تطبيقك يستطيع الآن البحث في النصوص والصور والصوت معاً — مجاناً

إذا أردت يوماً أن يبحث تطبيقك في الوثائق والصور والتسجيلات الصوتية في آنٍ واحد، فإن Google تقدم لك اليوم أداةً مجانية لذلك. أطلقت Google DeepMind يوم 6 أكتوبر EmbeddingGemma 2 — وهو نموذج ذكاء اصطناعي صغير ومفتوح يفهم النصوص والصور والفيديو والصوت معاً كنظام واحد.

هكذا يعمل: يقرأ النموذج أي محتوى — جملة أو صورة أو مقطعاً صوتياً — ويحوّله إلى قائمة من الأرقام تعكس معناه. الأشياء ذات المعنى المتشابه تحصل على أرقام متقاربة. حين يبحث مستخدم عن 'كلب ينبح في الخارج'، يستطيع النموذج ربط هذا البحث بصورة مناسبة ومقطع صوتي ووصف نصي — كل ذلك في خطوة بحث واحدة دون الحاجة إلى ثلاثة أنظمة منفصلة.

الجانب العملي جيد بالقدر ذاته. يشغّل النموذج الكامل في نحو 567 ميغابايت من الذاكرة — صغير بما يكفي للعمل على هاتف حديث. صدر بترخيص Apache 2.0، أي أنه مجاني تماماً للاستخدام في المنتجات التجارية. يدعم أكثر من 100 لغة، وهو متاح بالفعل على Hugging Face وKaggle.

كانت الطريقة القديمة لبناء بحث متعدد الوسائط تتطلب نماذج ذكاء اصطناعي منفصلة لكل نوع وسائط، وفهارس منفصلة، وكوداً مخصصاً لدمج النتائج — تكاليف وتعقيد وفواتير API. الآن، نموذج واحد صغير ومفتوح يؤدي العمل كله. أمام كل فريق يبني بحثاً أو توصيات أو مطابقة محتوى، اختفى أكبر عائق — ولا سبب للانتظار.