تحول بزرگ در Apple Intelligence؛ آیا PrismML مدل‌های هوش مصنوعی را روی iPhone متحول می‌کند؟

Apple در حال بررسی فناوری جدیدی است که می‌تواند اندازه مدل‌های بزرگ زبانی (LLM) را به طور چشمگیری کاهش دهد. این حرکت، در صورت موفقیت، می‌تواند تحولی در پردازش هوش مصنوعی روی دستگاه‌های Apple ایجاد کند و حتی دسترسی به Apple Intelligence را به دستگاه‌های قدیمی‌تر گسترش دهد.

شرح خبر

یک استارت‌آپ حوزه هوش مصنوعی به نام PrismML در تاریخ ۹ ژوئیه با استفاده از روش‌های ریاضی موفق شد اندازه یک مدل زبانی بزرگ را به میزان قابل توجهی کاهش دهد. برای مثال، مدل Qwen 3.6 با حجم ۵۴ گیگابایت و ۲۷ میلیارد پارامتر به اندازه ۴ گیگابایت فشرده شد. این اندازه به قدری کوچک است که روی برخی از فلش‌مموری‌های تبلیغاتی قدیمی نیز جا می‌گرفت.

بر اساس گزارش AppleInsider، گمانه‌زنی‌ها درباره علاقه Apple به این استارت‌آپ در ۱۴ ژوئیه توسط خود PrismML تأیید شد. بابک حسینی، مدیرعامل PrismML، در مصاحبه‌ای اعلام کرد که Apple و چند شرکت دیگر در حال ارزیابی فناوری این استارت‌آپ هستند. این تأییدیه عمومی از سوی حسینی قابل توجه است، چرا که Apple معمولاً همکاری‌های خود را با شرکت‌های دیگر با توافقنامه‌های محرمانه (NDA) همراه می‌کند.

به نظر می‌رسد که این فناوری آنقدر حیاتی است که می‌تواند دستمایه مذاکرات خرید باشد. اگر شرکتی بتواند PrismML را خریداری کرده و فناوری آن را به صورت انحصاری در اختیار بگیرد، یک مزیت جدی نسبت به بقیه صنعت خواهد داشت. بر اساس گزارشی در ۱۵ ژوئیه، اعتقاد بر این است که Apple در دوران مدیریت جان ترنوس، استراتژی خرید خود را از صرف صدها میلیون دلار برای خرید یک شرکت به میلیاردها دلار تغییر داده است. با این حال، اظهارات مدیرعامل PrismML بیشتر به دنبال جلب توجه سایر شرکت‌های هوش مصنوعی برای ایجاد یک جنگ مناقصه یا تضمین قراردادهای مجوزدهی سودآور به نظر می‌رسد تا فروش شرکت.

چرا این اتفاق مهم است؟

برای Apple، فناوری PrismML مزایای بزرگی دارد، به ویژه برای هدف این شرکت یعنی افزایش پردازش روی دستگاه. مشکل فعلی Apple این است که iPhone‌ها حافظه محدودی دارند و بسیاری از دستگاه‌های مصرف‌کننده نیز از این قاعده مستثنی نیستند. در حالی که برخی وظایف هوش مصنوعی با پردازش روی دستگاه انجام می‌شود، وظایف سنگین‌تر به سرورهای ابری ارسال می‌شود. این سرورها به دلیل حافظه بسیار بیشتر می‌توانند مدل‌های بزرگ را اجرا کنند.

Siri در iOS 27 و macOS 27 Golden Gate بهبود یافته است. Apple با استفاده از فرآیند تقطیر (distillation) و آموزش، توانسته است برخی از قابلیت‌های Google Gemini را در مدل کوچک‌تری که برای iPhone مناسب است، بازسازی کند. اما فناوری PrismML می‌تواند یک ضریب‌دهنده قدرتمند باشد. نه تنها مدل‌های بزرگ می‌توانند به طور کامل روی یک iPhone اجرا شوند، بلکه مدل‌های تقطیر شده نیز می‌توانند حتی کوچک‌تر شوند. این کار حافظه بیشتری را برای پردازش وظایف آزاد می‌کند.

گسترش هوش مصنوعی روی سخت‌افزارهای بیشتر

یکی دیگر از احتمالات جالب، گسترش دامنه Apple Intelligence است. در WWDC، Apple اعلام کرد که قدرتمندترین مدل‌های روی دستگاه تنها در مدل‌های خاصی از iPhone و مک در دسترس خواهند بود. این دستگاه‌ها شامل iPhone Air و iPhone 17 Pro با ۱۲ گیگابایت حافظه، iPad مجهز به M4 با ۱۲ گیگابایت حافظه و Mac با تراشه M3 و ۱۲ گیگابایت حافظه یا بیشتر می‌شوند.

در حالی که قدرت پردازش یک عامل است، حافظه قطعاً عامل دیگری خواهد بود. تصور اینکه Apple از فناوری PrismML برای کاهش اندازه آن مدل قدرتمند روی دستگاه استفاده کند تا در حافظه محدود مدل‌های قدیمی‌تر جا بگیرد، دشوار نیست. با تعمیم این موضوع، شاید Apple بتواند دسترسی به Apple Intelligence را به دستگاه‌های قدیمی‌تر و با مشخصات پایین‌تر گسترش دهد. البته این کار با مصالحه‌هایی مانند پردازش کندتر وظایف همراه خواهد بود، اما کاربران سخت‌افزارهای قدیمی احتمالاً با این موضوع کنار می‌آیند.

جمع‌بندی

PrismML یک فرصت عالی برای Apple است تا گامی بزرگ در زمینه هوش مصنوعی بردارد. اگر Apple می‌خواهد در زمینه پردازش روی دستگاه پیشتاز باشد، این شانس را دارد که گامی بسیار مهم به سوی این هدف بردارد. با این حال، همه چیز به صحت فناوری و تمایل PrismML برای فروش یا مشارکت بستگی دارد. در هر صورت، این داستان یکی از مهم‌ترین تحولات هفته‌های اخیر در دنیای فناوری بوده است.