عقل متعارف میگوید که مشخصات گوشیهای هوشمند دیگر چندان اهمیتی ندارند. چه به دنبال بهترین پرچمداران باشید یا یک میان رده خوش دست، همه آنها توانایی انجام کارهای روزانه، انجام جدیدترین بازیهای موبایلی و حتی گرفتن عکسهای فوقالعاده خوب را دارند.
یافتن سختافزار تلفن همراه بد کاملاً دشوار است، مگر اینکه بودجه مطلق بازار را از بین ببرید. به عنوان مثال، مصرف کنندگان و کارشناسان به طور یکسان شیفته سری پیکسل 8 هستند، اگرچه این سری از آیفون 15 و سایر رقبای اندرویدی بسیار عقبتر است. به طور مشابه، آخرین پرچمداران اپل و سامسونگ به سختی روی سخت افزار دوربین حرکت میکنند، اما همچنان برای عکاسی بسیار مورد توجه قرار میگیرند.
مطالعه اولین تصویر گوشی گوگل پیکسل 8a
مشخصات به سادگی دیگر به طور خودکار با بهترین گوشی هوشمند برابری نمیکند. با این حال، سری پیکسل 8 گوگل و سری گلکسی اس 24 آینده سامسونگ پای خود را ثابت گذاشتند. در واقع، ما میتوانیم مسابقه جدیدی را با مشخصات فنی آغاز کنیم. البته ما در مورد هوش مصنوعی و بحث داغ در مورد مزایا و معایب پردازش روی دستگاه در مقابل پردازش مبتنی بر ابر صحبت کنیم.
ویژگیهای هوش مصنوعی به سرعت تلفنهای ما را حتی بهتر میکنند، اما بسیاری از آنها به پردازش ابری نیاز دارند.
به طور خلاصه، اجرای درخواستهای هوش مصنوعی کاملاً متفاوت از پردازنده همهمنظوره و حجمهای کاری گرافیکی است که ما با آنها همراهی کردهایم و برای دستگاههای موبایل، لپتاپ و سایر ابزارهای مصرفکننده معیار قرار میدهیم.
برای شروع، مدلهای یادگیری ماشینی (ML) بزرگ هستند و حتی قبل از اجرای آنها به حافظههای زیادی برای بارگیری نیاز دارند. حتی مدلهای فشرده نیز چندین گیگابایت رم را اشغال میکنند که نسبت به بسیاری از بازیهای موبایل، حافظه بیشتری را به آنها میدهد.
ثانیاً، اجرای کارآمد یک مدل ML به بلوکهای منطقی محاسباتی منحصر به فرد بیشتری نسبت به CPU یا GPU معمولی شما و همچنین پشتیبانی از فرمتهای اعداد صحیح کوچک مانند INT8 و INT4 نیاز دارد. به عبارت دیگر، شما در حالت ایده آل به یک پردازنده تخصصی برای اجرای این مدل ها در زمان واقعی نیاز دارید.
به عنوان مثال، تولید تصویر Stable Diffusion را بر روی یک CPU مدرن قدرتمند در سطح دسکتاپ اجرا کنید. چندین دقیقه طول میکشد تا نتیجه حاصل شود. خوب، اما اگر عجله میخواهید یک تصویر داشته باشید، مفید نیست. پردازندههای قدیمیتر و کممصرفتر، مانند آنهایی که در گوشیها یافت میشوند، برای این نوع کار بلادرنگ حذف نمیشوند. دلیلی وجود دارد که چرا انویدیا در تجارت کارتهای شتاب دهنده هوش مصنوعی است و چرا پردازندههای پرچمدار گوشیهای هوشمند به طور فزایندهای قابلیتهای هوش مصنوعی خود را تبلیغ میکنند. با این حال، گوشیهای هوشمند به دلیل سطح بودجه و فضای محدود خود، محدود میشوند، به این معنی که محدودیتی برای کارهایی که در حال حاضر میتوان روی دستگاه انجام داد وجود دارد.
این در هیچ کجا به اندازه جدیدترین پیکسل و گوشیهای هوشمند گلکسی آتی مشهود نیست. هر دو به ویژگیهای جدید هوش مصنوعی متکی هستند تا مدلهای جدید را از مدلهای قبلی خود متمایز کنند و پردازندههای مجهز به هوش مصنوعی ورزشی را برای اجرای ابزارهای مفیدی مانند Call Screening و Magic Eraser، بدون ابر. با این حال، به چاپ کوچک نگاه کنید و متوجه خواهید شد که برای چندین ویژگی سختگیرانه هوش مصنوعی برای پردازش ابری به اتصال اینترنت نیاز است. Video Boost گوگل یک نمونه بارز است و سامسونگ پیشتر توضیح داده است که برخی از ویژگیهای آینده Galaxy AI در فضای ابری نیز اجرا خواهند شد.
استفاده از قدرت سرور برای انجام کارهایی که نمیتوان با تلفنهای ما انجام داد ابزار مفیدی است، اما چند محدودیت وجود دارد. اولین مورد این است که این ابزارها به اتصال به اینترنت نیاز دارند (بدیهی است) و داده مصرف میکنند، که ممکن است برای اتصالات کند، برنامههای داده محدود یا هنگام رومینگ مناسب نباشد. برای مثال، ترجمه بلادرنگ زبان در ارتباطی با تأخیر بسیار زیاد خوب نیست.
پردازش هوش مصنوعی محلی قابل اعتمادتر و امن تر است، اما به سخت افزار پیشرفتهتری نیاز دارد.
دوم، انتقال داده ها، به ویژه اطلاعات شخصی مانند مکالمات یا تصاویر شما، یک خطر امنیتی است. نامهای بزرگ ادعا میکنند که دادههای شما را از اشخاص ثالث ایمن نگه میدارند، اما این هرگز تضمینی نیست. علاوه بر این، شما باید چاپ ریز را بخوانید تا بدانید آیا آنها از آپلودهای شما برای آموزش بیشتر الگوریتم های خود استفاده میکنند یا خیر.
سوم، این ویژگیها میتوانند در هر زمانی لغو شوند. اگر گوگل تصمیم بگیرد که Video Boost برای اجرا درازمدت بسیار گران است یا به اندازه کافی محبوب نیست تا بتواند از آن پشتیبانی کند، میتواند آن را قطع کند و ویژگیای که گوشی را برای آن خریدهاید از بین میرود. البته، عکس این موضوع صادق است: شرکتها میتوانند به راحتی قابلیتهای جدید هوش مصنوعی ابری را به دستگاهها اضافه کنند، حتی آنهایی که فاقد سختافزار هوش مصنوعی قوی هستند. پس همه چیز بد نیست.
با این حال، در حالت ایدهآل، اجرای وظایف هوش مصنوعی به صورت محلی در صورت امکان سریعتر، ارزانتر و ایمنتر است. به علاوه، تا زمانی که تلفن به کار خود ادامه میدهد، میتوانید ویژگیها را حفظ کنید. روی دستگاه بهتر است، بنابراین چرا توانایی فشردهسازی و اجرای مدلهای زبان بزرگ، تولید تصویر و سایر مدلهای یادگیری ماشینی بر روی تلفن شما جایزهای است که فروشندگان تراشهها عجله دارند که ادعا کنند. جدیدترین پرچمدار کوالکام اسنپدراگون 8 نسل 3، مدیاتک دایمنسیتی 9300، تنسور جی 3 گوگل و A17 پرو اپل، همگی از یک بازی هوش مصنوعی بزرگتر از مدلهای قبلی صحبت میکنند.
خوشبختانه، دستگاههای میانرده میتوانند از پردازش ابری برای دور زدن این کسری استفاده کنند، اما ما هنوز نشانهای مبنی بر اینکه برندها برای کاهش این ویژگیها عجله دارند، ندیدهایم. به عنوان مثال، گوگل قیمت ویژگیهای ابری خود را در قیمت پیکسل 8 پرو قرار داد، اما پیکسل 8 ارزانتر بدون بسیاری از این ابزارها (در حال حاضر) باقی مانده است. در حالی که شکاف بین گوشیهای میانرده و پرچمدار برای کارهای روزمره در سالهای اخیر واقعاً کاهش یافته است، شکاف رو به رشدی در حوزه قابلیتهای هوش مصنوعی وجود دارد.
نکته اصلی این است که اگر میخواهید جدیدترین و بهترین ابزارهای هوش مصنوعی روی دستگاه اجرا شوند (و باید!)، ما حتی به سیلیکون تلفن هوشمند قدرتمندتری نیاز داریم. خوشبختانه، جدیدترین تراشهها و گوشیهای هوشمند پرچمدار، مانند سری آینده سامسونگ گلکسی S24، به ما اجازه میدهند تا مجموعهای از ابزارهای قدرتمند هوش مصنوعی را روی دستگاه اجرا کنیم. این تنها با داغ شدن رقابت تسلیحاتی پردازنده های هوش مصنوعی رایج تر می شود.