فایل محلی. مدل محلی. اقدام محلی. این سه عبارت ممکن است در معرفی یک قابلیت هوش مصنوعی کنار هم دیده شوند، اما یک چیز را توصیف نمی‌کنند. اولی می‌گوید اطلاعات کجا نگهداری می‌شود، دومی می‌گوید محاسبه کجا انجام می‌شود و سومی درباره محل انجام کار است. اگر این تفاوت را نبینیم، ممکن است از عبارت «هوش مصنوعی روی رایانه» نتیجه بگیریم که همه کارها بدون اینترنت انجام می‌شوند؛ نتیجه‌ای که لزوماً درست نیست.
مایکروسافت در ۷ اکتبر ۲۰۲۶، هم‌زمان با انتشار اطلاعیه رسمی خود، برنامه تازه ویندوز برای «هوش مصنوعی ترکیبی» را شرح داد: کنار هم قرار گرفتن پردازش روی دستگاه و پردازش ابری. شرکت برای Copilot از دسترسی مجاز به اطلاعات موجود روی رایانه، انجام اقدام روی رایانه و استفاده از مدل‌های محلی می‌گوید. عرضه قابلیت‌های ترکیبی این دستیار روی Copilot+ PCها برای ماه‌های آینده پیش‌بینی شده است؛ معرفی برنامه را نباید با فعال بودن همه قابلیت‌ها روی هر لپ‌تاپ یکی گرفت. اطلاعیه رسمی مایکروسافت
یک پوشه دستور غذا، دو محل برای فکر کردن
فرض کنیم چند دستور غذای خانوادگی را در فایل‌های رایانه نگه داشته‌اید و می‌خواهید از مواد اولیه آن‌ها یک فهرست خرید بسازید. این یک مثال تألیفی برای توضیح سازوکار است، نه گزارشی از آزمون Copilot. اگر برنامه فایل‌ها را از رایانه بخواند اما متن را برای پردازش به یک سرویس اینترنتی بفرستد، فایل اصلی محلی بوده، ولی پردازش پاسخ محلی نبوده است. جای نگهداری ورودی، به‌تنهایی مسیر بعدی اطلاعات را مشخص نمی‌کند.
حالا همان کار را با مدلی تصور کنید که روی دستگاه اجرا می‌شود. مدل، متن در دسترس را پردازش می‌کند و پیشنهاد فهرست خرید می‌دهد. اگر در ادامه قیمت امروز مواد اولیه را از فروشگاه اینترنتی بخواهید، کار به اطلاعات تازه بیرونی نیاز پیدا می‌کند. بنابراین حتی در سناریویی با مدل محلی، بخشی از فرایند می‌تواند آنلاین باشد. «مدل روی دستگاه است» و «هیچ ارتباط شبکه‌ای وجود ندارد» دو ادعای جدا هستند.
این تفاوت در توضیح فنی مایکروسافت درباره GitHub Copilot نیز صریح است: انتخاب مدل، اجرای محاسبات و اجرای ابزارها مرزهای یکسانی ندارند. شرکت دو مسیر را معرفی می‌کند؛ انتخاب خودکار میان مدل محلی و ابری، یا انتخاب مستقیم مدل محلی. همان سند تأکید می‌کند محلی بودن پردازش مدل، تمام فرایند کار را آفلاین نمی‌کند. GitHub Copilot ابزار برنامه‌نویسی است و این توضیح را نباید وعده قابلیت یکسان برای همه نسخه‌های Copilot دانست. توضیح فنی مسیریابی محلی و ابری
برای خواننده غیرمتخصص، کاربرد این تفکیک آن است که هنگام دیدن یک قابلیت تازه، سؤال دقیق‌تری بپرسد. به‌جای «این برنامه محلی است؟» بپرسیم «متن این فایل برای پاسخ دادن کجا پردازش می‌شود؟» یا «این مرحله از کار به کدام سرویس بیرونی وصل می‌شود؟» جواب ممکن است با تغییر حالت برنامه یا نوع درخواست عوض شود. یک برچسب کلی نمی‌تواند جای توضیح هر مرحله را بگیرد.
جا شدن فایل مدل با راحت کار کردن آن فرق دارد
حافظه ذخیره‌سازی را می‌توان به بایگانی و حافظه کاری را به سطح میز تشبیه کرد. جا شدن یک پرونده در بایگانی ثابت نمی‌کند که برای باز کردن همه برگه‌ها و کار هم‌زمان روی آن‌ها، میز کافی داریم. این تشبیه ساده است، اما کمک می‌کند ظرفیت دیسک را با حافظه لازم برای اجرای مدل اشتباه نگیریم.
در سند فنی مایکروسافت، حافظه فقط به خود مدل اختصاص ندارد: سیستم‌عامل، برنامه‌های دیگر و اطلاعات مربوط به متن پردازش‌شده نیز از آن استفاده می‌کنند. با طولانی شدن زمینه گفت‌وگو، مصرف حافظه و کار محاسباتی می‌تواند تغییر کند. از همین رو، بارگذاری موفق مدل به معنی زمان پاسخ ثابت در تمام درخواست‌ها نیست. بخش حافظه و طول زمینه در سند فنی
به مثال دستور غذا برگردیم. پاسخ کوتاه درباره یک فایل، با مرور چندین فایل و اصلاح پیاپی فهرست خرید، کار یکسانی نیست. برای ارزیابی عملی، دیدن اولین جمله پاسخ کافی نیست؛ باید دید کار تا انتها قابل استفاده می‌ماند یا نه. اگر نتیجه نهایی مواد لازم را جا انداخته باشد، شروع سریع پاسخ به‌تنهایی مسئله ما را حل نکرده است. این معیار پیشنهادی برای سنجش است، نه نتیجه اندازه‌گیری روی سخت‌افزار تازه.
مایکروسافت در معرفی Windows ML می‌گوید اجرای محلی می‌تواند تأخیر را کاهش دهد، داده همان پردازش را روی دستگاه نگه دارد و هزینه پردازش ابری به‌ازای واحدهای متن، موسوم به توکن، را حذف کند. این چارچوب برای اجرای مدل روی پردازنده‌های مختلف رایانه طراحی شده است. واژه «می‌تواند» مهم است: فایده واقعی به مدل، دستگاه و کاری که برنامه انجام می‌دهد وابسته است. معرفی قابلیت‌های Windows ML
نداشتن هزینه یک درخواست ابری، به معنی رایگان بودن همه اجزای تجربه نیست. اشتراک احتمالی برنامه، سخت‌افزار و زمانی که برای اصلاح خروجی صرف می‌کنیم، پرسش‌های جداگانه‌اند. این مقاله درباره قیمت نهایی یا صرفه اقتصادی خرید دستگاه تازه حکم نمی‌دهد. برای مقایسه، ابتدا باید همان کار مشخص را تعریف کرد؛ وگرنه دو ابزار ممکن است با عنوانی مشابه، خروجی‌هایی با ارزش کاملاً متفاوت بسازند.
تقویم عرضه را از فهرست قابلیت‌ها جدا کنیم
خبر ۷ اکتبر چند لایه دارد که در یک زمان به دست همه کاربران نمی‌رسند. تصویر روشن‌تر، با کنار هم گذاشتن زمان‌بندی منابع رسمی به دست می‌آید:
- ابزار توسعه: پشتیبانی تازه و آزمایشی llama.cpp در Windows ML برای اجرای مدل‌های محلی معرفی شده است. این یک امکان برای توسعه‌دهندگان است؛ وجود آن به معنی اضافه شدن خودکار یک دستیار آماده به همه رایانه‌ها نیست. وضعیت آزمایشی Windows ML
- مسیریابی در ابزار برنامه‌نویسی: پیش‌نمایش آزمایشی ترکیب پردازش محلی و ابری با HydraFusion در ابزارهای GitHub Copilot برای ادامه اکتبر اعلام شده است. زمان‌بندی پیش‌نمایش
- جست‌وجوی ویندوز: تجربه تازه Search از ۷ اکتبر به‌تدریج برای کانال Experimental برنامه Windows Insider عرضه می‌شود و زبان پشتیبانی‌شده در نسخه نخست انگلیسی است. این مسیر آزمایشی را با عرضه عمومی قابلیت‌های ترکیبی Copilot یکی نگیریم. شرایط نسخه نخست Windows Search
این تقویم توضیح می‌دهد چرا ممکن است دو نفر همان خبر را بخوانند، اما گزینه‌های یکسانی روی دستگاهشان نبینند. همچنین از پشتیبانی اولیه انگلیسی در Search نمی‌توان درباره کیفیت فارسی همه مدل‌ها نتیجه گرفت. در منابع بررسی‌شده این مقاله، شواهد کافی برای داوری درباره کیفیت فارسی یا دسترسی همه قابلیت‌ها از ایران به دست نیامده است.
یک یادداشت کوتاه، دقیق‌تر از برچسب «AI PC»
اگر بعداً به قابلیت مورد نظر دسترسی داشتید، نتیجه استفاده را با نام دستگاه، نسخه برنامه و شرح کار ثبت کنید. برای مثال فرضی ما، یادداشت مفید می‌گوید: فهرست خرید از کدام فایل‌ها ساخته شد، کدام مرحله محلی بود، کجا اطلاعات آنلاین لازم شد و چه بخشی از خروجی نیاز به اصلاح داشت. این توصیف، برای مقایسه تجربه بعدی بسیار روشن‌تر از عبارت «هوش مصنوعی خوب کار کرد» است.
برنامه تازه ویندوز، انتخاب محل پردازش را جدی‌تر وارد تجربه رایانه شخصی می‌کند. اما ارزش آن برای هر فرد، در نام فناوری خلاصه نمی‌شود. وقتی بتوانیم توضیح بدهیم کدام کار روی دستگاه انجام شده، کدام بخش هنوز به ابر وابسته بوده و نتیجه چقدر قابل استفاده است، آن‌وقت از شعار معرفی محصول به ارزیابی واقعی ابزار رسیده‌ایم.
هر دو تصویر با هوش مصنوعی ساخته شده‌اند و تصویرسازی مفهومی هستند؛ نمای واقعی محصول، رابط ویندوز یا نمودار اندازه‌گیری‌شده سخت‌افزار نیستند.
منابع
- Microsoft: برنامه ویندوز برای هوش مصنوعی ترکیبی — ۷ اکتبر ۲۰۲۶.
- Microsoft: مدل‌های محلی و ابزارهای محدودشده در ویندوز و GitHub Copilot — ۷ اکتبر ۲۰۲۶.
- Microsoft: توسعه هوش مصنوعی با Windows ML — ۷ اکتبر ۲۰۲۶.
- Microsoft: تجربه تازه Windows Search و شرایط پیش‌نمایش — ۷ اکتبر ۲۰۲۶.
نظر شما چیست؟