الذكاء الاصطناعي داخل الهاتف.. كيف تعمل النماذج دون إنترنت؟

هل تخيلت أن يستطيع هاتفك تلخيص رسالة طويلة أو تحسين صورة أو تحويل تسجيل صوتي إلى نص دون إرسال المحتوى إلى خادم بعيد؟ ربما اعتدت استخدام أدوات مثل ChatGPT وGemini عبر الإنترنت، ولذلك تعتقد أن جميع عمليات الذكاء الاصطناعي تحتاج إلى الاتصال المستمر بمراكز البيانات السحابية. لكن التطور الذي شهدته معالجات الهواتف والنماذج اللغوية الصغيرة جعل تنفيذ مجموعة متزايدة من المهام الذكية داخل الجهاز نفسه أمرًا ممكنًا.

تعتمد تقنية الذكاء الاصطناعي على الجهاز On-Device AI على تشغيل نماذج تعلم الآلة باستخدام الموارد الحاسوبية الموجودة داخل الهاتف، مثل المعالج المركزي CPU ومعالج الرسوميات GPU ووحدة المعالجة العصبية NPU، بدل إرسال كل طلب إلى خوادم خارجية. ويمنح هذا الأسلوب بعض التطبيقات القدرة على الاستجابة بسرعة أكبر، وتقليل الاعتماد على الاتصال بالإنترنت، ومعالجة بيانات معينة محليًا.

لكن تشغيل الذكاء الاصطناعي دون إنترنت لا يعني أن جميع إمكانات النماذج السحابية أصبحت متاحة داخل الهاتف. فهناك اختلافات مهمة في حجم النموذج والذاكرة والطاقة وقدرة المعالجة وطول السياق، ولهذا تعتمد كثير من المنظومات الحديثة على الجمع بين الذكاء المحلي والسحابي وفق طبيعة المهمة والجهاز المستخدم.

وقد أصبح هذا الاتجاه حاضرًا في تقنيات مثل Apple Intelligence ونماذج Gemini Nano المخصصة للأجهزة المحمولة، إلى جانب التطبيقات التي تستخدم نماذج صغيرة لمعالجة النصوص والصوت والصور محليًا. ومع ذلك، تختلف الوظائف المتاحة من هاتف إلى آخر؛ فقد يحمل جهازان الإصدار نفسه من أندرويد، لكن أحدهما يدعم قدرات ذكاء اصطناعي محلية لا تتوفر في الآخر بسبب اختلاف المعالج أو الذاكرة أو دعم الشركة المصنعة.

في هذا الدليل من Radar Tech – الرادار التقني، سنشرح بالتفصيل كيف يعمل الذكاء الاصطناعي داخل الهاتف دون إنترنت، بداية من النماذج الصغيرة والمعالجات العصبية، مرورًا بتقنيات ضغط النماذج وتقليل استهلاك الذاكرة، ووصولًا إلى معالجة البيانات محليًا والفرق بين الذكاء الاصطناعي السحابي والهجين. وسنوضح كذلك كيفية التعرف على الوظائف التي تعمل دون اتصال، وتأثيرها في البطارية والخصوصية، وما الذي ينبغي مراجعته قبل شراء هاتف يعتمد على مزايا الذكاء الاصطناعي.

الذكاء الاصطناعي داخل الهاتف.. كيف تعمل النماذج دون إنترنت؟

ما المقصود بالذكاء الاصطناعي المحلي On-Device AI؟

الذكاء الاصطناعي المحلي هو أسلوب لتنفيذ عمليات تعلم الآلة مباشرة باستخدام العتاد والبرمجيات الموجودة داخل جهاز المستخدم، دون الحاجة إلى إرسال كل عملية حسابية إلى خادم سحابي.

فبدل انتقال تسجيل صوتي إلى مركز بيانات خارجي حتى تتم معالجته، يمكن لنموذج محلي متوافق تنفيذ مهمة معينة باستخدام معالج الهاتف وذاكرته، ثم إظهار النتيجة داخل التطبيق.

وقد تشمل هذه المهام التعرف إلى الصوت وتحسين الصور وبعض وظائف الترجمة والتلخيص والتنبؤ بالكلمات، بحسب قدرات الجهاز والنموذج المستخدم.

ما الفرق بين الذكاء الاصطناعي المحلي والذكاء الاصطناعي السحابي؟

في النموذج السحابي Cloud AI، يُرسل التطبيق البيانات اللازمة إلى خادم بعيد عبر الإنترنت، ثم ينفذ الخادم العمليات الحسابية ويعيد النتيجة إلى الهاتف.

أما في النموذج المحلي، فتحدث العمليات الأساسية للمهمة المدعومة داخل الجهاز نفسه، باستخدام نموذج تم تنزيله وتوفيره بصورة مناسبة.

وهناك أيضًا نموذج ثالث يعرف باسم Hybrid AI أو الذكاء الاصطناعي الهجين، يجمع بين الطريقتين. فقد يعالج الهاتف المهام البسيطة محليًا، بينما يستعين بالسحابة عندما تحتاج المهمة إلى نموذج أكبر أو موارد إضافية.

لماذا بدأت شركات الهواتف تتجه إلى تشغيل AI محليًا؟

يرتبط هذا التحول بعدة عوامل تقنية، أهمها تطور شرائح الهواتف وزيادة كفاءة وحدات المعالجة العصبية وتحسن أساليب ضغط النماذج.

ففي السابق، كانت بعض تطبيقات الذكاء الاصطناعي تتطلب موارد تجعل تشغيلها على الهاتف بصورة عملية أمرًا صعبًا، خصوصًا عند مراعاة استهلاك الطاقة والحرارة وحجم الذاكرة.

لكن تطور البرمجيات والعتاد أتاح تشغيل نماذج أكثر كفاءة داخل أجهزة محمولة، مما فتح المجال أمام وظائف تستطيع الاستجابة دون الاعتماد المستمر على جودة الشبكة.

ما الفوائد الأساسية للمعالجة المحلية؟

تساعد المعالجة المحلية، عندما تُنفذ بصورة مناسبة، على تقليل الحاجة إلى نقل البيانات عبر الإنترنت، وتتيح لبعض الوظائف الاستمرار أثناء انقطاع الاتصال.

وقد تساهم كذلك في تقليل زمن الاستجابة، خاصة عندما تكون المهمة قصيرة ومناسبة لقدرات الجهاز.

ومن ناحية الخصوصية، يمكن أن يقلل إبقاء البيانات داخل الهاتف من تعرضها الناتج عن إرسالها إلى خدمات خارجية، لكن ذلك لا يعني أن جميع التطبيقات المحلية آمنة تلقائيًا أو أنها لا تجمع أي معلومات لأغراض أخرى.

أولًا: ما المقصود بالنماذج اللغوية الصغيرة SLM؟

عندما تسمع عن النماذج اللغوية الكبيرة Large Language Models، فقد تتخيل أن تشغيل أي نموذج ذكاء اصطناعي يحتاج إلى خوادم ضخمة وكميات مرتفعة من الذاكرة.

لكن توجد فئة أخرى تعرف باسم Small Language Models – SLM، وهي نماذج تُصمم أو تُحسن لتقديم قدرات لغوية باستخدام موارد أقل نسبيًا.

قد تمتلك هذه النماذج عددًا أقل من المعاملات مقارنة بالنماذج السحابية الكبيرة، أو تستخدم بنية أكثر كفاءة وتقنيات ضغط متقدمة تقلل حجمها وتكلفة تشغيلها.

هل النموذج الصغير يعني أنه ضعيف دائمًا؟

ليس بالضرورة، لأن جودة النموذج تعتمد على طريقة تدريبه وتصميمه والمهام التي يستهدفها، وليس على عدد المعاملات وحده.

قد يقدم نموذج صغير نتائج مناسبة جدًا في التلخيص أو إعادة الصياغة أو تصنيف النصوص، رغم أنه لا يمتلك النطاق نفسه من القدرات الذي توفره نماذج أكبر وأكثر تعقيدًا.

ولهذا تميل بعض التطبيقات إلى اختيار نموذج متخصص في وظيفة محددة بدل محاولة تشغيل مساعد عام ضخم داخل الهاتف.

ثانيًا: أين يُخزن نموذج الذكاء الاصطناعي داخل الهاتف؟

حتى يعمل النموذج دون إنترنت، يجب أن تتوفر الملفات والمكونات اللازمة لتشغيله محليًا.

تتضمن هذه الملفات عادة معاملات النموذج بصيغة مناسبة، بالإضافة إلى مكونات برمجية تتولى تحميل البيانات وتنفيذ الحسابات وتحويل المدخلات إلى تمثيلات يفهمها النموذج.

وقد يكون النموذج جزءًا من مكونات نظام التشغيل، أو يتم تنزيله أثناء إعداد وظيفة معينة، أو يأتي ضمن تطبيق مستقل.

لماذا تستهلك وظائف AI مساحة تخزين إضافية؟

لأن معاملات النموذج والموارد المرتبطة به تحتاج إلى مساحة فعلية داخل ذاكرة التخزين.

وقد تتغير المساحة المستخدمة بعد تحديث النظام أو تنزيل إصدار أحدث من النموذج، كما قد توجد ملفات مؤقتة أثناء عمليات التحديث والإعداد.

ولهذا قد يلاحظ بعض المستخدمين زيادة في مساحة النظام أو التطبيقات المرتبطة بالذكاء الاصطناعي، دون أن يعني ذلك بالضرورة وجود مشكلة أو بيانات ضارة.

هل يمكن حذف ملفات النموذج يدويًا؟

لا يُنصح بحذف ملفات الذكاء الاصطناعي الموجودة ضمن مكونات النظام باستخدام مدير الملفات أو أدوات التنظيف غير الرسمية.

فقد يؤدي ذلك إلى تعطيل بعض الوظائف أو إجبار النظام على إعادة تنزيل البيانات.

إذا كنت تريد تقليل المساحة المستخدمة، فراجع خيارات النظام والتطبيق الرسمية، وتأكد من معرفة الوظائف التي ستتأثر قبل إزالة أي مكون.

ثالثًا: كيف يعمل نموذج AI محليًا من لحظة كتابة الطلب؟

لنفترض أن هاتفك يحتوي على نموذج لغوي محلي يدعم تلخيص النصوص، وأنك فتحت تطبيقًا يستخدمه وطلبت تلخيص مجموعة ملاحظات.

تبدأ العملية باستلام النص داخل التطبيق، ثم إرساله إلى المكون المحلي المسؤول عن تجهيز المدخلات.

بعد ذلك، تُحوّل الكلمات إلى وحدات تعرف باسم Tokens، ثم تنتقل التمثيلات الرقمية إلى النموذج المحمّل داخل ذاكرة التشغيل.

ينفذ المعالج المناسب العمليات الرياضية المطلوبة، ويبدأ النموذج بإنشاء النتيجة وفق المهمة والسياق المتاح.

ما مرحلة Inference؟

تشير كلمة Inference إلى مرحلة استخدام النموذج المدرّب لمعالجة مدخلات جديدة وإنتاج استجابة.

وهذه العملية تختلف عن التدريب Training، الذي تُعدَّل خلاله معاملات النموذج باستخدام بيانات وأهداف تدريبية.

فعندما تلخص رسالة على هاتفك، لا يعني ذلك أن الجهاز يعيد تدريب النموذج بالكامل على الرسالة؛ بل يستخدم قدراته المكتسبة أثناء التدريب لإنتاج المخرج المطلوب.

رابعًا: ما وحدة المعالجة العصبية NPU داخل الهاتف؟

تُعد Neural Processing Unit – NPU أحد المكونات المهمة في تشغيل كثير من مهام الذكاء الاصطناعي محليًا.

وهي وحدة معالجة متخصصة في تسريع أنواع من الحسابات المستخدمة داخل الشبكات العصبية، خصوصًا العمليات المرتبطة بالمصفوفات والمتجهات والموترات الرياضية.

وتختلف طريقة تصميمها وأدائها بحسب الشركة المصنعة للمعالج والبنية المستخدمة، لكنها تستهدف عادة تنفيذ أحمال ذكاء اصطناعي معينة بكفاءة مناسبة للأجهزة المحمولة.

ما الفرق بين CPU وGPU وNPU؟

يمثل CPU المعالج المركزي المسؤول عن تنفيذ مجموعة واسعة من تعليمات النظام والتطبيقات وإدارة العمليات.

أما GPU فهو معالج الرسوميات، ويتميز بقدرته على تنفيذ عمليات متوازية كثيرة، مما يجعله مفيدًا للرسوميات وبعض الحسابات الخاصة بتعلم الآلة.

بينما صُممت NPU لتسريع أنواع محددة من عمليات الشبكات العصبية، مع مراعاة الكفاءة واستهلاك الطاقة وفق بنية الشريحة.

ولا يعني امتلاك الهاتف وحدة NPU أن جميع عمليات الذكاء الاصطناعي تمر عبرها وحدها؛ فقد تتوزع المهام بين المعالجات المختلفة وفق النموذج والتطبيق ونظام التشغيل.

خامسًا: كيف يساعد NPU على تقليل استهلاك البطارية؟

عند تنفيذ عملية حسابية باستخدام وحدة مخصصة لنوع العمل المطلوب، يمكن في بعض الظروف تحقيق كفاءة طاقة أفضل مقارنة باستخدام مكونات عامة لتنفيذ العملية نفسها.

وهذا مهم في الهواتف لأن قدرتها على تبديد الحرارة محدودة، كما أن البطارية يجب أن تدعم عشرات الوظائف الأخرى طوال اليوم.

لكن وجود NPU لا يجعل تشغيل الذكاء الاصطناعي مجانيًا من ناحية الطاقة؛ فالنموذج لا يزال يحتاج إلى معالجة بيانات ونقلها داخل الذاكرة وتنفيذ العمليات الحسابية.

هل تشغيل AI دون إنترنت يستهلك بطارية أقل دائمًا؟

ليس دائمًا. فقد تستهلك مهمة محلية معقدة قدرًا ملحوظًا من الطاقة، خاصة إذا استمرت المعالجة فترة طويلة أو احتاجت إلى استخدام عدة وحدات داخل الشريحة.

وفي المقابل، قد يكون إرسال مهمة قصيرة إلى السحابة أكثر ملاءمة في بعض السيناريوهات، بحسب حجم البيانات وجودة الاتصال والتكلفة الحاسوبية.

لذلك يعتمد الأداء النهائي على تصميم النظام ونوع المهمة وكفاءة النموذج، وليس على مكان المعالجة وحده.

سادسًا: كيف يتم ضغط نماذج الذكاء الاصطناعي لتناسب الهاتف؟

من التحديات الأساسية أن النماذج العصبية قد تحتوي على ملايين أو مليارات المعاملات الرقمية، وكل معامل يحتاج إلى تمثيل وتخزين بصورة معينة.

وإذا حاولنا تشغيل نموذج كبير دون تحسين، فقد يتجاوز حجم الذاكرة المتاح أو يستهلك موارد لا تتناسب مع طبيعة الجهاز المحمول.

ولهذا تستخدم الشركات مجموعة من الأساليب لتحسين الحجم والسرعة، من أبرزها تقنية Quantization أو التكميم.

ما المقصود بتقنية Quantization؟

التكميم هو أسلوب يستخدم تمثيلات رقمية أقل دقة لبعض معاملات النموذج أو عملياته، بهدف تقليل متطلبات التخزين والذاكرة والحساب، مع المحافظة على مستوى أداء مقبول.

فعلى سبيل المثال، يمكن من حيث المبدأ تقليل تمثيل بعض القيم من 16 بت إلى 8 بت أو 4 بت، وفق الأسلوب المستخدم ومتطلبات النموذج.

لكن لا يمكن افتراض أن تقليل عدد البتات سيحافظ دائمًا على الدقة نفسها؛ إذ قد تتأثر جودة النتائج إذا لم تُصمم عملية الضغط وتُختبر بصورة مناسبة.

مثال حسابي مبسط لحجم النموذج

لنفترض وجود نموذج يحتوي على مليار معامل، ونريد تقدير المساحة الخام اللازمة لتخزين هذه المعاملات فقط، دون حساب بقية الموارد أو البيانات الإضافية.

إذا استخدم كل معامل تمثيلًا من 16 بت، أي بايتين، فقد يحتاج هذا الجزء وحده إلى نحو 2 جيجابايت بالنظام العشري.

أما إذا أمكن تخزين المعاملات بتمثيل فعّال يبلغ 4 بت لكل معامل، فقد تنخفض المساحة النظرية الخام إلى نحو 0.5 جيجابايت.

هذا المثال للتوضيح الرياضي فقط، لأن الحجم الحقيقي للنموذج أثناء التخزين والتشغيل يعتمد أيضًا على البيانات الوصفية والطبقات الأخرى وطريقة الضغط والذاكرة المؤقتة.

سابعًا: ما الفرق بين Quantization وPruning وDistillation؟

رغم أن التقنيات الثلاث قد تُستخدم لتحسين كفاءة النماذج، فإنها لا تعمل بالطريقة نفسها.

تركز Quantization على تقليل دقة التمثيل العددي وفق طريقة مناسبة.

أما Pruning فتتعلق بإزالة أو تقليل أجزاء أو اتصالات أو معاملات وفق معايير محددة، بهدف خفض التعقيد عندما تسمح بنية النموذج بذلك.

بينما تعتمد Knowledge Distillation على تدريب نموذج أصغر للاستفادة من مخرجات أو معلومات يوفرها نموذج أكبر يعرف عادة باسم Teacher Model.

كيف يعمل التعلم بالتقطير؟

يمكن تخيل نموذج كبير يمتلك قدرة جيدة على تنفيذ مجموعة من المهام، ثم يُستخدم سلوكه التدريبي للمساعدة على تطوير نموذج أصغر.

لا يعني ذلك نقل جميع قدرات النموذج الكبير بصورة كاملة إلى الأصغر، لكنه قد يساعد على تحسين أداء النموذج المضغوط ضمن موارد أقل.

وتعد هذه التقنيات من العناصر التي تجعل تشغيل نماذج لغوية نافعة على الهواتف والأجهزة محدودة الموارد أكثر قابلية للتطبيق.

ثامنًا: ما Gemini Nano وكيف يعمل على أندرويد؟

يُعد Gemini Nano مثالًا على النماذج المصممة للعمل داخل الأجهزة المحمولة، وهو موجه لتنفيذ مهام ذكاء اصطناعي محلية على الأجهزة المدعومة.

وفي منظومة أندرويد، توجد خدمة نظام تعرف باسم Android AICore، تساعد على إدارة النماذج المحلية وتشغيل الوظائف المرتبطة بها وفق توافق الجهاز وإصدار النظام.

وبدل اضطرار كل تطبيق إلى إنشاء منظومة مستقلة تمامًا لإدارة النموذج، يمكن للخدمات النظامية المدعومة توفير آليات منظمة للوصول إلى قدرات الذكاء الاصطناعي المحلي.

هل Gemini Nano متاح على جميع هواتف أندرويد؟

لا، فتوفره يعتمد على الجهاز وإصدار النظام ودعم الشركة المصنعة والوظيفة المطلوبة.

ولا يكفي أن يكون الهاتف يعمل بإصدار حديث من أندرويد حتى نفترض أنه يدعم جميع قدرات Gemini Nano.

كما يجب التمييز بين تطبيق Gemini السحابي الموجود على الهاتف وبين وظائف الذكاء الاصطناعي التي ينفذها نموذج محلي عبر مكونات النظام.

لماذا يحتاج AICore إلى تحديثات؟

قد تتضمن التحديثات تحسينات للنموذج أو مكونات تشغيله أو التوافق مع الوظائف الجديدة.

ولهذا قد تظهر زيادة مؤقتة في مساحة التخزين المستخدمة أثناء تجهيز بعض الموارد، بحسب الجهاز والتحديثات المتاحة.

ولا ينبغي تعطيل خدمة نظام مرتبطة بالذكاء الاصطناعي بصورة عشوائية قبل معرفة الوظائف التي تعتمد عليها.

تاسعًا: كيف يعمل Apple Intelligence داخل آيفون؟

تعتمد منظومة Apple Intelligence على استخدام نماذج وتطبيقات معالجة تعمل داخل الأجهزة المتوافقة، مع إمكانية الاستعانة بقدرات معالجة إضافية لبعض المهام التي تتجاوز إمكانات النموذج المحلي.

ويُعد هذا الأسلوب مثالًا واضحًا على فكرة الجمع بين الحوسبة المحلية والسحابية بدل الاعتماد على مسار واحد لجميع الطلبات.

ما دور Foundation Models؟

تستخدم Apple عائلة من النماذج الأساسية المصممة لدعم مجموعة من الوظائف الذكية، وتتضمن نماذج قابلة للعمل محليًا وأخرى مخصصة لمهام تحتاج إلى معالجة خارج الجهاز.

وتختلف القدرة على تشغيل الوظائف بحسب طراز الهاتف وإصدار النظام واللغة والمنطقة وتوفر الميزة.

ولهذا فإن ظهور اسم Apple Intelligence ضمن مواصفات جهاز معين لا يعني بالضرورة أن جميع وظائفه تعمل دون إنترنت.

ما المقصود بـ Private Cloud Compute؟

هو نظام معالجة سحابية مخصص لبعض مهام Apple Intelligence التي تحتاج إلى موارد أو قدرات إضافية خارج الجهاز، مع تصميم يركز على ضوابط الخصوصية والأمان.

لكن من المهم التمييز بين وظيفته وبين المعالجة المحلية الخالصة؛ فالطلبات التي تحتاج إلى هذا المسار السحابي تتطلب اتصالًا بالشبكة.

ولذلك قد تستمر وظيفة ذكاء اصطناعي معينة على الهاتف أثناء انقطاع الإنترنت، بينما تتعذر وظيفة أخرى تعتمد على المعالجة السحابية.

عاشرًا: هل كل وظيفة تحمل شعار AI تعمل دون إنترنت؟

من الأخطاء الشائعة الاعتقاد أن وجود عبارة AI Phone أو هاتف بالذكاء الاصطناعي يعني أن الجهاز يستطيع تنفيذ جميع المهام الذكية محليًا.

فقد تعتمد وظيفة تحسين الصور على المعالج الموجود داخل الهاتف، بينما تحتاج وظيفة توليد مشهد بصري معقد إلى خوادم خارجية.

كذلك قد تتطلب بعض الخدمات اتصالًا بالإنترنت للتحقق من الحساب أو تنزيل النموذج لأول مرة، حتى إذا كانت المعالجة الأساسية تتم محليًا بعد اكتمال الإعداد.

كيف تميز الوظيفة المحلية من الوظيفة السحابية؟

ابدأ بمراجعة وصف الميزة ومتطلباتها داخل إعدادات الجهاز أو المعلومات الرسمية الخاصة بها.

إذا كانت الخدمة تتطلب اتصالًا دائمًا، فقد تعتمد على معالجة سحابية أو على وظائف أخرى تحتاج إلى الشبكة.

أما إذا كانت تدعم العمل Offline بصورة صريحة، فيمكن اختبار الوظيفة بعد اكتمال تنزيل مواردها المطلوبة، مع الانتباه إلى أن بعض الخدمات قد تظل تحتاج إلى الإنترنت لأغراض جانبية لا ترتبط مباشرة بعملية التوليد.

الحادي عشر: كيف تعمل الترجمة والتعرف إلى الصوت دون اتصال؟

يمكن لبعض الهواتف والتطبيقات استخدام نماذج محلية لتحويل الإشارات الصوتية إلى نصوص، أو تنفيذ مهام ترجمة محددة دون الاعتماد المستمر على الخوادم.

في حالة التعرف إلى الكلام Speech Recognition، يعالج النموذج تمثيلًا للإشارة الصوتية ويستخدم الأنماط التي تعلمها لتحويلها إلى وحدات لغوية.

أما الترجمة المحلية، فتحتاج إلى نماذج وموارد تدعم اللغات المطلوبة، وقد تتطلب تنزيل حزم إضافية قبل استخدامها دون إنترنت.

هل تدعم جميع النماذج المحلية اللغة العربية؟

لا يمكن افتراض ذلك؛ فدعم اللغات يختلف بين النماذج والإصدارات والوظائف.

قد تتوفر ميزة محلية للإنجليزية فقط، أو تدعم مجموعة محددة من اللغات، بينما تحتاج العربية إلى إصدار مختلف أو معالجة سحابية في وظيفة معينة.

لذلك ينبغي مراجعة دعم العربية والميزات المطلوبة بصورة مستقلة قبل شراء الجهاز اعتمادًا على إعلان عام عن الذكاء الاصطناعي.

الثاني عشر: كيف يعمل تحسين الصور بالذكاء الاصطناعي داخل الهاتف؟

تستخدم الهواتف منذ سنوات تقنيات معالجة حاسوبية لتحسين التصوير، مثل تقليل الضوضاء ودمج التعريضات وتحسين التفاصيل والتعرف إلى بعض عناصر المشهد.

ومع تطور الشبكات العصبية، أصبح بالإمكان تنفيذ مهام بصرية أكثر تعقيدًا اعتمادًا على نماذج تعلم آلة مصممة للعمل بكفاءة على عتاد الهاتف.

لكن لا ينبغي الخلط بين جميع وظائف معالجة الصور؛ فبعضها يعتمد على خوارزميات تقليدية، وبعضها يستخدم نماذج عصبية محلية، وقد تستعين وظائف أخرى بالسحابة.

لماذا قد يستغرق تعديل الصورة بضع ثوانٍ؟

لأن النموذج قد يحتاج إلى معالجة عدد كبير من القيم البصرية وتنفيذ عمليات متتابعة قبل إنتاج الصورة النهائية.

وقد يتأثر الوقت بدقة الصورة وحجم النموذج وكفاءة المعالج ودرجة حرارة الهاتف وحالة الطاقة.

وفي بعض الحالات، قد يخفض النظام أداء المكونات مؤقتًا عندما ترتفع الحرارة للحفاظ على استقرار الجهاز.

الثالث عشر: ما علاقة RAM بسرعة تشغيل الذكاء الاصطناعي المحلي؟

تحتاج النماذج إلى ذاكرة تشغيل لتخزين معاملات وبيانات وسيطة أثناء المعالجة، ولذلك تلعب سعة RAM وسرعة نقل البيانات دورًا مهمًا في قدرة الهاتف على تشغيل النماذج.

ولا يكفي النظر إلى حجم ملف النموذج المخزن على وحدة التخزين؛ فقد يحتاج أثناء التشغيل إلى مساحة إضافية للبيانات المؤقتة والتمثيلات والحالة المرتبطة بالتوليد.

ما المقصود بـ KV Cache؟

تستخدم بعض النماذج اللغوية المبنية على Transformer ذاكرة مؤقتة تعرف باسم Key-Value Cache للاحتفاظ بتمثيلات تساعد على تقليل إعادة تنفيذ حسابات معينة أثناء إنشاء النص.

وقد يزداد استهلاك هذه الذاكرة مع طول السياق وطبيعة النموذج، ولذلك يصبح تحسين إدارتها عنصرًا مهمًا في تشغيل النماذج على الأجهزة المحمولة.

هل زيادة RAM وحدها تجعل الهاتف أفضل في AI؟

لا، لأن الأداء يعتمد على مجموعة عوامل تشمل بنية المعالج العصبي وسرعة الذاكرة ودعم البرمجيات وحجم النموذج وكفاءة التشغيل.

قد يمتلك هاتف ذاكرة كبيرة، لكنه لا يدعم وظيفة معينة بسبب متطلبات النظام أو غياب التكامل البرمجي المناسب.

ولهذا ينبغي تقييم المواصفات بصورة متكاملة بدل الاعتماد على رقم RAM وحده.

الرابع عشر: هل المعالجة المحلية أكثر خصوصية من المعالجة السحابية؟

يمكن أن تقدم المعالجة المحلية ميزة مهمة من ناحية تقليل الحاجة إلى إرسال بيانات المهمة إلى خوادم خارج الجهاز، خصوصًا عندما تكون الوظيفة مصممة للعمل بصورة مستقلة عن الشبكة.

فعندما ينفذ الهاتف عملية تلخيص مدعومة باستخدام نموذج محلي، قد تبقى البيانات المستخدمة في التلخيص داخل الجهاز بدل انتقالها إلى خدمة بعيدة.

لكن ذلك لا يعني أن جميع التطبيقات التي تستخدم نموذجًا محليًا تتعامل مع البيانات بالطريقة نفسها.

ما المخاطر التي ينبغي الانتباه إليها؟

قد يمتلك التطبيق أذونات للوصول إلى ملفات أو صور أو بيانات أخرى، وقد يجمع معلومات تشغيلية أو يستخدم خدمات خارجية لأغراض معينة وفق تصميمه وسياسة الخصوصية الخاصة به.

كما أن وجود النموذج داخل الهاتف لا يمنع المخاطر الناتجة عن التطبيقات الضارة أو ضعف حماية الجهاز نفسه.

ولهذا ينبغي مراجعة أذونات التطبيق وسياسة البيانات، والتأكد من تنزيل البرامج من مصادر موثوقة، وعدم افتراض الأمان الكامل لمجرد ظهور عبارة On-Device AI.

الخامس عشر: لماذا تعتمد بعض الهواتف على الذكاء الاصطناعي الهجين Hybrid AI؟

يصعب على هاتف محمول محدود الطاقة والذاكرة أن يقدم جميع قدرات النماذج الكبيرة دون قيود، خصوصًا عندما تتطلب المهمة معالجة مستندات ضخمة أو تنفيذ عمليات حسابية متعددة المراحل.

ولهذا تستخدم بعض المنظومات نهجًا يجمع بين النموذج المحلي وقدرات سحابية إضافية.

قد يبدأ النظام بمحاولة تنفيذ المهمة باستخدام موارد الجهاز، ثم يستخدم مسارًا آخر عندما تكون الوظيفة المطلوبة غير مدعومة محليًا أو تحتاج إلى موارد أكبر.

مثال عملي على المعالجة الهجينة

لنفترض أن المستخدم يريد إعادة صياغة رسالة قصيرة؛ فقد تكون المهمة مناسبة لنموذج محلي مدعوم.

أما إذا طلب تحليل مجموعة كبيرة من المستندات مع إجراء عمليات معقدة، فقد تحتاج المنظومة إلى نموذج سحابي وفق تصميم التطبيق وقدراته.

ولا يعني استخدام السحابة أن كل البيانات الموجودة داخل الهاتف تُرسل تلقائيًا إليها؛ فطبيعة البيانات المنقولة وضوابطها تعتمد على الخدمة والوظيفة والإعدادات.

السادس عشر: هل يمكن تشغيل نموذج لغوي مستقل على أندرويد دون إنترنت؟

يمكن للمستخدمين ذوي الخبرة التقنية تشغيل بعض النماذج الصغيرة المتوافقة محليًا باستخدام تطبيقات أو بيئات مخصصة للاستدلال على الأجهزة المحمولة.

لكن نجاح التجربة يعتمد على مواصفات الهاتف ونوع النموذج وحجمه وصيغته ودعم بيئة التشغيل.

وقد تحتاج في البداية إلى اتصال بالإنترنت لتنزيل التطبيق وملفات النموذج، ثم يصبح تنفيذ بعض المهام ممكنًا دون اتصال بعد اكتمال الإعداد.

ما الذي يجب التحقق منه قبل تنزيل نموذج محلي؟

راجع متطلبات الذاكرة والتخزين، والترخيص الذي ينظم استخدام النموذج، ودعم جهازك، وطبيعة الصلاحيات التي يطلبها التطبيق.

ولا تنزل ملفات تنفيذية أو تطبيقات معدلة من روابط مجهولة بحجة الحصول على ذكاء اصطناعي مجاني أو غير محدود.

كذلك لا تتوقع أن يستطيع النموذج المحلي الصغير تقديم جميع الوظائف الموجودة داخل مساعد سحابي متكامل.

السابع عشر: اختبار عملي لمعرفة هل تعمل ميزة AI دون إنترنت

قد تعلن الشركة أن الهاتف يمتلك إمكانات ذكاء اصطناعي محلية، لكنك تحتاج إلى معرفة الوظائف التي يمكن الاعتماد عليها فعلًا أثناء السفر أو انقطاع الشبكة.

يمكن تنفيذ اختبار بسيط باستخدام ميزة يُفترض أنها تدعم العمل دون اتصال، بشرط التأكد من اكتمال إعدادها وتنزيل الموارد المطلوبة مسبقًا.

خطوات الاختبار

• حدّث النظام والوظيفة المطلوبة عبر القنوات الرسمية.

• أكمل تنزيل حزم اللغة أو ملفات النموذج إن كانت ضرورية.

• نفّذ مهمة اختبار قصيرة أثناء وجود اتصال طبيعي.

• فعّل وضع الطيران، وتأكد من تعطيل Wi-Fi والاتصال الخلوي.

• كرر المهمة باستخدام محتوى جديد مناسب.

• لاحظ ما إذا كانت الوظيفة تنفذ العملية محليًا أو تطلب إعادة الاتصال.

إذا توقفت الوظيفة، فلا يعني ذلك أن الهاتف لا يمتلك أي قدرات AI محلية؛ فقد تكون الميزة التي اختبرتها تعتمد على السحابة، أو تحتاج إلى مورد لم يتم تنزيله، أو لا تدعم وضع Offline في نسختك الحالية.

الثامن عشر: لماذا يسخن الهاتف أثناء تشغيل بعض النماذج المحلية؟

تحتاج عمليات الاستدلال العصبي إلى تنفيذ حسابات ونقل بيانات بصورة متكررة، وقد تؤدي المهام الطويلة إلى زيادة استهلاك الطاقة وارتفاع درجة حرارة بعض مكونات الهاتف.

وعندما ترتفع الحرارة، قد يستخدم نظام التشغيل آليات لإدارة الأداء تعرف باسم Thermal Throttling، بحيث يقلل نشاط بعض الموارد للمحافظة على استقرار الجهاز.

ولهذا قد تلاحظ أن النموذج يبدأ بإنتاج الإجابة بسرعة مناسبة، ثم تنخفض السرعة أثناء تنفيذ مهمة طويلة.

كيف تقلل الضغط على الهاتف؟

استخدم النماذج والوظائف المتوافقة مع مواصفات الجهاز، وتجنب تشغيل تطبيقات ثقيلة متعددة دون حاجة أثناء المهام المحلية الطويلة.

كذلك من المناسب إيقاف التجربة إذا ظهرت حرارة غير معتادة أو رسائل تحذير من النظام، وترك الجهاز يعود إلى ظروف تشغيل طبيعية.

ولا تحاول تجاوز قيود الحرارة أو تغيير إعدادات الحماية باستخدام أدوات غير رسمية بهدف رفع سرعة التوليد.

التاسع عشر: ما تأثير تشغيل AI محليًا في مساحة التخزين؟

كلما زاد حجم النماذج والموارد المحلية، زادت أهمية التخطيط للمساحة المتاحة داخل الهاتف.

وقد يحتاج الجهاز إلى تنزيل تحديثات للنموذج أو موارد إضافية لبعض اللغات والوظائف، مما يجعل المساحة المستخدمة قابلة للتغير بمرور الوقت.

ولهذا قد تواجه الأجهزة محدودة التخزين صعوبة في الاحتفاظ بنماذج متعددة إلى جانب الصور والفيديوهات والتطبيقات المعتادة.

هل الهاتف بسعة 128 جيجابايت كافٍ للذكاء الاصطناعي المحلي؟

لا توجد إجابة عامة تصلح لجميع الأجهزة؛ فالأمر يعتمد على حجم النظام والنماذج المدمجة والملفات التي يحتفظ بها المستخدم وطبيعة التطبيقات المطلوبة.

إذا كنت تخطط لتجربة عدة نماذج محلية وتنزيل موارد صوتية وبصرية إضافية، فمن المناسب دراسة احتياجات التخزين الفعلية قبل شراء الجهاز.

أما إذا كنت تستخدم الوظائف المحلية المدمجة فقط، فقد تتولى الشركة إدارة الموارد بطريقة مختلفة عن تشغيل نماذج مستقلة متعددة.

العشرون: هل يمكن للذكاء الاصطناعي المحلي الوصول إلى الإنترنت عند الحاجة؟

تشغيل النموذج محليًا لا يمنع من حيث المبدأ إنشاء تطبيق يجمع بين المعالجة الداخلية وأدوات الشبكة، مثل البحث عن معلومات حديثة أو استرجاع بيانات من خدمة خارجية.

لكن يجب التمييز بين مكان تنفيذ الاستدلال ومصدر المعلومات التي يعتمد عليها التطبيق.

قد يعمل النموذج نفسه داخل الهاتف، بينما يستخدم التطبيق الإنترنت للحصول على بيانات جديدة، ثم يقدمها للنموذج ضمن السياق.

هل يعرف النموذج المحلي أحدث الأخبار تلقائيًا؟

لا، لأن وجود النموذج داخل الهاتف لا يمنحه اتصالًا تلقائيًا بالمعلومات الجديدة.

تعتمد معرفته الأساسية على البيانات التي استُخدمت أثناء تطويره، وقد يحتاج إلى أدوات أو تحديثات أو مصادر إضافية للوصول إلى معلومات أحدث.

ولهذا لا ينبغي الاعتماد على مساعد محلي غير متصل بالشبكة لمعرفة الأسعار الحالية أو المواصفات الصادرة حديثًا دون توفر بيانات محدثة.

الحادي والعشرون: كيف تختار هاتفًا مناسبًا لاستخدام الذكاء الاصطناعي المحلي؟

إذا كانت وظائف الذكاء الاصطناعي من أولوياتك عند شراء هاتف جديد، فلا تعتمد على عبارات تسويقية عامة مثل AI Phone أو Intelligent Processor فقط.

ابدأ بتحديد المهام التي تريد تنفيذها، مثل الترجمة دون اتصال أو معالجة الصوت أو تلخيص النصوص أو تحسين الصور، ثم تحقق من دعم الجهاز لهذه الوظائف فعليًا.

ما المواصفات التي تستحق المراجعة؟

انتبه إلى جيل المعالج وكفاءة NPU وسعة RAM والتخزين وإصدار النظام، إلى جانب دعم الشركة المصنعة للميزات المطلوبة.

ومن المهم كذلك مراجعة اللغات المدعومة، لأن توفر ميزة ذكية باللغة الإنجليزية لا يضمن تقديم الوظيفة نفسها باللغة العربية.

هل عدد TOPS وحده كافٍ للمقارنة؟

يشير TOPS إلى تريليونات العمليات في الثانية وفق تعريف القياس المستخدم، وقد تستعين الشركات به للتعبير عن قدرة بعض مسرعات الذكاء الاصطناعي.

لكن الرقم وحده لا يصف الأداء الحقيقي لجميع النماذج، لأن نوع العمليات والدقة العددية وسرعة الذاكرة وكفاءة البرمجيات عوامل تؤثر في النتيجة.

ولهذا يُفضل الاعتماد على اختبارات واقعية لوظائف محددة بدل اختيار الجهاز اعتمادًا على مؤشر تسويقي منفرد.

الثاني والعشرون: استخدامات عملية للذكاء الاصطناعي المحلي في السعودية

قد تكون المعالجة المحلية مفيدة للمستخدم الذي يتنقل بصورة منتظمة أو يعمل في أماكن ذات اتصال محدود، بشرط توفر الوظائف المطلوبة على جهازه ودعم اللغة المناسبة.

فمثلًا، قد يستفيد الطالب من أدوات تلخيص أو تحرير محلية، بينما يحتاج الموظف إلى تحويل ملاحظات صوتية إلى نص دون نقل التسجيل إلى خادم خارجي عندما تسمح الوظيفة بذلك.

كما يمكن الاستفادة من بعض أدوات معالجة الصور وتحسينها أثناء السفر، دون انتظار رفع الملفات الكبيرة وتنزيل النتائج.

مثال أثناء السفر داخل المملكة

لنفترض أن مستخدمًا يسافر بين مدينتين ويمر بمنطقة ذات تغطية ضعيفة، ويريد مراجعة ملاحظات محفوظة على هاتفه.

إذا كان يمتلك تطبيقًا يدعم التلخيص المحلي، وكان النموذج قد تم تنزيله مسبقًا، فقد يستطيع معالجة المحتوى المتاح دون انتظار عودة الاتصال.

لكن إذا كانت المهمة تحتاج إلى معلومات جديدة من الإنترنت أو خدمة سحابية، فستظل هناك حاجة إلى الشبكة.

الثالث والعشرون: هل تشغيل النماذج المحلية يلغي الحاجة إلى ChatGPT وGemini والخدمات السحابية؟

لا ينبغي النظر إلى الذكاء المحلي والسحابي باعتبارهما بديلين متطابقين في جميع الاستخدامات.

فالنموذج المحلي قد يوفر استجابة مناسبة لمهام قصيرة أو متخصصة ضمن موارد الهاتف، بينما تستطيع الأنظمة السحابية الاستفادة من مراكز بيانات أكبر وأدوات إضافية وموارد معالجة مختلفة.

وتعتمد المفاضلة العملية على طبيعة المهمة والخصوصية والاتصال والتكلفة والسرعة والدقة المطلوبة.

متى قد تكون المعالجة المحلية مناسبة؟

عندما تدعم الوظيفة المطلوبة وتكون بيانات المهمة مناسبة للمعالجة داخل الجهاز، أو عندما يحتاج المستخدم إلى العمل دون اتصال مستمر.

متى تحتاج إلى المعالجة السحابية؟

قد تحتاج إليها إذا كانت المهمة تتطلب قدرات أو موارد أو أدوات غير متاحة محليًا، مثل معالجة بعض أنواع الملفات الكبيرة أو الوصول إلى مصادر خارجية حديثة.

لكن استخدام السحابة يجب أن يصاحبه فهم لسياسات الخدمة وطبيعة البيانات التي ستتم مشاركتها.

الرابع والعشرون: أخطاء شائعة حول الذكاء الاصطناعي دون إنترنت

من أكثر المفاهيم غير الدقيقة الاعتقاد أن جميع الهواتف المزودة بوحدة NPU تستطيع تشغيل أي نموذج ذكاء اصطناعي، رغم وجود اختلافات كبيرة في الذاكرة والبنية والتوافق البرمجي.

كذلك قد يعتقد المستخدم أن تنزيل تطبيق Gemini أو أي مساعد سحابي يعني تحويل جميع وظائفه تلقائيًا إلى معالجة محلية.

ومن الأخطاء الأخرى افتراض أن الذكاء المحلي لا يستهلك البطارية، أو أن البيانات آمنة بصورة مطلقة لمجرد أن النموذج يعمل داخل الهاتف.

وقد يحاول بعض المستخدمين تنزيل نماذج ضخمة على أجهزة لا تتناسب مع متطلباتها، ثم يفسرون بطء التشغيل باعتباره عيبًا في التقنية نفسها، بينما تكون المشكلة مرتبطة بحدود الموارد.

الخامس والعشرون: مستقبل النماذج المحلية داخل الهواتف الذكية

يتجه تطوير الذكاء الاصطناعي على الأجهزة إلى تحسين العلاقة بين حجم النموذج وقدرته وكفاءة استهلاك الطاقة، مع الاستفادة من وحدات المعالجة العصبية وتقنيات ضغط المعاملات وإدارة الذاكرة.

كما يسمح تكامل النماذج مع أنظمة التشغيل بتوفير وظائف ذكية أقرب إلى التطبيقات المعتادة، بدل الحاجة إلى فتح مساعد منفصل لتنفيذ كل مهمة.

لكن لا يمكن افتراض أن جميع الوظائف المستقبلية ستعمل محليًا؛ فمن المرجح أن يظل اختيار مكان المعالجة مرتبطًا بطبيعة المهمة ومتطلبات الخصوصية والموارد والأدوات المتاحة.

ويكمن التطور العملي في جعل المستخدم يحصل على الوظيفة المناسبة دون الحاجة إلى إدارة جميع التفاصيل التقنية بنفسه، مع بقاء الشفافية بشأن استخدام الشبكة والبيانات أمرًا مهمًا.

أسئلة شائعة حول تشغيل الذكاء الاصطناعي داخل الهاتف

هل يستطيع الهاتف تشغيل نموذج ذكاء اصطناعي دون إنترنت تمامًا؟

نعم، إذا كان النموذج متاحًا محليًا وكان الجهاز والتطبيق يدعمان تشغيله دون اتصال، مع اكتمال تنزيل الملفات اللازمة مسبقًا.

هل Gemini Nano هو تطبيق Gemini نفسه؟

لا؛ Gemini Nano نموذج مصمم للتشغيل المحلي ضمن الأجهزة والمنظومات المدعومة، بينما قد يستخدم تطبيق Gemini نماذج وخدمات سحابية ووظائف مختلفة.

هل جميع هواتف آيفون تدعم Apple Intelligence؟

لا، إذ يعتمد توفر الميزات على طراز الجهاز وإصدار النظام والمتطلبات الأخرى، كما تختلف الوظائف المحلية والسحابية داخل المنظومة نفسها.

هل NPU يجعل الهاتف أسرع في كل شيء؟

لا، فهو مخصص لتسريع أنواع معينة من الحسابات، وتعتمد الاستفادة الفعلية منه على توافق البرمجيات والنموذج مع العتاد المستخدم.

هل يمكن تشغيل نموذج محلي باللغة العربية؟

يمكن ذلك عندما يدعم النموذج والتطبيق اللغة العربية، لكن مستوى الدعم والقدرات يختلفان بحسب المنتج والإصدار.

هل المعالجة المحلية تحافظ على البطارية دائمًا؟

ليست قاعدة مطلقة؛ فقد تكون أكثر كفاءة في بعض المهام، بينما تستهلك النماذج المحلية الكبيرة موارد ملحوظة أثناء التشغيل المطول.

هل بياناتي لا تغادر الهاتف عند استخدام On-Device AI؟

إذا كانت المهمة تنفذ محليًا بالكامل، فلا تحتاج عملية الاستدلال نفسها إلى إرسال بياناتها لخادم بعيد. لكن يجب مراجعة سلوك التطبيق الكامل وإعدادات الخصوصية، لأن بعض الوظائف قد تستخدم الشبكة لأغراض أخرى.

الخلاصة: كيف أصبح الهاتف قادرًا على تشغيل الذكاء الاصطناعي دون إنترنت؟

أصبح تشغيل الذكاء الاصطناعي داخل الهاتف On-Device AI ممكنًا بفضل مجموعة من التطورات المترابطة، تشمل تصميم نماذج لغوية أصغر وأكثر كفاءة، وتحسين أساليب ضغط المعاملات، وتطوير وحدات معالجة عصبية قادرة على تسريع عمليات الاستدلال ضمن حدود الطاقة والحرارة المتاحة للأجهزة المحمولة.

ولا تعمل هذه المنظومة اعتمادًا على مكون واحد فقط؛ فنجاحها يتطلب توافق النموذج مع المعالج والذاكرة ونظام التشغيل وبيئة التطبيق، بالإضافة إلى توفر الملفات اللازمة للمعالجة المحلية.

وتقدم تقنيات مثل Gemini Nano وApple Intelligence أمثلة على اتجاه الصناعة نحو الجمع بين الذكاء المحلي والسحابي، بحيث يمكن تنفيذ بعض المهام دون اتصال، بينما تستعين وظائف أخرى بموارد خارجية عندما تحتاج إلى قدرات إضافية.

لكن يجب ألا تختار هاتفًا اعتمادًا على عبارة «يدعم AI» وحدها؛ بل تحقق من الوظائف التي تحتاج إليها، ومدى دعمها للغة العربية، وإمكانية تشغيلها دون إنترنت، وتأثيرها في الذاكرة والبطارية والخصوصية.

جرّب اليوم إحدى وظائف الذكاء الاصطناعي الموجودة في هاتفك بعد التأكد من اكتمال إعدادها، ثم اختبرها في وضع الطيران. ستساعدك هذه التجربة البسيطة على اكتشاف الفرق الحقيقي بين الذكاء الذي يعمل داخل جهازك والوظائف التي تعتمد على مراكز البيانات السحابية.