7 دقیقه
سامسونگ بهصورت کمسر و صدا سرعت اجرای استراتژی هوش مصنوعی خود را افزایش داده است. پس از مدلهای اولیه Gauss و نسخه Gauss 2.0، شرکت مدلهای تولیدی (generative) خود را ارتقا داده و مجموعهٔ نرمافزاری Agentic AI را توسعه داده تا فرایند توسعه را تسریع کند، جستجو و بازیابی دانش درون سازمانی را بهبود دهد و زیرساخت لازم برای پشتیبانی از هوش مصنوعی در سطح سیستم (system-level AI) را برای گوشیهای آیندهٔ سری گلکسی فراهم آورد. این کوششها نشاندهندهٔ تمرکز سامسونگ بر توسعهٔ مدلهای مولتیمودال، بهینهسازی مدلهای تصویرسازی و ایجاد ابزارهای بدون کدنویسی برای تسهیل بهرهبرداری داخلی و محصولی است.
Agentic Builder: No-code AI that assembles agents like Lego
بر اساس گزارشهای منتشرشده در کرهٔ جنوبی، بخش تحقیق و توسعهٔ سامسونگ (Samsung Research) ابزاری به نام Agentic Builder توسعه داده است که روی نسخههای جدیدتر Gauss مانند Gauss 2.3، Gauss 2.3 Think و Gauss O Flash مبتنی است. محیط این ابزار بهصورت بدون کد (no-code) و مبتنی بر رابط کاربری طراحی شده تا تیمها بتوانند با کشیدن و رها کردن قطعات مدولار، عاملهای (agents) هوش مصنوعیِ متناسب با نیازهای تجاری را سریعاً مونتاژ کنند. هدف از Agentic Builder کاهش هزینهٔ مهندسی، افزایش سرعت نمونهسازی (prototype) و ارائهٔ قابلیتهایی است که پیشتر مستلزم کار مهندسی سنگین بودند.
بلوکهای سازنده در Agentic Builder شامل پنجرههای ورودی و خروجی، مدلهای تخصصی هوش مصنوعی برای وظایف خاص، و منطق گزارشخوانی و تحلیل اسناد سامسونگ تحت عنوان DoXA است؛ موتور تحلیل اسناد DoXA به عاملها کمک میکند تا زمینهٔ کسبوکار را سریعتر بفهمند و اطلاعات مرتبط را استخراج کنند. با ترکیب این اجزا، سازمان میتواند عاملهای واکنشگرا و خودگردان بسازد که برای اتوماسیون فرایندهای داخلی، مدیریت دانش فنی، و پشتیبانی از توسعهٔ محصول مورد استفاده قرار میگیرند.
Agentic Builder تلاش میکند فاصلهٔ بین تیمهای غیرمهندسی و پیادهسازی مدلهای پیشرفتهٔ هوش مصنوعی را کم کند. از منظر فنی، این پلتفرم احتمالاً از الگوهای قابل کانفیگ و ماژولهای از پیش آموزشدیده برای پردازش زبان طبیعی (NLP)، تحلیل سند، استخراج موجودیتها و گردش کارهای شرطی استفاده میکند تا عاملها بتوانند با دادههای سازمانی تعامل کنند. این نوع ابزارها نقش مهمی در مقیاسبندی راهکارهای هوش مصنوعی سازمانی دارند، چون نیاز به پیادهسازی سفارشی را کاهش میدهند و امکان تکرارپذیری و مدیریت بهتر نسخهها (versioning) را فراهم میآورند.
Sirius: multimodal search and smarter knowledge retrieval
سامسونگ همچنین قابلیتهای مولتیمودال Gauss را روی یک سرویس جستجوی دانش داخلی با نام رمز Sirius اِعمال کرده است. بر خلاف جستجوی سنتی مبتنی بر کلمات کلیدی، Siri us از رویکرد گراف دانش (knowledge graph) بهره میگیرد و میتواند متنها، اعداد، جداول، تصاویر و پیوستها را فهرستبندی و پرسوجو کند. یک مقام از Samsung Research به رسانهٔ TheElec گفته است که Sirius در حال حاضر بهصورت نسخهٔ بتا برای کارمندان عرضه شده و عمده کاربرد آن یافتن دانش توسعهٔ محصول و اطلاعات فنی مرتبط با وظایف مشخص است. این نوع جستجوی سازمانی، زمانی ارزشمند است که اطلاعات پراکنده در اسناد مختلف و فرمتهای گوناگون قرار داشته باشند و نیاز به همبستگی معناشناختی (semantic linking) بین آنها وجود داشته باشد.
ستون فقرات مولتیمودال این سامانه با یک خط آبرسانی تولید تصویر (image-generation pipeline) بهروز شده همراه شده است. سامسونگ با مواجهه با محدودیتهای رایج مدلهای تصویرسازی — مانند ناتوانی در بازتولید جزئیات خواستهشده یا ساخت اشیاء ناشناخته — راهکارهایی از جمله استفاده از تصاویر مرجع اضافی و ساختار آموزشیای که ویژگیهای کلیدی یک شیء را هنگام تبدیل از طریق فرمانهای زبانی حفظ میکند، بهکار گرفته است. این رویکردها باعث شدهاند مدلهای تصویرسازی داخلی دقت و ثبات بیشتری در تولید محتوای تصویری داشته باشند و برای کاربردهای محصولی مناسبتر شوند.
طبق اعلام سامسونگ، استفادهٔ داخلی از مدل تصویر جدید پس از بهروزرسانی اخیر 153 درصد افزایش یافته است. علاوه بر این، تیم دادهٔ سامسونگ مجموعهٔ دادههای سفارشیای را ایجاد و بهینهسازی کرده تا به مدلهای متنباز مبتنی بر انتشار نهفته (latent diffusion) کمک کند تا از محدودیتهای اولیهٔ خود عبور کنند. این اقدام شامل برچسبگذاری دقیق، فراهم کردن نمونههای مرجع متنوع و طراحی سناریوهای آموزشی است که مدل را قادر میسازد ویژگیهای ظریف اشیا را حفظ کند و سازگاری بیشتری با ورودیهای مولتیمودال داشته باشد.
Why this matters for phones and enterprise customers
سامسونگ قصد دارد از نسخههای بهبود یافتهٔ Gauss در سطح گستردهتری استفاده کند، هم بهصورت داخلی و هم در محصولات مصرفی. انتظار میرود گلکسی S26 نخستین گوشی باشد که از Agentic AI در سطح سیستم پشتیبانی کند؛ گزارشها حاکی است که پشتیبانی برای مدلهای متعددی از جمله Gauss، Gemini و Perplexity برنامهریزی شده است. این تحولات میتواند به معنای دستیارهای دروندستگاهی باشد که قابلیتها را بر حسب نیاز مونتاژ میکنند، ویژگیهای جستجوی غنیتر و ابزارهای تصویرسازی هوشمندتر که بهصورت بومی در اپلیکیشنها تعبیه شدهاند.
برای مشتریان سازمانی، ترکیب Agentic Builder با جستجوی سبک Sirius میتواند نحوهٔ دسترسی تیمها به دانش نهادی را سادهسازی کند و گردش کارهای تخصصی را خودکار نماید؛ از جمله مدیریت مستندات فنی، پشتیبانی از فرآیندهای آزمایش و اعتبارسنجی محصول، و سیستمهای پاسخگویی به پرسشهای داخلی. برای مصرفکنندهها نیز این تغییرات به معنی قابلیتهای هوشمندتر و آگاهیمند از زمینه (context-aware) در دستگاههای پرچمدار خواهد بود، مانند پیشنهادات مرتبط با وظایف روزمره، تنظیمات هوشمند تصویربرداری و پاسخهای دقیقتر به سوالات پیچیده.
انتظار میرود سامسونگ همچنان روی Gauss و مجموعه ابزارهای مرتبط آن تکرار و بهینهسازی انجام دهد تا خود را برای آیندهای که در آن اتکای بیشتری به هوش مصنوعی داخلی و مستقل خواهد داشت، آماده کند. این شامل بهبود مقررات حریم خصوصی و امنیت مدلها، کاهش مصرف انرژی هنگام اجرا روی دستگاه (on-device inference)، و فراهم آوردن قابلیتهای مدیریت مدل و دیدهبانی عملکرد در مقیاس سازمانی است.
در سطح فنیتر، بهکارگیری مدلهای مولتیمودال و ابزارهای Agentic میتواند منجر به ترکیب پیوستهٔ سه حوزهٔ کلیدی شود: مدلهای پایه (foundation models) که تواناییهای عمومی شناختی فراهم میکنند؛ دادههای سازمانی و ساختارهای دانش مانند گراف دانش که تخصیص معنا و زمینه را ممکن میسازند؛ و لایههای واسطی مانند DoXA که تحلیل اسناد و استخراج اطلاعات ساختاریافته را تسهیل میکنند. هنگامی که این سه لایه با هم ترکیب شوند، سازمانها میتوانند پشتیبانیهای تعاملیِ پیچیدهای بسازند که فراتر از جستجوی ساده عمل میکنند و به صورت خودکار بین منابع اطلاعاتی مختلف پیوند برقرار میسازند.
همچنین شایان ذکر است که ورود سامسونگ به این حوزه میتواند رقابت با بازیگران بزرگتر اکوسیستم هوش مصنوعی را تشدید کند؛ سازگاری با مدلهای متنباز، ساخت مجموعههای دادهٔ سفارشی و فراهمسازی ابزارهای بدون کد، موقعیت سامسونگ را بهعنوان یک بازیگر تأثیرگذار در بازار راهکارهای سازمانی و موبایلی تقویت میکند. در نهایت، تعادل میان نوآوری محصولی، حفاظت از دادهٔ کاربران و بهینهسازی هزینههای محاسباتی نقش مهمی در موفقیت راهبرد هوش مصنوعی سامسونگ خواهد داشت.
منبع: sammobile
ارسال نظر