ميتا تكشف عن Andromeda الجديد لتحسين استرجاع الإعلانات
تستثمر ميتا في إعادة هندسة بنية محرك الإعلانات الخاص بها من خلال دمج تقنيات الذكاء الاصطناعي المتقدمة مع تحسينات عميقة في معالجات الرسوميات، بهدف تحقيق أداء أقرب لمرحلة الترتيب النهائي مع كفاءة استرجاع فائقة.
رضوان عبدالهاديمحرر وكاتب تقني
تصميم مشترك يفتح آفاقاً جديدة للكفاءة
أعلنت شركة ميتا عن الجيل الجديد من محرك استرجاع الإعلانات الشخصية الخاص بها، المعروف باسم Meta Andromeda. يعتمد هذا النظام على نهج التصميم المشترك (Co-Design) الذي يجمع بين النموذج الخوارزمي، والبنية البرمجية للنظام، والعتاد المادي لمعالجات الرسوميات (GPU) بشكل متكامل. يهدف هذا التكامل إلى تجاوز الحدود التقليدية للكفاءة في مرحلة استرجاع الإعلانات، وهي المرحلة الأولى في خط أنابيب التوصيات الذي يحدد الإعلانات المرشحة للمستخدمين.
قفزة هائلة في سرعة المعالجة
يتميز النظام الجديد بقدرته على تقييم كل إعلان مؤهل بأداء نموذجي يقارب مستوى مرحلة الترتيب النهائي، ولكن ذلك يتم على نطاق استرجاع ضخم. تصل سرعة المعالجة في البيئة الإنتاجية إلى أكثر من مليار إعلان في الثانية، وهو رقم يمثل معياراً جديداً لسعة النطاق (Throughput) في نماذج مرحلة الاسترجاع. تشير البيانات إلى أن هذا التحسن يمثل زيادة قدرها 100 ضعف مقارنة بنظام Meta Andromeda الذي أُطلق في عام 2024، مما يتيح للمعلنين الحصول على أداء أفضل تلقائياً من خلال مطابقة الإعلانات عبر مجموعة مرشحة أكبر دون زيادة في زمن الاستجابة.
تحديات توسيع نطاق الاسترجاع
واجه فريق الهندسة في ميتا تحديات جوهرية نتيجة التوسع السريع في حجم مجموعة الإعلانات المرشحة. ساهمت أدوات الإبداع التوليدي بالذكاء الاصطناعي في تمكين المعلنين من إنشاء مئات الملايين من الإعلانات الجديدة، مما أدى إلى تضخم غير مسبوق في حجم البيانات التي يجب معالجتها. يتطلب تقييم هذا الحجم الهائل من الإعلانات بنموذج أكثر دقة وسرعة أعلى اختراقات تقنية أساسية في ثلاثة محاور مترابطة: جودة النموذج، والبنية المعمارية للنظام، وكفاءة استخدام العتاد. لم يعد كافياً تحسين كل عنصر على حدة، بل أصبح من الضروري التعامل معها كوحدة واحدة متكاملة.
بنية مختلطة للخبراء مستوحاة من LLM
للتغلب على قيود الأداء والتكلفة، أدخلت ميتا ثلاث ابتكارات معمارية مترابطة في أحدث إصدار من Andromeda. أبرز هذه الابتكارات هو تبنّي بنية "مختلطة للخبراء" (Mixture-of-Experts - MoE) المستوحاة من نماذج اللغة الكبيرة. تسمح هذه البنية المعبرة وفعالة في الاستدلال بتحقيق توازن جديد بين الأداء والكفاءة، حيث يقترب أداء النموذج من مستوى الترتيب النهائي مع تقليل عمليات الحساب (FLOPs) أثناء الاستدلال بنسبة تقارب 300 ضعف مقارنة بنموذج 2024. هذا التحول المعماري يفتح المجال أمام نمو سعة النموذج مستقبلاً دون زيادة متناسبة في تكاليف العتاد.
تحسين نمذجة المستخدم والتفاعل
على جانب نمذجة المستخدم، انتقل النظام من برج مستخدم واحد إلى مجموعة من أبراج المستخدمين المتخصصة التي تعمل كخبراء. تتيح هذه الآلية التقاط اهتمامات المستخدمين المتنوعة والمتغيرة مع مرور الوقت والسياق، من خلال دمج إشارات عالية الدقة مثل أحداث التفاعل التسلسلي مع الإعلانات، وتمثيلات مجموعات المستخدمين، والميزات الدلالية المشتقة من نماذج اللغة الكبيرة. أما في برج الإعلانات المرشحة، فاعتمد النظام استراتيجية ترميز مشتركة تتضمن سياق الخدمة في الوقت الفعلي، مما يضمن وصول تمثيلات واعية بالسياق إلى نماذج التفاعل اللاحقة. في طبقة التفاعل، تطورت النماذج من شبكات عصبية كثيفة إلى شبكة بوابات تعتمد على الانتباه (Attention-based gating) تقوم بتوجيه المرشحين ديناميكياً إلى الخبراء المستخدمين الأكثر صلة.
دمج النموذج والنظام في نواة GPU واحدة
دفع التصميم المشترك في إصدار 2026 حدود التكامل إلى مستوى أعمق من خلال ابتكارين رئيسيين. الأول هو نواة GPU مفردة تجمع بين أعباء العمل الخاصة بالنموذج ومنطق النظام لكل تفاعل بين مستخدم وإعلان. الثاني هو استراتيجية جعل منطق طلبات المستخدم ونوى GPU الخاصة بالتفاعل في صندوق GPU واحد. تم بناء خط أنابيب GPU مُحسّن بالكامل ومدمج لاستضافة سير عمل Meta Andromeda من البداية إلى النهاية. هذا الدمج الكامل يقلل من حركة البيانات عبر الذاكرة والشبكة، حيث كانت التبادلات بين وحدات المعالجة المركزية المحلية ومسرعات العتاد البعيدة تشبع روابط الشبكة في الأنظمة السابقة.
نتائج ملموسة للمعلنين
تترجم هذه التحسينات التقنية إلى نتائج ملموسة في بيئة الإنتاج. منذ عام 2025، ساهم نظام Meta Andromeda في تحقيق زيادة بنسبة 2.4% في معدلات التحويل على منصة فيسبوك. تعكس هذه الأرقام نجاح استراتيجية التصميم المشترك في تحويل الابتكارات التقنية إلى قيمة تجارية حقيقية، حيث يتيح النظام للمعلنين الوصول إلى جمهور أوسع وأكثر دقة ضمن نفس ميزانية زمن الاستجابة، مما يعزز فعالية الحملات الإعلانية دون فرض أعباء إضافية على البنية التحتية.
المصادر
- Meta EngineeringMeta Andromeda: Powering the Next Generation of Ads Retrieval Through Model-System Co-Design
تابع التسلسل الزمني
تغطية الكيانات المرتبطة
أخبار مرتبطة
تطبيق Meta Muse يتفوق على ChatGPT في الأيام الأولى لإطلاقه للهواتف
بيانات من Apptopia تكشف أن تطبيق الذكاء الاصطناعي الجديد من Meta تجاوز أرقام ChatGPT في التحميلات والمستخدمين النشطين خلال أول 12 يوماً من إطلاقه.
ميتا تختبر فرض رسوم على الحسابات لنشر الروابط فيسبوك
تختبر شركة ميتا فرض قيود مالية ورسوم اشتراك على الصفحات الحكومية وغير الربحية لنشر الروابط على منصة فيسبوك، وسط انتقادات واستياء واسع.
بطولة كأس العالم 2026 تسجل أرقاماً قياسية ضخمة على منصات ميتا
استعرضت ميتا كيف تعاملت بنيتها التحتية التقنية مع التدفق الهائل للبيانات والرسائل ومقاطع الفيديو خلال بطولة كأس العالم 2026 محققة أرقاماً قياسية تاريخية.
مصممة شعار Meta الجديد تتعرض لهجوم واسع بعد إطلاق Muse
تواجه جيسيكا هيش، مصممة شعار مساعد الذكاء الاصطناعي Muse الجديد من Meta، موجة استنكار واسعة من مجتمع التصميم. تكشف المصممة عن ضغوطها المالية ودافعها للعمل مع الشركة.
