هوش مصنوعی میز کار شما را تسخیر می‌کند! بررسی هوش مصنوعی محلی شماره ۵

۰ ۳ دقیقه مطالعه

این هفته هو رسماً پایش را گذاشت توی دفتر کار! خبر جذاب اینکه لینوس توروالدز (Linus Torvalds) اعتراف کرده که استفاده از هوش مصنوعی را دوست دارد و حتی در جدیدترین Kernel خودش، از Claude Code برای نوشتن کد، تست‌ها و حتی پیش‌نویس پیام‌های commit استفاده کرده است. غول‌های فناوری و ابزارهای اداری هم دارند جوری بازطراحی می‌شوند که agentها بتوانند مستقیماً روی فایل‌ها و اسناد شما کار کنند.

اما سوال اصلی اینجاست: این هوش مصنوعی قرار است روی میز چه کسی بنشیند؟ اگر قرار باشد روی ابریِ شرکت‌های دیگر زندگی کند، یعنی تمام کارهای شما هم آنجاست. به همین دلیل است که ابزارهای local و self-hosted اینقدر اهمیت پیدا کرده‌اند.

🧪 روی میز من: openKylin 3

این روزها دارم openKylin 3.0 را تست می‌کنم. این سیستم‌عامل با Kylin bot عرضه می‌شود؛ یک دستیار هوش مصنوعی که می‌تواند تنظیمات Desktop شما را تغییر دهد. با مدل هاست‌شده خود openKylin، توانستم به راحتی از agent بخواهم تنظیمات سیستم را عوض کند.

اما مدل‌های local و پیشرفته من زیاد موفق نبودند. وقتی یک تسک به مدل Qwen خودم با Ollama دادم، به دروغ گفت که تنظیمات سیستم را عوض کرده، در حالی که هیچ تغییری اتفاق نیفتاده بود!

🔍 کشف ابزارهای جدید هوش مصنوعی

BetterOffice یک پکیج اداری با مجوز Apache-2.0 است که می‌توانید آن را توی وب‌اپلیکیشن خودتان تعبیه کنید. این ابزار ویرایشگرهای DOCX، XLSX و PPTX دارد که با Rust و WebAssembly ساخته شده‌اند. جالب‌ترین بخش ماجرا این است که یک هوش مصنوعی به عنوان همکار تغییرات را اعمال می‌کند و تغییراتش به شکل tracked changes ثبت می‌شود که خودتان می‌توانید آن‌ها را قبول یا رد کنید.

WordCraft، GridCraft و DeckCraft هم نسخه‌هایی با زبان Rust برای جایگزینی Word، Excel و PowerPoint هستند که با Claude ساخته شده‌اند. البته این ابزارها هنوز در مرحله پیش‌α (pre-alpha) هستند و تا دنیای واقعی راه زیادی دارند.

شرکت Razorpay هم ابزار slashdocs را به صورت open source منتشر کرده است؛ فضایی برای تیم‌ها که agentها گزارش‌های HTML را در آن منتشر می‌کنند و بقیه کامنت می‌گذارند. agent کامنت‌ها را می‌خواند و نسخه بعدی را PUSH می‌کند.

📡 اخبار مدل‌های متن‌باز (Open Model)

این هفته دو خبر بزرگ داشتیم. مدل Mistral Large 4 که به «Le Chonk» معروف شده، یک مدل ۱ تریلیون پارامتری است و شرکت میسترال وعده داده که وزن‌های آن را تا اواخر اکتبر منتشر کند.

از طرفی، شرکت JetBrains مدل Mellum2.1 Thinking را عرضه کرده که یک مدل ۱۲ میلیارد پارامتری (با ۲.۵ میلیارد پارامتر فعال) و بسیار سریع برای agentهای کدنویسی است.

👀 نگاهی به فعالیت‌های Big Tech

مایکروسافت در رویداد ویندوز خود، agentهایی را معرفی کرد که روی دستگاه خودتان (و در صورت نیاز در Cloud) اجرا می‌شوند. مدل MAI-Code-1.1-Flash به صورت local اجرا می‌شود، اما نکته خنده‌دار اینجاست که برای اجرای روان آن به ۱۲۰ گیگابایت RAM یا بیشتر نیاز دارید! گوگل، OpenAI و متا هم همه به دنبال این هستند که جای پای خود را روی میز کار شما محکم کنند.

🗂 اصطلاح تخصصی هوش مصنوعی: Tool calling

یادتان هست گفتیم ربات Kylin ادعا کرد تنظیمات را عوض کرده ولی این کار را نکرده بود؟ این یک خطای Tool calling است.

یک مدل هوش مصنوعی به تنهایی نمی‌تواند به کامپیوتر شما دست بزند؛ او فقط متن تولید می‌کند. Tool calling روشی است که مدل از طریق آن از اپلیکیشن می‌خواهد کاری را انجام دهد. اپلیکیشن ابزارهایی مثل set_volume را به مدل معرفی می‌کند و مدل با یک درخواست ساختاریافته می‌خواهد که از آن استفاده کند.

مدل‌های کوچک‌تر معمولاً در این کار ضعیف هستند و به جای اجرای واقعی کار، فقط توصیفش می‌کنند!