FUTO تنشر Swipe: نماذج مفتوحة للكتابة بالسحب

نماذج مفتوحة لمشكلة مغلقة

نشرت FUTO، الجهة المطوّرة للوحة المفاتيح غير المتصلة FUTO Keyboard لأندرويد، نظام Swipe — عائلة من النماذج والخوارزميات المفتوحة للكتابة بالسحب. وهدف المشروع تجاوز عائق قديم: فقد كانت الكتابة الجيدة بالسحب على الهواتف محصورة في تطبيقات لوحات مفاتيح تنتهك الخصوصية أو في مكتبات خاصة غير مرخّصة. تُنشر النماذج برخصة FUTO Model License التي تسمح بالاستخدام مع الإشارة إلى المصدر، أما مكتبة الاستدلال فهي مفتوحة المصدر.

النظام قيد الاستخدام بالفعل: فهو متاح في إصدار FUTO Keyboard رقم 0.1.29 وما بعده. ويمكن للمطورين الراغبين في بناء منتجاتهم الخاصة تنزيل النماذج واستخدام المكتبة. ويعمل العرض التوضيحي على موقع المشروع من جهة الخادم ليبقى حجم الصفحة صغيراً؛ أما في الاستخدام الفعلي، فتقول FUTO إن النماذج تعمل على الجهاز نفسه وبزمن استجابة أقل بكثير.

ثلاثة نماذج وبحث شعاعي

يجمع التصميم ثلاثة أنواع من النماذج. المرمّز لا يرتبط بتخطيط لوحة المفاتيح ولا باللغة ويتولى التنبؤات العامة، لكنه لا يبلغ أعلى دقة بمفرده. ونموذج ContextLM الصغير مدرَّب للغة واحدة ويستبعد الكلمات غير المنطقية بالنظر إلى الكلمات السابقة في الجملة، ولا يحتاج في تدريبه سوى إلى بيانات نصية. أما المفكِّك فيُدرَّب للغة وتخطيط لوحة مفاتيح محددين، فيتعلم خصائص التخطيط ويصل إلى دقة متقدمة. وحتى الآن لم تدرّب FUTO سوى مفكّك واحد للإنجليزية بتخطيط QWERTY.

التنبؤات وحدها لا تكفي: فتحويل مسار السحب إلى كلمات يتطلب بحثاً شعاعياً مقيّداً بالمعجم. وقد أصدرت FUTO مكتبة swipe-library بلغة C++ تتولى الاستدلال وفك الترميز والبحث الشعاعي.

مليون عملية سحب والأرقام

جاءت بيانات التدريب من الجمهور: في آب 2024 بدأت FUTO جمع عمليات سحب إنجليزية بتخطيط QWERTY على موقع swipe.futo.org، حيث كان المتطوعون يتلقون جملاً مأخوذة أساساً من ويكيبيديا ويُطلب منهم سحبها كلمةً كلمة. وأنتج هذا الجهد أكثر من مليون عملية سحب؛ وبعد تصفية السجلات منخفضة الجودة، أصدرت FUTO في آذار 2025 مجموعة بيانات من مليون عملية سحب برخصة MIT، وهي متاحة على HuggingFace. وتقول الشركة إن البيانات استُخدمت لتدريب النماذج ولتقييم أنظمة منافسة أيضاً.

في مجموعة الاختبار لدى FUTO، تحقق النماذج الثلاثة معاً بعرض شعاعي 300 معدل فشل نحو 4 في المئة في أفضل أربعة اقتراحات؛ وباستثناء الحالات خارج المعجم يقل معدل الخطأ عن واحد في المئة. وتنبّه FUTO إلى أن هذه الأرقام تعتمد كثيراً على معيار الاختبار وأن النتائج الفعلية قد تختلف، لكنها تقول إنها تعتقد أن النظام يضاهي لوحات مفاتيح شركات التقنية الكبرى. والنماذج صغيرة: 635,140 معاملاً للمرمّز، و304,155 للمفكِّك، و1.5 مليون لـ ContextLM، منها 1.1 مليون تمثيلات — أي 1,364,271 معاملاً نشطاً من أصل 2,494,767. التقرير التقني على arXiv، والنماذج على HuggingFace، والمكتبة على GitLab.