आर्टिफिशियल इंटेलिजेंस (एआई) का उपयोग कंप्यूटर में विभिन्न तरीकों से किया जा सकता है। चैटबॉट और ChatGPT, Gemini और Copilot जैसे सहायक सेवाएँ क्लाउड में काम कर सकते हैं, जबकि एआई के साथ पीसी विशिष्ट कार्यों को सीधे डिवाइस पर करने के लिए विशेष हार्डवेयर शामिल करना शुरू कर रहे हैं।
हालांकि, ये दोनों दृष्टिकोण जरूरी नहीं कि एक दूसरे के साथ प्रतिस्पर्धा करें। इंटेल ब्राजील के मार्केटिंग डायरेक्टर कार्लोस बुआर्के के अनुसार, प्रवृत्ति यह है कि एआई एप्लिकेशन प्रत्येक कार्य की विशेषताओं के आधार पर स्थानीय और क्लाउड प्रोसेसिंग को संयोजित करेंगे। उन्होंने ओलहार डिजिटल को दिए एक साक्षात्कार में कहा: 'हम मानते हैं कि सभी एआई एप्लिकेशन हाइब्रिड एप्लिकेशन बन जाएंगे।'
एआई प्रोसेसिंग को कंप्यूटर पर स्थानांतरित करने के कारणों में से एक कुछ डेटा को क्लाउड पर भेजने से बचना है। बुआर्के गोपनीयता और एआई सेवाओं के उपयोग की लागत को स्थानीय निष्पादन को बढ़ावा देने वाले कारकों के रूप में इंगित करते हैं। उनके अनुसार, पीसी पर स्थापित भाषा मॉडल पाठ सुधार, अनुवाद और डेटा विश्लेषण जैसे ऑपरेशन करने में सक्षम हैं।
कार्यप्रवाह के कुछ हिस्सों को स्थानीय रूप से निष्पादित करने से लागत कम हो सकती है, क्योंकि कुछ कार्य क्लाउड प्रोसेसिंग पर निर्भर नहीं रहते हैं। इस परिदृश्य में, मॉडल मशीन में लोड होता है और उस विशिष्ट कार्य के लिए इंटरनेट कनेक्शन की आवश्यकता के बिना स्थानीय रूप से निष्कर्ष निकालता है।
गोपनीयता विशेष रूप से महत्वपूर्ण है जब एआई व्यक्तिगत या गोपनीय जानकारी के साथ काम करता है। बुआर्के ने बताया कि उन्होंने स्टॉक लेनदेन की जानकारी सहित अपने कर रिटर्न के डेटा का विश्लेषण करने के लिए एआई का उपयोग किया था। उन्होंने उल्लेख किया कि वह डेटा गोपनीयता की गारंटी के बिना ऐसी सामग्री को सार्वजनिक मॉडल पर भेजना नहीं चाहेंगे।
डायरेक्टर ने चिकित्सा देखभाल का भी उदाहरण दिया, जहां स्थानीय प्रोसेसिंग मायने रखती है। उदाहरण के लिए, परामर्श के दौरान ट्रांसक्रिप्शन डॉक्टर के मेडिकल रिकॉर्ड में शामिल करने से पहले सीधे कंप्यूटर पर किया जा सकता है। उन्होंने जोर देकर कहा: 'मैं परामर्श को ट्रांसक्राइब करता हूं। यह मेरे मरीज की महत्वपूर्ण, गोपनीय जानकारी है। यह मेरे कंप्यूटर पर स्थानीय रूप से निष्पादित और ट्रांसक्राइब किया जाएगा ताकि यह मेरे कंप्यूटर पर मेरे मरीज के रिकॉर्ड में आ सके। मैं इसे क्लाउड में नहीं चलाऊंगा, समझते हैं? क्योंकि डॉक्टर और रोगी के बीच गोपनीय संबंध मौजूद है।'
इसके अलावा, ऐसी स्थितियाँ भी हैं जहाँ कनेक्शन एक निर्णायक कारक है। कारखाने में बुआर्के उत्पादन लाइन पर दोषों का पता लगाने के लिए कंप्यूटर विजन के उपयोग का उदाहरण देते हैं। इस मामले में, विश्लेषण नेटवर्क पर निर्भरता के बिना स्थानीय रूप से हो सकता है। उनका तर्क है: 'आप इसे क्लाउड में नहीं चलाएंगे, आप इसे प्रदर्शन के कारण स्थानीय रूप से चलाते हैं।'
इसी तरह का सिद्धांत सुरक्षा प्रणालियों पर भी लागू होता है। बुआर्के उन कैमरों का उल्लेख करते हैं जो विशिष्ट स्थितियों की पहचान कर सकते हैं और स्थानीय रूप से निर्णय ले सकते हैं, जैसे अलर्ट या अलार्म सक्रिय करना।
स्थानीय प्रोसेसिंग क्लाउड सेवाओं की आवश्यकता को समाप्त नहीं करती है। बुआर्के स्वयं चैटबॉट्स का उल्लेख करते हैं जैसे एप्लिकेशन जो क्लाउड में अच्छी तरह से काम करना जारी रखते हैं। वह कहते हैं: 'मैं अपना Copilot, Gemini, ChatGPT क्लाउड में चलाता हूं।'
क्लाउड तब भी विकल्प बना रहता है जब काम का कुछ हिस्सा ऐसा प्रसंस्करण मांगता है जो डिवाइस पर नहीं होना चाहिए। आर्किटेक्चर के बीच अंतिम चयन के बजाय, बुआर्के का मानना है कि एप्लिकेशन कंप्यूटर और बाहरी सर्वर के बीच कार्यों को वितरित कर सकते हैं। वह निष्कर्ष निकालते हैं: 'एप्लिकेशन के विभिन्न प्रकार हैं जिन्हें स्थानीय रूप से चलाना बहुत समझदारी है, और अन्य हैं जिनके लिए मैं कहूंगा कि इसका मतलब हाइब्रिड है। कुछ ऐसा होगा जिसे आप स्थानीय रूप से चलाएंगे, और दूसरा जिसे आप प्रदर्शन के कारण बाहर चलाएंगे।'
इस मॉडल को एक ही एप्लिकेशन के भीतर विभिन्न प्रकार की जानकारी को विभाजित करने के लिए भी लागू किया जा सकता है। बुआर्के ऐसे उदाहरण देते हैं जहां अधिक संवेदनशील डेटा डिवाइस पर रहता है, जबकि सार्वजनिक रूप से उपलब्ध जानकारी या बाहरी खोजों की आवश्यकता वाले कार्य क्लाउड में संसाधित होते हैं।
स्थानीय प्रोसेसिंग पर चर्चा लैपटॉप में चैटबॉट रखने तक सीमित नहीं है। बुआर्के का तर्क है कि नए एप्लिकेशन वर्तमान से अलग अनुभव बनाने के लिए सीधे डिवाइस पर मॉडल चलाने की क्षमता का उपयोग कर सकते हैं। खेलों में, उदाहरण के लिए, वह गैर-खिलाड़ी पात्रों (एनपीसी) का उल्लेख करते हैं। विशेषज्ञ के अनुसार, स्थानीय रूप से निष्पादित एआई मॉडल इन पात्रों को अधिक बुद्धिमान बना सकते हैं, उन्हें अधिक स्वाभाविक रूप से व्यवहार करने और खिलाड़ी की शैली पर बेहतर प्रतिक्रिया देने के लिए मजबूर कर सकते हैं।
एआई की मदद से ये गैर-खिलाड़ी पात्र कहीं अधिक बुद्धिमान हो सकते हैं और स्वाभाविक रूप से कार्य कर सकते हैं। खेल आपके गेमिंग स्टाइल के अनुकूल हो सकता है और आपके लिए कहीं अधिक व्यक्तिगत हो सकता है।
एक और उदाहरण वीडियो कॉन्फ्रेंस में सामने आता है। बुआर्के बताते हैं कि माइक्रोसॉफ्ट टीम्स जैसे प्लेटफॉर्म शोर रद्द करने और पृष्ठभूमि धुंधला करने जैसे कार्यों को करने के लिए सीपीयू, जीपीयू और एनपीयू का उपयोग करते हैं। इस मामले में लाभ न केवल दृश्यमान या श्रव्य परिणाम में है, बल्कि ऊर्जा दक्षता में भी है: इस कार्य को सीपीयू द्वारा किया जा सकता था, लेकिन इसके लिए अधिक ऊर्जा की आवश्यकता होती।
इस प्रकार, स्थानीय और क्लाउड प्रोसेसिंग का संयोजन एक तकनीक को दूसरी से पूरी तरह से बदलने से निर्धारित नहीं होना चाहिए। बुआर्के के लिए, एआई के प्रत्येक हिस्से का निष्पादन स्थान एप्लिकेशन की विशेषताओं पर निर्भर करेगा, जिसमें गोपनीयता, लागत, प्रदर्शन और बिना कनेक्शन के काम करने की आवश्यकता जैसे कारक शामिल हैं।
साक्षात्कार के दौरान, विशेषज्ञ ने इस बात पर जोर दिया कि स्थानीय और क्लाउड प्रोसेसिंग के बीच चयन प्रत्येक एप्लिकेशन की विशिष्टताओं पर आधारित होना चाहिए। उनके विचार में, विभिन्न कार्यों को प्रदर्शन, लागत और गोपनीयता जैसे कारकों के आधार पर कंप्यूटर और बाहरी सर्वर के बीच विभाजित किया जा सकता है।