التعريف

النموذج المُكمَّم (Quantized Model) هو نسخة من نموذج تعلم آلي مُدرب حيث تم تقليل الدقة العددية لأوزانه وتنشيطاته. عادةً، يتم تدريب النماذج باستخدام أرقام النقطة العائمة ذات الـ 32 بت (FP32). تقوم عملية التكميم بتحويل هذه القيم عالية الدقة إلى تمثيلات ذات بتات أقل، مثل الأرقام العائمة ذات الـ 16 بت (FP16)، أو الأعداد الصحيحة ذات الـ 8 بت (INT8)، أو حتى أقل.

أهميته

يُعد حجم النموذج والمتطلبات الحسابية من المعوقات الرئيسية في نشر نماذج الذكاء الاصطناعي الكبيرة، خاصة على الأجهزة الطرفية (Edge Devices) أو في بيئات السحابة ذات الموارد المحدودة. يعالج التكميم هذه المشكلة بشكل مباشر عن طريق تقليل البصمة الذاكرية وعدد العمليات الحسابية المطلوبة (FLOPs) أثناء الاستدلال (Inference) بشكل كبير.

تُترجم مكاسب الكفاءة هذه مباشرة إلى أوقات استدلال أسرع، وزمن انتقال (Latency) أقل، وتكاليف تشغيلية منخفضة للشركات التي تقوم بتشغيل أعباء عمل الذكاء الاصطناعي على نطاق واسع.

كيفية عمله

الفكرة الأساسية هي تعيين نطاق مستمر من قيم النقطة العائمة إلى مجموعة منفصلة من القيم ذات الدقة الأقل. تتضمن هذه العملية تحديد عامل قياس (Scaling Factor) ونقطة صفر (Zero-Point) لكل موتر (Tensor). يتم تعيين قيمة FP32 الأصلية إلى قيمة عدد صحيح ضمن نطاق عرض البت المختار. هناك عدة تقنيات، منها التكميم بعد التدريب (Post-Training Quantization - PTQ)، حيث يحدث التكميم بعد التدريب، والتدريب المدرك للتكميم (Quantization-Aware Training - QAT)، حيث يتم تدريب النموذج باستخدام ضوضاء تكميم مُحاكاة لتقليل فقدان الدقة.

حالات الاستخدام الشائعة

تُعد النماذج المُكمَّمة حاسمة للعديد من تطبيقات الذكاء الاصطناعي الحديثة:

• نشر الذكاء الاصطناعي الطرفي (Edge AI Deployment): تشغيل نماذج الرؤية المعقدة أو معالجة اللغة الطبيعية (NLP) مباشرة على الهواتف المحمولة، أو مستشعرات إنترنت الأشياء (IoT)، أو الأنظمة المدمجة حيث تكون الذاكرة والطاقة محدودة بشدة.
• الاستدلال عالي الإنتاجية (High-Throughput Inference): خدمة نماذج اللغة الكبيرة (LLMs) أو محركات التوصية المعقدة في البيئات السحابية حيث يكون تعظيم عدد الطلبات في الثانية (RPS) أمرًا بالغ الأهمية.
• التطبيقات المحمولة: دمج ميزات الذكاء الاصطناعي المتطورة في التطبيقات الموجهة للمستهلك دون الحاجة إلى اتصال سحابي مستمر.

المزايا الرئيسية

• تقليل حجم النموذج: تسمح أحجام الملفات الأصغر بتنزيل ونشر أسرع.
• استدلال أسرع: الحسابات الصحيحة (Integer Arithmetic) أسرع وأكثر كفاءة في استهلاك الطاقة على الأجهزة المتخصصة (مثل وحدات المعالجة العصبية NPUs أو وحدات المعالجة المركزية المُحسّنة) مقارنة بحسابات النقطة العائمة.
• استخدام أقل للذاكرة: يتطلب عرض نطاق ترددي أقل للذاكرة لتحميل أوزان النموذج ومعالجتها.

التحديات

• تدهور الدقة: التحدي الأساسي هو الفقد المحتمل لدقة النموذج بسبب المعلومات المفقودة أثناء تقليل الدقة. يتطلب التخفيف من هذا الأمر معايرة دقيقة واختيارًا منهجيًا لطريقة التكميم.
• دعم الأجهزة: في حين أن INT8 مدعوم على نطاق واسع، فإن استخدام عرض بتات منخفضة جدًا يتطلب تسريعًا محددًا للأجهزة لتحقيق الفائدة الكاملة من الأداء.

المفاهيم ذات الصلة

• التقليم (Pruning): إزالة الأوزان الزائدة من النموذج.
• تقطير المعرفة (Knowledge Distillation): تدريب نموذج "طالب" صغير وفعال لمحاكاة نموذج "معلم" كبير ومعقد.
• التدريب بالدقة المختلطة (Mixed-Precision Training): استخدام درجات دقة مختلفة (مثل FP16 و FP32) بشكل استراتيجي داخل بنية النموذج.