فرار سیری از زندان انحصار؛ اپل بالاخره به توسعه‌دهندگان اعتماد کرد

پایان دوران دیکتاتوری رابط‌های برنامه‌نویسی محدود

سال‌ها بود که سیری (Siri) برای من و بسیاری از توسعه‌دهندگان اوپن‌سورس، چیزی جز یک اسباب‌بازی محدود نبود. اپل (Apple) با قفل کردن دسترسی‌ها در قالب‌های خشک و از پیش تعیین‌شده، عملاً پتانسیل هوش مصنوعی خود را در یک قفس طلایی زندانی کرده بود. اما حالا، با معرفی «App Skills»، ورق برگشته است. این یعنی دیگر لازم نیست منتظر بمانیم تا اپل خودش تصمیم بگیرد کدام ویژگی را به سیری اضافه کند. اکنون توسعه‌دهندگان می‌توانند به معنای واقعی کلمه، به سیری «مهارت» بیاموزند.

این حرکت، یک اعتراف ضمنی از سوی کوپرتینویی‌هاست: آن‌ها فهمیده‌اند که بدون کمک جامعه توسعه‌دهندگان، هوش مصنوعی‌شان در برابر غول‌هایی مثل مدل‌های محلی ما (Local Models) در رقابت عقب می‌ماند. با این API جدید، اپلیکیشن‌ها دیگر فقط یک آیکون ساده نیستند؛ آن‌ها می‌توانند به عنوان یک ایجنت (Agent) در لایه‌های زیرین سیستم‌عامل عمل کنند و دستورات پیچیده کاربر را بدون نیاز به باز کردن مستقیم اپلیکیشن، پردازش کنند.

معماری ایجنتیک؛ فراتر از دستورات تک‌خطی

آنچه در iOS 27.3 و macOS 27.3 می‌بینیم، یک جهش کوانتومی در نحوه تعامل ما با دستگاه‌هایمان است. پیش از این، سیری در بهترین حالت می‌توانست یک تایمر تنظیم کند یا یک آهنگ پخش کند. اما App Skills به توسعه‌دهندگان اجازه می‌دهد «زنجیره‌های عملیاتی» (Multi-step Action Chains) تعریف کنند. تصور کنید به سیری بگویید: «فاکتورهای ماه پیش را از اپلیکیشن حسابداری استخراج کن، در یک فایل اکسل مرتب کن و برای حسابدارم ایمیل بزن.»

این دقیقاً همان چیزی است که ما در دنیای اوپن‌سورس با استفاده از پایپ‌لاین‌های ایجنتیک (Agentic Pipelines) به آن رسیده‌ایم. حالا اپل این توانایی را به محیط ایزوله iOS آورده است. این یعنی اپلیکیشن شما می‌تواند به سیری یاد بدهد که چگونه با توابع داخلی (Functions) ارتباط برقرار کند. این همان قدرتِ ترکیبِ مدل‌های زبانی با منطق برنامه‌نویسی است که ما مدت‌هاست در مدل‌هایی مثل Llama یا DeepSeek تجربه کرده‌ایم.

چرا این خبر برای طرفداران حریم خصوصی اهمیت دارد؟

شاید بپرسید چرا یک خوره اوپن‌سورس باید برای این قابلیت اپل هیجان‌زده باشد؟ پاسخ در «اجرای محلی» نهفته است. اپل همیشه روی پردازش محلی (On-device Processing) تاکید داشته و حالا با بازتر شدن دسترسی‌ها، توسعه‌دهندگان می‌توانند ایجنت‌هایی بسازند که داده‌های حساس کاربر را به سرورهای ابری نفرستند. وقتی سیری بتواند از طریق App Skills با دیتابیس لوکال اپلیکیشن شما صحبت کند، نیازی به خروج داده از حافظه دستگاه نیست.

من همیشه نگران دیوارهای بسته (Walled Gardens) بودم، اما وقتی یک سیستم‌عامل اجازه می‌دهد هوش مصنوعیِ محلی روی سخت‌افزار (مثل تراشه‌های سری A یا M) به صورت ایجنتیک عمل کند، یعنی ما یک گام به «آزادی داده» نزدیک‌تر شده‌ایم. این مدل برنامه‌نویسی، دستِ توسعه‌دهندگان را باز می‌گذارد تا مدل‌های کوچک‌تر و بهینه‌تر (SLMs) را درون اپ‌های خود جاسازی کنند و از سیری فقط به عنوان یک واسط هوشمند استفاده کنند.

چالش‌های فنی؛ از VRAM تا کوانتایزیشن

البته همه چیز گل و بلبل نیست. توسعه‌دهندگان حالا با چالش بزرگی روبرو هستند: مدیریت منابع. وقتی شما یک ایجنت پیچیده می‌سازید که قرار است در پس‌زمینه سیستم‌عامل اپل اجرا شود، محدودیت‌های حافظه VRAM و رم دستگاه به شدت خودنمایی می‌کنند. اگر کد شما بهینه نباشد، سیستم‌عامل بی‌رحمانه آن را می‌بندد. این همان جایی است که مهارت‌های فاین‌تیونینگ (Fine-tuning) و تکنیک‌های کوانتایزیشن (Quantization) اهمیت پیدا می‌کند.

توسعه‌دهندگانی که می‌خواهند از این قابلیت جدید استفاده کنند، باید یاد بگیرند چگونه مدل‌های خود را بهینه کنند تا روی کارت گرافیک‌های خانگی یا تراشه‌های موبایل به نرمی اجرا شوند. این یک بازی جدید است؛ بازیِ بهینه‌سازیِ حداکثری. ما در NextIT.ir قطعاً اولین کسانی خواهیم بود که تست می‌کنیم این ایجنت‌های جدید چگونه با مدل‌های متن‌بازِ محلی ما ترکیب می‌شوند تا قدرت پردازشیِ یک دسکتاپ حرفه‌ای را به گوشی‌های موبایل بیاورند.