أطلقت Tether نموذجًا للذكاء الاصطناعي الطبي يُسمى QVAC MedPsy يعمل بالكامل على الهاتف الذكي ويتفوق على نموذج Google الأكبر MedGemma-27B في السيناريوهات الواقعية. وفقًا للشركة، يستخدم النموذج موارد حسابية أقل بثلاث مرات وحجمه أصغر بنسبة 16 مرة من الإصدار الذي يتفوق عليه من Google.
الأداء مقابل الحجم
أظهرت المعايير أن QVAC MedPsy يحصل على تقييمات أعلى من MedGemma-27B في المهام التي تحاكي الاستخدام السريري الفعلي. بينما يتطلب نموذج Google معالجة كبيرة على مستوى الخادم، فإن نموذج Tether يناسب الجهاز المحمول. تأتي مكاسب الكفاءة من هيكل النموذج المضغوط — الذي يقل عدد معلماته 16 مرة — ومع ذلك يظل يوفر نتائج متفوقة.
ينعكس هذا الفرق في الحجم مباشرةً على احتياجات الحوسبة. يستهلك QVAC MedPsy حوالي ثلث قوة المعالجة التي يستخدمها MedGemma-27B، مما يجعل الاستدلال على الجهاز ممكنًا دون الحاجة إلى الاتصال بالإنترنت.
لماذا تهم الكفاءة للذكاء الاصطناعي الطبي
يعمل تشغيل الذكاء الاصطناعي على الهواتف الذكية على فتح حالات استخدام في العيادات النائية والبيئات ذات الموارد المحدودة حيث لا يمكن ضمان اتصال خادم مستقر. يمكن للنموذج الذي يناسب الجهاز تحليل بيانات المرضى محليًا، مما يقلل من زمن التأخير ومخاطر الخصوصية. لم تكشف Tether عن خطط نشر محددة، لكن أداء النموذج يشير إلى أنه قد يتعامل مع الفحوصات النفسية أو النفسية — حيث يشير 'Psy' في QVAC MedPsy على الأرجح إلى علم النفس أو الطب النفسي.
كانت المجال الطبي حذرًا من الذكاء الاصطناعي المعتمد على السحابة فقط بسبب حساسية البيانات. قد يسرع نموذج يعمل على الجهاز دون الاعتماد على السحابة، ويتفوق على المنافسين الكبار، من اعتماده في المستشفيات وتطبيقات الصحة المتنقلة.
التقنية وراء النموذج
تُعرف Tether بشكل رئيسي بعملتها المستقرة USDT، وقد كانت تعمل بصمت في مجال الذكاء الاصطناعي. يُعد QVAC MedPsy أحد أوائل نماذجها الطبية. لم تنشر الشركة هيكل الشبكة التفصيلي، لكن قدرة النموذج على العمل على الهاتف الذكي بينما يتفوق على نموذج أكبر بكثير تشير إلى تحسينات جريئة في التدريب أو التكميم.
على الجانب الآخر، تم تصميم MedGemma-27B من Google للسحابة أو الأجهزة عالية الجودة. يقلب نهج Tether هذا الافتراض، مما يظهر أن النماذج الأصغر يمكن أن تكون أقوى في المهام المحددة في مجال معين.
لم يتم الإعلان عن موعد إطلاق أو شراكات حتى الآن. في الوقت الحالي، تُعتبر نتائج المعايير دليلًا على أن الذكاء الاصطناعي الطبي لا يحتاج دائمًا إلى أجهزة قوية لتحقيق نتائج كبيرة.
