# قفزة مذهلة في تكنولوجيا الذاكرة: Graph Memory Transformer (GMT)

في عالم الذكاء الاصطناعي (AI) المتسارع، يظهر مفهوم جديد قد يحدث ثورة في كيفية تعاملنا مع الذاكرة والتعلم. نستعرض اليوم **Graph Memory Transformer (GMT)**، الابتكار الذي يركز على استبدال الشبكات ذات التغذية الأمامية التقليدية (Feed-Forward Networks) بذاكرة رسومية تعلمها، مما يسمح بتحسين فعالية النماذج اللغوية.

إن **Graph Memory Transformer** يحفظ نظام الانتباه الذاتي السببي (causal self-attention) بينما يستبدل التحويل المعتاد لكل رمز بخلية ذاكرة، تعمل على توجيه تمثيلات الرموز عبر بنك من المراكز (centroids) المرتبطة بواسطة مصفوفة انتقال موجهة متعلمة. تأتي أولى النتائج من النموذج الأساسي GMT v7، الذي يحتوي على 16 كتلة من المحولات، مع 128 مركزًا و128 * 128 مصفوفة حواف. تستخدم هذه التقنية توجيه مصدر الجاذبية (gravitational routing) واختيار الهدف المشروط بالرمز.

النموذج المدرب يحتوي على 82.2 مليون معلمة ويمكنه إجراء تقييمات مستقرة، مما يُظهر قابلية تفسير الهيكل والتوجيه المصدر إلى الهدف ككميات قابلة للتفتيش خلال عملية التعلم. وعلى الرغم من تفوق النموذج التقليدي (GPT) في معايير الخسارة والتعقيد، تظل نتائج GMT قريبة من أداء النماذج الأكبر، مما يفتح آفاقًا جديدة في كيفية استبدال التحويل الكثيف بملاحة الذاكرة المدعومة بالرسوم البيانية.

كيف يمكن لتكنولوجيا مثل GMT أن تغير المشهد الحالي للذكاء الاصطناعي؟ شاركنا آراءك!