5 طرق يستخدمها المجرمون للذكاء الاصطناعي التوليدي

منها التصيّد الاحتيالي وجمع البيانات الشخصية

5 طرق يستخدمها المجرمون للذكاء الاصطناعي التوليدي
TT

5 طرق يستخدمها المجرمون للذكاء الاصطناعي التوليدي

5 طرق يستخدمها المجرمون للذكاء الاصطناعي التوليدي

توفر نظم الذكاء الاصطناعي التوليدي مجموعة أدوات جديدة وقوية تسمح للجهات الخبيثة في عالم الإجرام بالعمل بكفاءة أكبر وعلى المستوى الدولي أكثر من أي وقت مضى، كما يقول فينشينزو سيانكاجليني، أحد كبار الباحثين في مجال التهديدات في شركة «تريند مايكرو» الأمنية. ويضيف أن معظم المجرمين «لا يعيشون في مخبأ مظلم ويخططون للأشياء... بل إنهم أشخاص عاديون يقومون بأنشطة منتظمة تتطلب إنتاجية أيضاً».

وكان العام الماضي شهد صعود «وورم جي بي تي» (WormGPT) وسقوطه، وهو نموذج لغة ذكاء اصطناعي مبني على نموذج مفتوح المصدر، ومدرب على البيانات المتعلقة بالبرامج الضارة، تم إنشاؤه لمساعدة المتسللين، ولم تكن لديه قواعد أو قيود أخلاقية. لكن في الصيف الماضي، أعلن مبتكروه أنهم سيغلقون النموذج بعد أن بدأ يجذب اهتمام وسائل الإعلام.

طرق احتيال ذكية

منذ ذلك الحين توقف مجرمو الإنترنت في الغالب عن تطوير نماذج الذكاء الاصطناعي الخاصة بهم. وبدلاً من ذلك، فإنهم يختارون الحيل باستخدام الأدوات الموجودة التي تعمل بشكل موثوق.

وفيما يلي خمس طرق يستخدمها المجرمون للذكاء الاصطناعي الآن:

- التصيد الاحتيالي. وهو أكبر حالة استخدام للذكاء الاصطناعي التوليدي بين المجرمين في الوقت الحالي. ويتضمن محاولة خداع الأشخاص للكشف عن معلومات حساسة يمكن استخدامها لأغراض ضارة.

وقد وجد الباحثون أن ظهور «تشات جي بي تي» (ChatGPT) كان مصحوباً بارتفاع كبير في عدد رسائل البريد الإلكتروني التصيدية. ونقل موقع «تكنولوجي ريفيو» عن سيانكاجليني أن المجرمين قاموا بدمج الخدمات التي تنتج البريد العشوائي، مثل (GoMail Pro)، مع «تشات جي بي تي»، ما يسمح لهم بترجمة أو تحسين الرسائل المرسلة إلى الضحايا.

ورغم أن سياسات «أوبن إيه آي» تقيد استخدام الأشخاص لمنتجاتها، مثل «تشات جي بي تي» في أنشطة غير قانونية، لكن من الصعب مراقبة ذلك في الممارسة العملية، لأن كثيراً من المطالبات التي تبدو بريئة يمكن استخدامها لأغراض ضارة أيضاً.

وقال متحدث باسم الشركة: «نحن نعمل باستمرار على جعل نماذجنا أكثر أماناً وأكثر قوةً ضد إساءة الاستخدام وعمليات كسر الحماية، مع الحفاظ أيضاً على فائدة النماذج وأداء المهام».

ويقول سيانكاجليني: «كان المتحدثون باللغة الإنجليزية آمنين نسبياً من المجرمين غير الناطقين باللغة الإنجليزية؛ لأنه يمكنك اكتشاف رسائلهم». وهذا ليس هو الحال بعد الآن، فبفضل الترجمة الأحسن التي يعتمدها الذكاء الاصطناعي، يمكن للمجموعات الإجرامية المختلفة حول العالم أيضاً التواصل بشكل أفضل مع بعضها بعضاً. ويكمن الخطر في أنهم يستطيعون تنسيق عمليات واسعة النطاق تمتد إلى ما هو أبعد من بلدانهم، وتستهدف الضحايا في بلدان أخرى.

الاحتيال والتزييف الصوتي

- عمليات الاحتيال والتزييف الصوتي العميق. سمح الذكاء الاصطناعي التوليدي بتطوير التزييف العميق بتحقيق قفزة كبيرة إلى الأمام، حيث أصبحت الصور ومقاطع الفيديو والصوت الاصطناعية تبدو أكثر واقعية من أي وقت مضى.

وهذا لم يمر دون أن يلاحظه أحد من قبل عالم الجريمة الإجرامي. وفي وقت سابق من هذا العام، وردت أنباء بأن موظفاً في هونغ كونغ تعرض للاحتيال، وسُلب منه مبلغ 25 مليون دولار بعد أن استخدم مجرمو الإنترنت تقنية التزييف العميق للمدير المالي للشركة؛ لإقناع الموظف بتحويل الأموال إلى حساب المحتال.

يقول سيانكاجليني إن فريقه وجد أشخاصاً على منصات مثل «تلغرام» يعرضون «محفظة» من التزييف العميق، ويبيعون خدماتهم مقابل مبلغ زهيد يصل إلى 10 دولارات لكل صورة أو 500 دولار لكل دقيقة فيديو. وأحد أكثر الأشخاص شعبية بين المجرمين الذين يقومون بالتزييف العميق هو إيلون ماسك.

إن نماذج اللغات الكبيرة مليئة بالثغرات الأمنية. وبينما تظل مقاطع الفيديو المزيفة بعمق معقدة في صنعها ويسهل على البشر اكتشافها، فإن هذا ليس هو الحال بالنسبة للمقاطع الصوتية العميقة. فهي رخيصة الصنع، وتتطلب فقط بضع ثوان من صوت لشخص يستخلص من مواقع التواصل الاجتماعي.

في الولايات المتحدة، كانت هناك حالات رفيعة المستوى، حيث تلقى الأشخاص مكالمات مؤلمة من أحبائهم يقولون: إنهم تعرضوا للاختطاف، ويطلبون إطلاق سراحهم، ليتبين أن المتصل محتال يستخدم تسجيلاً صوتياً مزيفاً.

انتحال الهوية الشخصية

- اختراق عمليات التحقق من الهوية. هناك طريقة أخرى يستخدمها المجرمون للتزييف العميق، وهي اختراق وتجاوز أنظمة التحقق من الهوية الشخصية. تستخدم البنوك وبورصات العملات المشفرة أنظمة للتحقق من أن عملاءها هم أشخاص حقيقيون. إنها تتطلب من المستخدمين الجدد التقاط صورة لأنفسهم وهم يحملون وثيقة هوية فعلية أمام الكاميرا. لكنّ المجرمين بدأوا في بيع التطبيقات على منصات التواصل الاجتماعي التي تسمح للأشخاص بالتغلب على هذا المطلب.

ويتسلل المجرمون خلال تقديم بطاقة هوية مزيفة أو مسروقة وفرض صورة مزيفة فوق وجه شخص حقيقي لخداع نظام التحقق على كاميرا الجوال. ورصدت حالات بيع هذه الخدمات لمواقع للعملات المشفرة مقابل مبلغ زهيد يصل إلى 70 دولاراً.

كسر قواعد الذكاء الاصطناعي

- خرق القواعد وأصول عمل الذكاء الاصطناعي. إذا سألت معظم أنظمة الذكاء الاصطناعي عن كيفية صنع قنبلة، فلن تحصل على إجابة مفيدة، وذلك لأن شركات الذكاء الاصطناعي وضعت ضمانات مختلفة لمنع نماذجها من نشر معلومات ضارة أو خطيرة.

بدلاً من بناء نماذج الذكاء الاصطناعي الخاصة بهم دون هذه الضمانات، وهو أمر مكلف ويستغرق وقتاً طويلاً وصعباً، بدأ مجرمو الإنترنت في تبني اتجاه جديد: كسر الحماية.

وتأتي معظم النماذج مع قواعد حول كيفية استخدامها. ويسمح كسر الحماية للمستخدمين بالتلاعب بنظام الذكاء الاصطناعي لإنشاء مخرجات تنتهك هذه السياسات، على سبيل المثال، بهدف كتابة تعليمات برمجية لبرامج الفدية، أو إنشاء نص يمكن استخدامه في رسائل البريد الإلكتروني الاحتيالية.

ولمقاومة هذه التوجهات التخريبية المتنامية، يتعين على شركات الذكاء الاصطناعي مثل «أوبن إيه آي»، و«غوغل» في كثير من الأحيان سد الثغرات الأمنية التي قد تسمح بإساءة استخدام نماذجها.

رصد الأشخاص ونشر بياناتهم

- رصد ونشر البيانات الشخصية. يقول الخبراء إن نماذج لغة الذكاء الاصطناعي هي أداة مثالية ليس فقط للتصيد الاحتيالي، بل أيضاً لجمع المعلومات الشخصية (الكشف عن معلومات خاصة وتحديد هوية شخص ما عبر الإنترنت). وذلك لأن نماذج لغة الذكاء الاصطناعي يتم تدريبها على كميات هائلة من بيانات الإنترنت، بما في ذلك البيانات الشخصية، ويمكنها استنتاج المكان الذي يمكن أن يوجد فيه شخص ما، على سبيل المثال. ويوجد مثال على كيفية عمل ذلك، وهو أنه يمكنك أن تطلب من برنامج الدردشة الآلي التظاهر بأنه محقق خاص يتمتع بخبرة في جمع البيانات. ثم يمكنك أن تطلب منه تحليل النص الذي كتبه الضحية، واستنتاج المعلومات الشخصية من أدلة صغيرة في هذا النص - على سبيل المثال، عمره بناءً على الوقت الذي ذهب فيه إلى المدرسة الثانوية، أو المكان الذي يعيش فيه بناءً على المعالم التي يذكرها أثناء تنقلاته. ويمكنك نشر تلك المعلومات على الإنترنت.

وكلما توافرت معلومات أكثر عنهم على الإنترنت، أصبحوا أكثر عُرضةً للتعرف عليهم. وقد اكتشف فريق من الباحثين أواخر العام الماضي أن نماذج اللغات الكبيرة، مثل «جي بي تي - 4»، و«كلود» قادرة على استنتاج معلومات حساسة، مثل عرق الأشخاص، وموقعهم، ومهنتهم من المحادثات العادية مع الأشخاص.

وعلى الرغم من أن وجود هذه الخدمات لا يشير إلى نشاط إجرامي، فإنه يشير إلى القدرات الجديدة التي يمكن للجهات الخبيثة أن تحصل عليها. وإذا تمكن الأشخاص العاديون من بناء أدوات مراقبة مثل هذه، فمن المحتمل أن يكون لدى الجهات الحكومية أنظمة أفضل بكثير.



تقنية مستوحاة من الدماغ لتحسين رؤية الذكاء الاصطناعي في الضباب

الدراسة تختبر آلية مستوحاة من الدماغ لتحسين تعامل الذكاء الاصطناعي مع الصور الضبابية (شاترستوك)
الدراسة تختبر آلية مستوحاة من الدماغ لتحسين تعامل الذكاء الاصطناعي مع الصور الضبابية (شاترستوك)
TT

تقنية مستوحاة من الدماغ لتحسين رؤية الذكاء الاصطناعي في الضباب

الدراسة تختبر آلية مستوحاة من الدماغ لتحسين تعامل الذكاء الاصطناعي مع الصور الضبابية (شاترستوك)
الدراسة تختبر آلية مستوحاة من الدماغ لتحسين تعامل الذكاء الاصطناعي مع الصور الضبابية (شاترستوك)

تواجه أنظمة الرؤية الحاسوبية مشكلة أساسية عند الانتقال من بيئات التدريب النظيفة إلى ظروف العالم الحقيقي. فالصور التي تلتقطها الكاميرات في الشوارع لا تأتي دائماً بإضاءة مثالية أو تباين واضح أو طقس مستقر. في الضباب والمطر وضعف الإضاءة، قد تفقد نماذج الذكاء الاصطناعي جزءاً من قدرتها على تمييز السيارات والمشاة والطرق والعناصر المحيطة، حتى لو كانت قد حققت نتائج جيدة في الاختبارات التقليدية.

تطرح دراسة منشورة في دورية «Pattern Recognition Letters» كيفية جعل الشبكات العصبية المستخدمة في تقسيم الصور أكثر قدرة على التكيف مع تغيرات الصورة غير المهمة، مثل اختلاف التباين والإضاءة والضباب، من دون تغيير المهمة الأساسية التي يفترض أن تؤديها. وتختبر الدراسة إدخال آلية تُعرَف باسم «التطبيع القسمي» (Divisive Normalization) داخل بنية من نوع «U-Net»، وهي من البنى الشائعة في مهام تقسيم الصور.

التقنية تساعد النموذج على التركيز على بنية المشهد بدلاً من التغيرات السطحية في الإضاءة والتباين (شاترستوك)

صلابة النماذج البصرية

تقسيم الصور يعني أن يحدد النموذج ما الذي يظهر في كل جزء من الصورة. في مشهد شارع مثلاً، يجب أن يميز النظام بين الطريق والسيارات والمباني والأرصفة والمشاة. هذه المهمة أساسية في تطبيقات مثل القيادة الذاتية وتحليل المشاهد الحضرية وأنظمة المراقبة والروبوتات. لكن صعوبتها تزيد عندما تتغير ظروف التصوير. فالضباب لا يغير وجود السيارة في الصورة، لكنه يغير وضوحها وحدودها وتباينها مع الخلفية.

تنطلق الدراسة من فكرة أن كثيراً من نماذج التعلم الآلي تكون «صلبة» أكثر من اللازم في التعامل مع تغيرات المدخلات. فهي تتعلم من صور معينة ضمن ظروف محددة، ثم تتراجع دقتها عندما تواجه صوراً مشابهة في المحتوى، لكنها مختلفة في الشكل أو الظروف. ولهذا؛ ركز الباحثون على آلية مستوحاة من علم الأعصاب الحسي، حيث يستخدم الدماغ أشكالاً من التكيف لمعالجة التغيرات في الإضاءة والتباين، بدلاً من التعامل مع كل تغير بسيط كما لو كان معلومة جديدة ومهمة.

السياق يضبط الصورة

تعمل آلية «Divisive Normalization» على تعديل استجابة الخلايا أو الوحدات داخل الشبكة العصبية عبر مقارنتها بسياقها المحلي. بمعنى مبسط، لا ينظر النموذج إلى قيمة بكسل أو ميزة ما بمعزل عن محيطها، بل يعيد ضبط الاستجابة بناءً على البيئة القريبة داخل الصورة. هذا يساعد على تقليل تأثير التغيرات المحلية في التباين أو الإضاءة، ويجعل السمات التي يتعلمها النموذج أكثر ثباتاً عندما تتغير ظروف التصوير.

اختبر الباحثون هذه الفكرة على بنية «U-Net» في مهمة تقسيم الصور، وقارنوا أداء النسخة المعدلة مع النسخة التقليدية من الشبكة. واستخدموا في التدريب والتقييم مجموعة «سيتي سكايبس» (Cityscapes)، وهي مجموعة بيانات معروفة لمشاهد حضرية، كما استخدموا «فوغي سيتي سكايبس» (Foggy Cityscapes) لاختبار الأداء في ظروف ضبابية. وتشير النتائج إلى أن إدخال التطبيع القسمي أدى إلى تحسين نتائج التقسيم مقارنة ببنية «U-Net» التقليدية.

النتائج قد تفيد تطبيقات مثل القيادة الذاتية وأنظمة مساعدة السائق والمراقبة الذكية (غيتي)

اختبار الظروف الصعبة

أهمية النتيجة لا تكمن فقط في وجود تحسن، بل في مكان ظهوره بوضوح أكبر. وحسب ملخص الدراسة، تراوح التحسن في معيار «IoU» من نحو 3 في المائة في ظروف الطقس العادية، ووصل إلى نحو 20 في المائة في حالات الضباب الكثيف. ويعني ذلك أن الفائدة تصبح أكبر عندما تتدهور ظروف الصورة، أي في الحالات التي تحتاج فيها أنظمة الرؤية الحاسوبية إلى قدر أعلى من الاعتمادية.

هذا لا يعني أن التقنية تحل كل مشكلات الرؤية الحاسوبية في الظروف الصعبة. فالضباب الكثيف أو ضعف الرؤية الشديد قد يبقى تحدياً كبيراً لأي نظام يعتمد على الصور. كما أن الدراسة ركزت على بنى محددة ومجموعات بيانات معينة، ولا تكفي وحدها لإثبات أن التحسن نفسه سيتكرر في كل أنواع الكاميرات أو المدن أو الظروف الجوية. لكنها تقدم مؤشراً مهماً إلى أن تحسين طريقة معالجة الشبكة للسمات البصرية قد يكون فعالاً، خصوصاً عندما تكون المشكلة في تغيرات غير جوهرية داخل الصورة، لا في اختلاف المشهد نفسه.

التحسن كان أوضح في ظروف الضباب الكثيف... حيث تحتاج الأنظمة إلى اعتمادية أعلى (غيتي)

ثبات للرؤية الآلية

توضح الدراسة أيضاً أن فوائد «التطبيع القسمي» يمكن فهمها من خلال تحليل استجابات الشبكة. فالآلية تحدِث نوعاً من الموازنة داخل التمثيلات البصرية؛ ما يجعل الميزات الناتجة أقل حساسية للتغيرات المحلية في التباين والإضاءة. بعبارة أخرى، يصبح النموذج أكثر تركيزاً على البنية المهمة للمشهد، وأقل انشغالاً بتغيرات سطحية قد تربكه في الظروف التقليدية.

تكتسب هذه النتائج أهمية خاصة في تطبيقات السلامة. فالأنظمة التي تعمل في الشوارع أو المصانع أو البنية التحتية لا تواجه دائماً صوراً مثالية. في القيادة الذاتية ومساعدة السائق، قد يظهر الخطر في لحظة ضباب أو وهج أو إضاءة متغيرة. وفي المراقبة الصناعية أو الحضرية، قد تؤثر الظروف البيئية في قدرة النموذج على فهم المشهد. لذلك؛ فإن أي تحسين يجعل الشبكات العصبية أكثر ثباتاً أمام هذه التغيرات يمكن أن يكون مهماً عند تطوير أنظمة أكثر اعتماداً في العالم الحقيقي.

كما تبرز الدراسة اتجاهاً أوسع في أبحاث الذكاء الاصطناعي، يتمثل في العودة إلى بعض مبادئ الإدراك البشري لتحسين النماذج الاصطناعية. فبدلاً من الاعتماد فقط على زيادة حجم النماذج أو البيانات، تبحث هذه المقاربة في كيفية جعل النموذج أكثر قدرة على التكيف مع تغيرات البيئة. وفي هذا الإطار، لا يكون التطبيع القسمي مجرد إضافة تقنية صغيرة، بل يكون مثالاً على أن بعض العمليات المعروفة في علم الأعصاب قد تساعد في معالجة ضعف عملي في نماذج الرؤية الحاسوبية.


تقرير: «غوغل» و«سبيس إكس» تبحثان وضع مراكز بيانات في الفضاء

صورة لإيلون ماسك تظهر إلى جانب شعار شركته «سبيس إكس» (رويترز)
صورة لإيلون ماسك تظهر إلى جانب شعار شركته «سبيس إكس» (رويترز)
TT

تقرير: «غوغل» و«سبيس إكس» تبحثان وضع مراكز بيانات في الفضاء

صورة لإيلون ماسك تظهر إلى جانب شعار شركته «سبيس إكس» (رويترز)
صورة لإيلون ماسك تظهر إلى جانب شعار شركته «سبيس إكس» (رويترز)

ذكرت صحيفة «‌وول ستريت جورنال» اليوم الثلاثاء، نقلاً عن مصادر مطلعة، أن شركة «غوغل» التابعة لمجموعة «ألفابت» تجري محادثات مع شركة «​سبيس إكس» المملوكة لإيلون ماسك بشأن صفقة لإطلاق صواريخ، في الوقت الذي تسعى فيه شركة البحث العملاقة إلى وضع مراكز بيانات مدارية في الفضاء، بحسب ما نقلته وكالة «رويترز».

وأضاف التقرير أن «غوغل» تجري أيضاً محادثات حول صفقة محتملة مع شركات أخرى متخصصة في إطلاق الصواريخ.

ومن شأن ​الشراكة ‌مع ⁠«غوغل» أن ​تمثل ⁠المرة الثانية التي يعقد فيها ماسك صلحاً مع شركة منافسة في مجال الذكاء الاصطناعي كان انتقدها علناً، وذلك قبل طرح عام أولي مرتقب على نطاق واسع وحاسم لشركة «سبيس إكس».

شعار شركة «غوغل» (د.ب.أ)

وساعد الملياردير ماسك في إطلاق «أوبن إيه آي» عام 2015 لتكون قوة موازنة لطموحات ⁠«غوغل» في مجال الذكاء الاصطناعي، ‌بعد خلافه مع الشريك المؤسس ‌في ⁠«غوغل» لاري بيج حول ​سلامة الذكاء الاصطناعي. والآن، ‌تجد «سبيس إكس» و⁠«غوغل» نفسيهما في سباق ‌نحو الهدف نفسه، إذ يتنافسان على نقل مراكز بيانات الذكاء الاصطناعي إلى الفضاء.

ويعد تطوير مراكز البيانات المدارية الفضائية أحد الدوافع الرئيسية وراء خطط الطرح العام الأولي ‌لشركة «سبيس إكس»، إذ يُتوقع أن يكون هذا المسعى كثيف المتطلبات الرأسمالية وصعباً ⁠من الناحية التكنولوجية.

وفي ⁠الأسبوع الماضي، وافقت شركة «أنثروبيك» على استخدام كامل القدرة الحاسوبية لمنشأة «كولوسوس 1» التابعة لشركة «سبيس إكس» في ممفيس، وأبدت اهتمامها بالعمل مع شركة الصواريخ لتطوير مراكز بيانات مدارية فضائية بقدرة عدة غيغا واط.

تدفع «غوغل» بفكرة مراكز البيانات الفضائية من خلال مشروع «صن كاتشر»، وهو جهد بحثي يهدف إلى ربط الأقمار الاصطناعية التي تعمل بالطاقة الشمسية والمجهزة بوحدات المعالجة (تنسور) الخاصة بها ضمن سحابة ​ذكاء اصطناعي مدارية. ​وتعتزم الشركة إطلاق نموذج أولي مع شريكتها «بلانيت لابس» بحلول أوائل عام 2027.

Your Premium trial has ended


«مايكروسوفت» تختبر ميزة جديدة لتسريع استجابة «ويندوز 11»

تختبر «مايكروسوفت» ميزة «Low Latency Profile» لتحسين سرعة استجابة «ويندوز 11» في المهام اليومية القصيرة (مايكروسوفت)
تختبر «مايكروسوفت» ميزة «Low Latency Profile» لتحسين سرعة استجابة «ويندوز 11» في المهام اليومية القصيرة (مايكروسوفت)
TT

«مايكروسوفت» تختبر ميزة جديدة لتسريع استجابة «ويندوز 11»

تختبر «مايكروسوفت» ميزة «Low Latency Profile» لتحسين سرعة استجابة «ويندوز 11» في المهام اليومية القصيرة (مايكروسوفت)
تختبر «مايكروسوفت» ميزة «Low Latency Profile» لتحسين سرعة استجابة «ويندوز 11» في المهام اليومية القصيرة (مايكروسوفت)

تختبر «مايكروسوفت» ميزة جديدة في «ويندوز 11» تحمل اسم «Low Latency Profile» تستهدف تحسين سرعة استجابة النظام في المهام اليومية القصيرة، مثل فتح التطبيقات، وإظهار قائمة «ابدأ»، وتشغيل القوائم الجانبية وعناصر الواجهة. وتقوم الفكرة على رفع تردد المعالج مؤقتاً لثوانٍ قليلة عند تنفيذ مهام تفاعلية ذات أولوية، قبل أن يعود المعالج إلى وضعه الطبيعي بعد انتهاء العملية.

لا تهدف الميزة إلى زيادة أداء الجهاز في المهام الثقيلة الممتدة، مثل الألعاب أو تحرير الفيديو، بل إلى معالجة لحظات البطء القصيرة التي تؤثر في الإحساس العام بسرعة النظام. ففي كثير من الحالات، لا يقيس المستخدم سرعة الحاسوب من خلال الاختبارات الرقمية، بل من خلال تجاوب النظام عند الضغط على زر، أو فتح تطبيق، أو الانتقال بين عناصر الواجهة. ومن هنا تأتي أهمية الميزة، لأنها تستهدف ما يمكن وصفه بزمن الاستجابة اليومي، لا الأداء النظري للمعالج.

تستهدف الميزة تحسين الإحساس العملي بسرعة النظام لا زيادة أداء الجهاز في المهام الثقيلة مثل الألعاب أو تحرير الفيديو (مايكروسوفت)

تسريع قيد الاختبار

حسب الاختبارات الأولية المتداولة، يمكن أن تُسهم الميزة في تحسين زمن فتح بعض تطبيقات «مايكروسوفت» بنسبة قد تصل إلى 40 في المائة، في حين قد تتحسن سرعة ظهور عناصر مثل قائمة «ابدأ» والقوائم السياقية بنسبة تصل إلى 70 في المائة في بعض الحالات. وتبقى هذه الأرقام مرتبطة ببيئات اختبار محددة، ولا تعني أن أداء الحاسوب بالكامل سيرتفع بالنسبة نفسها. فالفارق يتعلق غالباً بلحظات قصيرة داخل الواجهة، قد تجعل النظام يبدو أكثر سلاسة في الاستخدام اليومي.

وتعمل «Low Latency Profile» في الخلفية بشكل تلقائي، من دون أن يحتاج المستخدم إلى تشغيلها يدوياً في الوقت الحالي. وتشير التقارير إلى أن الميزة تظهر ضمن نسخ اختبارية من «ويندوز 11» في برنامج «Windows Insider»، مما يعني أنها لا تزال في مرحلة مبكرة، ولم تتحول بعد إلى ميزة عامة لجميع المستخدمين. كما أن شكلها النهائي أو موعد إطلاقها الأوسع قد يتغيران قبل وصولها إلى الإصدارات المستقرة من النظام. وتأتي هذه الخطوة ضمن جهد أوسع لتحسين صورة «ويندوز 11» من ناحية الأداء والاستجابة.

فقد واجه النظام منذ إطلاقه انتقادات مرتبطة بثقل بعض عناصر الواجهة وبطء القوائم في بعض الأجهزة، خصوصاً الأجهزة الأقل قوة أو الحواسيب المحمولة الاقتصادية. ولذلك قد تكون الفائدة الأكبر من هذه الميزة في الأجهزة التي لا تملك معالجات عالية الأداء، حيث يمكن لأي تأخير قصير في الواجهة أن يكون أكثر وضوحاً للمستخدم.

تعمل الميزة عبر رفع تردد المعالج مؤقتاً عند فتح التطبيقات أو القوائم ثم تعيده إلى وضعه الطبيعي بعد ثوانٍ قليلة (رويترز)

أداء أم استهلاك؟

تفتح طريقة عمل الميزة نقاشاً حول ما إذا كانت «مايكروسوفت» تعالج جذور المشكلة أم تستخدم حلاً سريعاً يقوم على دفع المعالج إلى العمل بقوة أكبر. ورد مسؤولون ومتابعون لتطوير النظام بأن هذا السلوك ليس جديداً في عالم أنظمة التشغيل؛ إذ تعتمد أنظمة حديثة أخرى، مثل «macOS» و«Linux»، على أساليب مشابهة لرفع الأداء مؤقتاً في المهام التفاعلية. الفكرة الأساسية أن النظام يعطي الأولوية للحظة التي ينتظر فيها المستخدم استجابة مباشرة، بدلاً من توزيع الطاقة بالطريقة نفسها طوال الوقت.

وتبقى الأسئلة العملية مرتبطة بتأثير الميزة في عمر البطارية وحرارة الأجهزة المحمولة. فرفع تردد المعالج، حتى لو كان لثانية أو ثلاث ثوانٍ، قد يثير مخاوف لدى مستخدمي الحواسيب المحمولة، خصوصاً عند تكرار هذه العمليات مرات كثيرة خلال اليوم. وحتى الآن، تشير التغطيات التقنية إلى أن التأثير المتوقع قد يكون محدوداً، لأن الارتفاع في الأداء قصير وموجه إلى مهام محددة، لكن الحكم النهائي سيحتاج إلى اختبار أوسع على أجهزة مختلفة.

إذا وصلت الميزة إلى النسخة العامة من «ويندوز 11»، فقد تكون واحدة من تلك التحسينات التي لا يلاحظها المستخدم بوصفها خياراً جديداً في الإعدادات، لكنه يشعر بها في سرعة فتح القوائم والتطبيقات. وهي تعكس اتجاهاً لدى «مايكروسوفت» للتركيز على الإحساس العملي بسرعة النظام، لا فقط على إضافة ميزات جديدة أو تغييرات شكلية في الواجهة.

Your Premium trial has endedYour Premium trial has ended