دستهبندی نشده
پرپلکسیتی و دستیار هوش مصنوعی آفلاین؛ معرفی Portable Computer
پرپلکسیتی با محصول تازهاش، Portable Computer، دستیار هوش مصنوعی را از سرورهای ابری بیرون کشیده و مستقیم روی کامپیوتر شخصی کاربر نشانده است؛ اتفاقی که میتواند معنای «حریم خصوصی در هوش مصنوعی» را برای همیشه تغییر دهد.
لیست مطالب
۱. پرپلکسیتی چه چیزی معرفی کرده است؟
شرکت پرپلکسیتی که پیشتر با موتور جستوجوی هوشمند خود شناخته میشد، این بار محصولی به نام Portable Computer را رونمایی کرده است؛ نسخهای کاملاً محلی از دستیار هوش مصنوعی Perplexity Computer که پیشتر بهصورت ابری عرضه شده بود. تفاوت اصلی این نسخه با اکثر ابزارهای مشابه بازار در همین «محلی بودن» است: بهجای ارسال هر درخواست به سرورهای دوردست، تمام فرایند برنامهریزی، اجرای وظایف و تولید پاسخ روی همان دستگاهی انجام میشود که کاربر جلوی آن نشسته است.
این معرفی را باید در ادامهٔ روندی دید که چند ماه پیش با نسخهٔ ابری Perplexity Computer آغاز شد؛ محصولی که برای انجام کارهای پیچیده و چندمرحلهای مثل تحقیق، نوشتن و کدنویسی طراحی شده بود. حالا با Portable Computer، پرپلکسیتی همان قابلیتها را به دنیای سختافزار شخصی آورده و عملاً مرز میان «دستیار هوش مصنوعی ابری» و «نرمافزار نصبشده روی کامپیوتر» را کمرنگتر کرده است. به بیان ساده، کاربر دیگر مجبور نیست بین سرعت و قدرت مدلهای بزرگ از یکسو، و حفظ کنترل کامل بر دادههای خود از سوی دیگر، یکی را انتخاب کند.
این رویکرد در دنیایی که اکثر دستیارهای هوش مصنوعی – از اوپنایآی گرفته تا گوگل و مایکروسافت – بر پردازش ابری تکیه دارند، نسبتاً غیرمعمول است. برای آشنایی بیشتر با تفاوت رویکردهای مختلف شرکتهای هوش مصنوعی، میتوانید سری مقالات مقایسهٔ چتجیپیتی و دیپسیک را در سایت ما بخوانید.
۲. Portable Computer دقیقاً چطور کار میکند؟
در مرکز این سیستم، معماریای شامل یک هماهنگکننده (orchestrator)، برنامهریز، مسیریاب ابزار، زمانبند و صف وظایف پایدار قرار دارد که همگی بهصورت محلی روی دستگاه اجرا میشوند. وقتی کاربر یک درخواست پیچیده میدهد – مثلاً توسعهٔ یک اپلیکیشن وب یا تحلیل مجموعهای از اسناد – سیستم آن را به بخشهای کوچکتر تقسیم میکند و هرکدام را به یک زیرعامل (subagent) اختصاصی میسپارد.
این معماری چندعاملی شباهت زیادی به روشهایی دارد که در آموزش نوشتن پرامپت اصولی به آن اشاره میشود: شکستن یک مسئلهٔ بزرگ به وظایف کوچکتر و قابل مدیریت، دقیقاً همان کاری است که این دستیار بهصورت خودکار و در سطح سیستم انجام میدهد.
سختافزار مورد نیاز
در حال حاضر، اجرای Portable Computer به کامپیوتر رومیزی DGX Spark ساخت انویدیا نیاز دارد؛ دستگاهی کوچک اما قدرتمند که از تراشهٔ Grace Blackwell، پردازندهٔ آرم ۲۰ هستهای و ۱۲۸ گیگابایت حافظهٔ یکپارچه بهره میبرد. طبق اعلام رسمی پرپلکسیتی، پشتیبانی از رایانههای مجهز به کارت گرافیک RTX هم بهزودی اضافه میشود و نسخهٔ ویندوز این ابزار، که در حال حاضر فقط روی لینوکس اجرا میشود، پاییز امسال عرضه خواهد شد.
۳. چرا حذف هزینهٔ هر توکن اینقدر مهم است؟
یکی از بزرگترین دغدغههای کسبوکارهایی که از دستیارهای هوش مصنوعی برای کارهای روزمره استفاده میکنند، هزینهٔ تجمعی مصرف توکن است. در مدل Portable Computer، هر کاری که مدلهای محلی انجام دهند، هیچ هزینهای در ازای هر توکن ندارد؛ چون پردازش کاملاً روی سختافزار خود کاربر انجام میشود و دیتایی به سرورهای شرکت ارسال نمیشود. تنها زمانی که سیستم برای افزایش دقت به مدلهای ابری وصل شود، هزینهٔ استاندارد هر توکن اعمال خواهد شد.
۴. چه مدلهای هوش مصنوعیای زیر کاپوت این سیستم قرار دارند؟
در راهاندازی اولیه، Portable Computer از مدل متنباز Qwen نسخهٔ ۳.۸ با ۲۷ میلیارد پارامتر و نسخهٔ اختصاصی و بازآموزیشدهٔ آن با نام PPLX 27B استفاده میکند. مدل Nemotron 3.5 Lightning با ۳۰ میلیارد پارامتر، محصول مشترک انویدیا، هم بهزودی به این مجموعه اضافه خواهد شد و وظیفهٔ تبدیل گفتار به متن را هم بر عهده خواهد گرفت.
طبق آزمون داخلی شرکت روی مجموعهای متشکل از ۵۳ وظیفهٔ دانشمحور، مدل Qwen 3.8 به دقت ۸۲.۶ درصد و مدل اختصاصی PPLX 27B به دقت ۸۵.۴ درصد رسیدهاند؛ ارقامی که نشان میدهند مدلهای نسبتاً کوچک و کاملاً محلی، در بسیاری از کارهای روزمره میتوانند جایگزین مناسبی برای مدلهای عظیم ابری باشند.
۵. وقتی کار سنگینتر شود چه اتفاقی میافتد؟
برای وظایفی که نیاز به قدرت پردازشی بیشتری دارند – مثل جستوجوی وب زنده، مرور مرورگر یا استدلال بسیار پیچیده – سیستم میتواند با اجازهٔ صریح کاربر به بیش از پانزده مدل پیشرفتهٔ ابری، از جمله Claude Opus 5 ساختهٔ آنتروپیک، متصل شود. در آزمون Terminal Bench 2.1 که وظایف برنامهنویسی را ارزیابی میکند، استفادهٔ تنها از مدل محلی Qwen به دقت ۵۹.۶ درصد با هزینهٔ تقریباً صفر رسید. ترکیب مدل محلی با اتصال به ابر، دقت را تا ۷۳ درصد با هزینهٔ کمتر از نیم دلار برای هر وظیفه بالا برد؛ در حالی که استفادهٔ کامل از یک مدل پیشرفتهٔ ابری بهتنهایی به دقت ۸۲.۴ درصد اما با هزینهٔ نزدیک به ۰.۶۵ دلار برای هر وظیفه رسید.
این رویکرد ترکیبی، در واقع جوابی عملی به یکی از چالشهای واقعی کسبوکارهاست که در مقالهٔ اهمیت هوش مصنوعی برای کسبوکارها هم به آن پرداختهایم: چطور میتوان از قدرت مدلهای بزرگ بهره برد بدون اینکه هزینه از کنترل خارج شود.
۶. حریم خصوصی؛ وعدهای که اینبار با طراحی فنی پشتیبانی میشود
طراحی امنیتی Portable Computer حول چند اصل ساده میچرخد: دادههای شخصی هرگز بهصورت پیشفرض از دستگاه خارج نمیشوند، اجرای کد در محیطهای ایزوله (sandbox) با دسترسی کنترلشده به فایلها و اپلیکیشنهای متصل انجام میشود، و پیش از هر بار ارسال اطلاعات به فضای ابری، سیستم صریحاً از کاربر اجازه میگیرد. علاوه بر این، یک طبقهبند اطلاعات هویتی (PII) روی محتوایی که قرار است به بیرون ارسال شود اجرا میشود تا از خروج ناخواستهٔ دادههای حساس جلوگیری کند.
برای شرکتها و افرادی که با اطلاعات محرمانه کار میکنند، این طراحی میتواند نقطهٔ عطفی باشد؛ موضوعی که با محدودیتهای فعلی هوش مصنوعی که در مقالهٔ پتانسیل و محدودیتهای واقعی هوش مصنوعی بررسی کردهایم، ارتباط مستقیم دارد.
۷. مقایسه با ابزارهای متنباز محلی مثل Ollama
اجرای مدلهای زبانی روی سختافزار شخصی، ایدهٔ تازهای نیست؛ ابزارهای متنبازی مثل Ollama سالهاست همین کار را انجام میدهند. تفاوت اصلی پرپلکسیتی در رویکرد «آماده برای استفاده» است: بهجای اینکه کاربر خودش مدل، سختافزار و ابزارهای مکمل را کنار هم بچیند، Portable Computer یک بستهٔ یکپارچه و از پیش بهینهشده ارائه میدهد که با یک نصب ساده از داخل اپلیکیشن پرپلکسیتی راهاندازی میشود. این یعنی هدف پرپلکسیتی نه رقابت مستقیم با جامعهٔ متنباز، بلکه هدف قرار دادن کاربران و سازمانهایی است که به یک راهحل تجاری، پایدار و پشتیبانیشده نیاز دارند.
۸. این حرکت چه معنایی برای آیندهٔ صنعت هوش مصنوعی دارد؟
عرضهٔ Portable Computer همزمان با گمانهزنیهای گسترده دربارهٔ سرمایهگذاری احتمالی انویدیا در پرپلکسیتی با ارزشگذاری بیش از ۳۰ میلیارد دلار رخ داده است؛ نشانهای از اینکه اجرای محلی مدلهای هوش مصنوعی دیگر یک بازار حاشیهای نیست، بلکه به یکی از میدانهای اصلی رقابت شرکتهای بزرگ تبدیل شده است. اگر این روند ادامه پیدا کند، بعید نیست رقبای دیگر هم بهزودی نسخههای محلی محصولات خود را عرضه کنند؛ روندی که میتواند تعادل قدرت بین شرکتهای بزرگ فناوری و کاربران نهایی را کمی به نفع کاربران تغییر دهد.
از منظر رقابتی، این اقدام پرپلکسیتی را در برابر رقبای بزرگتری مثل اوپنایآی و گوگل جسورتر نشان میدهد. در حالی که غولهای فناوری تمرکز اصلیشان روی افزایش قدرت مدلهای ابری و کاهش تأخیر پاسخدهی است، پرپلکسیتی با این حرکت وارد میدانی شده که تا امروز بیشتر در اختیار پروژههای متنباز و کوچکتر بود. اگر این استراتژی جواب بدهد، احتمال دارد فشار بازار باعث شود شرکتهای دیگر هم مجبور به ارائهٔ گزینههای محلی مشابه شوند، چون سازمانهای حساس به حریم خصوصی – از نهادهای دولتی گرفته تا شرکتهای حقوقی و پزشکی – معمولاً ترجیح میدهند دادههایشان هرگز از محیط کنترلشدهٔ خودشان خارج نشود.
این خبر چه ربطی به کاربران فارسیزبان دارد؟
برای بسیاری از کاربران و کسبوکارهای فارسیزبان، دسترسی پایدار و بدون محدودیت به ابزارهای هوش مصنوعی ابری همیشه ساده نبوده است؛ از قطعیهای اینترنت گرفته تا محدودیتهای دسترسی به برخی سرویسها. مدلهایی مثل Portable Computer، حتی اگر در کوتاهمدت بهصورت رسمی و گسترده در دسترس کاربران ایرانی قرار نگیرند، مسیر آیندهای را نشان میدهند که در آن وابستگی کامل به اتصال اینترنت پرسرعت و پایدار برای استفاده از هوش مصنوعی، دیگر یک الزام مطلق نخواهد بود. این موضوع بهویژه برای کسبوکارهای کوچک و متوسطی که با دادههای حساس مشتریان سروکار دارند، میتواند در آینده گزینهای جذاب باشد.
سؤالات متداول
آیا Portable Computer رایگان است؟ این ابزار در حال حاضر برای مشترکان پلنهای Pro، Max و Enterprise Pro/Max پرپلکسیتی روی سختافزار DGX Spark در دسترس است؛ کار مدلهای محلی هزینهٔ اضافی ندارد، اما اتصال به مدلهای ابری طبق تعرفهٔ استاندارد هزینه دارد.
آیا بدون کامپیوتر DGX Spark هم میشود از آن استفاده کرد؟ در حال حاضر خیر، اما پشتیبانی از کارتهای گرافیک RTX معمولی و رایانههای ویندوزی بهزودی اضافه خواهد شد.
آیا اطلاعات کاربر به سرورهای پرپلکسیتی ارسال میشود؟ بهطور پیشفرض خیر؛ دادهها فقط با اجازهٔ صریح کاربر و در صورت نیاز به پردازش سنگینتر، به فضای ابری ارسال میشوند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
