اختراق: تقليم نظري للألعاب يقلل من حجم الشبكة العصبية بنسبة تصل إلى 90٪ مع فقدان دقيق شبه معدوم: فتح ثورة الذكاء الاصطناعي للحواف! أنا أختبر هذا الآن على الذكاء الاصطناعي المحلي وهو مذهل! قدم لعبة التقليم كلعبة. التشنجات المدفوعة بالتوازن في الشبكات العصبية، نهج جديد يتعامل مع تقليم المعلمات كمنافسة استراتيجية بين الأوزان. تقوم هذه الطريقة بتحديد وإزالة الاتصالات الزائدة ديناميكيا من خلال توازن نظرية الألعاب، محققة ضغطا هائلا مع الحفاظ – وأحيانا تحسين – أداء النموذج. نشرت الورقة على arXiv قبل أيام فقط (ديسمبر 2025)، وتظهر نتائج مذهلة: مستويات الانتشار تتجاوز 90٪ في النماذج واسعة النطاق مع انخفاض دقة أقل من 1٪ على معايير مثل ImageNet وCIFAR-10. بالنسبة للعمالقة التي تضم مليار معامل، يترجم هذا إلى تقليل كبير في بصمة الذاكرة (حتى 10 أضعاف)، وسرعة الاستدلال (أسرع بمقدار 2-5 مرات على الأجهزة العادية)، واستهلاك الطاقة – وكل ذلك دون مشاكل إعادة التدريب في الطرق التقليدية. لماذا يغير هذا كل شيء تقنيات التقليم التقليدية – مثل الإزالة القائمة على الحجم أو التدرج – غالبا ما تواجه صعوبة في "ندم التقليم"، حيث يؤثر الضغط العدواني على الأداء، مما يجبر على دورات ضبط دقيقة مكلفة. لكن هذا الإطار الجديد القائم على التوازن يقلب السيناريو: المعاملات "تتنافس" في لعبة تعاونية أو غير تعاونية، حيث يكشف توازن ناش عن أوزان غير مهمة حقا. النتيجة؟ تفرقة أنظف وأكثر استقرارا تتفوق على الخطوط الأساسية الحديثة عبر محولات الرؤية، والشبكات الالتفافية، وحتى البنى متعددة الوسائط الناشئة. أبرز النقاط من التجارب: •نسبة الانتشار 90-95٪ على ResNet-50 مع فقدان الدقة في أعلى 1 <0.5٪ (مقابل 2-5٪ في SOTA السابقة). • استدلال أسرع يصل إلى 4 مرات على وحدات معالجة الرسومات المحمولة، مما يجعل نماذج مليارات المعلمات قابلة للتطبيق للهواتف الذكية وأجهزة إنترنت الأشياء. •المتانة الفائقة: تحافظ النماذج المتفرقة على الأداء تحت تحولات التوزيع والهجمات العدائية بشكل أفضل من نظيراتها ذات الكثافة السحرية. هذا ليس مجرد تدرج – بل هو تحول جذري. تخيل تشغيل منطق بمقياس GPT على هاتفك، أو تحليل فيديو فوري على الطائرات بدون طيار، أو تشخيصات صحية على الحافة دون اعتماد سحابي. من خلال تقليل البصمة البيئية للتدريب والاستدلال الضخم، يواجه أيضا أزمة الطاقة المتزايدة في الذكاء الاصطناعي بشكل مباشر. ...