شتاب بی صدا سامسونگ در هوش مصنوعی و ابزار Agentic

سامسونگ به‌صورت بی‌صدا در حال تسریع استراتژی هوش مصنوعی خود است. پس از رونمایی از مدل‌های Gauss و Gauss 2.0، این شرکت مدل‌های مولدی خود را ارتقا داده و یک مجموعه ابزار Agentic AI طراحی کرده است که هدف آن تسریع توسعه، بهبود جست‌وجو درون سازمان و آماده‌سازی برای پیاده‌سازی هوش مصنوعی در سطح سیستم در گوشی‌های آینده سری Galaxy است.

Agentic Builder: هوش مصنوعی بدون کدنویسی که عامل‌ها را مثل لگو می‌سازد

براساس گزارش‌های منتشرشده در کره جنوبی، آزمایشگاه تحقیقاتی سامسونگ (Samsung Research) ابزار جدیدی به نام Agentic Builder توسعه داده است که بر پایه انواع جدیدتر Gauss — شامل Gauss 2.3، Gauss 2.3 Think و Gauss O Flash — طراحی شده است. این ابزار به‌عنوان یک محیط رابط‌محور بدون نیاز به کدنویسی توصیف می‌شود که تیم‌ها می‌توانند با کشیدن و رها کردن مؤلفه‌های مدولار، عامل‌های هوش مصنوعی حیاتی برای کسب‌وکار را مونتاژ کنند.

چگونه کار می‌کند و چه اجزایی دارد

بلوک‌های سازنده این پلتفرم شامل پنجره‌های ورودی و خروجی، مدل‌های تخصصی هوش مصنوعی و منطق اختصاصی سامسونگ به‌نام DoXA هستند — یک موتور تحلیل اسناد که به عامل‌ها کمک می‌کند سریع زمینهٔ کسب‌وکار را درک کنند. این مؤلفه‌ها به صورت ماژولار طراحی شده‌اند تا بتوان در کوتاه‌ترین زمان نمونه اولیه ساخت یا عامل‌ها را بدون نیاز به هزینه‌های زیاد مهندسی پیاده‌سازی کرد. در عمل، این رویکرد شبیه ساختن قطعات لگو است: مؤلفه‌ها با استانداردهای مشخصی به هم متصل می‌شوند تا یک جریان کاری خودکار یا یک عامل کامل شکل گیرد.

مزایای عملی برای تیم‌های محصول و توسعه

استفاده از ابزارهایی مانند Agentic Builder می‌تواند موانع فنی را برای تیم‌های محصول و توسعه کاهش دهد، چرخهٔ توسعه را کوتاه‌تر کند و امکان آزمون سریع‌تر ایده‌ها را فراهم سازد. برای مثال، تیم‌های طراحی محصول می‌توانند بدون دخالت مستقیم تیم‌های ML یا DevOps، سناریوهای پاسخ‌دهی خودکار به پرسش‌های فنی، اسکریپت‌های پردازش اسناد یا جریان‌های کاری پشتیبانی مشتری را طراحی و آزمایش کنند. این ویژگی به‌ویژه برای سازمان‌های بزرگ که با دانش نهادی گسترده و پراکنده سروکار دارند، ارزش بالایی دارد.

چالش‌ها و ملاحظات پیاده‌سازی

هرچند رویکرد بدون کدنویسی مزایای زیادی دارد، اما نگرانی‌هایی نیز وجود دارد: حفظ کیفیت مدل‌ها، تضمین امنیت داده‌ها، پایش عملکرد در محیط تولید و تطبیق‌پذیری با سیستم‌های قدیمی سازمان. سامسونگ با یکپارچه‌سازی منطق DoXA و استفاده از انواع پیشرفتهٔ Gauss سعی کرده تا کنترل بیشتری روی تحلیل اسناد و زمینهٔ کسب‌وکار اعمال کند، اما برای ارائهٔ گسترده در سازمان‌های حساس به حریم خصوصی نیاز به سیاست‌های دقیق‌تر مدیریت داده و آزمایش‌های امنیتی گسترده است.

Sirius: جست‌وجوی چندوجهی و بازیابی دانش هوشمندتر

سامسونگ همچنین قابلیت‌های چندرسانه‌ای مدل Gauss را در سرویس جست‌وجوی دانش داخلی با نام رمز Sirius به‌کار گرفته است. به‌جای تکیه صرف بر جست‌وجوی مبتنی بر کلمه‌کلیدی سنتی، Sirius از رویکرد نمودار دانش (knowledge-graph) استفاده می‌کند و می‌تواند متن، اعداد، جداول، تصاویر و فایل‌های پیوست را فهرست‌بندی و پرس‌وجو کند. یک مقام از Samsung Research به وب‌سایت TheElec گفته است که Sirius در حال حاضر به‌عنوان سرویس بتا برای کارمندان عرضه شده و عمدتاً برای یافتن دانش مرتبط با توسعه محصول و اطلاعات فنی مرتبط با وظایف خاص کاربرد دارد.

معماری چندوجهی و نحوهٔ بازیابی دانش

هستهٔ چندوجهی Sirius به مدل‌های زبانی چندرسانه‌ای متکی است که توانایی همزمان پردازش متن و تصویر را دارند و نتایج را در قالب یک گراف دانش سازمان‌دهی می‌کنند. این نما امکان پیوند بین اسناد فنی، نمودارها، جداول داده و نمونه‌های تصویری را فراهم می‌کند تا کاربران بتوانند پرسش‌های پیچیده‌تری مانند «کدام نمونهٔ طراحی با معیار X سازگار است» یا «چه تغییراتی در نسخه‌های قبلی باعث افزایش خطا شده‌اند» را به‌سرعت پاسخ دهند. یک گراف دانش خوب طراحی‌شده می‌تواند رابطهٔ بین مفاهیم، اجزا و نسخه‌های محصول را آشکار سازد و دسترسی به دانش نهادی را بسیار سریع‌تر کند.

بهبود تولید تصویر و راه‌حل‌های آموزشی

این اسکلت چندوجهی با یک خط تولید تولید تصویر ارتقا یافته جفت شده است. سامسونگ محدودیت‌های معمول مدل‌های تصویر مانند عدم توانایی در بازتولید دقیق جزئیات خواسته‌شده یا ناتوانی در خلق اشیاء آشنا را با استفاده از تصاویر مرجع اضافی و یک ساختار آموزشی که ویژگی‌های کلیدی یک شیء را هنگام تبدیل با دستورهای زبان طبیعی حفظ می‌کند، برطرف کرده است. این روش باعث می‌شود مدل‌های تولید تصویر توانایی بهتری در حفظ هویت بصری اجزا، بافت‌ها و نسبت‌ها داشته باشند و تصاویر خلق‌شده برای استفاده‌های صنعتی یا طراحی محصول قابل اتکا‌تر باشند.

داده‌های آموزشی سفارشی و بهبود مدل‌های متن‌باز

شرکت می‌گوید استفادهٔ داخلی از مدل تصویر جدید پس از آخرین به‌روزرسانی 153 درصد افزایش یافته است. علاوه بر این، سامسونگ مجموعه‌دادهٔ سفارشی‌ای ایجاد و بهینه‌سازی کرده تا به مدل‌های متن‌باز مبتنی بر انتشار نهفته (latent diffusion) کمک کند تا فراتر از محدودیت‌های اولیهٔ خود یاد بگیرند. این مجموعه‌دادهٔ سفارشی شامل نمونه‌های مرجع، متادیتاهای ساختاری و موقعیت‌های کاربردی صنعتی است که می‌تواند به مدل‌ها درک بهتر از زمینهٔ کاربردی و نیازهای خاص کسب‌وکاری بدهد.

چرا این موضوع برای گوشی‌ها و مشتریان سازمانی اهمیت دارد

سامسونگ قصد دارد از مدل‌های ارتقا یافتهٔ Gauss به‌طور گسترده‌تر هم در داخل سازمان و هم در محصولات خود استفاده کند. انتظار می‌رود که خانوادهٔ Galaxy S26 اولین گوشی‌هایی باشند که از Agentic AI در سطح سیستم پشتیبانی می‌کنند؛ پشتیبانی‌ای که شایعه شده شامل چندین مدل مختلف مانند Gauss، Gemini و Perplexity خواهد بود. این امر می‌تواند به معنی دستیاران روی دستگاه باشد که به‌صورت پویا قابلیت‌ها را بر حسب نیاز مونتاژ می‌کنند، ویژگی‌های جست‌وجویی غنی‌تر و ابزارهای تصویری هوشمندتر که در اپلیکیشن‌های بومی گوشی جاسازی شده‌اند.

تأثیر بر تجربهٔ کاربری گوشی‌های هوشمند

با آوردن Agentic AI به سطح سیستم، کاربران می‌توانند انتظار داشته باشند که گوشی‌هایشان رفتار هوشمندانه‌تری نسبت به زمینهٔ استفاده نشان دهند: پیشنهادات هوشمند برای وظایف روزمره، قابلیت‌های خودکارسازی که با توجه به نحوهٔ استفادهٔ کاربر شخصی‌سازی می‌شوند، و پاسخ‌های دقیق‌تر در جست‌وجوی محلی و سیستم‌های کمکی. برای مثال، یک دستیار روی دستگاه ممکن است بسته به پروژهٔ فعلی شما، فایل‌ها و اسناد مرتبط را کنار هم قرار دهد، تصاویر طراحی مربوطه را پیشنهاد دهد و حتی جریان کاری تولید محتوا را بر اساس قالب‌های سازمانی به‌طور خودکار بسازد.

مزایا برای سازمان‌ها و بهینه‌سازی دانش نهادی

برای مشتریان سازمانی، ترکیب یک Agentic Builder با جست‌وجوی سبک Sirius می‌تواند نحوهٔ دسترسی تیم‌ها به دانش نهادی را ساده کند و جریان‌های کاری تخصصی را خودکار سازد. این قابلیت‌ها می‌توانند زمان لازم برای حل مسائل فنی را کاهش دهند، فرآیندهای E2E (از آغاز تا پایان) را شتاب دهند و اتکاء به منابع انسانی محدودی را که دانش کلیدی را در سر دارند کاهش دهند. همچنین با استفاده از گراف دانش و منطق تحلیل اسناد، سازمان‌ها می‌توانند قوانین همراستا با انطباق و حاکمیت داده‌ها را بهتر اجرا کنند.

ملاحظات حریم خصوصی، امنیت و اعتماد

پیاده‌سازی چنین سیستم‌هایی مستلزم توجه ویژه به حریم خصوصی، امنیت و اعتماد مدل است. سازمان‌ها باید سیاست‌های مشخصی برای مدیریت داده‌های حساس، نسخه‌برداری از مدل‌ها، و ممیزی تصمیم‌های خودکار داشته باشند. علاوه بر این، ارزیابی مداوم عملکرد مدل‌ها در سناریوهای واقعی و ایجاد مکانیسم‌های شفاف‌سازی برای تصمیمات بحرانی اهمیت دارد تا کاربران و مدیران سازمان به نتایج تولیدشده اعتماد کنند.

چشم‌انداز فنی و رقابتی

سامسونگ با استمرار در اصلاح خانوادهٔ Gauss و ابزارهای مرتبط، در حال موقعیت‌یابی برای آینده‌ای است که در آن بخش قابل‌توجهی از قابلیت‌های هوش مصنوعی به‌صورت محلی روی دستگاه اجرا می‌شوند و وابستگی کمتر به ابر وجود دارد. این رویکرد می‌تواند سامسونگ را در رقابت با شرکت‌هایی که بر سرویس‌های ابری متمرکزند، متمایز کند و امکان ارائهٔ تجربه‌های کاربری سریع‌تر، امن‌تر و با تأخیر کمتر را فراهم آورد.

تمایز در مقابل رقبا

نقطهٔ تمایز اصلی سامسونگ می‌تواند در یکپارچگی سطح سیستم، ترکیب گراف دانش با توانایی‌های چندرسانه‌ای و ابزارهای بدون کدنویسی برای طراحی عامل‌ها باشد. این ترکیب، بسته به کیفیت مدل‌ها و استراتژی داده‌ای، می‌تواند به یک مزیت رقابتی قابل توجه تبدیل شود؛ به‌خصوص اگر شرکت بتواند تضمین‌هایی در زمینهٔ حفاظت از داده و کنترل نسخهٔ مدل ارائه کند که در محیط‌های سازمانی اهمیت حیاتی دارند.

مسیرهای توسعهٔ بعدی

انتظار می‌رود سامسونگ به‌صورت مداوم مدل‌های Gauss را توسعه دهد، مجموعه‌داده‌های آموزشی سفارشی را گسترش دهد و ابزارهای Agentic را برای موارد استفادهٔ گسترده‌تر بهینه کند. به مرور، ممکن است شاهد ادغام این فناوری‌ها با اکوسیستم نرم‌افزاری سامسونگ و شرکای آن، ارائه APIهای امن برای توسعه‌دهندگان و راه‌حل‌های مقیاس‌پذیر برای مشتریان سازمانی باشیم. همچنین تعامل با جامعهٔ متن‌باز و به‌اشتراک‌گذاری تجربیات می‌تواند به ارتقای سریع‌تر مدل‌ها کمک کند.

در مجموع، سامسونگ در حال سرمایه‌گذاری بر ترکیبی از پیشرفت‌های مدل‌های مولد، ظرفیت‌های چندرسانه‌ای و ابزارهای توسعهٔ آسان برای قرار گرفتن در مسیری است که دستگاه‌های آینده را هوشمندتر، پاسخ‌گوتر و باثبات‌تر خواهد کرد. کاربران و سازمان‌ها می‌توانند انتظار داشته باشند که در نسل‌های بعدی محصولات Galaxy شاهد ویژگی‌هایی باشند که بیش‌تر مبتنی بر زمینهٔ کاربردی، قابل‌اعتماد و یکپارچه با جریان‌های کاری روزمره خواهند بود.

انتظار می‌رود سامسونگ به آزمایش و تکرار روی Gauss و مجموعه ابزارهای مرتبط ادامه دهد تا خود را برای آینده‌ای با اتکای بیشتر به قابلیت‌های هوش مصنوعی آماده کند.