اطلاعات کے مطابق Apple، Khosla Ventures کے تعاون سے چلنے والے اسٹارٹ اپ PrismML کے ساتھ اپنے ایکوسسٹم میں جدید ماڈل کمپریشن ٹیکنالوجی کو شامل کرنے کے لیے ابتدائی بات چیت کر رہا ہے۔ اس اقدام کا مقصد جدید Large Language Models (LLMs) کی بھاری کمپیوٹیشنل ضروریات اور موبائل ہارڈ ویئر کی حدود کے درمیان فرق کو ختم کرتے ہوئے، جدید ترین مصنوعی ذہانت (AI) کو براہ راست iPhone پر لانا ہے۔

آن-ڈیوائس AI کی رکاوٹ کا حل

جیسے جیسے Apple، iOS 18 اور ایک نئے ڈیزائن والے Siri کو متعارف کروا رہا ہے، کمپنی کو ایک اہم تکنیکی رکاوٹ کا سامنا ہے: اعلیٰ کارکردگی والے AI ماڈلز کو عام طور پر میموری اور پروسیسنگ پاور کی اتنی بڑی مقدار درکار ہوتی ہے جو عام اسمارٹ فون کی صلاحیتوں سے تجاوز کر جاتی ہے۔ PrismML کی ٹیکنالوجی کو شامل کر کے، Apple پروسیسنگ کو کلاؤڈ سے ہٹا کر خود ڈیوائس پر لانے کی کوشش کر رہا ہے۔

یہ تبدیلی Apple کی اسٹریٹجک پوزیشننگ کے لیے انتہائی اہم ہے۔ آن-ڈیوائس AI سے لیٹنسی (latency) کم ہوتی ہے، مہنگے کلاؤڈ کمپیوٹنگ کے اخراجات میں کمی آتی ہے، اور حساس صارف ڈیٹا کو ہینڈ سیٹ تک محدود رکھ کر Apple کے رازداری (privacy) کے بنیادی وعدے کو تقویت ملتی ہے۔ مزید برآں، یہ اہم AI فیچرز کو انٹرنیٹ کنکشن کے بغیر بھی کام کرنے کے قابل بناتا ہے۔

PrismML بڑے AI ماڈلز کو کیسے چھوٹا کرتا ہے

PrismML، جس کا آغاز California Institute of Technology کی تحقیق سے ہوا، ماڈل کی اندرونی ویلیوز (values) کو اسٹور کرنے کے طریقے کو سادہ بنانے کے لیے ایک جدید طریقہ استعمال کرتا ہے۔ جہاں روایتی طریقے اعداد کو 16 بٹس سے 4 بٹس تک کم کر سکتے ہیں، وہیں PrismML اس سے ایک قدم آگے بڑھتے ہوئے، ہر عدد کو محض ایک یا تین ممکنہ ویلیوز تک محدود کر دیتا ہے۔

اس سے کارکردگی میں نمایاں بہتری آتی ہے۔ PrismML نے حال ہی میں Alibaba کے اوپن سورس Qwen ماڈل کو 54 GB سے کم کر کے 4 GB سے بھی نیچے لانے کی مثال پیش کی ہے۔ یہ کمپریشن ماڈل کے تمام 27 بلین پیرامیٹرز کو iPhone 15 یا اس سے نئے ماڈلز پر چلانے کی اجازت دیتا ہے۔ CEO Babak Hassibi کے مطابق، یہ کمپریسڈ ماڈلز کارکردگی کے کئی فوائد فراہم کرتے ہیں:

  • میموری کی کارکردگی: 15 گنا تک کم میموری استعمال کرتا ہے۔
  • رفتار: چھ سے آٹھ گنا زیادہ تیز چلتا ہے۔
  • توانائی کا استعمال: چھ گنا تک کم توانائی استعمال کرتا ہے۔

اگرچہ Hassibi نے کارکردگی میں معمولی کمی کا ذکر کیا ہے—خاص طور پر حقائق کی یادداشت (factual recall) کے حوالے سے—تاہم یہ ماڈلز استدلال (reasoning) اور کوڈنگ کی صلاحیتوں میں اعلیٰ مہارت برقرار رکھتے ہیں۔

سیمیکانڈکٹر اور ہارڈ ویئر مارکیٹوں پر اثرات

Apple جیسے بڑے ادارے کی جانب سے ایسی کمپریشن ٹیکنالوجی کو اپنانے سے ہارڈ ویئر مینوفیکچررز کے منظرنامے میں تبدیلی آ سکتی ہے۔ فی الحال، Morgan Stanley جیسے تجزیہ کاروں کا اندازہ ہے کہ AI کو سپورٹ کرنے کے لیے Apple کے میموری اخراجات مالی سال 2027 تک تیزی سے بڑھ سکتے ہیں، جس سے iPhone کی قیمتوں میں اضافہ ہو سکتا ہے۔

تاہم، اگر PrismML کی ٹیکنالوجی ایک معیار بن جاتی ہے، تو اسمارٹ فونز میں بڑے میموری ماڈیولز کی طلب کم ہو سکتی ہے، چاہے تیز رفتار اور موثر لوکل پروسیسنگ کی ضرورت بڑھ ہی کیوں نہ ہو۔ جیسے جیسے PrismML گوگل کے Gemma جیسے دیگر بڑے ماڈلز کو کمپریس کرنے کی طرف بڑھ رہا ہے، مقصد واضح ہے: اعلیٰ درجے کی ذہانت کو صارفین کے ہارڈ ویئر پر مقامی، تیز اور قابل رسائی بنانا۔

اہم نکات

  • بڑی سطح پر کمپریشن: PrismML 54 GB کے AI ماڈل کو 4 GB سے بھی کم کر سکتا ہے، جس سے اسے iPhone 15 جیسے ہائی اینڈ اسمارٹ فونز کے لیے قابل عمل بنایا جا سکتا ہے۔
  • کارکردگی میں اضافہ: یہ ٹیکنالوجی 15 گنا تک کم میموری استعمال اور 6 گنا کم توانائی کے استعمال کا وعدہ کرتی ہے، جو AI ٹاسک کے دوران بیٹری لائف برقرار رکھنے کے لیے ضروری ہے۔
  • پرائیویسی اور رفتار: AI کو کلاؤڈ سے ڈیوائس پر منتقل کرنے سے لیٹنسی کم ہوگی اور صارف کی پرائیویسی بہتر ہوگی، جو Apple کے پروڈکٹ فلسفے کا ایک بنیادی ستون ہے۔

خطرات اور کھلے سوالات

PrismML کے نتائج امید افزا ہیں لیکن ابھی ابتدائی مرحلے میں ہیں۔

آگے کیا نظر آئے گا

  • سرکاری تصدیق: Apple نے ابھی تک کسی شراکت داری کا اعلان نہیں کیا ہے، اس لیے آن-ڈیوائس LLMs کے بارے میں کوئی بھی پریس ریلیز یا iOS 18 بیٹا نوٹ ایک اہم اشارہ ہوگا۔

خلاصہ: PrismML کی کمپریشن iPhone کو میموری پر بوجھ ڈالے یا بیٹری ختم کیے بغیر حقیقی طور پر بڑے لینگویج ماڈلز چلانے کی اجازت دے سکتی ہے، جس سے تیز رفتار اور نجی AI تجربات فراہم ہوں گے۔