گوگل پلتفرم جدید هوش مصنوعی خود را معرفی کرد؛ ترکیب قدرت رایانش ابری و حفظ حریم خصوصی داده‌ها

گوگل از راه‌اندازی پلتفرمی نوآورانه با نام Private AI Compute خبر داده است؛ سرویسی که به کاربران اجازه می‌دهد از توان پردازشی بالای هوش مصنوعی در فضای ابری استفاده کنند، بدون آن‌که حریم خصوصی داده‌هایشان به خطر بیفتد. این اقدام نشان‌دهنده‌ی تعهد گوگل به حل یکی از بزرگ‌ترین معضلات عصر هوش مصنوعی …

1. الگوبرداری از اپل اما با رویکردی گسترده‌تر

به گزارش منابع معتبر فناوری مانند The Verge، این سرویس تازه‌ی گوگل شباهت زیادی به رویکرد Private Cloud Compute (PCC) اپل دارد که این شرکت پیشتر برای پردازش‌های حساس محلی معرفی کرده بود. با این حال، استراتژی گوگل به مراتب گسترده‌تر و مبتنی بر مقیاس عظیم زیرساخت‌های ابری آن است. این سرویس در زمانی…

2. مشکل اصلی: کمبود توان محاسباتی در دستگاه‌های شخصی (On-Device Limitations)

در حال حاضر، بخش قابل توجهی از سرویس‌های هوش مصنوعی که گوگل ارائه می‌دهد، به‌صورت پردازش درون‌دستگاهی (On-Device) اجرا می‌شوند. این روش مزیت بزرگی دارد: چون داده‌ها هرگز دستگاه کاربر (گوشی هوشمند، تبلت یا لپ‌تاپ) را ترک نمی‌کنند، سطح بالایی از حریم خصوصی تضمین می‌شود. مثال‌های این سرویس‌ها شامل …
اما گوگل اذعان دارد که این روش محدودیت‌های سخت‌افزاری جدی دارد. اجرای مدل‌های ترانسفورمری عظیم (مانند GPT-4 یا Gemini Ultra) نیازمند منابع محاسباتی (GPU/TPU) بسیار زیادی است که در تراشه‌های موبایلی فعلی، حتی پیشرفته‌ترین آن‌ها، به صورت کارآمد قابل اجرا نیستند. این محدودیت سخت‌افزاری مانع اجرای مدل‌ه…

3. راه‌حل گوگل: پردازش هوش مصنوعی در فضای ابری امن (Private AI Compute)

گوگل در پاسخ به این چالش، پلتفرم Private AI Compute را ایجاد کرده است. این پلتفرم یک محیط ابری ایزوله و کاملاً ایمن تعریف می‌کند که در آن، پردازش‌های سنگین هوش مصنوعی با حفظ سطح امنیتی مشابه پردازش درون‌دستگاهی انجام می‌گیرد.
تکنولوژی‌های زیربنایی این امنیت عبارتند از:

1. محفظه‌های امن محاسباتی (Confidential Computing): این فناوری تضمین می‌کند که داده‌ها حتی در حین پردازش توسط سخت‌افزار، رمزگذاری شده باقی بمانند. پردازنده‌های ابری گوگل (مانند TPUها) با استفاده از سخت‌افزارهای مجزا، محیطی را فراهم می‌کنند که حتی مدیران سیستم گوگل نیز به داده‌های در حال پردازش …
2. رمزنگاری هم‌ریخت (Homomorphic Encryption – HE): اگرچه پیاده‌سازی کامل HE بسیار سنگین است، گوگل از ترکیبی از تکنیک‌های رمزنگاری پیشرفته استفاده می‌کند تا اطمینان حاصل شود که اطلاعات ورودی از حالت رمز خارج نشوند مگر در فضای پردازشی محافظت شده.
3. مدل‌های مبتنی بر عدم تکرار: معماری پلتفرم به گونه‌ای طراحی شده است که نتایج پردازش‌ها از داده‌های ورودی قابل تفکیک باشند. طبق اعلام گوگل، تمامی داده‌های کاربران در کنترل خودشان باقی می‌ماند و هیچ فرد یا سیستمی—حتی خود گوگل—به محتوای خام ورودی یا خروجی‌های خاص مدل در حین پردازش دسترسی نخواهد داشت. این امر از طریق استفاده از کلیدهای رمزنگاری انحصاری کاربر یا محیط‌های مبتنی بر “عدم افشا” (Non-Disclosure Environments) …

4. افزایش دقت و شخصی‌سازی قابلیت‌های هوش مصنوعی

با این رویکرد امنیتی پیشرفته، گوگل می‌تواند محدودیت‌های پردازش درون‌دستگاهی را از بین ببرد و قابلیت‌های هوش مصنوعی خود را به سطح جدیدی برساند. سرویس‌های هوش مصنوعی گوگل قادر خواهند بود فراتر از عملکردهای معمول بروند و تجربه‌ای شخصی‌تر، دقیق‌تر و هوشمندتر برای کاربر ایجاد کنند.
برخی از موارد استفاده پیش‌بینی شده عبارتند از:

• گوشی‌های سری Pixel 10 و آینده: انتظار می‌رود این دستگاه‌ها توانایی دریافت پیشنهادهای بهینه‌تر و پیچیده‌تری از ابزار Magic Cue (دستیار پیش‌بینی‌کننده گوگل) را داشته باشند. این ابزار می‌تواند بر اساس محتوای ایمیل‌ها، تقویم و تاریخچه‌ی مرورگر کاربر، توصیه‌های بسیار دقیقی ارائه دهد، در حالی ک…
• اپلیکیشن Recorder (ضبط صدا): این اپلیکیشن از زبان‌های بسیار بیشتری برای تبدیل گفتار به متن (Speech-to-Text) پشتیبانی خواهد کرد. دقت تشخیص گویش‌ها و اصطلاحات محلی که نیازمند مدل‌های بسیار بزرگ هستند، بهبود می‌یابد.
• تحلیل‌های پزشکی و مالی شخصی: در آینده، کاربران می‌توانند اسناد شخصی حساس خود را (مانند نتایج آزمایشگاهی یا گزارش‌های مالی) برای خلاصه‌سازی یا تحلیل‌های آماری به این پلتفرم بفرستند، بدون نگرانی از اینکه سوابق سلامتی یا مالی آن‌ها برای آموزش عمومی مدل‌ها استفاده شود. به لحاظ فنی، این قابلیت‌ها نیازمند توان محاسباتی در سطح ده‌ها یا صدها میلیارد پارامتر (Parameters) هستند، که اجرای آن‌ها در فضای ابری امن، صرفه اقتصادی و امنیتی بیشتری نسبت به تلاش برای فشرده‌سازی مدل‌ها برای اجرا در تراشه‌های موبایلی دارد.

5. آینده‌ی هوش مصنوعی در اکوسیستم گوگل: معماری ترکیبی

گوگل اعلام کرده است که شروع این پلتفرم، تنها گام نخست در مسیر جدیدی است که هدف آن است. این یک تغییر پارادایم از دوگانه‌ی “یا درون دستگاه یا در ابر عمومی” به سمت یک معماری ترکیبی (Hybrid Architecture) است. در این معماری ترکیبی، تصمیم‌گیری می‌شود که کدام بخش از پردازش باید به دلیل حساسیت داده‌ها در دستگاه انجام شود و کدام بخش از محاسبات سنگین برای حفظ دقت، باید به محیط امن ابری Private AI Compute منتقل گردد. انتظار می‌رود در ماه‌های آینده خدمات پیشرفته‌تری با بهره‌گیری از این فناوری در محصولات گوگل عرضه شود. تحلیلگران معتقدند این حرکت گوگل می‌تواند استاندارد جدیدی برای اجرای سرویس‌های هوش مصنوعی در سطح جهانی تعریف کند، جایی که عملکرد دیگر مترادف با به خطر انداختن حریم خصوصی نخواهد بود.