هوش مصنوعی اپل سرانجام پس از بیش از دو سال انتظار، راه خود را به چین باز میکند و این بار با مدلی متفاوت از چتجیپیتی کار میکند. اپل در روز ۳۱ اکتبر ۲۰۲۶ اعلام کرد که اپل اینتلیجنس در چین با مدل Qwen شرکت علیبابا همراه میشود؛ آزمایش این قابلیتها از ۴ نوامبر در نسخه بتای توسعهدهندگان آیاواس آغاز میشود و عرضه عمومی آن با آیاواس ۲۷٫۳ در ماه دسامبر انجام خواهد شد. این خبر یک درس عملی درباره آینده کار با هوش مصنوعی است: مدلها دیگر یکسان و سراسری نیستند و هر بازار، شریک و قانون خودش را دارد.
بر اساس اعلام اپل، کاربران چین در موج اول به مجموعهای از قابلیتهای اپل اینتلیجنس دسترسی پیدا میکنند. سیری بهبودیافته با قابلیت تایپ به سیری همراه است و برای برخی درخواستها میتواند از دانش گستردهتر Qwen استفاده کند. ابزارهای نوشتاری اپل هم به Qwen وصل میشوند تا کاربر بتواند درباره عکسها و سندهایی مانند فایلهای پیدیاف و ارائهها سؤال بپرسد یا با قابلیت نگارش، محتوای تازه از ابتدا تولید کند. ترجمه زنده در پیامها، فیستایم و تماس تلفنی، جنموجی، حذف سوژه از عکسها، جستجوی عکس با زبان طبیعی، خلاصه اعلانها و پاسخ هوشمند هم در این موج اول قرار دارند.
دو نکته مهم در این اعلام وجود دارد. نخست اینکه این عرضه در آغاز فقط برای آیفون است و پشتیبانی از پلتفرمهای دیگر پس از دریافت تأییدیههای لازم میآید. دوم اینکه قابلیتهای پیشرفتهتر سیری و دیگر ویژگیهای نسل بعدی که در کنفرانس توسعهدهندگان اپل در سال ۲۰۲۶ معرفی شدند، در این نسخه نیستند. گوشیهای پشتیبانیشده شامل آیفون ۱۵ پرو و پرو مکس، آیفون ۱۶ و مدلهای جدیدتر، آیفون ایر و آیفون دوئو هستند و زبان دستگاه و سیری باید انگلیسی یا چینی سادهشده باشد.
اهمیت این خبر در سه نکته خلاصه میشود. نخست، نشان میدهد که هوش مصنوعی روی دستگاه دیگر یک انتخاب واحد نیست؛ حتی بزرگترین شرکتهای فناوری هم برای ورود به یک بازار باید با مدل بومی آن بازار کار کنند. این یعنی متخصص هوش مصنوعی آینده باید بتواند با چند مدل مختلف کار کند، نه فقط با یک مدل محبوب.
دوم، این همکاری مرز میان مدل روی دستگاه و مدل ابری را روشنتر میکند. اپل اینتلیجنس بر پایه مدلهای مولد خود اپل ساخته شده و عمیقاً در برنامههای روزمره ادغام است، اما وقتی درخواست فراتر از توان مدل روی دستگاه میرود، به مدلی بیرونی مانند Qwen وصل میشود. فهمیدن همین نقطه اتصال، یعنی اینکه چه کاری روی دستگاه انجام میشود و چه کاری به ابر میرود، یکی از مهارتهای کلیدی کار با هوش مصنوعی است.
سوم، موضوع رضایت و حریم خصوصی در عمل دیده میشود. اینکه کاربر پیش از ارسال داده به مدل بیرونی اجازه میدهد و اینکه داده برای آموزش استفاده نمیشود، الگویی است که در پروژههای کاری هم باید رعایت شود. کسی که با هوش مصنوعی کار میکند، باید بتواند به مشتری یا مدیر خود توضیح دهد داده کجا میرود و چه اتفاقی برای آن میافتد.
اگر میخواهید این ترند را به مهارت تبدیل کنید، این مسیر پنج مرحلهای را دنبال کنید.
گام اول، مفاهیم پایه را مرور کنید. تفاوت مدل روی دستگاه و مدل ابری و اینکه چرا بعضی کارها بدون اینترنت انجام میشوند و بعضی نیاز به اتصال دارند را با مثالهای روزمره یاد بگیرید. خواندن مستندات رسمی اپل درباره اپل اینتلیجنس و آشنایی با مدلهای خانواده Qwen نقطه شروع خوبی است.
گام دوم، با ابزارهای نوشتاری هوش مصنوعی تمرین کنید. یک متن واقعی کاری، مثلاً یک ایمیل یا گزارش کوتاه را بردارید و سه کار با آن انجام دهید: بازنویسی، خلاصهسازی و اصلاح لحن. نتیجه را با متن اصلی مقایسه کنید و خطاها را یادداشت کنید. هدف این نیست که متن نهایی را مستقیم استفاده کنید؛ هدف این است که بفهمید مدل کجا دقیق است و کجا نیاز به بازبینی انسانی دارد.
گام سوم، کار با سند و تصویر را تمرین کنید. یک فایل پیدیاف چندصفحهای را انتخاب کنید و از مدل بخواهید نکات اصلی و اعداد کلیدی آن را استخراج کند. سپس هر عدد و نقلقول را با خود سند چک کنید. این تمرین مهمترین عادت کاری با هوش مصنوعی را میسازد: اعتماد مشروط و راستیآزمایی.
گام چهارم، ترجمه زنده و چندزبانه را آزمایش کنید. یک پیام کوتاه را به زبان دیگر ترجمه کنید و ببینید لحن رسمی و غیررسمی، اصطلاحها و نامهای خاص چگونه منتقل میشوند. این تمرین برای کسانی که با مشتری یا همکار خارجی کار میکنند، مستقیماً کاربرد دارد.
گام پنجم، یک پروژه کوچک واقعی بسازید. مثلاً یک راهنمای یکصفحهای برای تیم خود بنویسید که در آن مشخص باشد چه کارهایی را میتوان به هوش مصنوعی روی گوشی سپرد، چه کارهایی نیاز به بررسی انسانی دارد و دادههای حساس هرگز نباید کجا ارسال شوند. همین سند ساده، دانش شما را به یک دارایی کاری تبدیل میکند.
در کار روزمره، این مهارتها به شکلهای مختلف به کار میآیند. یک مدیر فروش میتواند خلاصه جلسات و پیامهای مشتری را سریعتر آماده کند و یک مدرس میتواند پیشنویس تمرینها را بسازد و وقت خود را برای تدریس بگذارد. در همه این موارد، اصل ثابت است: هوش مصنوعی پیشنویس میدهد و انسان تصمیم نهایی را میگیرد.
چشمانداز این روند هم روشن است. اگر این الگو موفق شود، شرکتهای بیشتری برای هر بازار با مدلهای بومی همکاری میکنند و مهارت کار با چند مدل و چند زبان، بهجای وابستگی به یک ابزار، به مزیت رقابتی تبدیل میشود. کسی که امروز یاد میگیرد چگونه میان مدل روی دستگاه و مدل ابری انتخاب کند و خروجی مدل را راستیآزمایی کند، برای موج بعدی ابزارهای هوش مصنوعی آمادهتر خواهد بود.
بهزاد حسین عباسی، بنیانگذار اپراتوری هوش مصنوعی و اپراتوری ابرهوش