آخرین بروزرسانی در ۵ تیر ۱۴۰۵ توسط Dr.Arman
تصور کنید در دنیایی که ثانیهها تعیینکننده هستند، هوش مصنوعی محلی شما با سرعتی باورنکردنی متنها را تولید کند، بدون اینکه نیاز باشد منتظر پردازشهای ابری طولانی بمانید. اگر شما هم از انتظار برای دیدن کلماتی که یکی پس از دیگری روی صفحه ظاهر میشوند خسته شدهاید، جدیدترین اخبار دنیای تکنولوژی برای شما یک شگفتی بزرگ دارد: گوگل با معرفی DiffusionGemma، قاعده بازی را در دنیای مدلهای متنباز برای همیشه تغییر داده است.
چرا DiffusionGemma یک نقطه عطف است؟
شاید بپرسید چرا باید به یک مدل جدید دیگر از خانواده Gemma اهمیت بدهیم؟ پاسخ در یک کلمه خلاصه میشود: سرعت. ما در دورانی هستیم که اجرای هوش مصنوعی روی سختافزار شخصی (Local AI) به یک ضرورت تبدیل شده است؛ چه برای حفظ حریم خصوصی و چه برای کاهش هزینهها. اما مشکل همیشگی، سرعت پایین اجرای مدلهای سنگین روی کارتهای گرافیک خانگی بود.
گوگل با عرضه DiffusionGemma نشان داد که برای سریعتر شدن، همیشه لازم نیست مدلها را کوچکتر کنیم، بلکه گاهی باید در روش فکر کردن مدل به دادهها تجدیدنظر کنیم. این مدل ۲۶ میلیارد پارامتری که از معماری Mixture of Experts (MoE) استفاده میکند، طراحی شده تا مرزهای سرعت را در سیستمهای شخصی جابهجا کند. این یعنی شما قدرت یک مدل بزرگ را با سرعتی دارید که پیش از این فقط در سرورهای عظیم گوگل ممکن بود.
جادوی دیفیوژن در دنیای کلمات
بسیاری از ما با مدلهای دیفیوژن در ساخت تصاویر مثل Midjourney یا Stable Diffusion آشنا هستیم. این مدلها با یک صفحه پر از نویز (برفک) شروع میکنند و به تدریج آن را به یک تصویر زیبا تبدیل میکنند. اما در دنیای متن، اوضاع متفاوت بود. اکثر مدلهایی که میشناسید (مثل ChatGPT یا نسخههای قبلی Gemma)، به صورت «خودبازگشت» یا Autoregressive کار میکنند؛ یعنی کلمه اول را مینویسند، سپس بر اساس آن کلمه دوم، و همینطور تا آخر.
اما DiffusionGemma متفاوت عمل میکند. این مدل به جای اینکه متن را خطی و از چپ به راست تولید کند، کل بلوک متن را به صورت موازی میسازد. به آن مثل یک نقاش نگاه کنید که به جای کشیدن تصویر از گوشه بالا سمت چپ، ابتدا طرح کلی را روی کل بوم میکشد و سپس جزئیات را در همه جای بوم به طور همزمان کامل میکند. این رویکرد غیرخطی به مدل اجازه میدهد تا ۲۵۶ توکن را به طور همزمان پردازش و اصلاح کند، چیزی که سرعت اجرای آن را روی سختافزارهای محلی به شدت بالا میبرد.
اعداد دروغ نمیگویند: قدرتنمایی روی RTX 5090
من همیشه وقتی صحبت از اعداد و ارقام تبلیغاتی میشود کمی شکاک هستم، اما نتایج تستهای DiffusionGemma واقعاً خیرهکننده است. وقتی این مدل روی یک کارت گرافیک قدرتمند مثل Nvidia RTX 5090 اجرا میشود، میتواند حدود ۷۰۰ توکن در ثانیه تولید کند. برای اینکه درک بهتری داشته باشید، این یعنی چندین صفحه متن در کمتر از یک چشم به هم زدن!
اگر از سختافزارهای حرفهایتر مثل Nvidia H100 استفاده کنید، این سرعت به بیش از ۱۰۰۰ توکن در ثانیه میرسد. در واقع، این مدل حدود ۴ برابر سریعتر از نسخههای استاندارد و خودبازگشت Gemma با اندازه مشابه عمل میکند. نکته هوشمندانه ماجرا اینجاست که علیرغم داشتن ۲۶ میلیارد پارامتر، به لطف معماری MoE، تنها ۳.۸ میلیارد پارامتر در هر لحظه فعال هستند. این یعنی مدل به راحتی در حافظه ۱۸ گیگابایتی کارتهای گرافیک ردهبالا جا میشود.
سودوکو؛ جایی که هوش مصنوعی معمولی زانو میزند
یکی از جالبترین کاربردهای DiffusionGemma که گوگل بر آن تاکید کرده، حل معماهای پیچیده مثل سودوکو است. چرا سودوکو برای هوش مصنوعی سخت است؟ چون در یک جدول سودوکو، عددی که در خانه اول میگذارید به اعدادی بستگی دارد که قرار است در خانههای آخر گذاشته شوند. مدلهای خطی معمولی معمولاً در این پیشبینیهای آیندهنگرانه دچار اشتباه میشوند.
اما چون DiffusionGemma کل بلاک متن یا جدول را به صورت یکجا میبیند و بارها روی آن مرور میکند تا نویز را برطرف کند، میتواند به طور مداوم اشتباهات خود را در بخشهای مختلف جدول اصلاح کند. این توانایی در «خوداصلاحی موازی» باعث شده تا در وظایف غیرخطی مثل ویرایش متن در میان خطوط، توالیسنجی مولکولی و رسم نمودارهای ریاضی، عملکردی بسیار بهتر از مدلهای سنتی داشته باشد.
چرا گوگل از این روش در جمینای (نسخه ابری) استفاده نمیکند؟
شاید بپرسید اگر دیفیوژن اینقدر سریع و عالی است، چرا تمام مدلهای بزرگ دنیا به این سمت نمیروند؟ واقعیت این است که این تکنولوژی هنوز در مراحل تجربی است. یکی از بزرگترین چالشهای دیفیوژن در متن، نرخ خطای بالاتر آن نسبت به مدلهای خطی است. در یک تصویر، اگر یک پیکسل کمی جابهجا باشد، کسی متوجه نمیشود؛ اما در متن، تغییر یک کلمه یا حتی یک حرف میتواند کل جمله را بیمعنی کند.
همچنین، برای تولید متنهای بسیار کوتاه (مثلاً یک پاسخ «بله» یا «خیر»)، مدلهای دیفیوژن انرژی و زمان بیشتری نسبت به مدلهای خطی مصرف میکنند. در سرورهای ابری که میتوان هزاران درخواست را همزمان دستهبندی کرد، مدلهای فعلی هنوز بهینهتر هستند. اما برای شما که میخواهید روی سیستم شخصیتان کارهای سنگین انجام دهید، DiffusionGemma دقیقاً همان چیزی است که نیاز داشتید؛ چون گلوگاه اصلی در سیستمهای خانگی، پهنای باند حافظه است و این مدل به خوبی از پس این مشکل برمیآید.
چگونه DiffusionGemma را همین امروز امتحان کنید؟
اگر شما هم مثل من مشتاق هستید که این غول سرعت را تست کنید، خبر خوب این است که گوگل آن را تحت لیسانس Apache 2.0 منتشر کرده است. این یعنی استفاده از آن برای عموم آزاد است. شما میتوانید وزنهای مدل را همین حالا از پلتفرم Hugging Face دانلود کنید. گوگل همچنین با انویدیا همکاری نزدیکی داشته تا مطمئن شود این مدل روی طیف گستردهای از سختافزارها، از کارتهای گرافیک RTX کوانتیزه شده گرفته تا سیستمهای سازمانی، به بهترین شکل اجرا میشود.
برای شروع، پیشنهاد میکنم از نسخههای کوانتیزه شده استفاده کنید تا فشار کمتری به حافظه گرافیکیتان بیاید. اگر به دنبال ویرایش متنهای طولانی، حل مسائل ریاضی پیچیده یا فقط کنجکاوی در معماریهای جدید هوش مصنوعی هستید، DiffusionGemma ابزاری است که نباید از دست بدهید.
سخن پایانی: آینده در دستان مدلهای موازی
ارائه DiffusionGemma نشان داد که مسیر پیشرفت هوش مصنوعی فقط در افزایش تعداد پارامترها نیست، بلکه در بهینهسازی روشهای پردازش است. گوگل با این حرکت، شکاف بین قدرت پردازش ابری و محلی را کمتر از همیشه کرده است. اگرچه این مدل هنوز «تجربی» نامیده میشود، اما پتانسیل آن برای تغییر نحوه تعامل ما با ابزارهای تولید محتوا در سیستمهای شخصی غیرقابل انکار است.
آیا ما در آستانه خداحافظی با مدلهای کند و خطی هستیم؟ شاید هنوز زود باشد که با اطمینان بگوییم، اما DiffusionGemma ثابت کرد که سرعت ۴ برابری، خیالی نیست که در دوردستها باشد؛ همین حالا روی میز کار شماست. پس منتظر چه هستید؟ وقت آن است که به هوش مصنوعی خود اجازه پرواز بدهید!
منبع:
https://arstechnica.com/google/2026/06/googles-latest-diffusiongemma-open-ai-model-comes-with-a-4x-speed-boost/
مطالب مرتبط