آيفون 20.. تصميم زجاجي بالكامل وقدرات ذكاء اصطناعي مذهلة في الطريق
تاريخ النشر: 17th, May 2025 GMT
في إطار الاستعدادات للاحتفال بمرور 20 عامًا على إطلاق أول آيفون، كشفت تسريبات جديدة أن شركة آبل تخطط لإطلاق هاتف iPhone 20 Pro في عام 2027 بتصميم ثوري يعتمد بالكامل على الزجاج، دون أي حواف مرئية أو منافذ مخصصة للشحن أو نقل البيانات.
ووفقًا لما تم تداوله، سيتم دمج مستشعر Face ID وكاميرا FaceTime أسفل الشاشة، في خطوة تهدف إلى تقديم تجربة استخدام أكثر انسيابية وجمالية، مع وضع معايير جديدة لتصميم أجهزة الآيفون خلال السنوات الخمس إلى العشر القادمة.
لكن التصميم المذهل ليس كل ما تخطط له آبل، إذ أفاد تقرير جديد من موقع ETNews بأن الشركة تعتزم تزويد هاتفها المرتقب بتقنية Mobile High Bandwidth Memory (HBM)، وهي نوع متقدم من ذاكرة الوصول العشوائي يعمل على تكديس عدة شرائح DRAM بشكل عمودي، عبر ما يُعرف باسم Through-Silicon Vias (TSVs).
وتساعد هذه التقنية على تسريع نقل الإشارات، مما يؤدي إلى أداء أفضل مقارنة بالأنظمة التقليدية. وتتيح أيضًا تصغير حجم شرائح الذاكرة، وهو ما قد يمكّن آبل من تصنيع هواتف أنحف أو زيادة سعة البطارية لتحسين عمر التشغيل.
وفي حال تم ربط تقنية HBM بوحدة معالجة الرسوميات (GPU) في طرازات iPhone 20 Pro، فإن ذلك سيفتح المجال أمام تشغيل نماذج اللغة الكبيرة (LLM) محليًا على الجهاز، دون التأثير على البطارية أو رفع معدل التأخير في الأداء، مما يعزز قدرات الذكاء الاصطناعي بشكل كبير على الهاتف.
سامسونج وSK Hynix تستعدان للتصنيعجدير بالذكر أن شركتي سامسونج وSK Hynix، وهما من موردي مكونات الذاكرة لشركة آبل، بدأتا بالفعل في تطوير نسختيهما من هذه التقنية، على أن يتم البدء في الإنتاج الضخم العام المقبل.
وتستخدم سامسونج طريقة تغليف تسمى Vertical Cu-post Stack (VCS)، بينما تعتمد SK Hynix على طريقة Vertical Wire Fan-Out (VFO).
تحدي السعر المرتفعورغم الفوائد التقنية الكبيرة التي توفرها هذه الذاكرة، إلا أن كلفتها المرتفعة قد تدفع آبل إلى رفع أسعار هواتف iPhone 20 في 2027، إلى جانب تصميمها الزجاجي الفاخر الذي سيشكل تحولًا لافتًا في شكل الهاتف.
بداية موجة جديدة من الذكاء الاصطناعيوبالرغم من أن مبادرة Apple Intelligence الأولى لم تلقَ استحسانًا كبيرًا مقارنة بما قدمته جوجل وسامسونج حتى الآن، إلا أن استخدام تقنية HBM قد يكون الشرارة التي تطلق جيلًا جديدًا من المزايا المعتمدة على الذكاء الاصطناعي، والتي لا يمكن تصور نطاقها الكامل في الوقت الراهن.
المصدر: صدى البلد
إقرأ أيضاً:
ديب مايند تكشف عن AlphaEvolve.. نظام ذكاء اصطناعي لحل المسائل العلمية والرياضية
أعلنت شركة ديب مايند DeepMind، ذراع البحث والتطوير في الذكاء الاصطناعي التابعة لشركة جوجل، عن تطوير نظام جديد يدعى AlphaEvolve يهدف إلى التعامل مع مشكلات يمكن تقييم حلولها بشكل آلي، أي تلك التي تمتلك إجابات قابلة للقياس والاختبار رياضيا أو برمجيا.
وفقا لتصريحات الشركة، أظهر AlphaEvolve قدرة على تحسين بعض البنى التحتية التي تستخدمها جوجل في تدريب نماذج الذكاء الاصطناعي الخاصة بها.
وتعمل ديب مايند حاليا على تطوير واجهة استخدام للنظام، مع التخطيط لإطلاق برنامج وصول مبكر لفئة مختارة من الباحثين الأكاديميين قبل طرحه بشكل أوسع.
آلية تقليل الهلوسةتعاني معظم نماذج الذكاء الاصطناعي من ظاهرة "الهلوسة"، أي تقديم معلومات غير دقيقة بثقة عالية نتيجة طبيعتها الاحتمالية، وظهرت هذه المشكلة بشكل أكبر مع النماذج الأحدث مثل o3 من OpenAI.
يحاول AlphaEvolve معالجة هذه المشكلة من خلال نظام تقييم آلي للنتائج، حيث يقوم النموذج بتوليد مجموعة من الحلول المحتملة، ثم ينتقدها ذاتيا، ليختار أفضلها بناء على دقة الإجابة، وهو نهج يعزز مصداقية المخرجات.
ورغم أن فكرة استخدام نماذج متعددة لتوليد وتقييم الحلول ليست جديدة، إلا أن ديب مايند تؤكد أن AlphaEvolve يتميز باستخدامه لنماذج "Gemini" المتطورة، مما يمنحه تفوقا على الأنظمة السابقة.
كيف يعمل AlphaEvolve؟يعتمد AlphaEvolve على مدخلات يقدمها المستخدم، تتضمن المشكلة الأساسية وربما تعليمات أو معادلات أو مقتطفات من الشيفرة البرمجية أو مراجع ذات صلة، لكن لا بد أن يرفق المستخدم آلية محددة لتقييم الحلول تلقائيا، مثل معادلة رياضية، كي يتمكن النظام من اختبار فعالية نتائجه.
نظرا لطبيعة هذه الآلية، يمكن استخدام AlphaEvolve فقط في مجالات محددة مثل علوم الحاسوب وتحسين الأنظمة، حيث تكون المعايير قابلة للقياس بدقة.
كما أن النظام لا يقدم شرحا لفظيا، بل يكتفي بإنتاج خوارزميات لحل المشكلات، ما يجعله غير مناسب للقضايا النظرية أو الإنسانية.
لاختبار النظام، طرحت ديب مايند عليه نحو 50 مسألة رياضية متنوعة في مجالات مثل الهندسة والتوافقيات، ووفقا لها، نجح AlphaEvolve في استرجاع أفضل الحلول المعروفة بنسبة 75%، بل وابتكر حلولا محسّنة في 20% من الحالات.
أما على الصعيد العملي، فطبقت الشركة النظام على تحسين كفاءة مراكز بيانات جوجل وتسريع عمليات تدريب النماذج، وكانت النتيجة أن AlphaEvolve قدم خوارزمية تمكنت من استعادة 0.7% من موارد الحوسبة عالميا لصالح جوجل، كما ساهم في تقليل وقت تدريب نماذج "Gemini" بنسبة 1%.
ورغم أن AlphaEvolve لم يحقق اكتشافات ثورية، فإن ديب مايند ترى فيه أداة قوية لتسريع العمل وتخفيف الضغط عن الخبراء، حيث يساعدهم على التركيز على مهام أكثر تعقيدا أو إبداعا، بدلا من استهلاك الوقت في التحسينات المتكررة.
وفي إحدى التجارب، اقترح النظام تحسينا في تصميم شريحة TPU المستخدمة في الذكاء الاصطناعي، وهو التحسين ذاته الذي سبق أن اكتشفته أدوات أخرى.
الألماني يايسله يعلن رحيله عن الأهلي