اپل در مسیر توسعه عینک‌های هوشمند مجهز به هوش مصنوعی گام بزرگی برداشته است. طبق اطلاعات منتشرشده، این شرکت مدل جدیدی به نام FastVLM معرفی کرده که به‌صورت بهینه و سریع، تصاویر با وضوح بالا را تحلیل می‌کند. این مدل می‌تواند مبنای عملکرد هوش مصنوعی در عینک‌های هوشمند آینده اپل باشد.
طبق گزارش «9to5mac»، در ماه‌های اخیر شایعات زیادی درباره برنامه‌های اپل برای عرضه ابزارهای پوشیدنی مجهز به هوش مصنوعی منتشر شده است. به نظر می‌رسد این شرکت نسخه‌ای از عینک‌های هوشمند را برای رقابت با عینک‌های Ray-Ban متا آماده می‌کند که احتمالاً سال ۲۰۲۷ روانه بازار می‌شوند. همچنین گزارش‌ها از معرفی ایرپادهایی با دوربین و قابلیت‌های هوش مصنوعی حکایت دارد. اگرچه هنوز برای قضاوت درباره طراحی نهایی این دستگاه‌ها زود است، اپل به‌تازگی نگاهی اجمالی به نحوه عملکرد هوش مصنوعی احتمالی این محصولات انداخته است.
مدل هوش مصنوعی FastVLM می‌تواند مغز متفکر عینک هوشمند اپل باشد
سال ۲۰۲۳، تیم تحقیقاتی یادگیری ماشین اپل چارچوب متن‌باز و سبکی به نام MLX معرفی کرد که برای آموزش و اجرای مدل‌های یادگیری ماشین به‌صورت محلی روی دستگاه‌های مجهز به تراشه‌های اپل سیلیکون طراحی شده است. این چارچوب با زبان‌ها و ابزارهای رایج توسعه مدل‌های هوش مصنوعی نیز سازگار است.
اکنون اپل مدلی به نام FastVLM معرفی کرده که مدل زبان بصری (Visual Language Model) با بهره‌گیری از MLX است و می‌تواند تصاویر را با وضوح بالا و به‌سرعت پردازش کند. این مدل نسبت به مدل‌های مشابه به‌شکل قابل‌توجهی کم‌مصرف‌تر و سریع‌تر است.
در قلب FastVLM، انکودری به نام «FastViTHD» قرار دارد که برای پردازش مؤثر تصاویر با وضوح بالا طراحی شده است. طبق اعلام اپل، این مدل تا ۳.۲ برابر سریع‌تر و ۳.۶ برابر کوچک‌تر از مدل‌های مشابه است. این موضوع اهمیت زیادی دارد؛ زیرا برای دستگاه‌هایی مانند عینک هوشمند که باید محلی اطلاعات را پردازش کنند، بهره‌وری بالا و مصرف پایین ضروری است.
همچنین FastVLM برای تولید خروجی از توکن‌های کمتری استفاده می‌کند که باعث می‌شود مرحله Inference سریع‌تر انجام شود. به گفته اپل، مدل آنها زمان پاسخ‌دهی اولیه ۸۵ برابر سریع‌تر از مدل‌های مشابه دارد. این مدل روی گیت‌هاب منتشر شده و مقاله علمی آن در «arXiv» در دسترس است.
مدل FastVLM نشان می‌دهد اپل جدی روی توسعه زیرساخت هوش مصنوعی بومی برای محصولات آینده خود مانند عینک‌های هوشمند کار می‌کند. این مدل با کاهش مصرف منابع و افزایش سرعت پردازش، می‌تواند تجربه کاربری روان و بدون وابستگی به فضای ابری را فراهم کند؛ این ویژگی برای ابزارهای پوشیدنی نسل بعد بسیار حیاتی است.
