شرکت اپل به سمت هوش مصنوعی بهبود یافته در دستگاه با انتشار OpenELM حرکت میکند
اپل به تازگی وارد عرصه منبع باز شد و یک سری مدلهای هوش مصنوعی منتشر نمود که با نام “سری OpenELM” پرستاری میشود. بر خلاف مدلهای هوش مصنوعی سنتی که بر روی سرورهای ابری تکیه میکنند، این مدلها برای عمل به صورت مستقیم بر روی دستگاهها طراحی شدهاند. مدلهای OpenELM از طریق پلتفرم “Hugging Face Hub” قابل دسترسی هستند که یک پلتفرم محبوب برای آسانسازی تبادل کد برای سیستمهای هوش مصنوعی است.
تلاش برای کارآیی: مدلهای متنوع هوش مصنوعی اپل
شرکت تکنولوژی بزرگ هشت مدل OpenELM مختلف را با پارامترهایی از 270 میلیون تا 3 میلیارد ارائه میدهد. با اینحال، علت طراحی این مدلها اندک نسبت به اندازه آنها از استراتژی “لایه بندی” اپل است که هدف آن بهبود دقت و کارایی است.
تسهیل توسعه هوش مصنوعی با منابع جامع
این انتشار تنها محدود به مدلهای نهایی نیست؛ اپل همچنین دستورالعملهای برنامهنویسی، لاگهای آموزش و منابع اضافی را فراهم میکند. این افتاحیت، پیشرفت توسعه سیستمهای هوش مصنوعی را تسریع میدهد، محیط تحقیق را غنی میکند و رشد جامعه در بخش هوش مصنوعی را ترویج میدهد.
تلاش اپل برای استقلال از وابستگی به ابر
یکی از حافظههای اصلی این تلاش، آمادگی اپل برای ادغام این مدلها به دستگاههای آینده است. انتظار میرود این استراتژی وابستگی به سرورهای ابری برای برخی از ویژگیها را کاهش دهد در حالی که یک گام بزرگتر به سوی توسعه مدلهای کوچکتر، سریعتر، و کم غیرواقعیتطلب هوش مصنوعی با توانایی فراشدن پردازش مستقیم دستگاه را به نمایش میگذارد.
هوش مصنوعی منبع باز: جنبش جمعی در صنعت
اپل به جمعی از شرکتها از قبیل مایکروسافت و گوگل میپیوندد که قبلاً مدلهای منبع باز چون Phi-3 و Gemini Nano منتشر نمودهاند. این مدلها همچنین بر روی بهبود عملکرد برنامهها مستقیماً بر روی دستگاهها تمرکز دارند که یک هدف مشترکی است که در حال تحت تأثیر قرار گرفتن قابلیتهای هوش مصنوعی وابسته به دستگاه است.
بهبود قابلیتهای هوش مصنوعی با مدلهای منبع باز
معرفی OpenELM توسط اپل یک گام قابل توجه به سوی مدلهای هوش مصنوعی داخل دستگاه میباشد. این مدلهای هوش مصنوعی که بدون نیاز به پردازش از طریق ابری اجرا میشوند، چندین تأثیر و فواید پتانسیل دارند. با گسترش حدود آنچه که در محیط یک دستگاه کاربری امکانپذیر است، اپل ممکن است راه را برای استفاده از هوش مصنوعی ایمنتر، خصوصی و کارایی بیشتر باز نماید.
سوالات کلیدی و پاسخها
– OpenELM چیست؟ OpenELM مجموعهای از مدلهای هوش مصنوعی منبع باز است که توسط اپل منتشر شده و برای اجرا بر روی دستگاهها بدون نیاز به سرورهای ابری طراحی شدهاند.
– مدلهای OpenELM در کجا قابل دسترسی هستند؟ این مدلها را میتوان در پلتفرم Hugging Face Hub پیدا کرد که یک پلتفرمی است که تبادل کد مدل هوش مصنوعی و منابع را آسان میکند.
– چرا اپل این مدلها را منتشر میکند؟ این مدلها نمایانگر یک حرکت بزرگ به سوی استقلال بیشتر از سرورهای ابری هستند، و همگام کردن هوش مصنوعی را به طریقی سادهتر در دستگاهها کمک میکنند. این به کاهش تأخیر، بهبود حفظ حریم شخصی و کاهش تقاضای مراکز داده کمک میکند.
– چه چالشهایی با هوش مصنوعی در دستگاه وجود دارد؟ مدلهای هوش مصنوعی در دستگاه باید بسیار بهینه شده باشند تا بر روی منابع محدود یک دستگاه به طور کارآمد اجرا شوند. آنها باید پیچیدگی را با محدودیتهای منابع تعادل دهند و اطمینان حاصل کنند که تجربه کاربر به خوبی روان باقی مانده است.
مزایا و معایب
هوش مصنوعی داخل دستگاه چندین مزیت دارد:
– افزایش حریم خصوصی: پردازش داده بر روی دستگاه مقدار دادههای کاربر منتقل شده به ابر را کاهش میدهد و حریم خصوصی کاربر را ارتقا میدهد.
– کاهش تأخیر: با حذف نیاز به ارتباط با سرورهای ابری، زمان پاسخ برای ویژگیهای مبتنی بر هوش مصنوعی کاهش مییابد.
– دسترسیپذیری: کاربران میتوانند از قابلیتهای هوش مصنوعی بهره مند شوند حتی زمانی که آفلاین هستند یا اتصال اینترنت نامنظم دارند.
با این حال، نیز معایبی وجود دارد:
– محدودیت توان محاسباتی: دستگاهها کمترین توان محاسباتی نسبت به سرورهای ابر دارند که ممکن است محدودیتها و قابلیتهای مدلهای هوش مصنوعی را محدود کند.
– مصرف باتری: اجرای الگوریتمهای پیشرفته هوش مصنوعی بر روی یک دستگاه ممکن است سریعتر باتری را خالی کند نسبت به انتقال پردازش به ابر.
درگیریها یا چالشهای مرتبط
یکی از چالشهای پروژههای منبع باز مانند OpenELM اطمینان حاصل کردن از آنکه مدلها نه تنها کارآمد هستند بلکه همچنین کیفیت آنها را به خطر نمیاندازند. همچنین یک نیاز دائمی برای حفاظت از مالکیت معنوی و بالطبع کردن جامعه منبع باز وجود دارد.
برای اطلاعات بیشتر در زمینه توسعههای هوش مصنوعی، به لینک زیر مراجعه فرمایید: اپل.
مهم است که توجه داشته باشید که URLهای ارائه شده بر اساس فرضی است که به دامنههای اصلی سازمانهای مربوطه و نه به زیرصفحههای خاص هدایت میکنند که نمیتواند در محدوده قابلیتهای این کمکفرهنگی تأیید شود.