الذكاء الاصطناعي

ميتا تحوّل سعة الذكاء الاصطناعي الخاملة إلى تحسينات إعلانية

أطلقت ميتا نظاماً هندسياً متقدماً يجمع السعة الخاملة الموزعة في أسطول الحوسبة الخاص بها، محوّلاً هذه الموارد غير المستغلة إلى تحسينات ملموسة في جودة التوصيات الإعلانية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 12 أكتوبر 2026 · آخر تحديث: 12 أكتوبر 2026 · 4 دقائق قراءة

ميتا تحوّل سعة الذكاء الاصطناعي الخاملة إلى تحسينات إعلانية — الصورة: Meta Engineering

مفارقة السعة في أساطيل الاستدلال

تواجه أساطيل الاستدلال (Inference Fleets) تحدياً معقداً يتمثل في المفارقة السعوية؛ حيث قد يكون الأسطول مقيّداً من حيث الطاقة الإجمالية، بينما تبقى أجزاء منه خاملة محلياً. في [ميتا](https://engineering.fb.com/2026/10/12/ml-applications/turning-opportunistic-ai-inference-capacity-into-better-ads-recommendations/)، تم بناء نظام يجمع هذه الفجوات الخاملة في حوض سعة مشترك وفرصي، مما يتيح تحويل الموارد غير المستغلة إلى توصيات إعلانية أفضل دون الحاجة إلى طلبات سعة إضافية. ويمكن الرجوع إلى Meta Engineering للاطلاع على التفاصيل الأصلية للمصدر.

تنتج هذه المفارقة عن عدة عوامل هيكلية، أبرزها عدم التوافق بين التخصيص الذروي وتقلب الطلب، حيث تبقى السعة خاملة عندما ينخفض الطلب عن الذروة. كما يساهم التوقيت المختلف بين وصول سعة الحوسبة عبر سلاسل التوريد وإطلاق النماذج الجديدة في خلق فجوات استغلال. بالإضافة إلى ذلك، يؤدي عدم تناسب نسب الموارد (مثل المعالجات المركزية مقابل المعالجات العصبية) واختلاف أنواع المعالجات العصبية بين الأجيال إلى تعطيل جزء من السعة التي لا يمكنها تلبية الطلب الحالي مباشرة.

من الاحتياطيات المجزأة إلى الحوض الفرصي

في أسطول متنوع بمقياس ميتا، السعة الخاملة اللحظية حتمية حتى مع التخطيط الاستباقي. ومع ذلك، تأتي هذه السعة بقيود تشغيلية صارمة؛ فهي قابلة للمصادرة في أي وقت، متقلبة جداً في توفرها، ولا تحمل ضمانات طويلة الأمد. لاستهلاك هذا المورد المتقلب بأمان دون المساس بالأداء الأساسي، يجب أن تمتلك الأحمال التشغيلية خصائص هيكلية محددة، أهمها مرونة عالية تسمح بإضافة أو إزالة كميات كبيرة من العمل الاختياري بسرعة، مع الحفاظ على جودة مخرجات مستدامة على نطاق واسع.

حدد فريق الهندسة في ميتا قضيبين مرنين متكاملين يلبيان هذه المعايير. الأول هو "تقييم المزيد من الإعلانات" (RMA)، والثاني هو "تقديم نماذج أفضل" (SBM). يعمل هذان القضيبان معاً لاستهلاك السعة الخاملة وتوليد قيمة إعلانية أعلى، مع تقليل الاعتماد على الأنظمة الخارجية التي قد تتأثر بتقلبات السعة.

آلية عمل قضيب تقييم المزيد من الإعلانات

يتطلب نظام التوصيات الإعلانية اختيار عدد صغير من الإعلانات من بين ملايين المرشحين في أقل من ثانية واحدة، باستخدام مراحل تقييم متسلسلة. يعمل قضيب RMA على زيادة عدد المرشحين الذين تخضعهم مراحل التقييم للنظر عندما تتوفر سعة فرصية. تقييم المزيد من المرشحين يزيد من احتمالية العثور على إعلانات ذات صلة أعلى بالمستخدم. ومع ذلك، يتطلب هذا القضيب فائضاً من كلا النوعين من الموارد؛ وحدات المعالجة المركزية (CPU) للمراحل الأولية مثل الاسترجاع ومعالجة الميزات، والمعالجات العصبية (Accelerators) للاستدلال الفعلي.

استغلال الفائض عبر تقديم نماذج أقوى

بينما يتطلب RMA موارد متعددة، يعمل قضيب SBM على تغيير نسبة الطلبات التي تُقيَّم بنماذج أقوى وأكثر تعقيداً. يحافظ هذا القضيب على ثبات عدد الإعلانات الداخلة إلى مراحل التقييم، مما يبقي الطلب على وحدات المعالجة المركزية مستقراً نسبياً. هذا التصميم الذكي يسمح لـ SBM باستهلاك فائض المعالجات العصبية فقط، وهو مورد لا يمكن لـ RMA استغلاله بكفاءة عندما تكون وحدات المعالجة المركزية مشبعة. كما يستخدم موجه النماذج في SBM إشارات قيمة الطلب لأولوية المعالجة للطلبات المتوقعة أن تستفيد أكثر من النماذج القوية.

الحماية المرنة والأداء الأساسي

يواجه استخدام السعة الفرصية تحدياً رئيسياً يتمثل في إمكانية استعادتها من قبل أصحابها الأصليين مع إشعار قصير أو بدون إشعار. لضمان عدم تأثير ذلك على الأداء الأساسي، يعتمد النظام على العزل الفيزيائي والمنطقي لحماية السعة المخصصة للخدمة الأساسية. تتحكم حلقات تغذية راجعة منفصلة في حجم المرشحين في RMA وتغطية النماذج في SBM، بينما تتيح آلية إسقاط الحمل الواعية بالقيمة (Value-aware load shedding) على مستوى الخوادم والعملاء تدهوراً سلساً (Graceful Degradation) عندما تُستعاد السعة فجأة. هذه الآليات مجتمعة تسمح بالعمل الاختياري بالتوسع والانكماش مع توافر السعة الفرصية، مع حماية زمن الاستجابة (Latency) والموثوقية بشكل صارم.

القيمة الإعلانية والكفاءة التشغيلية

يهدف هذا النظام إلى تحقيق قيمة إعلانية كبيرة وكفاءة في استخدام السعة. من خلال استغلال السعة الخاملة بشكل آمن، يساعد النظام المستخدمين على رؤية إعلانات أكثر صلة، مما يحسن نتائج المعلنين دون تكاليف رأسمالية إضافية لشراء سعة جديدة. كما أن التأثير التكاملي لكل قضيب يتغير حسب حركة المرور وتغطية التقييم الحالية ومزيج الموارد المتاحة، مما يجعل النظام ديناميكياً وقادراً على التكيف مع الظروف التشغيلية المتغيرة باستمرار في بنية ميتا التحتية.