قدم باحثو جوجل خوارزمية جديدة لضغط الذاكرة لأنظمة الذكاء الاصطناعي تسمى TurboQuant، والتي يمكن أن تقلل بشكل كبير من كمية ذاكرة الوصول العشوائي التي تستخدمها الشبكات العصبية دون التضحية بالأداء. تم الإبلاغ عن ذلك بواسطة TechCrunch.
يهدف هذا التطوير إلى إزالة أحد القيود الرئيسية للذكاء الاصطناعي الحديث، وهو الحمل العالي على ذاكرة الوصول العشوائي. تستخدم الخوارزمية تكميم المتجهات لتحسين ما يسمى بالذاكرة العاملة، بحيث يتمكن النظام من معالجة المزيد من البيانات مع استخدام موارد أقل والحفاظ على الدقة الحسابية.
وتشير جوجل إلى أن هذه التقنية يمكنها تقليل حجم الذاكرة المستخدمة بما لا يقل عن ستة أضعاف. يمكن أن يؤدي ذلك إلى تقليل تكلفة تشغيل الذكاء الاصطناعي وتحسين أداء النماذج أثناء مرحلة المهمة.
ومن المتوقع أن يتم عرض هذا التطور في مؤتمر ICLR 2026. وحتى الآن، لا تزال التكنولوجيا في مرحلة الأبحاث المختبرية ولم يتم نشرها في منتج تجاري.
يشير الخبراء إلى أنه إذا تم تنفيذه بنجاح، يمكن لـ TurboQuant تحسين كفاءة أنظمة الذكاء الاصطناعي بشكل كبير، لكنه لا يحل المشكلة المتعلقة باستهلاك الذاكرة إلا جزئيًا، لأنه لا يعالج المرحلة كثيفة الموارد من التدريب على النماذج، والتي لا تزال تتطلب قوة حاسوبية كبيرة.
