جوجل تطلق Gemini Embedding 2: نموذج متعدد الوسائط

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٣ مارس ٢٠٢٦

أعلنت شركة جوجل عن توسيع عائلتها من نماذج Gemini بإطلاق Gemini Embedding 2، وهو نموذج الجيل الثاني الذي يأتي ليحل محل النموذج الأول الذي كان مخصصًا للنصوص فقط. يهدف هذا النموذج الجديد إلى معالجة التحديات المتعلقة بالتخزين عالي الأبعاد واسترجاع البيانات عبر الوسائط المتعددة، وهو ما يعد ضروريًا لمطوري الذكاء الاصطناعي الذين يقومون ببناء أنظمة Retrieval-Augmented Generation (RAG) عالية الجودة.

التحول التكنولوجي في نماذج الإدماج

يعتبر إطلاق Gemini Embedding 2 خطوة تقنية مهمة حيث يتم الانتقال من استخدام مسارات محددة للوسائط إلى فضاء إدماج موحد ومتعدد الوسائط. يتميز النموذج بقدرته على تحويل خمسة أنواع مختلفة من الوسائط — النصوص، الصور، الفيديو، الصوت، والمستندات — إلى فضاء متجه عالي الأبعاد.

التعامل مع المدخلات المعقدة

تتيح الهندسة المعمارية الجديدة للنموذج معالجة المدخلات المتداخلة، مما يسمح للمطورين بدمج أنواع مختلفة من الوسائط في طلب إدماج واحد. على سبيل المثال، يمكن دمج صورة مع نص توضيحي في طلب واحد. تتضمن الحدود الفنية لهذه المدخلات:

• النص: حتى 8192 توكن لكل طلب.
• الصور: حتى 6 صور (PNG، JPEG، WebP، HEIC/HEIF).
• الفيديو: حتى 120 ثانية من الفيديو (MP4، MOV، إلخ).
• الصوت: حتى 80 ثانية من الصوت الأصلي (MP3، WAV، إلخ) دون الحاجة إلى خطوة نسخ منفصلة.
• المستندات: حتى 6 صفحات من ملفات PDF.

من خلال معالجة هذه المدخلات بشكل أصلي، يمكن للنموذج التقاط العلاقات الدلالية بين الإطارات البصرية في الفيديو والحوار المسموع في المسار الصوتي، مما يعكسها كمتجه واحد يمكن مقارنته مع استفسارات نصية باستخدام مقاييس المسافة القياسية.

تحسين الكفاءة عبر التعلم التمثيلي

من المعروف أن تكاليف التخزين والحوسبة تشكل عائقًا كبيرًا في البحث عن المتجهات على نطاق واسع. للتخفيف من ذلك، تم اعتماد Matryoshka Representation Learning (MRL) في النموذج الجديد. حيث يتم تدريب النموذج لتخزين المعلومات الدلالية الأكثر أهمية في الأبعاد الأولى للمتجه، مما يسمح بتحسين دقة البحث.

الأداء وتقييم النماذج

أظهرت التقييمات الداخلية لجوجل في Massive Text Embedding Benchmark (MTEB) أن Gemini Embedding 2 يتفوق على سلفه في مجال دقة الاسترجاع والقدرة على التعامل مع التغيرات في النطاق. حيث تم استخدام عملية تدريب متعددة المراحل لضمان أداء متميز في المهام المتخصصة.

استنتاجات رئيسية

• دعم الوسائط المتعددة: يمكن لـ Gemini Embedding 2 دعم خمسة أنواع متميزة من الوسائط ضمن فضاء متجه موحد.
• تحسين الكفاءة: يوفر النموذج خيارات مختلفة للأبعاد لتناسب احتياجات التخزين والأداء.
• تحسين السياق: يتيح النافذة الواسعة المكونة من 8192 توكن للحفاظ على السياق الحيوي.
• تحسين محددات المهمة: يمكن للمطورين استخدام معلمات محددة لتحسين خصائص المتجهات وفقًا للعملية المحددة.