RTX Spark: گام‌های اولیه در هوش مصنوعی محلی

مایکروسافت و انویدیا پلتفرم RTX Spark را به عنوان نسل جدیدی از رایانه‌های شخصی ویندوزی برای هوش مصنوعی محلی، تولیدکنندگان محتوا، توسعه‌دهندگان و بازی معرفی می‌کنند. این رویکرد، شباهت زیادی به شیوه بازاریابی Copilot+ PC در زمان معرفی اولیه آن دارد. اما این شباهت منطقی است: همانطور که قبلاً اشاره شد، RTX Spark سومین نسل از پلتفرم‌های رایانه‌های شخصی هوش مصنوعی است و هر یک از این نسل‌ها، نقطه عطفی مهم برای هوش مصنوعی محلی در رایانه‌های شخصی بوده‌اند. هر کدام از این پلتفرم‌ها – رایانه‌های شخصی هوش مصنوعی، Copilot+ PC و اکنون رایانه‌های RTX Spark – به نوبه خود، مجموعه‌ای جامع‌تر از نسل‌های قبلی خود محسوب می‌شوند.

رایانه‌های RTX Spark ویژگی‌های متعددی دارند، اما همه آنها ریشه در تجربیات قدرتمند هوش مصنوعی محلی مبتنی بر پردازنده‌های گرافیکی (GPU) دارند. این موضوع تا حدودی گیج‌کننده است، زیرا هوش مصنوعی محلی نه تنها از نظر عملکردی از هوش مصنوعی مبتنی بر فضای ابری (که به آن «مرزی» نیز گفته می‌شود) عقب‌تر است، بلکه راه‌اندازی و استفاده از آن نیز دشوارتر است. با ابزارهایی مانند Copilot، Anthropic Claude یا OpenAI ChatGPT، کافی است برنامه را اجرا کنید، با متن یا صدای خود به آن دستور دهید و کارتان را شروع کنید. اما با هوش مصنوعی محلی، کارهای زیادی برای انجام دادن دارید. اگرچه RTX Spark طیف وسیع‌تری از مدل‌های هوش مصنوعی محلی را نسبت به سایر رایانه‌های شخصی ارائه می‌دهد، اما این موضوع معرفی کتاب پیچیدگی‌ها را نیز افزایش می‌دهد. دشوار است که بدانید از کجا باید شروع کرد.

اما باید از جایی شروع کرد. من سه رایانه RTX Spark برای زمان عرضه در اختیار دارم و هر کدام کمی متفاوت هستند. Lenovo Pro 9n 15 دارای پردازنده N1X رده پایین‌تر با یک CPU 18 هسته‌ای، یک GPU 5120 هسته‌ای و 32 گیگابایت رم است. HP OmniBook Ultra 16 دارای N1X رده بالاتر با یک CPU 20 هسته‌ای، یک GPU 6144 هسته‌ای و 32 گیگابایت رم است. و سپس ASUS ProArt P16 را داریم که دارای پردازنده N1X رده بالاتر و 128 گیگابایت حافظه یکپارچه کامل است که RTX Spark از آن پشتیبانی می‌کند.