با فرارسیدن فصل معرفی گجت‌های جدید در پاییز ۱۴۰۳، شاهد تغییری بنیادین در استراتژی غول‌های فناوری هستیم. مایکروسافت با لپ‌تاپ‌های رده‌بالا، آمازون با تبلت‌های جدید مبتنی بر اندروید و اپل با تمرکز ویژه بر خانه‌های هوشمند، همگی در حال حرکت به سمت یک هدف مشترک هستند: تبدیل «دستیار هوشمند» به هسته مرکزی تعامل با رایانه. اما پرسش اصلی اینجاست که آیا قراردادن هوش مصنوعی در قلب سخت‌افزار، مسیر درستی برای آینده محاسبات است؟
تغییر معماری: از ابزار تا عامل (Agent)
در دهه‌های گذشته، سیستم‌عامل‌ها به عنوان بستری برای اجرای اپلیکیشن‌ها شناخته می‌شدند. اکنون شرکت‌های بزرگی مانند مایکروسافت و آمازون تلاش می‌کنند هوش مصنوعی را از سطح یک اپلیکیشن ساده به لایه سیستم‌عامل تزریق کنند. این تغییر یعنی به‌جای اینکه کاربر به دنبال آیکون‌ها بگردد، سیستم‌عامل باید پیش‌دستانه نیازهای کاربر را تحلیل کرده و اقدامات لازم را انجام دهد. این رویکرد که به اصطلاح «AI-First Computing» نامیده می‌شود، چالش‌های امنیتی و حریم خصوصی جدیدی را ایجاد کرده است.
تقابل دیدگاه‌ها در سخت‌افزار مدرن
بررسی گجت‌های جدید نشان می‌دهد که شرکت‌ها به دو دسته تقسیم شده‌اند. دسته‌ای که معتقدند هوش مصنوعی باید در فضای ابری (Cloud-based) پردازش شود، و دسته‌ای دیگر که به اهمیت پردازش‌های محلی (On-device AI) تأکید دارند. برای مثال، تبلت‌های آمازون که از سیستم‌عامل اصلاح‌شده اندروید بهره می‌برند، برای اجرای بهینه الکسا (Alexa) نیازمند بهینه‌سازی‌های سخت‌افزاری خاصی هستند که فشار پردازشی را بر واحد پردازش عصبی (NPU) دستگاه متمرکز می‌کند.
آیا AI باید کنترل کامپیوتر را در دست بگیرد؟
بحث جنجالی که در پادکست Vergecast مطرح شد، این است که آیا مدل‌های زبانی بزرگ (LLM) و عامل‌های هوشمند صلاحیت مدیریت فرآیندهای رایانه‌ای را دارند؟ مدیریت سیستم‌عامل شامل مدیریت منابع، فایل‌سیستم و دسترسی‌های حساس است. اگر یک مدل هوش مصنوعی دچار توهم (Hallucination) شود و دستوری مخرب را در سطح هسته (Kernel) اجرا کند، پیامدهای آن می‌تواند فاجعه‌بار باشد. از سوی دیگر، مزیت این رویکرد، کاهش قابل توجه اصطکاک میان کاربر و رابط کاربری است.
مشخصات فنی تحلیلی در سخت‌افزارهای نسل جدید
- واحد پردازش عصبی (NPU): حداقل ۲۰ تا ۴۵ ترافلاپس برای اجرای محلی مدل‌های کوچک.
- حافظه یکپارچه (Unified Memory): نیاز به حداقل ۱۶ گیگابایت برای جلوگیری از گلوگاه‌های حافظه در زمان پردازش همزمان هوش مصنوعی.
- اتصال: وابستگی شدید به Wi-Fi 7 برای انتقال دستورات بین‌دستگاهی در اکوسیستم‌های بسته.
- امنیت: استفاده از Secure Enclave برای نگهداری کلیدهای رمزنگاری مدل‌های هوش مصنوعی.
نتیجه‌گیری: ضرورت بازنگری در طراحی
صنعت فناوری در حال ورود به دوره‌ای است که «سخت‌افزار» تنها به عنوان پوسته‌ای برای اجرای «هوش مصنوعی» عمل می‌کند. اگرچه این رویکرد جذاب است، اما باید دید آیا کاربران حاضرند کنترل کامل سیستم خود را به یک مدل احتمالات‌محور بسپارند یا خیر. آنچه در حال حاضر مشخص است، این است که در سال‌های پیش رو، توان محاسباتی NPUها از توان خام CPUها برای کاربران عادی اهمیت بیشتری خواهد یافت.
