يسأل الذكاء الاصطناعي · لماذا رفض فريق Google تصحيح خطأ أكاديمي معروف؟

المراسل: يويه تشوبينغ المحرر: غاو هان

في 26 مارس، أصدرت ورقة بحثية من معهد أبحاث جوجل (Google Research) رجّت سوق رقائق الذاكرة العالمي، ما أدى إلى تبخر أكثر من 90 مليار دولار من القيمة السوقية لدى عمالقة أمريكيين وكوريين.

تزعم ورقة جوجل أن خوارزمية جديدة تُسمّى TurboQuant يمكنها ضغط استهلاك الذاكرة في ذاكرة التخزين المؤقت KV لنماذج الذكاء الاصطناعي الكبيرة إلى 1/6 من حجمها الأصلي دون فقدان الدقة.

فقط بعد يوم واحد، نشر يانغ جا نيان، وهو زميل ما بعد الدكتوراه في المعهد الفدرالي السويسري للتقنية (ETH Zurich)، على منصة اجتماعية، مشيرًا مباشرةً إلى وجود مشكلات أكاديمية خطيرة في ورقة جوجل.

وأشار يانغ جا نيان إلى أن جوجل تجاهلت التشابه بين خوارزمية TurboQuant وطريقة RaBitQ التي نشرها في أثناء فترة حصوله على الدكتوراه في جامعة نانيانغ التكنولوجية في سنغافورة (NTU) عام 2024، ووصف بشكل غير صحيح النتائج النظرية لـ RaBitQ، كما سعى عمدًا إلى تهيئة بيئة تجريبية غير عادلة.

تُعد RaBitQ خوارزمية تُكمّم المتجهات، ويمكنها ضمان موثوقية البحث حتى في ظل ضغط عالٍ للبيانات المتجهة.

وأضاف يانغ جا نيان أن فريق TurboQuant في جوجل “يعرف الخطأ ولا يغيّر”. وقبل أن تُنشر ورقة جوجل رسميًا في أبريل 2025، كان قد أبلغ بالبريد الإلكتروني عن المشكلات المذكورة، لكن جوجل بعد علمها لم تقم بتصحيح شامل في النسخة النهائية.

في 29 مارس، أجرى مراسل صحيفة ديلي إيكونومي نيوز (NBD)، والذي يُشار إليه اختصارًا بـ NBD لاحقًا، مقابلة مع مؤلفي ورقة RaBitQ، يانغ جا نيان ولونغ تشينغ.

كانت RaBitQ هي العمل الرئيسي ليانغ جا نيان خلال فترة الدكتوراه في جامعة نانيانغ التكنولوجية في سنغافورة، بينما كان لونغ تشينغ هو مشرفه على الدكتوراه.

وفي الوقت نفسه، أرسلت NBD أيضًا بريدًا للاستفسار إلى جوجل، لكن حتى وقت إعداد هذا التقرير، لم تتلقَّ ردًا. ويُقال إن معهد أبحاث جوجل سيعرض ورقة TurboQuant في مؤتمر تمثيل التعلم الدولي لعام 2026 (ICLR 2026) المقرر عقده في أبريل.

“ورقة جوجل تتضمن تحريفًا خطيرًا للحقائق، وبعد التواصل لم يتم التعديل”

صورة: يانغ جا نيان (مصدر الصورة: بإذن من الشخص المُقابل)

**NBD: متى لاحظتما لأول مرة أن ورقة TurboQuant لدى جوجل بها مشكلات؟ **

يانغ جا نيان: منذ يناير 2025، قام المؤلف الثاني لورقة TurboQuant Majid Daliri بالتواصل معنا من تلقاء نفسه، طالبًا المساعدة في تصحيح/تدقيق نسخة Python التي قام بترجمتها اعتمادًا على كود RaBitQ C++، وقدم خطوات إعادة إنتاج تفصيلية ورسائل الخطأ. وهذا يبيّن أن فريق TurboQuant لديه فهم كافٍ للتفاصيل التقنية لـ RaBitQ.

بعد نشر ورقة TurboQuant في أبريل 2025، لاحظنا أن وصف RaBitQ في تلك الورقة يتضمن تحريفًا خطيرًا—حيث وصفت RaBitQ على أنها grid-based PQ (القياس الكمي للجداء اعتمادًا على الشبكة)، متجاهلة بالكامل الخطوة الأساسية المتمثلة في الدوران العشوائي، كما أنه بدون أي استدلال أو دليل قامت بتصنيف ضمانات نظرية لـ RaBitQ على أنها “غير مثالية” بشكل نوعي، كما أن المقارنات التجريبية تتضمن تصميمًا غير عادل بشكل واضح.

كان ردنا الأول مزيجًا من الحيرة والأسف: فالتشابه بين TurboQuant وRaBitQ واضح من الناحية التقنية، كما أن الطرف الآخر كان لديه مستوى معرفة يفوق مستوى القارئ العادي بكثير؛ وفي ظل هذه الظروف، يصعب تفسير هذا النوع من التحريف المنهجي بالخطأ غير المقصود.

**NBD: ما نوع التواصل الذي جرى بين الفريقين قبل التصريح علنًا؟ **

**يانغ جا نيان: ** أجرينا عدة جولات من التواصل، وامتد ذلك لأكثر من عام.

في مايو 2025، أجرينا عبر البريد الإلكتروني نقاشًا تقنيًا تفصيليًا مع Majid Daliri حول اختلاف شروط التجربة وأفضلية النتائج النظرية، موضحين بشكل منفصل أخطاء تفسير فريق TurboQuant، وقد صرّح Majid Daliri بوضوح بأنه أبلغ نتائج المناقشة إلى جميع المؤلفين المشاركين.

لكن بعد أن طلبنا تصحيح الأخطاء الواقعية في الورقة، توقف عن الرد.

في نوفمبر 2025، اكتشفنا أن TurboQuant قد قدم إلى ICLR 2026 (مؤتمر تمثيل التعلم الدولي 2026)، وكانت المحتويات الخاطئة دون تغيير تمامًا، فتواصلنا فورًا مع رؤساء ICLR 2026 PC Chairs (رؤساء لجنة البرنامج)، لكن لم نتلقَّ ردًا.

بعد أن قامت Google رسميًا بالترويج الواسع للورقة عبر القنوات الرسمية في مارس 2026، أرسلنا مرة أخرى بريدًا رسميًا إلى جميع المؤلفين.

وجاء الرد بأن: المؤلف الأول Amir Zandieh تعهّد بتعديل الوصف النظري وشروط التجربة، لكنه رفض صراحةً تعديل النقاش حول تشابه منهجية العمل، كما ادعى أنه لا يرغب في إجراء أي تعديل إلا بعد انتهاء المؤتمر رسميًا في ICLR 2026. وقد جعلنا هذا الرد نشعر بخيبة أمل، لكن لم يكن ذلك مفاجئًا. فمن الواضح أن الطرف الآخر كان على علم بمشكلة جوهرية، لكنه اختار تقديم أقل قدر ممكن من التنازل.

“آلية أساسية شديدة التطابق دون توضيح، والمراجعون أشاروا إلى المشكلة”

**NBD: ما هو أهم تشابه بين TurboQuant وRaBitQ؟ **

**يانغ جا نيان: ** يكمن التشابه الأكثر جوهرية بينهما في أن كليهما يستخدم آلية رئيسية تتمثل في تطبيق دوران عشوائي على المتجهات قبل إجراء القياس (تحويل Johnson-Lindenstrauss)، ثم استخدام الخصائص الإحصائية لتوزيع الإحداثيات بعد الدوران لبناء مُقدِّر للمسافة.

ومن الجدير بالذكر أن مؤلفي ورقة TurboQuant وصفوا طريقتهم في ردود المراجعين في ICLR OpenReview (منصة مراجعة علنية شائعة للورق في الوسط الأكاديمي) على النحو التالي: “طريقة التنفيذ لدينا هي: أولًا نقوم بتطبيع المتجهات باستخدام معيار L2 الخاص بها، ثم نطبق دورانًا عشوائيًا واحدًا، وذلك لضمان أن تكون المكونات المختلفة للمتجهات بعد الدوران خاضعة لتوزيع Beta.” ويتطابق هذا بشكل كبير مع آلية RaBitQ الأساسية، لكن في نص الورقة الرئيسية لم يتم ذكر هذه العلاقة مطلقًا بشكل مباشر.

يمكن فهم ذلك بمثال: افترض أن طاهيًا نشر مسبقًا وصفة كاملة مفصلة لأحد الأطباق، ثم نشر طاهٍ آخر طبقًا يعتمد على خطوات أساسية متشابهة جدًا، لكنه في وصفه يصف الطبق الأول باعتباره “طريقة مختلفة ونتائج أقل” مع عدم ذكر أي صلة بينهما.

وبدون معرفة القصة، لن يستطيع القرّاء بطبيعة الحال الوصول إلى حكم عادل.

صورة لونغ تشينغ (مصدر الصورة: بإذن من الشخص المُقابل)

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

**لونغ تشينغ: ** تقتضي المعايير الأكاديمية أنه عند وجود علاقة جوهرية وواضحة من الناحية المنهجية بين عمل جديد وأعمال قائمة، ينبغي الإشارة صراحةً إلى هذا الارتباط ومناقشته بشكل إيجابي، بما في ذلك توضيح جوانب ما الذي تم إحرازه من تقدم في العمل الجديد، وأي جوانب تم استيرادها/اتباعها من الإطار السابق.

وتتجلى أهمية ذلك في هذه الحالة بشكل خاص، لأن مراجعًا في ICLR أشار أيضًا بشكل مستقل في ملاحظات المراجعة إلى أن “RaBitQ ومشتقاتها تشترك في التشابه مع TurboQuant من حيث أنهما تستخدمان إسقاطًا عشوائيًا”، كما طلب بوضوح مناقشة ومقارنة أوسع وأكثر تفصيلًا.

حتى المراجع لاحظ هذه العلاقة، لكن مؤلفي الورقة في النسخة النهائية لم يضيفوا فقط أي نقاش، بل نقلوا أيضًا الوصف غير الكامل لـ RaBitQ الموجود في متن الورقة الأصلي إلى الملحق. ويعد هذا النوع من المعالجة مخالفًا تمامًا للمتطلبات الأساسية للمعايير الأكاديمية.

“من الصعب على فريق بحثي صغير أن ينافس Google”

NBD: لماذا اخترتم النشر الآن بدلًا من الاستمرار في حل المشكلة عبر القنوات الأكاديمية الداخلية؟

**لونغ تشينغ: ** لم نتجاوز القنوات الأكاديمية، بل اخترنا النشر العلني عندما كانت القنوات الأكاديمية قد وصلت عمليًا إلى نهايتها.

لقد تواصلنا تباعًا مع مؤلفي الورقة، ومع ICLR PC Chairs (رؤساء لجنة البرنامج)، كما قدمنا شكوى رسمية مدعّمة بحزمة أدلة كاملة إلى ICLR General Chairs (رؤساء المؤتمر) وإلى Code and Ethics Chairs (رئيس/مسؤول كود وأخلاقيات البرمجيات)، فضلًا عن أننا نشرنا أيضًا تعليقات عامة على منصة ICLR OpenReview.

لكن يجب أن نعترف أيضًا بواقع: نحن فريق بحثي صغير من إحدى الجامعات، بينما الطرف الآخر هو معهد أبحاث Google. فمن حيث الموارد والتأثير وحق الكلام، لا تكون الموازنة بين الطرفين متكافئة أصلًا.

وصلت ورقة TurboQuant في وقت قصير إلى عشرات الملايين من المشاهدات عبر وسائل التواصل الاجتماعي ذات الصلة، وهو أمر لا يمكن لأي مختبر جامعي امتلاكه من حيث القدرة على الانتشار.

في ظل هذا النوع من عدم التكافؤ، إذا واصلنا الصمت وانتظار العمليات الداخلية، فإن السردية الخاطئة لن تؤدي إلا إلى تسريع ترسّخها كإجماع. إن التصريح العلني هو واحد من عدد قليل من الأساليب التي يستطيع بها الطرف الضعيف، عند التأخر في الاستجابة عبر القنوات الرسمية، الحفاظ على الحقائق الأكاديمية الأساسية.

NBD: إذا لم تُصحَّح المشكلات ذات الصلة، ما التأثيرات المحتملة؟

**لونغ تشينغ: ** أولًا، سيؤدي ذلك إلى تشويه سجلات التاريخ الأكاديمي بشكل منهجي، بحيث يضلل الباحثين اللاحقين في تقدير مصدر تطور المنهجيات، ثم يبني أعمالًا جديدة على أساس خاطئ.

ثانيًا، سيضرب ذلك آليات تحفيز البحث الأصلي. إذا كان يمكن إعادة تغليف عمل خضع لاستدلال نظري صارم ووصل إلى حدود خطأ مثلى على المدى الطويل، ثم دفعه إلى الجمهور عبر ملايين المشاهدات، بينما لا يحصل المؤلف الأصلي على الاعتراف المستحق، فإن ضرر ذلك على البيئة الأكاديمية سيكون طويل الأمد وعميقًا للغاية.

ثالثًا، بالنسبة لقطاع تكميم المتجهات الذي ما يزال في مرحلة تطور سريع ويحظى باهتمام كبير من الصناعة، فإن نسب الطريقة غير الدقيقة سينعكس مباشرةً على حكم الممارسين والباحثين على المسارات التقنية، ما يؤدي إلى تخصيص الموارد بصورة خاطئة.

NBD: هل تعتقدون أن هذا يُعد خلافًا أكاديميًا؟

**لونغ تشينغ: ** لقد تجاوز ذلك نطاق الخلاف الأكاديمي. فغالبًا ما يحدث الخلاف الأكاديمي عندما توجد فروق حقيقية في الفهم التقني بين الطرفين.

لكن في هذه الحالة تحديدًا، لدى فريق TurboQuant سجل كافٍ يوضح معرفته بالتفاصيل التقنية الخاصة بـ RaBitQ؛ وقد قمنا في مايو 2025 بالفعل بتوضيح أفضلية ضمانات النظرية خطوة بخطوة عبر البريد الإلكتروني، وقد صرّح Majid Daliri صراحةً بأنه أبلغ جميع المؤلفين؛ كما أن عدم تكافؤ ظروف التجربة جرى الاعتراف به أيضًا من المؤلف نفسه في رسائل البريد.

في ظل ما سبق، ظلت الأخطاء المعنية دون تصحيح طوال عملية الورقة من التقديم، والمراجعة، والقبول، والنشر، وصولًا إلى الترويج واسع النطاق. ونحن لا نميل إلى إصدار حكم قطعي بسهولة، لكننا نعتقد أن سلسلة الأفعال هذه توفر أساسًا كافيًا من الوقائع يمكن للمجتمع الأكاديمي والجهات المعنية الحكم بشكل مستقل بناءً عليه.

صورة: حساب يانغ جا نيان على وسائل التواصل الاجتماعي

“خطة لنشر تقرير تقني، والاستمرار في طلب حل عبر قنوات أكاديمية”

NBD: ما هي مسؤوليات المؤسسات البحثية الكبيرة مثل Google Research؟

**لونغ تشينغ: ** إن تأييد مؤسسة كبيرة بحد ذاته يولد أثرًا مُكبِّرًا. فإذا تم الترويج لورقة عبر القنوات الرسمية لشركة Google، فإن سرعة انتشارها ونطاق وصولها لا يمكن مقارنتها بانتشار ورقة أكاديمية عادية.

في ظل هذا الحجم، بمجرد أن تنتشر السردية الخاطئة في الورقة، تصبح تكلفة تصحيحها أكبر بمقدار مضاعف. وأرى أن للمؤسسة الكبيرة مسؤولية التأكد، قبل الترويج والإعلان الواسع للورقة إلى الخارج، من أن الأوصاف التي تتعلق بعمل الآخرين قد خضعت على الأقل لعملية تحقق أساسية من الحقائق، بدلًا من تحويل هذه المسؤولية بالكامل إلى مراجعة النظراء.

وفي الوقت نفسه، عندما يطرح باحثون خارجيون اعتراضات يمكن التحقق منها بالوقائع، ينبغي للمؤسسة الكبيرة أيضًا أن تمتلك آلية داخلية رسمية للتعامل معها، بدلًا من الحفاظ على الصمت. وهذا ليس فقط مسؤولية تجاه المجتمع الأكاديمي، بل أيضًا لحماية مصداقيتها الخاصة.

NBD: هل ستتخذون خطوات إضافية لاحقًا؟

**لونغ تشينغ: ** الخطوة القادمة هي أننا نخطط لنشر تقرير تقني مفصل على arXiv، بحيث نقوم بتمشيط العلاقة المنهجية بين RaBitQ وTurboQuant بشكل منهجي، ثم نوضح لكل واحد من ثلاثة أسئلة على حدة من الناحية التقنية، كي يكون ذلك مرجعًا للمجتمع الأكاديمي.

كما أننا ننظر أيضًا في إيصال الأمر إلى الجهات المعنية عبر قنوات إضافية مثل Google Research Escalation Council (مجلس الاستئناف لبحوث Google). هدفنا الدائم هو أن تعكس السجلات العلمية العامة بدقة العلاقات الحقيقية بين الطرق المختلفة، وليس خلق مواجهة.