هل يمكن لهاتفك أو جهاز الكمبيوتر أن يشغّل الذكاء الاصطناعي ويجيب عن أسئلتك دون أن يكون متصلًا بالإنترنت؟ للوهلة الأولى تبدو الفكرة غريبة. فنحن اعتدنا على كتابة سؤال في تطبيق ذكاء اصطناعي، ثم انتظار وصوله إلى خوادم الشركة وتحليل الطلب وإعادة النتيجة إلينا. لكن هناك نوعًا آخر من الذكاء الاصطناعي يعمل بطريقة مختلفة تمامًا، ويُعرف باسم الذكاء الاصطناعي المحلي أو Local AI.
في هذا النوع، لا يتم إرسال كل طلب إلى خادم بعيد. بدلًا من ذلك، يتم تشغيل نموذج الذكاء الاصطناعي مباشرة على الجهاز الذي تستخدمه، سواء كان كمبيوترًا أو هاتفًا أو جهازًا متخصصًا. وهذا يعني أن بعض مهام الذكاء الاصطناعي يمكن تنفيذها حتى عندما تكون الشبكة غير متاحة.
لكن كيف يستطيع جهاز صغير نسبيًا تشغيل نموذج ذكاء اصطناعي يحتاج في مراكز البيانات إلى قدرات حوسبة ضخمة؟ وهل الذكاء الاصطناعي المحلي أسرع فعلًا؟ وهل يعمل بنفس قوة الخدمات السحابية؟ وما علاقة المعالج ووحدة معالجة الرسوميات والذاكرة بهذا الموضوع؟
الأهم من ذلك: هل يمكن أن تستفيد من هذه التقنية على جهازك الحالي دون شراء كمبيوتر خارق؟
الإجابة في كثير من الحالات هي نعم، ولكن بشرط أن تفهم كيف يعمل الذكاء الاصطناعي المحلي وما الذي يستطيع جهازك تحمله فعليًا.
 |
| الذكاء الاصطناعي المحلي.. لماذا يعمل بدون إنترنت؟ |
ما المقصود بالذكاء الاصطناعي المحلي؟
الذكاء الاصطناعي المحلي يعني تشغيل نموذج الذكاء الاصطناعي على جهازك بدل الاعتماد الكامل على خادم موجود على الإنترنت.
عندما تستخدم خدمة ذكاء اصطناعي سحابية، فإن جهازك يرسل الطلب عبر الإنترنت إلى خوادم الشركة. هناك يتم تشغيل النموذج على أجهزة قوية جدًا، ثم تعود النتيجة إلى جهازك.
أما في الذكاء الاصطناعي المحلي، فإن النموذج نفسه أو نسخة منه تكون موجودة على جهازك.
يمكنك تخيل الأمر كالتالي: في الحالة السحابية أنت ترسل السؤال إلى "مطبخ مركزي" بعيد، بينما في الحالة المحلية أصبح لديك "مطبخ صغير" داخل جهازك يستطيع تنفيذ بعض الطلبات بنفسه.
وهذا لا يعني أن النموذج المحلي يكون بالضرورة صغيرًا جدًا أو ضعيفًا. هناك نماذج يمكن تشغيلها على أجهزة شخصية، لكن حجم النموذج وطريقة ضغطه ومتطلبات تشغيله تحدد مدى قدرة الجهاز على التعامل معه.
كيف يعمل الذكاء الاصطناعي بدون إنترنت؟
السؤال الأساسي هنا هو: إذا لم يكن هناك اتصال بالإنترنت، فمن أين تأتي الإجابة؟
الإجابة ببساطة هي أن المعلومات الأساسية اللازمة لتشغيل النموذج تكون موجودة على الجهاز نفسه.
النموذج عبارة عن مجموعة ضخمة من القيم الرياضية تسمى غالبًا "الأوزان"، وهي تمثل ما تعلمه النموذج أثناء عملية التدريب.
أثناء الاستخدام، لا يحتاج النموذج إلى الاتصال بالإنترنت في كل مرة حتى يقوم بالحسابات الأساسية. الجهاز يحمل النموذج في الذاكرة، ثم يستخدم المعالج أو وحدة معالجة الرسوميات أو وحدة معالجة عصبية لتنفيذ العمليات الرياضية اللازمة لإنتاج الإجابة.
لذلك عندما تكتب سؤالًا لنموذج محلي، يمكن أن تسير العملية بهذا الشكل:
يتم إدخال النص إلى التطبيق.
يحول البرنامج النص إلى تمثيل رقمي يفهمه النموذج.
تتم معالجة البيانات داخل الجهاز.
يستخدم النموذج أوزانه لإنتاج النتيجة.
يحول البرنامج النتيجة إلى نص مفهوم للمستخدم.
كل ذلك يمكن أن يحدث دون إرسال السؤال إلى الإنترنت.
هل يعني ذلك أن الذكاء الاصطناعي المحلي يعرف كل شيء؟
لا.
وهذه نقطة مهمة جدًا.
كون النموذج يعمل بدون إنترنت لا يعني أنه يمتلك معرفة لحظية بكل ما يحدث في العالم.
إذا كان النموذج تم تدريبه على بيانات قديمة، فلن يعرف تلقائيًا ما حدث صباح اليوم أو ما هو سعر منتج في متجر سعودي حاليًا أو آخر الأخبار، إلا إذا كان التطبيق المحلي مزودًا بمصدر بيانات خارجي أو تم تحديث النموذج أو ربطه بطريقة أخرى بالمعلومات الحديثة.
هنا يظهر فرق مهم بين القدرة على التفكير أو توليد النص وبين الوصول إلى المعلومات الحديثة.
النموذج المحلي يستطيع معالجة ما يعرفه وما تعطيه له من بيانات، لكنه لا يحصل تلقائيًا على الأخبار الجديدة من الإنترنت.
لماذا يستطيع الكمبيوتر تشغيل نموذج ذكاء اصطناعي محلي؟
قد يبدو تشغيل نموذج ذكاء اصطناعي على كمبيوتر شخصي أمرًا مستحيلًا، خصوصًا عندما تسمع عن النماذج العملاقة التي تعمل في مراكز البيانات.
لكن هناك فرق بين تشغيل نموذج ضخم جدًا وتشغيل نسخة أصغر أو مضغوطة من نموذج معين.
كما أن هناك تقنيات تقلل احتياجات النموذج من الذاكرة والحوسبة.
من أهم هذه التقنيات ما يسمى Quantization أو التكميم.
الفكرة ببساطة أن النموذج يستخدم أرقامًا لتمثيل أوزانه. ويمكن تخزين هذه الأرقام بدقة أقل في بعض الحالات، مما يقلل حجم النموذج واستهلاكه للذاكرة.
تخيل صورة عالية الدقة حجمها 100 ميجابايت، ثم ضغطتها إلى حجم أصغر مع الاحتفاظ بجودة مقبولة. التكميم لا يعمل بالطريقة نفسها تمامًا، لكنه يقدم تشبيهًا مفيدًا لفهم الفكرة: تقليل حجم التمثيل الرياضي للنموذج مقابل بعض التنازلات في الدقة أو الجودة.
ما علاقة RAM بالذكاء الاصطناعي المحلي؟
إذا كنت تريد تشغيل نموذج ذكاء اصطناعي محلي، فـ الذاكرة RAM تصبح مهمة جدًا.
عند تشغيل النموذج، يحتاج البرنامج إلى مساحة في الذاكرة لحفظ أجزاء من النموذج والبيانات التي تتم معالجتها.
إذا كان النموذج أكبر من قدرة الجهاز على التعامل معه، قد يصبح التشغيل بطيئًا جدًا أو يفشل أصلًا.
لكن لا توجد قاعدة واحدة تقول إن جهازًا معينًا يحتاج دائمًا إلى حجم محدد من الذاكرة، لأن المتطلبات تعتمد على حجم النموذج، وطريقة التكميم، وطول السياق، والبرنامج المستخدم، وما إذا كان التشغيل يعتمد على RAM أو ذاكرة وحدة معالجة الرسوميات.
ولهذا لا تنظر فقط إلى اسم النموذج.
انظر إلى حجمه الفعلي ومتطلبات تشغيله.
وماذا تفعل وحدة معالجة الرسوميات GPU؟
وحدة معالجة الرسوميات أو GPU ليست مخصصة للألعاب فقط.
بنيتها مناسبة جدًا لتنفيذ عدد كبير من العمليات الحسابية بالتوازي، وهذا يجعلها مفيدة في تشغيل العديد من نماذج الذكاء الاصطناعي.
إذا كان جهازك يحتوي على GPU بذاكرة مناسبة، فقد يستطيع تشغيل النموذج بسرعة أعلى من الاعتماد على المعالج المركزي CPU وحده.
لكن هذا لا يعني أن كل بطاقة رسومية قوية للألعاب ستكون مثالية لكل نموذج.
هناك عوامل أخرى مهمة، مثل:
حجم ذاكرة GPU.
سرعة الذاكرة.
دعم البرنامج للبطاقة.
نوع النموذج.
طريقة التكميم.
نظام التشغيل.
مكتبات التسريع المستخدمة.
لذلك لا تقارن بطاقات الرسوميات من خلال عدد الإطارات في الألعاب فقط عندما يكون هدفك تشغيل الذكاء الاصطناعي المحلي.
ما دور المعالج CPU؟
حتى إذا لم يكن لديك بطاقة رسومية قوية، يمكن لبعض النماذج المحلية أن تعمل باستخدام المعالج المركزي CPU.
لكن الأداء قد يكون أقل، خصوصًا مع النماذج الكبيرة.
وهنا يعتمد الأمر على نوع المعالج وعدد الأنوية والتعليمات التي يدعمها والبرنامج المستخدم.
بعض أجهزة الكمبيوتر الحديثة تحتوي أيضًا على وحدات متخصصة لمعالجة مهام الذكاء الاصطناعي، مثل NPU أو Neural Processing Unit.
هذه الوحدة مصممة خصيصًا لتنفيذ أنواع معينة من عمليات الذكاء الاصطناعي بكفاءة أعلى واستهلاك طاقة أقل.
وهذا الاتجاه أصبح مهمًا جدًا في أجهزة الكمبيوتر والهواتف الحديثة.
ما هي NPU ولماذا أصبحت مهمة؟
NPU تعني وحدة معالجة عصبية.
بدل أن تعتمد كل عمليات الذكاء الاصطناعي على CPU أو GPU، يمكن لبعض المهام الاستفادة من وحدة متخصصة مصممة لتنفيذ عمليات الذكاء الاصطناعي.
تخيل أن لديك ورشة عامة يستطيع فيها العمال تنفيذ كل أنواع المهام، ثم أضفت ورشة صغيرة متخصصة في مهمة محددة وتنفذها بكفاءة عالية.
هذه تقريبًا الفكرة.
وجود NPU لا يعني أن جهازك أصبح قادرًا على تشغيل أي نموذج ذكاء اصطناعي، لكنه يمكن أن يساعد في مهام الذكاء الاصطناعي المتوافقة معها، خصوصًا في الأجهزة الحديثة التي تعتمد على المعالجة المحلية.
لماذا تهتم شركات الهواتف بالذكاء الاصطناعي المحلي؟
الهواتف أصبحت تحتوي على معالجات أكثر تطورًا، وذاكرة أكبر، ووحدات معالجة متخصصة.
وهذا يسمح بتنفيذ بعض مهام الذكاء الاصطناعي مباشرة على الهاتف.
قد تشمل هذه المهام تحسين الصور، التعرف على الكلام، الترجمة، تلخيص بعض المحتوى، معالجة الصور، أو بعض ميزات المساعد الذكي.
الميزة هنا ليست فقط عدم الحاجة إلى الإنترنت.
هناك سبب آخر مهم جدًا: الخصوصية.
عندما تتم معالجة البيانات محليًا، يمكن في بعض السيناريوهات تقليل الحاجة إلى إرسالها إلى خادم خارجي.
هل الذكاء الاصطناعي المحلي أكثر خصوصية؟
يمكن أن يكون كذلك، لكن يجب ألا نقول إن كل نموذج محلي يضمن الخصوصية تلقائيًا.
إذا كان التطبيق يعمل محليًا بالكامل ولا يرسل البيانات إلى خوادم خارجية، فهذه ميزة واضحة.
لكن بعض التطبيقات قد تستخدم نموذجًا محليًا لبعض العمليات، ثم تتصل بالإنترنت لتنفيذ عمليات أخرى.
لذلك لا يكفي أن ترى كلمة "AI" أو "Local".
إذا كانت الخصوصية مهمة بالنسبة لك، تحقق من طريقة معالجة التطبيق للبيانات، وما إذا كان يرسل الطلبات إلى خوادم خارجية.
ماذا يحدث عندما تكتب سؤالًا طويلًا للنموذج المحلي؟
هناك عامل آخر مهم يسمى السياق Context.
عندما ترسل نصًا طويلًا، يحتاج النموذج إلى معالجة كمية أكبر من المعلومات.
وكلما زاد طول السياق، قد تزداد متطلبات الذاكرة والحوسبة، حسب النموذج وطريقة تشغيله.
لذلك قد تلاحظ أن النموذج يجيب بسرعة على سؤال قصير، لكنه يصبح أبطأ عندما تعطيه ملفًا طويلًا أو محادثة ضخمة.
هذه ليست بالضرورة مشكلة في جهازك.
قد تكون ببساطة نتيجة طبيعية لزيادة كمية البيانات التي يجب على النموذج التعامل معها.
هل يمكن تشغيل AI محلي على كمبيوتر عادي؟
نعم، في كثير من الحالات.
لكن السؤال الأفضل ليس:
"هل يستطيع الكمبيوتر تشغيل AI؟"
بل:
"أي نموذج يستطيع الكمبيوتر تشغيله وبأي سرعة؟"
جهاز يحتوي على ذاكرة جيدة ومعالج حديث يمكن أن يشغل نماذج محلية صغيرة أو متوسطة حسب البرنامج والإعدادات.
أما النماذج الأكبر فقد تحتاج إلى موارد أعلى.
وهنا يجب أن تعرف أن تشغيل النموذج لا يعني بالضرورة الحصول على سرعة مشابهة للخدمات السحابية.
قد يعمل النموذج بالفعل، لكن بمعدل توليد نص منخفض.
كيف تعرف هل جهازك مناسب للذكاء الاصطناعي المحلي؟
ابدأ بفحص مواصفات جهازك.
انظر إلى:
المعالج CPU.
حجم RAM.
بطاقة الرسوميات GPU.
حجم ذاكرة GPU إن وجدت.
مساحة التخزين المتاحة.
نظام التشغيل.
وجود NPU في الأجهزة الحديثة.
بعد ذلك حدد نوع المهمة التي تريد تنفيذها.
هل تريد محادثة نصية؟
هل تريد تلخيص مستندات؟
هل تريد توليد صور؟
هل تريد تحويل الكلام إلى نص؟
هل تريد تشغيل نموذج برمجي؟
كل مهمة لها متطلبات مختلفة.
لا تقارن جهازك بجهاز آخر بناءً على المعالج فقط.
كيف تبدأ بتجربة AI محلي دون تعقيد؟
إذا كنت مبتدئًا، لا تبدأ بأكبر نموذج تجده.
ابدأ بنموذج صغير مناسب لقدرات جهازك.
ثم راقب أداء الجهاز أثناء التشغيل.
راقب استخدام الذاكرة، واستهلاك المعالج، ودرجة الحرارة، وسرعة توليد الإجابة.
إذا كان الجهاز يعمل بشكل مستقر، يمكنك تجربة نموذج أكبر تدريجيًا.
أما إذا بدأ النظام في استخدام الذاكرة الافتراضية بشكل كبير أو أصبح بطيئًا جدًا، فقد يكون النموذج أكبر من المناسب لجهازك.
الخطوة الأولى: اعرف حدود جهازك
لا تبدأ بتحميل نموذج ضخم قبل معرفة الموارد المتاحة.
افتح معلومات النظام وتحقق من RAM والمعالج وبطاقة الرسوميات.
الخطوة الثانية: اختر نموذجًا مناسبًا
ابحث عن نموذج حجمه متوافق مع ذاكرة جهازك وطريقة تشغيله.
لا تفترض أن النموذج الأكبر هو الأفضل دائمًا.
الخطوة الثالثة: راقب الأداء
بعد التشغيل، راقب استهلاك الموارد.
إذا كان الجهاز يختنق أثناء الاستخدام، جرب نموذجًا أصغر أو إعدادات أخف.
الخطوة الرابعة: اختبر الجودة
استخدم مجموعة أسئلة تعرف إجاباتها أو تستطيع تقييمها.
قارن سرعة النموذج وجودة إجاباته.
بهذه الطريقة ستعرف هل النموذج مناسب لاستخدامك أم لا.
هل AI المحلي أسرع من AI السحابي؟
ليس دائمًا.
إذا كان لديك جهاز قوي ونموذج صغير مناسب له، فقد تحصل على استجابة سريعة جدًا، وقد تكون الاستجابة شبه فورية في بعض المهام.
لكن إذا كان جهازك محدود الموارد، فقد يكون النموذج المحلي أبطأ بكثير من الخدمة السحابية.
الخدمات السحابية تستفيد من مراكز بيانات تحتوي على عدد هائل من وحدات المعالجة المتخصصة.
لذلك لا توجد إجابة عامة تقول إن المحلي أسرع أو أن السحابي أسرع.
الأمر يعتمد على الجهاز والنموذج والمهمة.
الميزة الأكبر: لا تنتظر اتصال الإنترنت
تخيل أنك تعمل على كمبيوتر محمول أثناء السفر، أو في مكان تكون فيه الشبكة ضعيفة.
إذا كان النموذج موجودًا على جهازك، يمكنك الاستمرار في بعض المهام حتى دون اتصال.
وهذه ميزة عملية جدًا.
لكنها لا تعني أن كل وظائف التطبيق ستعمل دون الإنترنت.
قد تعمل المحادثة المحلية، بينما تتوقف الميزات التي تحتاج إلى البحث عبر الويب أو الوصول إلى خدمة سحابية.
هل يمكن أن يكون AI المحلي أفضل في الخصوصية والسرعة؟
في بعض الحالات نعم.
إذا كان الطلب يُعالج محليًا، فلا تحتاج البيانات إلى الذهاب إلى خادم بعيد.
وهذا قد يقلل زمن إرسال الطلب واستقبال الإجابة.
كما يمكن أن يكون مفيدًا في التعامل مع معلومات حساسة لا تريد إرسالها إلى خدمة خارجية، بشرط أن يكون التطبيق محليًا بالفعل وأن تكون إعداداته لا ترسل البيانات إلى الإنترنت.
لكن يجب ألا تفترض الخصوصية لمجرد أن البرنامج يسمى Local AI.
تحقق من طريقة عمله.
ما عيوب الذكاء الاصطناعي المحلي؟
رغم المزايا، هناك مجموعة من التحديات.
أولها أن الأجهزة محدودة.
الخادم السحابي يمكن أن يمتلك موارد ضخمة جدًا، بينما جهازك الشخصي لديه حدود واضحة.
ثانيًا، النماذج المحلية تحتاج إلى مساحة تخزين، وقد تكون بعض الملفات كبيرة.
ثالثًا، الإعداد الأولي قد يكون أكثر تعقيدًا من فتح موقع واستخدام خدمة جاهزة.
رابعًا، النماذج المحلية قد لا تقدم نفس جودة أقوى النماذج السحابية في بعض المهام.
خامسًا، المعرفة قد تكون أقل حداثة إذا لم يكن النموذج متصلًا بمصادر خارجية.
لذلك يجب اختيار الحل بناءً على المهمة وليس على الموضة التقنية.
هل يحتاج الذكاء الاصطناعي المحلي إلى كمبيوتر خارق؟
لا.
وهذه واحدة من أكثر الأفكار الخاطئة انتشارًا.
ليس كل AI محلي عبارة عن نموذج ضخم يحتاج إلى مركز بيانات.
هناك نماذج صغيرة ومضغوطة مصممة لتعمل على أجهزة شخصية.
كما أن الهواتف الحديثة أصبحت أكثر قدرة على تنفيذ مهام الذكاء الاصطناعي محليًا بفضل التطور في المعالجات ووحدات NPU.
لكن يجب أن تفرق بين تشغيل نموذج بسيط لمهمة محددة وتشغيل نموذج ضخم جدًا بجودة عالية وسياق طويل.
الفرق بينهما كبير.
لماذا ستزداد أهمية الذكاء الاصطناعي المحلي مستقبلًا؟
لأن الأجهزة نفسها أصبحت أكثر ذكاءً.
كل جيل جديد من المعالجات يضيف قدرات أفضل في معالجة الذكاء الاصطناعي، بينما أصبحت وحدات NPU جزءًا من تصميم العديد من الأجهزة الحديثة.
وفي المستقبل، من المتوقع أن يصبح توزيع المهام بين الجهاز والسحابة أكثر ذكاءً.
قد ينفذ الهاتف المهمة البسيطة محليًا، بينما يرسل المهمة الثقيلة إلى السحابة.
وهذا يسمى أحيانًا Hybrid AI أو الذكاء الاصطناعي الهجين.
الفكرة ليست أن المحلي سيقتل السحابي، أو العكس.
بل قد يعمل الاثنان معًا.
ما هو الذكاء الاصطناعي الهجين؟
تخيل هاتفك لديه قدرة محدودة.
يمكنه تنفيذ بعض المهام بسرعة محليًا.
لكن عندما تواجهه مهمة ضخمة، يرسلها إلى الخادم السحابي.
هنا تحصل على أفضل ما في العالمين.
المهام السريعة والحساسة يمكن أن تبقى على الجهاز، بينما المهام التي تحتاج إلى قدرات أكبر تنتقل إلى السحابة.
وهذا النموذج قد يصبح شائعًا جدًا في الأجهزة المستقبلية.
كيف تعرف أن التطبيق يعمل محليًا فعلًا؟
لا تعتمد فقط على اسم التطبيق.
راقب سلوك التطبيق.
إذا قطعت الإنترنت تمامًا ثم استطاع التطبيق تنفيذ المهمة التي كانت تعمل قبل ذلك، فهذه إشارة قوية إلى وجود معالجة محلية، لكنها ليست وحدها دليلًا كافيًا على أن كل العمليات محلية.
راجع إعدادات التطبيق وسياسة معالجة البيانات إذا كان الأمر يتعلق بالخصوصية.
كما يمكنك مراقبة حركة الشبكة في بعض البيئات المتقدمة، لكن هذا يحتاج إلى أدوات ومعرفة تقنية أكبر.
المهم أن تفهم أن "يعمل بدون إنترنت" لا يعني بالضرورة أن كل مكوناته محلية.
هل يمكن استخدام AI المحلي للعمل والدراسة؟
نعم، ويمكن أن يكون مفيدًا جدًا.
يمكن استخدام النماذج المحلية في مهام مثل تلخيص نصوص، صياغة مسودات، شرح مفاهيم، المساعدة في البرمجة، تحليل نصوص محلية، أو تنفيذ بعض المهام التي لا تحتاج إلى معلومات حديثة.
لكن إذا كنت تحتاج إلى معلومات لحظية من الإنترنت، فالنموذج المحلي وحده لن يكون كافيًا غالبًا.
لذلك حدد طبيعة عملك أولًا.
إذا كانت مهمتك تعتمد على المعلومات الموجودة لديك، فالذكاء الاصطناعي المحلي قد يكون مناسبًا جدًا.
أما إذا كانت تعتمد على معلومات تتغير باستمرار، فقد تحتاج إلى اتصال خارجي أو نظام هجين.
كيف تختار بين AI المحلي والسحابي؟
إذا كنت محتارًا بين الاثنين، لا تسأل: "أي واحد أفضل؟"
اسأل:
ما الذي أحتاج إليه؟
إذا كانت الخصوصية وعدم الاعتماد على الإنترنت من أولوياتك، فقد يكون المحلي مناسبًا.
إذا كنت تحتاج إلى أقوى نموذج متاح دون الاهتمام بقدرة جهازك، فقد يكون السحابي أكثر راحة.
إذا كنت تريد الاثنين، فقد يكون الحل الهجين هو الأفضل.
والقرار يعتمد على نوع المهمة، وقدرة الجهاز، والميزانية، والخصوصية، وسرعة الإنترنت.
الخلاصة: الذكاء الاصطناعي لا يحتاج دائمًا إلى الإنترنت
الآن أصبحت الإجابة واضحة.
الذكاء الاصطناعي المحلي يستطيع العمل بدون إنترنت لأن النموذج نفسه يكون موجودًا على الجهاز، ويتم تنفيذ العمليات الحسابية باستخدام موارد الجهاز مثل CPU وGPU وRAM وأحيانًا NPU.
لكن عدم الحاجة إلى الإنترنت لا يعني أن النموذج يعرف كل شيء أو أنه يساوي بالضرورة أقوى الخدمات السحابية.
هناك حدود تتعلق بحجم النموذج، وذاكرة الجهاز، وسرعة المعالجة، وجودة النموذج، وحداثة المعلومات.
ومع تطور المعالجات ووحدات NPU، أصبح تشغيل الذكاء الاصطناعي محليًا أكثر واقعية من أي وقت مضى، خصوصًا في الهواتف وأجهزة الكمبيوتر الحديثة.
والأجمل أن المستقبل لا يبدو وكأنه سيكون "محليًا فقط" أو "سحابيًا فقط".
بل يبدو أقرب إلى عالم يعمل فيه AI المحلي والسحابي معًا؛ الجهاز ينفذ ما يستطيع تنفيذه بسرعة وخصوصية، والسحابة تتولى المهام التي تحتاج إلى قدرات أكبر.
لذلك عندما تسمع أن هاتفًا أو كمبيوترًا جديدًا يحتوي على وحدة معالجة عصبية أو قدرات AI مدمجة، لا تعتبرها مجرد عبارة تسويقية.
اسأل السؤال الأهم:
ما الذي يستطيع هذا الجهاز أن يعالجه محليًا، وما الذي سيظل بحاجة إلى السحابة؟
هنا تبدأ فعلًا في فهم مستقبل الذكاء الاصطناعي.
0 تعليقات