EdgeDiT: Hardware-Aware Diffusion Transformers for Efficient On-Device Image Generation
يقدم EdgeDiT عائلة من نماذج "ترانسفورمرز الانتشار" (Diffusion Transformers) خفيفة الوزن والمدركة للعتاد، والمُحسّنة لوحدات المعالجة العصبية (NPUs) في الأجهزة المحمولة، والتي تقلل بشكل كبير من عدد المعلمات، وعمليات الفاصلة العائمة (FLOPs)، وزمن انتقال الاستدلال مع الحفاظ على قدرات توليد صور عالية الدقة من أجل نشر فعال على الأجهزة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك رئيس طهاة (النموذج الأصلي للذكاء الاصطناعي) يمكنه طهي أكثر الوجبات لذة وتعقيداً على الإطلاق. يمتلك هذا الطاهي مطبخاً ضخماً، ومخزناً مليئاً بالمكونات النادرة، وفريقاً من 20 طباخاً مساعداً. يمكنه إعداد وجبة مثالية مكونة من 5 أطباق، لكن الأمر يستغرق منه ساعتين ويتطلب مطبخاً ضخماً وباهظ التكلفة.
الآن، تخيل أنك تريد أخذ مهارات هذا الطاهي ووضعها في عربة طعام صغيرة (هاتفك الذكي). عربة الطعام هذه لديها موقد صغير، ومساحة عمل محدودة، ومساعد واحد فقط. إذا حاولت إرسال وصفة رئيس الطهاة الكاملة إلى عربة الطعام، فستنهار العربة تحت وطأة الوزن، وسيحترق الموقد، وستستغرق عملية طهي الوجبة وقتاً طويلاً جداً.
هذا هو بالضبط ما يحله بحث "EdgeDiT".
المشكلة: أكبر من أن توضع في الجيب
في عالم الذكاء الاصطناعي، هناك "رؤساء طهاة" يُطلق عليهم محولات الانتشار (Diffusion Transformers - DiT). هم حالياً الأفضل في إنشاء صور عالية الجودة من الصفر (مثل تحويل نص وصفي إلى صورة فوتوغرافية). لكنهم ضخام جداً؛ فهم يحتاجون إلى حواسيب فائقة (مثل مراكز البيانات العملاقة) ليعملوا.
إذا حاولت تشغيلهم على هاتفك:
- ثقيل جداً: لا يتسع حجمهم في ذاكرة هاتفك.
- بطيء جداً: سيستغرق الأمر دقائق لإنشاء صورة واحدة.
- يحتاجون إلى السحابة: عادةً، يقوم هاتفك بإرسال الطلب إلى خادم (سيرفر)، الذي يعالج الطلب ثم يرسله إليك مرة أخرى. هذا الأمر بطيء، ويستهلك بياناتك، ويثير مخاوف تتعلق بالخصوصية (صورك تغادر جهازك).
الحل: EdgeDiT (طاهي عربة الطعام)
قام الباحثون من سامسونج بابتكار EdgeDiT. فكر في هذا كأنه برنامج تدريبي متخصص لتحويل رئيس الطهاة إلى "طاهي طعام الشارع" الذي يمكنه صنع 90% من نفس الطعام اللذيذ، ولكن في مطبخ صغير، وباستخدام يد واحدة فقط.
إليك كيف فعلوا ذلك، باستخدام تشبيهات بسيطة:
1. "الجراحة" (التقليم المدرك للأجهزة - Hardware-Aware Pruning)
النموذج الأصلي للذكاء الاصطناعي يشبه روبوتاً ضخماً ومصمماً بشكل مبالغ فيه، يحتوي على 28 طبقة من التروس المعقدة. أدرك الباحثون أن العديد من هذه التروس كانت زائدة عن الحاجة أو ثقيلة جداً بالنسبة لهاتف محمول.
- ماذا فعلوا: قاموا بإجراء "جراحة" للروبوت. لقد أزالوا بعض الطبقات تماماً وقلصوا حجم طبقات أخرى.
- التشبيه: تخيل سيارة فاخرة بمحرك V12. لجعلها تناسب سيارة مدينة مدمجة، لم يكتفوا بإزالة العجلات فحسب؛ بل استبدلوا المحرك بمحرك أصغر وأكثر كفاءة بـ 4 أسطوانات، مضبوط خصيصاً للقيادة في المدينة (شرائح الهواتف المحمولة). لم يقطعوا الأشياء عشوائياً؛ بل قطعوا بناءً على ما يمكن لـ "شوارع المدينة" (معالجات الهواتف) التعامل معه بأفضل شكل.
2. نظام "المتدرب" (تقطير المعرفة - Knowledge Distillation)
لا يمكنك مجرد قطع أجزاء من الروبوت وتوقع أن يعمل بشكل جيد. أنت بحاجة لتعليم النسخة الأصغر كيف تتصرف مثل النسخة الكبيرة.
- ماذا فعلوا: استخدموا تقنية تسمى تقطير المعرفة على مستوى الميزات (Feature-wise Knowledge Distillation).
- التشبيه: تخيل أن رئيس الطهاة (الذكاء الاصطناعي الكبير) يطهو وجبة. بدلاً من كتابة الوصفة كاملة للمتدرب (الذكاء الاصطناعي الصغير)، يهمس رئيس الطهاة بتعليمات محددة للمتدرب عند كل خطوة: "أضف رشة ملح هنا"، "حرّك بلطف الآن"، "لا تحرق الصلصة".
- يتعلم المتدرب محاكاة أفعال رئيس الطهاة دون الحاجة إلى عقله الضخم. سمح هذا لهم بتدريب النماذج الصغيرة بسرعة هائلة دون البدء من الصفر.
3. "اختبار التذوق" (الاستمثال البايزي - Bayesian Optimization)
لم يكتفوا بالتخمين حول أي عمليات القص ستعمل بشكل أفضل. لقد أجروا آلاف المحاكاة للعثور على التوازن المثالي.
- ماذا فعلوا: استخدموا خوارزمية بحث ذكية (الاستمثال البايزي) لاختبار آلاف التصميمات المختلفة لـ "الطاهي الأصغر".
- التشبيه: تخيل حكماً يتذوق 1,000 نسخة مختلفة من البرجر. بعضها صغير جداً (جودة سيئة)، وبعضها كبير جداً (بطيء جداً). يبحث الحكم عن "النقطة المثالية": البرجر الصغير بما يكفي ليؤكل بيد واحدة، ولكن لا يزال طعمه مذهلاً. لقد وجدوا تصميمات "باريتو المثلى" (Pareto Optimal)—وهي التصميمات التي لا يمكنك جعلها أسرع دون جعل جودتها أسوأ، ولا يمكنك جعل جودتها أفضل دون جعلها أبطأ.
النتائج: خدعة سحرية
النتائج مبهرة. باستخدام EdgeDiT:
- الحجم: النماذج أصغر بنسبة 20-30% (عدد أقل من المعلمات/Parameters).
- السرعة: هي أسرع بمقدار 1.65 مرة على هواتف مثل Samsung Galaxy S25 Ultra و iPhone 16 Pro Max.
- الجودة: تبدو الصور بجودة مماثلة للنماذج الضخمة. في الواقع، في بعض الاختبارات، كان النموذج الأصغر يؤدي بشكل أفضل من النموذج الأصلي لأنه كان مضبوطاً بدقة عالية.
لماذا يهم هذا؟
قبل هذا، إذا كنت تريد إنشاء فن بالذكاء الاصطناعي على هاتفك، كان عليك الانتظار حتى تتم المعالجة في السحابة أو قبول جودة منخفضة.
EdgeDiT يعني:
- الخصوصية: صورك تبقى على هاتفك؛ لا تذهب أبداً إلى خادم.
- السرعة: تحصل على الصور فوراً، حتى بدون إنترنت.
- سهولة الوصول: الذكاء الاصطناعي القوي أصبح الآن حقاً في راحة يدك.
با way مختصر: يعلمنا هذا البحث كيفية تقليص عقل ذكاء اصطناعي ضخم وقوي ليناسب داخل هاتف ذكي دون فقدان عبقريته، وذلك باستخدام "جراحة" ذكية، وطريقة تدريب "المتدرب الهامس"، و"اختبار تذوق" للبحث عن التوازن المثالي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.