أبحاث جوجل التي أدت إلى انهيار أسهم التخزين العالمية تثير جدلاً أكاديميًا: الباحثون الصينيون يصفونها بأنها مليئة بالمغالطات ويؤكدون عدم اعترافها بالخطأ؛ حيث استخدمت طريقتنا لكنها تتجنب عمدًا التشابه

记者|يوي تشوبينغ

في 26 مارس، ورقة بحثية صادرة عن معهد أبحاث جوجل (Google Research) هزّت سوق رقائق تخزين عالميًا، ما أدى إلى تبخر ما يزيد على 90 مليار دولار من القيمة السوقية لدى كبار الشركات في الولايات المتحدة وكوريا.

تزعم ورقة جوجل أن خوارزمية جديدة تُسمى TurboQuant يمكنها، دون فقدان الدقة، ضغط استهلاك الذاكرة لخاصية KV cache في نماذج الذكاء الاصطناعي الكبيرة إلى 1/6 مما كانت عليه.

بعد يوم واحد فقط، نشر هاو جيان يانغ، وهو باحث ما بعد الدكتوراه في المعهد الفيدرالي السويسري للتكنولوجيا في زيورخ، تدوينة على منصة تواصل اجتماعي، مشيرًا مباشرة إلى وجود مشكلات أكاديمية خطيرة في ورقة جوجل.

وأوضح هاو جيان يانغ أن جوجل تجنبت التشابه بين خوارزمية TurboQuant وطريقة RaBitQ التي نشرها خلال فترة دراسته الدكتوراه في جامعة نانيانغ للتكنولوجيا في سنغافورة (NTU) في عام 2024، كما وصف نتائج النظرية الخاصة بـ RaBitQ بشكل غير صحيح، فضلًا عن أنه تعمّد خلق بيئة تجريبية غير عادلة.

إن RaBitQ هي خوارزمية لتكميم المتجهات، قادرة على ضمان موثوقية البحث حتى عندما تُضغط بيانات المتجهات إلى درجة عالية جدًا.

كما قال هاو جيان يانغ إن فريق TurboQuant من جوجل “يعترف بالخطأ ولا يغيّر شيئًا”. وقبل أن يتم النشر الرسمي لورقة جوجل في أبريل 2025، كان قد أشار إلى المشكلات المذكورة بالفعل عبر البريد الإلكتروني، لكن جانب جوجل—بعد علمه—لم يقم بإجراء تصحيح شامل في النسخة النهائية.

في 29 مارس، أجرى صحفي جريدة The Economic Daily (يُشار إليها فيما بعد باسم NBD) مقابلة مع مؤلفي ورقة RaBitQ، هاو جيان يانغ ولونغ تشنغ.

تُعد RaBitQ العمل الرئيسي الذي قام به هاو جيان يانغ خلال فترة دراسته الدكتوراه في جامعة نانيانغ للتكنولوجيا في سنغافورة، بينما يُعد لونغ تشنغ المشرف على الدكتوراه.

وفي الوقت نفسه، أرسل صحفي NBD أيضًا رسالة بريد إلكتروني لإجراء مقابلة إلى جوجل، لكن حتى وقت إعداد هذا التقرير، لم يتلقَّ ردًا. ووفقًا للمعلومات المتاحة، سيعرض معهد أبحاث جوجل ورقة TurboQuant الخاصة به في مؤتمر تمثيل التعلم الدولي 2026 (ICLR 2026) المقرر عقده في أبريل.

هاو جيان يانغ صورة المصدر: مقدمة من المُقابَل

NBD: متى لاحظتم لأول مرة وجود مشكلات في ورقة TurboQuant الخاصة بجوجل؟

هاو جيان يانغ: منذ يناير 2025، تواصلت المساهمة الثانية في ورقة TurboQuant، Majid Daliri، معنا مبادرًا لطلب المساعدة في تصحيح نسخة Python التي قام بترجمتها استنادًا إلى كود C++ الخاص بـ RaBitQ، ولتقديم خطوات إعادة إنتاج تفصيلية ومعلومات عن الأخطاء. وهذا يُظهر أن فريق TurboQuant كان لديه فهم وافي للتفاصيل التقنية الخاصة بـ RaBitQ.

بعد نشر ورقة TurboQuant في أبريل 2025، لاحظنا أن وصف RaBitQ في تلك الورقة يتضمن ادعاءات شديدة عدم الدقة—حيث وُصفت RaBitQ بأنها grid-based PQ (تكميم جدولي قائم على الضرب)، متجاهلة بالكامل خطوتها الأساسية المتمثلة في الدوران العشوائي، كما تم توصيف ضماناتها النظرية بأنها “غير مثالية” دون أي اشتقاق أو دليل، فضلًا عن وجود تصميم غير عادل واضح في المقارنات التجريبية.

كان ردنا الأول مزيجًا من الحيرة والأسف: التشابه بين TurboQuant وRaBitQ واضح تقنيًا، وبالإضافة إلى ذلك، فإن الطرف الآخر كان يفهم RaBitQ على نحو يفوق بكثير فهم القارئ العادي. وفي مثل هذه الحالة، يصعب تفسير هذا النوع من الوصف غير الدقيق المنهجي بمجرّد الإهمال.

NBD: قبل الإدلاء ببيان علني، ما أنواع التواصل التي تمت بين الفريقين؟

هاو جيان يانغ: أجرينا عدة جولات من التواصل، امتد نطاقها لأكثر من عام.

في مايو 2025، أجرينا مناقشات تقنية تفصيلية عبر البريد الإلكتروني مع Majid Daliri حول اختلاف شروط التجارب وأفضلية النتائج النظرية، وقمنا بالتوضيح نقطةً بنقطة لتأويلات فريق TurboQuant الخاطئة؛ كما صرّح Majid Daliri بوضوح أنه قد أبلغ نتائج المناقشة لجميع المؤلفين المشاركين.

ومع ذلك، بعد أن طلبنا تصحيح الأخطاء الوقائعية في الورقة، توقف عن الرد.

في نوفمبر 2025 اكتشفنا أن TurboQuant قد تم تقديمه إلى ICLR 2026 (مؤتمر تمثيل التعلم الدولي 2026)، وأن المحتوى الخاطئ لم يتغير حرفيًا، فقمنا على الفور بالتواصل مع ICLR 2026 PC Chairs (رؤساء لجنة المؤتمر)، لكن دون تلقي رد.

بعد أن قامت جوجل في مارس 2026 بترويج واسع النطاق للورقة عبر القنوات الرسمية، أرسلنا مرة أخرى بريدًا رسميًا إلى جميع المؤلفين.

وكانت النتيجة: ردّ بأن المؤلف الأول Amir Zandieh تعهد بتصحيح الوصف النظري وشروط التجارب، لكنه رفض صراحةً إجراء مناقشة حول تشابه المنهجية، وادعى أنه لا يرغب في إجراء أي تعديل إلا بعد انتهاء ICLR 2026 رسميًا. وقد جعلنا هذا الرد نشعر بخيبة أمل، لكنه لم يكن أمرًا غير متوقع. فمن الواضح أن الطرف الآخر كان يعرف مكمن المشكلة، لكنه اختار تقديم أدنى قدر من التنازل.

NBD: ما أهم أوجه التشابه بين TurboQuant وRaBitQ؟

هاو جيان يانغ: يكمن أهم وجهين للتشابه في أن كليهما يستخدمان تصميمًا محوريًا يتمثل في تطبيق دوران عشوائي على المتجهات قبل التكميم (تحويل Johnson-Lindenstrauss)، ويعتمدان على الخصائص الإحصائية لتوزيع الإحداثيات بعد الدوران لبناء مُقدِّر للمسافة.

ومن الجدير بالذكر أنه في ردود المراجعة على ICLR OpenReview (منصة مراجعة علنية شائعة للبحوث الأكاديمية في الأوساط العلمية)، وصف مؤلفو ورقة TurboQuant طريقتهم على النحو التالي: “إن طريقة تنفيذنا هي أننا أولًا نُطبِّع باستخدام معيار L2 للمتجهات، ثم نُجري دورانًا عشوائيًا واحدًا، لضمان أن تتبع مكوّنات هذه المتجهات بعد الدوران توزيع Beta.” ويتطابق هذا بدرجة عالية مع الآلية الأساسية لـ RaBitQ، لكن المؤلفين لم يذكروا هذه الصلة بشكل مباشر في نص الورقة.

يمكن فهم ذلك على سبيل الاستعارة: افترض أن طاهياً نشر أولًا وصفة طهي كاملة لطبق ما بشكل علني. بعد ذلك، نشر طاهٍ آخر طبقًا يستخدم خطوات أساسية متشابهة تقريبًا، لكنه في تقديمه للطبق وصف الطبق الأول بأنه “طريقة مختلفة ونتائجها أسوأ”، دون أن يذكر أي شيء عن العلاقة بين الطبقين.

وبدون معرفة هذه الخلفية، لن يتمكن القراء طبيعيًا من إصدار حكم عادل.

لونغ تشنغ صورة المصدر: مقدمة من المُقابَل

NBD: وفقًا للمعايير الأكاديمية، كيف ينبغي التعامل مع مثل هذه العلاقة؟

لونغ تشنغ: يتطلب المعيار الأكاديمي، عندما توجد علاقة جوهرية بين عمل جديد وعمل سابق من حيث المنهجية، أن يتم الاستشهاد بها بشكل واضح ومناقشتها بصورة إيجابية، بما في ذلك توضيح أوجه التقدم في العمل الجديد، وما الذي تم اتباعه من الأطر القائمة لدى العمل السابق.

وهذا الجانب بالغ الأهمية في هذه الحالة تحديدًا، لأن أحد مراجعي ICLR أشار أيضًا بشكل مستقل في تعليقات المراجعة إلى أن “RaBitQ ومشتقاتها تتشابهان مع TurboQuant لأن كليهما يستخدمان إسقاطًا عشوائيًا”، كما طلب صراحةً إجراء مناقشة ومقارنة أكثر شمولًا.

حتى المراجع انتبه إلى هذه الصلة، لكن مؤلفي الورقة لم يضيفوا أي نقاش في النسخة النهائية، بل قاموا بنقل الوصف غير الكامل لـ RaBitQ الموجود أصلًا في المتن إلى الملحق. وهذا الأسلوب يتعارض تمامًا مع المتطلبات الأساسية للمعايير الأكاديمية.

NBD: لماذا اخترتم النشر الآن بدلًا من الاستمرار في حل الأمر من خلال القنوات الأكاديمية الداخلية؟

لونغ تشنغ: نحن لم نتجاوز القنوات الأكاديمية، بل اخترنا النشر العلني عندما كانت القنوات الأكاديمية قد قطعت شوطًا كبيرًا بالفعل.

لقد تواصلنا تباعًا مع مؤلفي الورقة، وICLR PC Chairs (رؤساء لجنة البرنامج)، وقدّمنا أيضًا شكوى رسمية مدعومة بحزمة أدلة كاملة إلى ICLR General Chairs (رؤساء المؤتمر) وCode and Ethics Chairs (رئيس لجنة الكود والأخلاقيات)، كما نشرنا تعليقات علنية على منصة ICLR OpenReview.

لكن علينا أيضًا الاعتراف بواقع واحد: نحن فريق بحث جامعي صغير، في حين أن الطرف الآخر هو معهد أبحاث جوجل. ومن حيث الموارد والتأثير وحق الكلام، فالعلاقة بين الطرفين ليست متكافئة أصلًا.

حصدت ورقة TurboQuant على وسائل التواصل الاجتماعي عشرات الملايين من المشاهدات في وقت قصير، وهي قدرة انتشار لا يمكن لأي مختبر جامعي أن يملكها.

في ظل هذا الاختلال في موازين القوى، إذا واصلنا الصمت وانتظار الإجراءات الداخلية، فإن السردية الخاطئة لن تؤدي إلا إلى تسريع ترسّخها كإجماع. إن الإدلاء ببيان علني يُعد واحدًا من عدد محدود من الأساليب التي يستطيع بها الطرف الأضعف—عندما تتأخر الاستجابة عبر القنوات الرسمية—حماية الحقائق الأكاديمية الأساسية.

NBD: إذا لم يتم تصحيح المشكلات ذات الصلة، فما الآثار المحتملة؟

لونغ تشنغ: أولًا، ستؤدي إلى تشويه تاريخ البحث علميًا بشكل منهجي، ما سيسبب لمَن يأتون بعدنا من الباحثين الحكم الخاطئ على مصدر تطور المنهجية، ثم بناء أعمال جديدة على أساس غير صحيح.

ثانيًا، ستضعف آليات تحفيز البحث الأصلي. إذا أمكن إعادة تغليف طريقة تم الوصول إليها عبر استدلال نظري صارم وتحقق حدودًا لخطأ متقاربة مثلى، ثم دفعها إلى الجمهور عبر عشرات الملايين من مرات العرض، بينما لا يحصل المؤلف الأصلي على التقدير المستحق—فإن الضرر الذي يلحق بالنظام البيئي الأكاديمي سيكون طويل الأمد وعميقًا.

ثالثًا، بالنسبة إلى مجال تكميم المتجهات، الذي يشهد حاليًا تطورًا سريعًا ويولي اهتمامًا كبيرًا من الصناعة، فإن سوء نسب الطريقة سيؤثر مباشرة على حكم العاملين والباحثين على المسار التقني، ما يؤدي إلى تخصيص الموارد بشكل خاطئ.

NBD: هل تعتقدون أن هذا يدخل ضمن خلاف أكاديمي؟

لونغ تشنغ: لقد تجاوز ذلك نطاق الخلاف الأكاديمي. عادةً ما يحدث الخلاف الأكاديمي عندما توجد اختلافات حقيقية بين الطرفين في فهم المحتوى التقني.

لكن في هذه الحالة، توجد سجلات كافية تُظهر أن فريق TurboQuant كان لديه فهم وافي لتفاصيل تقنية RaBitQ؛ وقد قمنا في 2025 مايو بتوضيح أفضلية الضمانات النظرية نقطةً بنقطة عبر البريد الإلكتروني، كما صرّح Majid Daliri بوضوح أنه قد أبلغ جميع المؤلفين؛ كذلك تم الاعتراف بعدم تكافؤ شروط التجارب من قِبل المؤلف نفسه في البريد.

في ظل ما سبق، ظلت الأخطاء ذات الصلة دون تصحيح طوال العملية الكاملة التي مرت بها الورقة من التقديم إلى المراجعة، ثم القبول، فالنشر، وصولًا إلى الترويج واسع النطاق. نحن لا نميل إلى إصدار حكم تقويمي بسهولة، لكننا نعتقد أن هذه السلسلة من السلوكيات توفر أساسًا كافيًا من الوقائع ليتمكن المجتمع الأكاديمي والجهات المعنية من الحكم بشكل مستقل.

صورة المصدر: حساب هاو جيان يانغ على وسائل التواصل الاجتماعي

NBD: بالنسبة إلى مؤسسات بحثية كبيرة مثل معهد أبحاث جوجل، أين تقع مسؤوليتهم؟

لونغ تشنغ: إن تأييد مؤسسة كبيرة بحد ذاته يولّد أثرًا مُضخِّمًا. عندما يتم الترويج لورقة عبر القنوات الرسمية لجوجل، فإن سرعة انتشارها ومدى وصولها يختلفان اختلافًا كبيرًا عن الورق الأكاديمية العادية.

في ظل هذا الحجم، بمجرد انتشار السردية الخاطئة في الورقة، ستتضاعف تكلفة التصحيح. أعتقد أن للمؤسسات الكبيرة مسؤولية التأكد—قبل إجراء ترويج واسع النطاق للورقة إلى الخارج—من أن الأوصاف المتعلقة بعمل الآخرين قد تم التحقق منها على الأقل بشكل أساسي من حيث الوقائع، بدلًا من تحميل هذه المسؤولية بالكامل للمراجعين من الأقران.

وفي الوقت نفسه، عندما يطرح باحثون من الخارج اعتراضات يمكن تتبعها بالدلائل، يتعين على المؤسسات الكبيرة أيضًا أن تمتلك آليات داخلية رسمية للتعامل معها، بدلًا من الحفاظ على الصمت. فهذا ليس فقط مسؤولية تجاه المجتمع الأكاديمي، بل أيضًا لحماية مصداقيتها الخاصة.

NBD: هل ستتخذون إجراءات إضافية بعد ذلك؟

لونغ تشنغ: بعد ذلك، نخطط لنشر تقرير تقني تفصيلي على arXiv، نقوم فيه بتمشيط العلاقة المنهجية بين RaBitQ وTurboQuant بشكل منهجي، وسنوضح على التوالي المسائل الثلاث من منظور تقني، لمرجع المجتمع الأكاديمي.

كما أننا نفكر في إبلاغ الجهات المعنية عبر قنوات إضافية، مثل Google Research Escalation Council (مجلس تصعيد شكاوى أبحاث جوجل). هدفنا دائمًا هو أن تعكس السجلات الأكاديمية العامة بدقة العلاقة الحقيقية بين مختلف الطرق، بدلًا من خلق مواجهة.

معلومات هائلة، تحليل دقيق، كل شيء متاح في تطبيق Sina Finance APP

المسؤول: تشانغ فو تشيانغ