن تتجاوز بصمتها الكربونية قطاع الطيران في السنوات القليلة المقبلة. ففي عام 2023 مثّل الطيران نحو 2.5 في المائة من انبعاثات ثاني أكسيد الكربون عالمياً، بينما ساهمت مراكز البيانات بنسبة أقل لكنها في مسار تصاعدي حاد.

اللافت أن «غوغل» لا تكتفي بجعل الذكاء الاصطناعي أكثر كفاءة، بل توظفه أيضاً أداةً لتعزيز الاستدامة في قطاعات أخرى. وأوضح رانغاناثان أن الشركة تستخدم الذكاء الاصطناعي لنمذجة وتقليل «خطوط التكاثف» (Contrails) التي تشكلها الطائرات وتحتجز الحرارة، وقال: «يمكن للذكاء الاصطناعي مساعدة الطيارين على تجنّب المسارات التي تولد هذه السحب، ما يقلل من الأثر المناخي للطيران».

نحو معايير وتعاون

هل ستعتمد شركات أخرى منهجية «غوغل»؟ تجيب غودمان: «هذه هي المرة الأولى التي نعرض فيها منهجيتنا علناً. ردود الفعل الأولية كانت إيجابية، ونأمل أن يتم تبنيها عبر الصناعة والأوساط الأكاديمية».

ويضيف رانغاناثان: «لا يوجد اليوم إجماع على كيفية قياس البصمة البيئية للذكاء الاصطناعي. مساهمتنا هي تقديم منهجية شاملة وصارمة علمياً. ونأمل أن تُحفّز حواراً أوسع ومقاييس موحدة عبر القطاع».

لن يُقاس مستقبل الذكاء الاصطناعي فقط بذكاء مخرجاته، بل أيضاً باستدامة مدخلاته. وفي هذا السياق، ترسل «غوغل» رسالة واضحة: الكفاءة لم تعد خياراً، بل ضرورة.


مقالات ذات صلة

«Gemma 4» من «غوغل»: ذكاء اصطناعي مفتوح يعمل على الأجهزة الشخصية

تكنولوجيا أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)

«Gemma 4» من «غوغل»: ذكاء اصطناعي مفتوح يعمل على الأجهزة الشخصية

«غوغل» تطلق «Gemma 4» كنموذج مفتوح يعمل محلياً... ما يعزز الخصوصية ويقلل الاعتماد على السحابة ويدعم قدرات متقدمة للمطورين.

نسيم رمضان (لندن)
تكنولوجيا يتحول العنوان القديم إلى عنوان ثانوي يستمر في استقبال الرسائل (شاترستوك)

أخيراً... يمكنك تغيير عنوان «جيميل» دون فقدان بياناتك

«غوغل» تتيح تغيير عنوان «جيميل» دون فقدان البيانات في خطوة تعيد تعريف الهوية الرقمية مع قيود تتعلق بالأمان والتحديث الخارجي.

نسيم رمضان (لندن)
تكنولوجيا تتيح «غوغل» ميزة استيراد الذاكرة في «جيميناي» لنقل التفضيلات والسياق الشخصي من تطبيقات ذكاء اصطناعي أخرى (شاترستوك)

«غوغل» تتيح نقل سجل المحادثات والتفضيلات إلى «جيميناي»

«غوغل» تطلق استيراد الذاكرة في «جيميناي»، لنقل السياق والتفضيلات بين تطبيقات الذكاء الاصطناعي، وتعزيز تجربة شخصية مستمرة للمستخدمين.

نسيم رمضان (لندن)
تكنولوجيا تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)

«غوغل» تعيد تعريف البحث بالذكاء الاصطناعي المخصص

غوغل تطلق «الذكاء الشخصي» لربط بيانات المستخدم عبر خدماتها بهدف تقديم إجابات مخصصة مع الحفاظ على الخصوصية والتحكم الكامل للمستخدم.

نسيم رمضان (لندن)
تكنولوجيا الذكاء الاصطناعي يحلل التقييمات والصور لاقتراح أماكن «مدونة غوغل»

ميزات جديدة في «خرائط غوغل» تحول التطبيق إلى مساعد ذكي للتنقل

تشهد خدمات الخرائط الرقمية تحولاً متسارعاً مع دخول تقنيات الذكاء الاصطناعي إلى صلب تجربة المستخدم، في خطوة تسعى من خلالها الشركات التقنية إلى إعادة تعريف مفهوم…

عبد العزيز الرشيد (الرياض)

3 نماذج ذكاء اصطناعي جديدة من «مايكروسوفت» للصوت والصورة والنص

أطلقت «مايكروسوفت» 3 نماذج «MAI» جديدة تشمل تحويل الصوت إلى نص وتوليد الصوت وإنشاء الصور (مايكروسوفت)
أطلقت «مايكروسوفت» 3 نماذج «MAI» جديدة تشمل تحويل الصوت إلى نص وتوليد الصوت وإنشاء الصور (مايكروسوفت)
TT

3 نماذج ذكاء اصطناعي جديدة من «مايكروسوفت» للصوت والصورة والنص

أطلقت «مايكروسوفت» 3 نماذج «MAI» جديدة تشمل تحويل الصوت إلى نص وتوليد الصوت وإنشاء الصور (مايكروسوفت)
أطلقت «مايكروسوفت» 3 نماذج «MAI» جديدة تشمل تحويل الصوت إلى نص وتوليد الصوت وإنشاء الصور (مايكروسوفت)

أطلقت «مايكروسوفت» 3 نماذج جديدة من الذكاء الاصطناعي ضمن منصة «فاوندري (Foundry)» في خطوة تعكس توجهاً واضحاً نحو بناء منظومة متكاملة تدعم التطبيقات متعددة الوسائط، بدلاً من الاعتماد على نماذج منفصلة لكل استخدام. وبحسب ما ورد في مدونة رسمية للشركة، تشمل النماذج الجديدة «MAI-Transcribe-1» لتحويل الصوت إلى نص، و«MAI-Voice-1» لتوليد الصوت، و«MAI-Image-2» لإنشاء الصور، وهي متاحة حالياً للمطورين عبر «Foundry» وبيئة «MAI Playground».

من نماذج منفصلة إلى منظومة متكاملة

تعكس هذه الخطوة تحولاً في طريقة بناء تطبيقات الذكاء الاصطناعي. فبدلاً من الاعتماد على نموذج واحد شامل، تتجه «مايكروسوفت» نحو تطوير مجموعة من النماذج المتخصصة، كل منها يعالج نوعاً مختلفاً من بيانات الصوت والصورة والنص.

هذا النهج ينسجم مع الاتجاه الأوسع في الصناعة نحو ما يُعَرف بـ«الذكاء الاصطناعي متعدد الوسائط»، حيث يمكن للأنظمة التعامل مع أنواع مختلفة من المدخلات والمخرجات ضمن تجربة واحدة متكاملة.

أحد أبرز النماذج الجديدة هو «MAI-Transcribe-1»، المصمم لتحويل الكلام إلى نَصٍّ بدقة عالية، حتى في البيئات غير المثالية مثل الضوضاء أو تسجيلات الاجتماعات.

تشير «مايكروسوفت» إلى أنَّ النموذج يدعم 25 لغة من أكثر اللغات استخداماً، ويحقِّق أداءً متقدماً وفق معايير قياس معتمدة، مع سرعة معالجة أعلى مقارنة بأنظمة سابقة. كما تمَّ تصميمه للعمل في ظروف واقعية، مثل مراكز الاتصال أو الاجتماعات، حيث تتداخل الأصوات وتختلف جودة التسجيل. هذا التركيز على «البيئة الواقعية» يعكس تحولاً في تصميم النماذج، من الأداء في المختبرات إلى الأداء في الاستخدام الفعلي.

تركز النماذج على الأداء في البيئات الواقعية وسرعة المعالجة وليس فقط نتائج المختبر (مايكروسوفت)

الصوت الاصطناعي

يركز نموذج «MAI-Voice-1» على توليد الصوت، مع محاولة جعل النتائج أكثر واقعية من حيث النبرة والتعبير. ووفقاً للمدونة، يمكن للنموذج إنتاج صوت طبيعي يحافظ على هوية المتحدث حتى في المحتوى الطويل. كما يتيح إنشاء أصوات مخصصة باستخدام عينة قصيرة من التسجيل الصوتي. ويتميَّز كذلك بسرعة عالية، حيث يمكنه توليد دقيقة من الصوت خلال ثانية واحدة تقريباً، ما يفتح المجال أمام استخدامه في تطبيقات مثل المساعدات الصوتية، أو المحتوى الصوتي التفاعلي.

توليد الصور

أما النموذج الثالث الذي يدعى «MAI-Image-2» فيركز على إنشاء الصور مع تحسينات في السرعة والأداء. تشير «مايكروسوفت» إلى أنَّ النموذج يوفِّر سرعة توليد أعلى تصل إلى ضعفين مقارنة بالإصدارات السابقة، مع الحفاظ على جودة مناسبة للاستخدامات الإبداعية مثل التصميم والإعلانات. كما تمَّ تصميمه ليلبي احتياجات المُصمِّمين وصناع المحتوى، من خلال تحسين عناصر مثل الإضاءM، ودقة التفاصيل، والنصوص داخل الصور.

صور أنشأتها «WPP» باستخدام «MAI-Image-2» (مايكروسوفت)

السرعة والتكلفة... عاملان حاسمان

إلى جانب الأداء، تركز «مايكروسوفت» على جانب التكلفة الذي لا يقل أهمية. تشير الشركة إلى أنَّ النماذج الجديدة تقدِّم ما تصفه بـ«أفضل توازن بين السعر والأداء»، مع كفاءة أعلى في استخدام الموارد، بما في ذلك تقليل استهلاك وحدات المعالجة الرسومية (GPU). هذا الجانب يعكس واقعاً متزايد الأهمية في سوق الذكاء الاصطناعي، حيث لم يعد التحدي في بناء النماذج فقط، بل في تشغيلها على نطاق واسع بتكلفة مقبولة.

لا يمكن فصل هذا الإعلان عن استراتيجية «مايكروسوفت» الأوسع في مجال الذكاء الاصطناعي. فإطلاق نماذج داخلية يُعزِّز استقلالية الشركة، ويقلل اعتمادها على شركاء خارجيِّين، في ظلِّ منافسة متزايدة مع شركات مثل «غوغل»، و«أمازون». كما أنَّ دمج هذه النماذج داخل منتجات مثل «كوبايلوت (Copilot)»، و«تيمز (Teams)»، و«بينغ (Bing)» يشير إلى توجه نحو تحويل الذكاء الاصطناعي من ميزة إضافية إلى بنية أساسية داخل المنتجات الرقمية.

تسعى «مايكروسوفت» إلى تحقيق توازن بين الكفاءة والتكلفة في تشغيل نماذج الذكاء الاصطناعي (مايكروسوفت)

من النماذج إلى التطبيقات

رغم أنَّ الإعلان يركز على النماذج نفسها، فإنَّ القيمة الحقيقية تظهر في كيفية استخدامها. تَوفُّر هذه الأدوات للمطورين يعني إمكانية بناء تطبيقات تجمع بين الصوت والنص والصورة ضمن تجربة واحدة.

هذا قد يفتح المجال أمام تطبيقات جديدة، مثل أنظمة تحويل الاجتماعات إلى نصوص قابلة للبحث، ومساعدات صوتية أكثر واقعية، وأدوات تصميم مدعومة بالذكاء الاصطناعي.

في المجمل، يشير إطلاق هذه النماذج إلى مرحلة جديدة في تطور الذكاء الاصطناعي، حيث لم يعد التركيز على نموذج واحد قوي، بل على منظومة متكاملة من النماذج المتخصصة. وبينما لا تزال المنافسة في هذا المجال في مراحل متسارعة، فإنَّ ما يتضح هو أن الاتجاه العام يتجه نحو بناء بنى تحتية للذكاء الاصطناعي، وليس مجرد أدوات منفصلة.


القمر مختبراً... كيف يشكّل «أرتميس» بروفة «ناسا» لرحلات المريخ؟

رواد الفضاء الأربعة في مهمة «أرتميس ‌2» (ناسا)
رواد الفضاء الأربعة في مهمة «أرتميس ‌2» (ناسا)
TT

القمر مختبراً... كيف يشكّل «أرتميس» بروفة «ناسا» لرحلات المريخ؟

رواد الفضاء الأربعة في مهمة «أرتميس ‌2» (ناسا)
رواد الفضاء الأربعة في مهمة «أرتميس ‌2» (ناسا)

تُقدم مهمة «أرتميس ‌2» (Artemis II) من «ناسا» بوصفها أول رحلة مأهولة ضمن برنامج العودة إلى القمر منذ عقود. لكن في الواقع، يمكن فهم ذلك بشكل أدق كمرحلة تمهيدية «أو بروفة» لهدف أبعد وأكثر تعقيداً وهو إرسال البشر إلى المريخ.

فعلى عكس مهام «أبولو» في ستينات القرن الماضي وسبعيناته، التي ركزت على الهبوط قصير المدى والإنجاز الرمزي، صُمم برنامج «أرتميس» حول فكرة الوجود المستدام. وهذا الفرق جوهري في قيمته الاستراتيجية. فالقمر هنا ليس الوجهة النهائية، بل ساحة اختبار تُجرَّب فيها التقنيات والقدرات البشرية ونماذج التشغيل في بيئة فضائية حقيقية، قبل الانتقال إلى رحلات متعددة السنوات نحو المريخ.

رائد الفضاء فيكتور غلوفر يجري فحوص تسرّب على بدلته الفضائية داخل غرفة تجهيز الطاقم (ناسا)

اختبار التقنيات خارج مدار الأرض

يتمثل أحد الأدوار الأساسية لـ«أرتميس» في اختبار التقنيات التي ستكون حاسمة لاستكشاف الفضاء العميق. فبعثات المريخ ستتطلب أنظمة قادرة على العمل بشكل مستقل لفترات طويلة، مع دعم محدود من الأرض.

على سطح القمر، تخطط «ناسا» لاختبار أنظمة دعم الحياة القادرة على إعادة تدوير الهواء والماء بكفاءة لفترات ممتدة. ويجب أن تعمل هذه الأنظمة بشكل موثوق في بيئات يصعب فيها الإمداد، حيث لا مجال للأخطاء. كما ستُختبر أنظمة توليد الطاقة التي تعتمد إلى حد كبير على الطاقة الشمسية في ظروف قاسية، تشمل ليالي قمرية قد تمتد لأسبوعين.

ومن المجالات الأساسية أيضاً، استخدام الموارد المحلية (ISRU)؛ إذ يُعتقد أن القطب الجنوبي للقمر يحتوي على جليد مائي يمكن تحويله أكسجيناً للتنفس وهيدروجيناً كوقود. وإذا ثبتت جدوى ذلك، فقد يقلل الحاجة إلى نقل كميات كبيرة من الموارد من الأرض، وهو أمر يصبح ضرورياً في بعثات المريخ.

كما ستُختبر أنظمة الحركة على السطح، والمساكن، والعمليات الميدانية، بما في ذلك المركبات الجوالة المضغوطة، والوحدات السكنية القابلة للتوسعة، والأنظمة الروبوتية المساندة للرواد.

صورة أيقونية لأثر قدم بسطح القمر خلال السير على القمر في مهمة «أبوبو 11» 20 يوليو 1969 (ناسا)

قدرة الإنسان على التحمل

يطرح إرسال البشر خارج مدار الأرض المنخفض تحديات لم تُختبر بشكل كافٍ منذ حقبة «أبولو». ويوفر «أرتميس» فرصة لدراسة أداء الرواد خلال مهام أطول في بيئات فضائية أكثر قسوة.

ويُعدّ التعرض للإشعاع أحد أبرز هذه التحديات. فعلى عكس رواد محطة الفضاء الدولية، الذين يستفيدون من حماية جزئية يوفرها المجال المغناطيسي للأرض، سيتعرض رواد القمر ومن ثم المريخ لمستويات أعلى من الإشعاع الكوني. وفهم كيفية الحد من هذه المخاطر سيكون أمراً حاسماً.

كما أن العوامل النفسية والبدنية لا تقل أهمية؛ إذ يمكن للعزلة الطويلة وضيق المساحات وتأخر الاتصالات أن تؤثر على أداء الطاقم. ورغم أن القمر يبعد بضعة أيام فقط عن الأرض، فإنه يوفّر بيئة أكثر واقعية من المدار الأرضي لدراسة هذه التأثيرات. ومن المتوقع أن توفر مهام «أرتميس» خاصة تلك التي تتضمن إقامة أطول على سطح القمر، بيانات مهمة لتطوير معايير اختيار الرواد وتدريبهم والتخطيط لبعثات المريخ.

لقطة مقرّبة لوجه رائد الفضاء توماس سترافورد قائد مهمة «أبوبو 10» (ناسا)

بناء لوجيستيات الفضاء وإدارتها

تمثل اللوجيستيات مجالاً آخر يعمل فيه «أرتميس» كمنصة اختبار. فالوجود المستدام على القمر يتطلب تطوير سلاسل إمداد تمتد إلى ما وراء الأرض، تشمل نقل المعدات والوقود والمواد الاستهلاكية عبر مهام متعددة.

ويلعب «Lunar Gateway» دوراً محورياً في هذه المنظومة؛ إذ يُخطط أن يكون محطة مدارية حول القمر تُستخدم نقطةَ انطلاقٍ للبعثات إلى السطح والعودة منه، إضافة إلى كونه منصةً للتعاون الدولي.

ويعكس هذا النهج القائم على توزيع مكونات المهمة عبر منصات متعددة التعقيد المتوقع في بعثات المريخ، حيث يجب تنسيق العمل بين مركبات فضائية، وأنظمة سطحية، وبنية تحتية مدارية.

كما تشمل هذه المنظومة أنظمة الاتصال. فرغم أن القمر يتيح اتصالاً شبه فوري مع الأرض، فإن بعثات المريخ ستشهد تأخراً قد يصل إلى 20 دقيقة في كل اتجاه. لذلك؛ يُعدّ تطوير أنظمة أكثر استقلالية وقدرة على اتخاذ القرار، أمراً ضرورياً، ويشكّل «أرتميس» خطوة وسيطة نحو ذلك.

نموذج تشغيلي جديد

يعكس «أرتميس» أيضاً تحولاً في طريقة تنظيم المهام الفضائية. فبعكس «أبولو» التي كانت تقودها الحكومات بالكامل، يعتمد «أرتميس» بشكل كبير على الشراكات مع القطاع الخاص والجهات الدولية.

فمشاركة الشركات الخاصة مثل تطوير أنظمة الهبوط البشري تُدخل ديناميكيات جديدة تتعلق بالتكلفة والابتكار وتقاسم المخاطر. كما أن التعاون الدولي يوسّع نطاق البرنامج من الناحيتين التقنية والسياسية.

ومن المرجح أن يكون هذا النموذج ضرورياً لبعثات المريخ، التي تتطلب موارد وخبرات تتجاوز قدرات جهة واحدة. وبذلك يُعدّ «أرتميس» ليس فقط منصة اختبار تقنية، بل أيضاً تجربة في الحوكمة والتعاون.

صاروخ «ناسا» العملاق «أرتميس إس إل إس» في مركز كيندي الفضائي (ناسا)

القمر نقطةَ انطلاق

لم يكن اختيار القمر ميدانَ اختبار أمراً عشوائياً. فبفضل قربه من الأرض؛ يمكن تنفيذ مهام متكررة وتدريجية، مع الحفاظ على مستوى مقبول من المخاطر.

ففي حال حدوث خلل، تظل إمكانية التدخل أو الإمداد قائمة، على عكس بعثات المريخ، حيث تصبح هذه الخيارات شبه مستحيلة. وهذا يجعل القمر بيئة مناسبة لاختبار الأنظمة في ظروف واقعية دون تحمل المخاطر الكاملة للرحلات بين الكواكب.

ومع ذلك، لا يمكن تجاهل الفروقات بين القمر والمريخ، فالمريخ يمتلك غلافاً جوياً وجاذبية مختلفة وظروفاً بيئية أكثر تعقيداً. ورغم أن «أرتميس» لا يحاكي هذه العوامل بالكامل، فإنه يسهِم في تقليل درجة عدم اليقين في عناصر أساسية.

أبعد من مجرد عودة

قد يُقلل وصف «أرتميس» بأنه مجرد عودة إلى القمر من فهم غايته الحقيقية. فالبرنامج يمثل انتقالاً من الاستكشاف المؤقت إلى الوجود المستدام، ومن المهام المنفصلة إلى الأنظمة المتكاملة.

وبهذا المعنى، لا يتعلق «أرتميس» بإعادة زيارة وجهة معروفة، بل بالتحضير لوجهة غير مسبوقة. فالتقنيات ونماذج التشغيل والعوامل البشرية التي يجري اختبارها على القمر تشكّل جميعها عناصر أساسية لمهمة أكبر. ويبقى نجاح هذا النهج في تمهيد الطريق إلى المريخ سؤالاً مفتوحاً، في ظل التحديات التقنية والتمويلية وتأخيرات الجدول الزمني.

لكن ما يبدو واضحاً هو المنطق الاستراتيجي وراءه: القمر يوفر بيئة يمكن من خلالها اختبار أسس استكشاف الفضاء العميق. ومن خلال ذلك، يضع «أرتميس» نفسه ليس بوصفه نهاية، بل بوصفه خطوة أساسية نحو الوجهة التالية.


«Gemma 4» من «غوغل»: ذكاء اصطناعي مفتوح يعمل على الأجهزة الشخصية

أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)
أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)
TT

«Gemma 4» من «غوغل»: ذكاء اصطناعي مفتوح يعمل على الأجهزة الشخصية

أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)
أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)

توسّع شركة «غوغل» توجهها نحو الذكاء الاصطناعي المفتوح مع إطلاق «غاما4» (Gemma 4)، وهو جيل جديد من النماذج المصممة للعمل، ليس فقط في مراكز البيانات، بل أيضاً محلياً على الأجهزة الشخصية. يعكس هذا التوجه تحوّلاً أوسع في الصناعة نحو جعل الذكاء الاصطناعي المتقدم أكثر إتاحة، مع منح المطورين تحكماً أكبر في كيفية تشغيل هذه الأنظمة ومكانها.

يبني «Gemma 4» على عائلة نماذج «Gemma» التي طرحتها «غوغل» سابقاً كبديل خفيف لنماذجها الأكثر قوة ولكن المغلقة ضمن منظومة «جيميناي» ( Gemini). وعلى عكس النماذج التي تعتمد على السحابة، تم تصميم «غاما» ليكون خياراً أكثر مرونة، يتيح للمطورين تشغيل تطبيقات الذكاء الاصطناعي على أجهزتهم الخاصة.

تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)

انفتاح وذكاء محلي

في هذا الإصدار الجديد، توسّع «غوغل» هذا النهج بشكل واضح، حيث أصبح «Gemma 4» متاحاً بترخيص «Apache 2.0»، ما يتيح للمطورين استخدام النماذج وتعديلها ونشرها بحرية دون قيود صارمة. وتُعد هذه الدرجة من الانفتاح مهمة في سوق لا تزال فيه العديد من النماذج «المفتوحة» تفرض قيوداً على الاستخدام أو الوصول.

إحدى أبرز ميزات «Gemma 4» هي قدرته على العمل محلياً عبر مجموعة واسعة من الأجهزة. فقد صُممت النماذج لتتدرج من الخوادم القوية إلى الحواسيب المحمولة والهواتف الذكية وحتى الأجهزة الصغيرة مثل «رازبيري باي» (Raspberry Pi). ويتيح هذا النهج المعروف بالاعتماد على التشغيل المحلي بناء تطبيقات لا تحتاج إلى اتصال دائم بالسحابة، ما يقلل من زمن الاستجابة والتكاليف التشغيلية، ويعزز خصوصية البيانات.

كما تعكس التحسينات التقنية في «Gemma 4» طموحاً أوسع، إذ تصفه «غوغل» بأنه الأكثر قدرة ضمن نماذجها المفتوحة حتى الآن، مع تحسينات في قدرات الاستدلال ودعم سير عمل أكثر تعقيداً. وتشمل هذه القدرات حل المشكلات متعددة الخطوات، إضافة إلى ما يُعرف بالقدرات «الوكيلة» (Agentic)، حيث يمكن للنظام تنفيذ مهام، واستدعاء وظائف، والتفاعل مع البيانات بشكل أكثر استقلالية.

ومن الجوانب المهمة أيضاً دعم تعدد الوسائط، حيث يمكن لـ«Gemma 4» التعامل ليس فقط مع النصوص، بل أيضاً مع أنواع أخرى من البيانات مثل الصور أو الصوت، بحسب النسخة المستخدمة. ويتماشى ذلك مع اتجاه أوسع في الصناعة نحو تطوير أنظمة قادرة على فهم ودمج أنواع مختلفة من المدخلات.

وتتوفر النماذج بأحجام متعددة، ما يمنح المطورين مرونة في الاختيار بين نسخ خفيفة مناسبة للأجهزة المحمولة، وأخرى أكبر للأعمال الأكثر تعقيداً. وتُعد هذه المرونة جزءاً أساسياً من استراتيجية «غوغل» لتوسيع استخدام الذكاء الاصطناعي في بيئات ذات موارد محدودة.

يعكس الإطلاق توجهاً نحو ذكاء اصطناعي أكثر انفتاحاً وتوزيعاً مع استمرار تحديات الأداء والحوكمة (أ.ف.ب)

صعود الذكاء المحلي

يسلّط هذا الإطلاق الضوء على الأهمية المتزايدة لـ«الذكاء الاصطناعي المحلي» (Local AI). فتشغيل النماذج مباشرة على الأجهزة وما يُعرف أيضاً بـ«Edge AI» يُنظر إليه بشكل متزايد كحل لمعالجة قضايا مثل سيادة البيانات والخصوصية والتكلفة. ومن خلال إبقاء البيانات على الجهاز، يمكن للمؤسسات تقليل اعتمادها على البنية التحتية السحابية والتحكم بشكل أكبر في المعلومات الحساسة.

ويكتسب هذا التوجه أهمية، خاصة في قطاعات مثل الرعاية الصحية والبرمجيات المؤسسية والخدمات الحكومية، حيث قد تقيّد المتطلبات التنظيمية استخدام الذكاء الاصطناعي القائم على السحابة. ويوفر التشغيل المحلي بديلاً يسمح بإدماج قدرات متقدمة مع الالتزام بمعايير الخصوصية.

في المقابل، يعكس الانفتاح المتزايد في النماذج أيضاً اشتداد المنافسة في سوق الذكاء الاصطناعي. فشركات مثل «ميتا» إلى جانب مجتمعات المصادر المفتوحة، تعمل على تطوير نماذج متقدمة، ما يدفع الشركات الكبرى إلى تبني استراتيجيات أكثر انفتاحاً. ومن خلال «Gemma 4» تسعى «غوغل» إلى ترسيخ موقعها ضمن هذا المشهد المتغير.

مع ذلك، يبقى مفهوم «الانفتاح» في الذكاء الاصطناعي محل نقاش. فحتى مع تراخيص مرنة مثل «Apache 2.0» لا تكون جميع جوانب تطوير النماذج مثل بيانات التدريب مكشوفة بالكامل. ويستمر الجدل حول ما إذا كانت هذه النماذج تمثل انفتاحاً حقيقياً، خصوصاً مع تزايد قوتها وتأثيرها.

كما تواجه النماذج المحلية تحديات عملية، إذ يتطلب تشغيل الذكاء الاصطناعي المتقدم على الأجهزة تحسينات دقيقة لتحقيق توازن بين الأداء وحدود العتاد، خاصة في الهواتف والأجهزة الصغيرة. ويزداد التعقيد عند محاولة ضمان أداء متسق عبر بيئات مختلفة.

تفعيل الميزة اختياري ويمنح المستخدم تحكماً كاملاً في البيانات التي يتم استخدامها (أ.ف.ب)

تحول نحو اللامركزية

رغم هذه التحديات، يشير إطلاق «Gemma 4» إلى اتجاه واضح، وهو انتقال الذكاء الاصطناعي من الاعتماد الكامل على السحابة إلى نماذج أكثر توزيعاً ومرونة. فلم يعد المطورون مضطرين للوصول إلى الذكاء الاصطناعي عبر واجهات برمجة التطبيقات فقط، بل بات بإمكانهم دمجه مباشرة داخل التطبيقات والأجهزة.

ويحمل هذا التحول تداعيات أوسع على كيفية تطوير الذكاء الاصطناعي والتحكم فيه وتحقيق العوائد منه. فالنماذج المفتوحة والمحلية قد تقلل الاعتماد على المنصات الكبرى، وتمنح الشركات الصغيرة والمطورين المستقلين مساحة أكبر للابتكار.

في الوقت نفسه، يثير هذا الانفتاح أسئلة جديدة حول الحوكمة والسلامة والمسؤولية. فكلما أصبحت أدوات الذكاء الاصطناعي أكثر قوة وانتشاراً، ازدادت الحاجة إلى ضمان استخدامها بشكل مسؤول.