كيوتاي تطلق نماذج صوت العقل لحل الرياضيات من خلال الكلام مباشرة

إطلاق نموذجين صوتيين للرياضيات من كيوتاي

أعلنت شركة كيوتاي عن إصدار نموذجين أصليين لمعالجة الكلام، يُطلق عليهما معًا اسم "صوت العقل"، صُمما لتطبيق التفكير الرياضي مباشرةً على المدخلات الصوتية دون الحاجة إلى تحويلها إلى نص أولاً. النموذجان مفتوحي الوزن ومبنيان على بنية GLM‑4‑Voice‑9B التي تُعدّ من أحدث التقنيات في مجال توليد وفهم الكلام بجودة استثنائية.

الابتكار التقني الرئيسي يكمن في معالجة الصوت الخام من الطرف إلى الطرف، ما يلغي خطوة النسخ الصوتي التقليدية التي تُدخل تأخيرًا وتزيد من احتمالية الأخطاء. هذا التصميم المتكامل يسمح للنظام بالانتقال مباشرةً من الاستماع إلى التفكير، مما يُقلل زمن الاستجابة ويُحسّن دقة النتائج.

البيانات التدريبية وإعادة صياغة المسائل

في مرحلة التدريب الخاضع للإشراف، استخدمت كيوتاي 150 616 مسألة من مجموعة Orca‑Math، أُعيدت صياغتها لتناسب العرض الصوتي ثم تم توليدها بأصوات اصطناعية متعددة. هذه العملية وفّرت للنموذج أمثلة حية على نطق اللغة الرياضية، ما مكّنّه من تعلم الأنماط الصوتية والبنية المنطقية للمسائل في آنٍ واحد.

تمت عملية إعادة الصياغة بعناية لتشمل تنوعًا في النبرات والسرعات، مع الحفاظ على الدقة في تمثيل الرموز الرياضية مثل الجمع والطرح والضرب والقسمة، لضمان أن النموذج يتعرّف على جميع الأشكال الشائعة للمعادلات عندما تُنطق بصوت عالٍ.

التعلم المعزز وتحسين الأداء

بعد إكمال مرحلة الإشراف، طوّر فريق كيوتاي خوارزمية تعلم معزز (RL) لتعزيز قدرات التفكير الرياضي. وفقًا لتقارير MarkTechPost، ارتفعت دقة النموذج الأساسي على معيار GSM8K المنطوق من 27.3٪ إلى 61.7٪ بعد التدريب الخاضع للإشراف، ثم وصلت إلى أعلى 77.1٪ عندما استُخدم أفضل إعداد للتفكيك.

ورقة ما قبل النشر على arXiv بتاريخ 16 سبتمبر 2026 أظهرت أن دمج التعلم المعزز مع التفكير المستمر يمنح النموذج دقة 74.8٪ في توليد إجابات نصية حرة، ما يعكس قدرته على إنتاج حلول شفهية خطوة بخطوة بدلاً من اختيار رمز إجابة نهائي فقط.

النماذج المتاحة للنشر

توفر كيوتاي نسختين من نقاط التحقق، كلاهما مخزن بدقة BF16. النسخة "المباشرة" تنطق تفكيرها باستمرار، بينما نسخة "Stitch" تُدرج كتل صامتة من 100 رمز بين المقاطع الصوتية لتوفير فترات توقف متوقعة تُسهل عملية النسخ المتدفق أو المزامنة مع العروض البصرية.

يمكن تشغيل كلا نقطتي التحقق على بطاقة NVIDIA H100 واحدة أثناء الاستنتاج، وفقًا لفريق كيوتاي. أما عملية التدريب فقد استلزم عنقودًا مكوّنًا من 16 بطاقة H100 و1 500 تحديثًا للتعلم المعزز، ما يدل على استثمار حسابي كبير للوصول إلى مستويات الأداء المذكورة.

المقايضات والقيود

تخصيص النموذج للرياضيات المنطوقة يأتي بتكلفة. أظهر تقييم على معيار TriviaQA الصوتي انخفاضًا في الدقة من 40.6٪ إلى 34٪، مما يشير إلى تراجع قدرة النموذج على الإجابة على أسئلة المعرفة العامة عندما تُوجه طاقته نحو التفكير الرياضي.

علاوة على ذلك، تمزج منهجية التقييم بين حكام بشريين وبيانات اصطناعية، ما يحد من قابلية تعميم النتائج. يقر المؤلفون بضرورة إجراء اختبارات إضافية على مجموعات بيانات صوتية واقعية ومتنوعة قبل اعتبار النموذج قويًا عبر المجالات المتعددة.

• معالجة الكلام من الطرف إلى الطرف تُزيل أخطاء النسخ
• التعلم المعزز يرفع دقة الرياضيات المنطوقة إلى أكثر من 75٪
• نسختان تسمحان بالتفكير الشفهي المتواصل أو المتوقف
• الاستنتاج على وحدة معالجة واحدة يجعل النشر ممكنًا للعديد من المؤسسات

من الناحية العملية، يمكن للمنظمات الناطقة بالعربية الاستفادة من هذا النموذج لتوفير أدوات قادرة على فهم وحل المسائل الرياضية المقدمة شفهيًا دون الحاجة إلى تحويل الكلام إلى نص ثم إلى حل نصي. هذا يفتح آفاقًا جديدة لتسريع عمليات التعليم عن بُعد وتطوير أنظمة تدريس ذكية تُحافظ على تدفق الشرح الطبيعي.

في بيئات الأعمال، يمكن دمج النموذج مع أنظمة تحليل البيانات الصوتية لتقليل زمن الاستجابة في مكالمات الدعم الفني أو في تطبيقات التعليم المستمر، حيث يُمكن للمتحدثين طرح مسألة رياضية والحصول على حل فوري ومفهوم بصوت واضح.

إضافة إلى ذلك، يُتوقع أن تُسهم هذه التقنية في تحسين الوصول إلى التعليم في المناطق التي تفتقر إلى بنية تحتية قوية للكتابة، حيث يُمكن للطلاب الاعتماد على الصوت كوسيلة رئيسية للتفاعل مع المحتوى الرياضي.

مع استمرار الأبحاث وتوسيع مجموعات البيانات الصوتية المتنوعة، قد يصبح نموذج "صوت العقل" معيارًا جديدًا في مجال الذكاء الاصطناعي القائم على الكلام، مع إمكانية توسيع نطاقه ليشمل مجالات علمية أخرى مثل الفيزياء والكيمياء.

في الختام، يمثل إطلاق كيوتاي لنموذجي "صوت العقل" خطوة رائدة نحو دمج التفكير الرياضي مع معالجة الكلام في آنٍ واحد، مما يفتح بابًا جديدًا للابتكار في التعليم، الأعمال، والبحث العلمي، مع ضرورة مواصلة التقييم والتحسين لضمان شمولية الأداء عبر اللغات والبيئات المختلفة.