پایان وابستگی به کلاود؛ جمنای لایو آفلاین می‌شود

وقتی هوش مصنوعی بند ناف کلاود را می‌برد

همیشه بزرگترین پاشنه آشیل مدل‌های زبانی بزرگ (LLM)، وابستگی دیوانه‌وار آن‌ها به سرورهای عظیم ابری بوده است. تا همین امروز، اگر اینترنت ضعیف می‌شد یا در تونل مترو گیر می‌کردید، Gemini Live به یک مجسمه بی‌زبان تبدیل می‌شد. اما بررسی‌های کالبدشکافی اپلیکیشن گوگل (Google App) در نسخه v17.71.17 نشان می‌دهد مهندسان مانتین‌ویو در حال تست قابلیتی هستند که می‌تواند قواعد بازی را عوض کند: «حالت آفلاین برای Gemini Live». این یعنی بالاخره قرار است هوش مصنوعی از فضای ابری به داخل تراشه‌های گوشی‌های هوشمندمان مهاجرت کند.

معمای قدرت؛ آیا Nano حریف Live می‌شود؟

سوال اصلی اینجاست: چطور یک گوشی موبایل قرار است پردازش سنگین مکالمه زنده، تشخیص گفتار و سنتز صدا را بدون کمک گرفتن از دیتاسنترهای غول‌آسای گوگل انجام دهد؟ پاسخ احتمالا در دل مدل‌های کوچک و بهینه شده مثل Gemini Nano نهفته است. ما می‌دانیم که Gemini Nano همین حالا هم روی دستگاه‌هایی مثل سری Pixel یا گوشی‌های مجهز به Snapdragon 8 Elite حضور دارد، اما اجرای «لایو» آن به صورت محلی، یک جهش استدلالی و محاسباتی بزرگ است.

این یعنی احتمالاً در حالت آفلاین، با یک «نسخه تقلیل‌یافته» از هوش مصنوعی طرف خواهیم بود. شاید آن قدرت استدلال چندمرحله‌ای که در نسخه ابری می‌بینیم، در حالت آفلاین کمی رنگ ببازد یا سرعت پاسخ‌دهی‌اش به پای نسخه آنلاین نرسد. با این حال، داشتن یک دستیار صوتی هوشمند که حتی در دل کویر یا هواپیما هم کار می‌کند، ارزشش را دارد که کمی از دقت آن کم شود.

جراحی کدهای گوگل و آنچه پشت پرده می‌گذرد

تیم تحلیل‌گران Android Authority در میان رشته‌کدهای (Strings) این اپلیکیشن، عبارت‌هایی نظیر `assistant_ui_account_offline_mode` را پیدا کرده‌اند. این یعنی گوگل قصد دارد این سوئیچ را به منوی تنظیمات حساب کاربری اضافه کند. نکته‌ای که ذهن من را درگیر کرده، محدودیت‌های فنی است؛ آیا قابلیت‌هایی مثل تحلیل تصویر (Camera Sharing) یا اشتراک‌گذاری صفحه نمایش که در نسخه فعلی Gemini Live وجود دارد، در حالت آفلاین هم زنده می‌مانند؟

من شک دارم. پردازش ویدیو در لحظه، آن هم روی سخت‌افزار موبایل، هنوز هم یک چالش بزرگ برای مصرف انرژی و دمای دستگاه است. احتمالا در این حالت، هوش مصنوعی فقط به پردازش‌های متنی و صوتی پایه محدود می‌شود تا از داغ کردن بیش از حد چیپست (SoC) جلوگیری شود. این یک توازن ظریف بین کارایی و پایداری است که گوگل باید برای آن راهکاری پیدا کند.

رقابت در لبه سخت‌افزار؛ چرا این تغییر مهم است؟

در کورس رقابت غول‌های هوش مصنوعی، هر کس بتواند مدل‌هایش را «محلی‌تر» (On-device) کند، برنده میدان است. وقتی هوش مصنوعی روی گوشی شما زندگی کند، نه تنها حریم خصوصی معنای واقعی‌تری پیدا می‌کند، بلکه تأخیر پاسخ‌دهی (Latency) به حداقل می‌رسد. این یعنی مکالمات شما با دستیار هوشمند، حس «انسانی‌تر» و «بی‌درنگ‌تری» پیدا می‌کند.

گوگل با اضافه کردن ویژگی‌هایی مثل Guided Vision و ترجمه همزمان در ماه‌های اخیر، نشان داده که می‌خواهد Gemini Live را به ابزاری برای زندگی روزمره تبدیل کند، نه فقط یک چت‌بات در مرورگر. حالا با اضافه شدن قابلیت آفلاین، آن‌ها در حال ساختن یک «همراه همیشه بیدار» هستند. برای ما دولوپرها و کاربران ایرانی که همیشه با چالش‌های پایداری اینترنت دست‌وپنج نرم می‌کنیم، این خبر می‌تواند یک نقطه عطف باشد؛ البته اگر گوگل محدودیت‌های جغرافیایی را در این بخش سخت‌گیرانه اعمال نکند.

آینده؛ وقتی مدل‌ها در جیب ما متولد می‌شوند

ما در ابتدای مسیرِ ایجنت‌های خودمختار هستیم که برای انجام وظایف‌شان نیاز ندارند دائماً به مرکز فرماندهی وصل باشند. اینکه گوگل به سمت آفلاین کردن Gemini Live حرکت کرده، یک پیام واضح برای بازار است: دوران «فقط ابری بودن» رو به پایان است. سال ۲۰۲۵ احتمالا سالی خواهد بود که در آن قدرت مدل‌های کوچک (SLM) روی گوشی‌ها، مرز بین هوش مصنوعی ابری و محلی را کمرنگ می‌کند. منتظرم ببینم در تست‌های واقعی، آیا این مدل آفلاین می‌تواند در برابر توهمات (Hallucinations) مدل‌های بزرگتر مقاومت کند یا خیر. فعلاً، این قدم گوگل، یک حرکت هوشمندانه برای نفوذ عمیق‌تر در گردش کار روزمره ماست.