شتاب هوش مصنوعی سامسونگ: Gauss، Agentic و Sirius

سامسونگ با به‌روزرسانی مدل‌های Gauss و توسعهٔ ابزار Agentic Builder و سرویس جستجوی چندرسانه‌ای Sirius، مسیر خود را به‌سمت هوش مصنوعی سیستم‌محور برای گوشی‌ها و راهکارهای سازمانی تسریع کرده است.

7 نظرات
شتاب هوش مصنوعی سامسونگ: Gauss، Agentic و Sirius

10 دقیقه

سامسونگ به‌طور پنهانی استراتژی هوش مصنوعی خود را تسریع می‌کند. پس از نسخه‌های اولیه Gauss و Gauss 2.0، این شرکت مدل‌های مولد خود را به‌روزرسانی کرده و یک کیت ابزار Agentic AI طراحی کرده است تا توسعه را تسریع، جستجو درون سازمان را بهبود و برای پیاده‌سازی هوش مصنوعی در سطح سیستم در گوشی‌های آینده سری گلکسی آماده شود.

Agentic Builder: ساخت عامل‌های هوش مصنوعی بدون کدنویسی، مانند قطعات لگو

بر اساس گزارش‌هایی از کره جنوبی، Samsung Research یک «Agentic Builder» توسعه داده است که بر پایهٔ واریانت‌های جدیدتر Gauss — از جمله Gauss 2.3، Gauss 2.3 Think و Gauss O Flash — کار می‌کند. این ابزار به‌عنوان یک محیط بدون کد و مبتنی بر رابط کاربری توصیف می‌شود که تیم‌ها می‌توانند با کشیدن و رها کردن مؤلفه‌های مدولار، عامل‌های حیاتی برای کسب‌وکار را بسازند.

بلوک‌های سازنده شامل پنجره‌های ورودی و خروجی، مدل‌های تخصصی هوش مصنوعی و منطق داخلی سامسونگ تحت عنوان DoXA است — یک موتور تحلیل اسناد که به عامل‌ها کمک می‌کند تا زمینهٔ کسب‌وکار را سریع‌تر درک کنند. نتیجه، راهی سریع برای نمونه‌سازی یا استقرار عامل‌ها بدون نیاز به سربار مهندسی سنگین است.

معماری و اجزا

معماری Agentic Builder بر اصل جداسازی وظایف و ترکیب‌پذیری بنا شده است. هر مؤلفه می‌تواند عملکرد مشخصی داشته باشد: خواندن اسناد، استخراج داده، تلفیق نتایج از چند مدل، انجام پردازش‌های منطقی با DoXA یا اتصال به سرویس‌های داخلی. این رویکرد ماژولار به تیم‌ها اجازه می‌دهد تا سریعاً نمونه‌های اولیه (prototype) بسازند و سپس همان طراحی را در مقیاس تولید پیاده‌سازی کنند.

سهولت استفاده برای توسعه‌دهندگان و مدیران محصول

یکی از مزایای کلیدی محیط‌های بدون کد، پایین آوردن مانع ورود برای اعضای غیرتخصصی تیم است: مدیران محصول، تحلیلگران کسب‌وکار و طراحان تجربهٔ کاربری می‌توانند با حداقل تعامل با خط فرمان یا APIها، جریان‌های کاری هوشمند طراحی کنند. برای مهندسین، ابزار از طریق APIها و پلاگین‌ها امکان شخصی‌سازی و بهینه‌سازی عملکرد را فراهم می‌کند.

نمونه‌های کاربردی داخلی

در محیط‌های تحقیق و توسعهٔ بزرگ مانند Samsung Research، کاربردهای سریع و عملی می‌تواند شامل خودکارسازی بررسی مدارک فنی، ساخت دستیارهای داخلی برای پشتیبانی مهندسی، یا ایجاد عامل‌های اختصاصی برای هماهنگی بین تیم‌های طراحی و تولید باشد. برتری Agentic Builder در امکان اتصال آسان به داده‌های داخلی شرکت و موتورهای جستجوی دانش است.

Sirius: جستجوی چندرسانه‌ای و بازیابی دانش هوشمندتر

سامسونگ قابلیت‌های چندرسانه‌ای Gauss را به یک سرویس داخلی جستجوی دانش با اسم رمز Sirius اعمال کرده است. به‌جای تکیه بر جستجوی کلیدواژهٔ مرسوم، Sirius از رویکرد گراف دانش (knowledge graph) استفاده می‌کند و قادر است متن، عدد، جداول، تصاویر و پیوست‌ها را فهرست‌گذاری و پرس‌وجو کند. یک مقام از Samsung Research به نشریهٔ TheElec گفته است که Sirius در حال حاضر به‌عنوان یک سرویس بتا برای کارکنان ارائه می‌شود و هدف اصلی آن یافتن دانش توسعه محصول و اطلاعات فنی مرتبط با وظایف مشخص است.

چرا جستجوی چندمدلی اهمیت دارد

جستجوی چندمدلی یا multimodal باعث می‌شود که بازیابی اطلاعات بر اساس معنا و زمینه واقعی انجام شود نه صرفاً بر اساس تطابق رشته‌ای. این توانایی به‌ویژه برای شرکت‌هایی که منابع متنوعی مانند گزارش‌های فنی، تصاویر نمونه، طراحی‌های CAD و جداول داده دارند، ارزشمند است. Sirius با ترکیب گراف دانش و قابلیت‌های درک زبانی پیشرفتهٔ Gauss، می‌تواند پیوستگی‌ها و روابط پنهان بین سندها را کشف کند.

بهبود تولید تصویر و حفظ ویژگی‌ها

این پشتهٔ چندرسانه‌ای با یک خط تولید تولید تصویر (image-generation pipeline) به‌روز شده همراه شده است. سامسونگ محدودیت‌های متداول مدل‌های تصویر — مانند ناتوانی در رندر دقیق جزئیات خواسته‌شده یا ایجاد اشیاء ناآشنا — را با استفاده از تصاویر مرجع بیشتر و ساختار آموزشی‌ای که ویژگی‌های کلیدی اشیاء را هنگام تبدیل از طریق دستورات زبان طبیعی حفظ می‌کند، برطرف کرده است.

این رویکرد دو مزیت عملی دارد: اول، کیفیت بصری و تطابق با مشخصات مورد نظر کاربر افزایش می‌یابد؛ دوم، مدل بهتر می‌تواند اشیاء صنعتی یا قطعات فنی با مشخصات ویژه را تولید کند که برای اسناد طراحی و نمونه‌سازی تصویری مفید است.

دادهٔ آموزشی سفارشی و بهینه‌سازی برای مدل‌های متن‌بنیاد انتشار پنهان

شرکت می‌گوید که استفادهٔ داخلی از مدل تصویر جدید پس از آخرین به‌روزرسانی 153٪ افزایش یافته است. سامسونگ همچنین مجموعه دادهٔ سفارشی ایجاد و بهینه‌سازی کرده تا به مدل‌های متن‌بنیاد انتشار پنهان (latent diffusion) متن‌باز کمک کند فراتر از محدودیت‌های اولیهٔ خود بیاموزند. این مجموعهٔ داده عمدتاً شامل نمونه‌های صنعتی، تصاویر مرجع چندزاویه‌ای و جفت‌های ورودی-خروجی است که مدل را در حفظ ویژگی‌های کلیدی هر شی تقویت می‌کند.

چرا این موضوع برای گوشی‌ها و مشتریان سازمانی اهمیت دارد

سامسونگ قصد دارد مدل‌های بهبود یافتهٔ Gauss را به‌طور گسترده‌تر، هم در داخل سازمان و هم در محصولات تجاری به‌کار ببرد. انتظار می‌رود گلکسی S26 اولین گوشی باشد که از Agentic AI در سطح سیستم پشتیبانی می‌کند، با پشتیبانی احتمالاً از چندین مدل شامل Gauss، Gemini و Perplexity. این می‌تواند به معنای دستیارهای روی دستگاه باشد که قابلیت‌ها را به‌صورت درخواستی جمع‌آوری می‌کنند، ویژگی‌های جستجوی غنی‌تر و ابزارهای تصویری هوشمندتر که در برنامه‌های بومی دستگاه تعبیه شده‌اند.

مزایای برای مشتریان سازمانی

برای سازمان‌ها، ترکیب یک Agentic Builder با قابلیت‌های جستجوی مشابه Sirius می‌تواند روند دسترسی به دانش سازمانی را ساده کند و جریان‌های کاری تخصصی را خودکار سازد. مزایای عملی شامل موارد زیر است:

  • دسترسی سریع به اطلاعات طراحی و مستندات فنی
  • خودکارسازی بررسی‌های همسان‌سازی مدارک و روندهای تأیید
  • کاهش زمان حل مشکلات فنی با فراهم آوردن دستیارهای هوشمند درون‌سازمانی
  • بهبود فرآیندهای آموزش و انتقال دانش بین تیم‌ها

تأثیر بر تجربهٔ کاربری مصرف‌کننده

برای مصرف‌کنندگان، این تغییرات نوید ویژگی‌های هوشمندتر و آگاه از زمینه در دستگاه‌های پرچم‌دار را می‌دهد. نمونه‌هایی که ممکن است در دسترس قرار گیرند عبارت‌اند از:

  • دستیارهای شخصی روی دستگاه که چندین منبع را ترکیب و خروجی تخصصی تولید می‌کنند
  • جستجوی بصری پیشرفته در گالری عکس و درون برنامه‌ها
  • ابزارهای ویرایش تصویر مبتنی بر دستور زبان طبیعی که ویژگی‌های شیء را حفظ می‌کنند
  • قابلیت‌های پیشنهاد هوشمند محتوا بر پایهٔ رفتار و زمینه کاربر

پیاده‌سازی فنی و ملاحظات عملیاتی

یکپارچگی با اکوسیستم داخلی

برای بهره‌برداری مؤثر از Gauss و Agentic Builder، سامسونگ باید آن‌ها را به‌خوبی با زیرساخت‌های موجود، پایگاه‌های داده و ابزارهای مدیریت دانش خود ادغام کند. این شامل اتصال به سیستم‌های مدیریت اسناد، پایگاه‌های دادهٔ محصول، سیستم‌های مدیریت گردش کار و APIهای سرویس‌دهی داخلی می‌شود. یکپارچگی مناسب باعث می‌شود عامل‌ها به اطلاعات معتبر دسترسی یابند و خروجی‌ها قابل اعتمادتری ارائه دهند.

مقیاس‌پذیری و هزینه‌های زیرساختی

ارائه مدل‌های مولد مقیاس‌پذیر نیازمند تخصیص منابع محاسباتی، به‌ویژه برای پردازش چندرسانه‌ای و inference در مقیاس سازمانی است. تصمیمات مربوط به مدل‌سازی—از جمله راه‌اندازی مدل‌ها در سرورهای داخلی (on-premise)، فضای ابری خصوصی یا ترکیبی—بر هزینه‌ها، کنترل داده و latency تأثیر می‌گذارد. برای کاربرانی که تجربهٔ بدون تأخیر می‌خواهند، ادغام پردازش محلی (on-device inference) با بهینه‌سازی مدل‌ها اهمیت دارد.

امنیت داده و حریم خصوصی

با توجه به اینکه عامل‌ها و سرویس‌های جستجو به اسناد حساس دسترسی خواهند داشت، امنیت داده و حریم خصوصی باید در سطح طراحی لحاظ شود. این موارد شامل رمزگذاری داده در حال انتقال و در حالت استراحت، کنترل‌های دقیق دسترسی مبتنی بر نقش، ارزیابی آسیب‌پذیری مدل و سازوکارهای مانیتورینگ برای جلوگیری از لو رفتن اطلاعات حساس است.

چالش‌ها، محدودیت‌ها و نکات اخلاقی

هرچند پیشرفت‌ها چشمگیر است، اما چالش‌هایی نیز باقی می‌ماند. برخی از این چالش‌ها عبارت‌اند از:

  1. خطر تولید اطلاعات نادرست (hallucination) توسط مدل‌های مولد و نیاز به مکانیسم‌های اعتبارسنجی خروجی‌ها
  2. نیاز به مجموعه‌های دادهٔ با کیفیت و برچسب‌خورده برای آموزش مدل‌های چندرسانه‌ای صنعتی
  3. حفظ حریم خصوصی و رعایت قوانین داده‌های منطقه‌ای در هنگام استفاده از داده‌های کاربران و کارکنان
  4. تعادل بین اتوماسیون و نظارت انسانی برای تصمیمات حساس یا بحرانی

علاوه بر این، مسائل اخلاقی مانند شفافیت در عملکرد مدل، پاسخگویی برای خطاهای خودکار و جلوگیری از سوگیری‌های ناخواسته باید به‌صورت آشکار بررسی و مدیریت شوند.

نقشهٔ راه و چشم‌انداز آینده

انتظار می‌رود سامسونگ همچنان روی پیشرفت‌های Gauss و مجموعه ابزارهای مرتبط سرمایه‌گذاری کند. این مسیر شامل بهبودهای مستمر در قابلیت‌های چندرسانه‌ای، کاهش هزینهٔ محاسباتی مدل‌ها، و افزایش توانایی‌های Agentic برای خودگردانی در وظایف پیچیده است. از منظر محصول، پیاده‌سازی سیستم‌سطحی Agentic AI در گوشی‌هایی مانند گلکسی S26 می‌تواند مبنای نوینی برای تجربهٔ کاربری موبایل بسازد.

رقابت و موقعیت بازار

در بازار گستردهٔ هوش مصنوعی مصرفی و سازمانی، سامسونگ با بازیگرانی روبه‌رو است که بر توسعه مدل‌ها و خدمات هوش مصنوعی متمرکزند. برتری سامسونگ می‌تواند از نقاط قوتی مانند دسترسی به سخت‌افزار موبایل وسیع، داده‌های محصول صنعتی و توانایی تولید انبوه ناشی شود. ترکیب این مزایا با ابزارهای Agentic و جستجوی دانش می‌تواند یک مزیت رقابتی قابل‌توجه در زمینهٔ گوشی‌های هوشمند و راهکارهای سازمانی ایجاد کند.

پیشنهادات برای سازمان‌ها و توسعه‌دهندگان

برای سازمان‌هایی که قصد بهره‌گیری از این نوع فناوری‌ها را دارند، پیشنهادات عملی شامل موارد زیر است:

  • آغاز با پروژه‌های پایلوت کوچک برای ارزیابی مزایا و محدودیت‌ها
  • سرمایه‌گذاری روی مجموعه‌های دادهٔ با کیفیت و ابزارهای حاکمیت داده
  • تعریف معیارهای ارزیابی عملکرد و دقت مدل‌ها برای کاربردهای خاص
  • تدوین سیاست‌های امنیت داده و حریم خصوصی پیش از مقیاس‌سازی

جمع‌بندی

سامسونگ با به‌روزرسانی مدل‌های Gauss و توسعهٔ ابزارهایی مانند Agentic Builder و Sirius، در حال آماده‌سازی خود برای آینده‌ای است که در آن هوش مصنوعی نقش مرکزی در محصولات و عملیات سازمانی ایفا می‌کند. این کار می‌تواند سرعت توسعه را افزایش دهد، جستجوی دانش را هوشمندتر کند و امکانات نوینی را در گوشی‌های گلکسی فراهم سازد. در عین حال، موفقیت این تلاش‌ها بستگی به مدیریت چالش‌های فنی، امنیتی و اخلاقی دارد تا فناوری‌های جدید به‌صورت قابل اعتماد و امن در دسترس کاربران و سازمان‌ها قرار گیرند.

انتظار می‌رود سامسونگ همچنان روی Gauss و مجموعهٔ ابزارهای مرتبط تکرار و بهینه‌سازی انجام دهد تا خود را برای آیندهٔ هوش مصنوعی مستقل‌تر و متقارن با نیازهای موبایل و سازمانی آماده سازد.

منبع: sammobile

ارسال نظر

نظرات

مکس_x

اگر S26 واقعاً Agentic AI سیستمی بیاره، تجربه موبایل متحول میشه. امیدوارم اولویت با حریم خصوصی و تست‌های امنیتی باشه، نه فقط شلوغ‌بازی.

پاسخ
رضا

قشنگه ولی به نظرم کمی هایپ شده، hallucinationها رو چطور کنترل میکنن؟ شفافیت و مسئولیت‌پذیری لازمه.

پاسخ
سفرگاه

برداشت کلی متوازنه؛ سامسونگ از سخت‌افزار و داده محصول مزیت داره، اما هزینه، حریم خصوصی و قوانین منطقه‌ای چالش جدیه.

پاسخ
لابکور

تو پروژهٔ تحقیقاتی خودمون هم ابزار بدون‌کد سرعت نمونه‌سازی رو بالا برد، ولی اعتبارسنجی خروجی و برچسب‌زنی داده هنوز عذاب آوره.

پاسخ
توربو

این واقعیه؟ اینکه Gauss و مدلای دیگه رو روی دستگاه بیارن و latency کم باشه، کلی سوال فنی دارم...

پاسخ
کوینچ

تا حدی منطقیه، پایین آوردن مانع ورود برای تیم‌ها خوبه، ولی هزینه‌ها و مقیاس‌پذیری رو نباید دست کم گرفت

پاسخ
رودکس

وااای! سامسونگ داره تو سکوت کلی تغییر درست میکنه، Agentic Builder مثل لگو به‌نظر میاد... اگر امن باشه، آینده موبایل جذاب میشه 😳

پاسخ

مطالب مرتبط