السيارات ذاتية القيادة… هل تجعل التنقل أسهل أم المدن أكثر ازدحاماً؟

قد تعيد السيارات ذاتية القيادة تشكيل أنماط التنقل اليومية من حيث التوقيت والمكان وطريقة الاستخدام (شاترستوك)
قد تعيد السيارات ذاتية القيادة تشكيل أنماط التنقل اليومية من حيث التوقيت والمكان وطريقة الاستخدام (شاترستوك)
TT

السيارات ذاتية القيادة… هل تجعل التنقل أسهل أم المدن أكثر ازدحاماً؟

قد تعيد السيارات ذاتية القيادة تشكيل أنماط التنقل اليومية من حيث التوقيت والمكان وطريقة الاستخدام (شاترستوك)
قد تعيد السيارات ذاتية القيادة تشكيل أنماط التنقل اليومية من حيث التوقيت والمكان وطريقة الاستخدام (شاترستوك)

لطالما اتسمت رحلة التنقل اليومية في كثير من المدن حول العالم بازدحام مروري، والبحث الطويل عن موقف للسيارة، وتوسع مستمر في المساحات الحضرية المخصصة للمركبات. لكن مع اقتراب السيارات ذاتية القيادة من الانتشار الواسع، يتساءل الباحثون عما سيحدث عندما لا يعود هناك سائقون؟

تشير دراسة حديثة حول تأثير المركبات ذاتية القيادة على أنماط التنقل الصباحية إلى أن الإجابة ليست بسيطة كما قد يبدو. فهذه التقنية لا تعد بتقليل الازدحام فقط، بل قد تعيد تشكيل طريقة التنقل وتوقيته ومكانه، بما يحمل فرصاً جديدة وتحديات غير متوقعة.

إعادة التفكير في مفهوم مواقف السيارات

أحد أبرز التغييرات المحتملة يتعلق بكيفية التعامل مع مواقف السيارات. فاليوم، تشغل مواقف السيارات مساحات كبيرة في المدن، ومع ذلك لا يزال العثور على موقف مناسب يمثل تحدياً لكثير من المستخدمين.

مع السيارات ذاتية القيادة، قد يتغير هذا الواقع بشكل جذري. فبإمكان السيارة أن تُنزل الركاب عند وجهتهم، ثم تتحرك بمفردها إلى مناطق أقل ازدحاماً، وغالباً أقل تكلفة خارج مراكز المدن. وهذا قد يقلل الحاجة إلى مواقف السيارات في المناطق المركزية، ويفتح المجال لإعادة استخدام هذه المساحات لأغراض أخرى مثل الإسكان أو الأنشطة التجارية أو المساحات العامة. بالنسبة للمستخدمين، يعني ذلك وقتاً أقل في البحث عن موقف وتكاليف أقل. أما بالنسبة للمدن، فإن التأثيرات قد تكون أعمق وأكثر تعقيداً.

سيكون لتبني السيارات ذاتية القيادة تأثير مباشر على تخطيط المدن واستخدام الأراضي وقيمة المواقع (شاترستوك)

مفارقة الكفاءة والازدحام

رغم أن السيارات ذاتية القيادة تعد بمزيد من الراحة، فإن الدراسة تشير إلى احتمال ظهور آثار جانبية غير متوقعة. فإذا أصبحت مواقف السيارات خارج المدن خياراً سهلاً، فقد يفضل عدد أكبر من الأشخاص استخدام السيارات بدلاً من وسائل النقل العام. كما أن تحرك السيارات دون ركاب إلى مواقع الانتظار قد يزيد من حركة المرور الإجمالية. وتشير النماذج إلى أن انتشار هذه المركبات قد يؤدي إلى زيادة إجمالي المسافات المقطوعة ومدة التنقل مقارنة بالنظام التقليدي. وهنا تظهر مفارقة واضحة: قد تصبح الرحلة الفردية أكثر سهولة، لكن النظام كله قد يصبح أكثر ازدحاماً.

تغير سلوك التنقل

إلى جانب البنية التحتية، قد تؤثر السيارات ذاتية القيادة على سلوك الأفراد. فعندما لا تكون هناك حاجة للقيادة، يمكن استغلال وقت الرحلة للعمل أو الترفيه أو الراحة. وهذا قد يجعل الرحلات الطويلة أكثر قبولاً، ويدفع البعض للسكن في مناطق أبعد عن أماكن العمل. كما قد تتغير أوقات الانطلاق. فقد يختار المستخدمون توقيت رحلاتهم بناءً على ظروف المرور أو التكلفة أو الراحة، ما يؤدي إلى أنماط تنقل أكثر مرونة مقارنة بالروتين التقليدي. ولفهم هذه التغيرات، استخدم الباحثون نماذج تحاكي قرارات الأفراد بشأن توقيت الرحلة ومكان الوقوف والتوازن بين الزمن والتكلفة. وتشير النتائج إلى أن هذه القرارات ستصبح أكثر ديناميكية وتأثراً بالعوامل الاقتصادية.

يعتمد تأثير السيارات ذاتية القيادة النهائي على السياسات والتنظيم وليس على التكنولوجيا وحدها لتحقيق التوازن بين الكفاءة والازدحام (شاتوستوك)

تداعيات على التخطيط الحضري

بالنسبة لمخططي المدن، تنطوي هذه النتائج على فرص وتحديات في آن واحد. فالسيارات ذاتية القيادة قد تقلل الحاجة إلى مواقف السيارات في مراكز المدن، وتتيح استخداماً أكثر كفاءة للأراضي. لكنها في الوقت نفسه قد تزيد الضغط على شبكات الطرق إذا لم تتم إدارتها بشكل مناسب. وهذا يضع صناع القرار أمام مرحلة حاسمة، حيث ستؤثر السياسات المتعلقة بالنقل والبنية التحتية على كيفية استيعاب هذه التقنية.

تشير الدراسة إلى أن تأثير السيارات ذاتية القيادة يتجاوز النقل نفسه، ليصل إلى طريقة تصميم المدن. فإذا انتقلت مواقف السيارات إلى خارج المراكز، فقد تتغير قيمة الأراضي في هذه المناطق. وإذا أصبحت الرحلات أكثر مرونة، فقد تتبدل أنماط الازدحام التقليدية. كما أن زيادة الاعتماد على السيارات قد تفرض إعادة النظر في التوازن بين النقل الخاص والعام.

بين الابتكار والسياسات

في النهاية، لن يتحدد تأثير هذه التقنية بالتطور التكنولوجي فقط، بل بكيفية دمجها ضمن الأنظمة الحالية. فمن دون سياسات واضحة، قد تؤدي الراحة التي توفرها السيارات ذاتية القيادة إلى نتائج عكسية مثل زيادة الازدحام. أما إذا تم توجيهها بشكل مدروس، فقد تسهم في تحسين الكفاءة وتقليل التكاليف وتعزيز جودة الحياة في المدن.

غالباً ما تُقدَّم السيارات ذاتية القيادة كحل لمشكلات الازدحام، لكن الدراسة تشير إلى أنها تمثل تحولاً أعمق، يعيد تشكيل الأنظمة القائمة بدلاً من حلّها بشكل مباشر.

رحلة الصباح اليومية، التي كانت تعتمد على قرارات بشرية، قد تصبح قريباً محكومة بخوارزميات وعوامل اقتصادية وأنظمة آلية. والنتيجة النهائية لن تعتمد على التقنية فقط، بل على الخيارات التي تُتّخذ اليوم.


مقالات ذات صلة

تقنية مستوحاة من الدماغ لتحسين رؤية الذكاء الاصطناعي في الضباب

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

تقنية مستوحاة من الدماغ لتحسين رؤية الذكاء الاصطناعي في الضباب

دراسة تختبر آلية مستوحاة من الدماغ لتحسين رؤية الذكاء الاصطناعي في الضباب بما قد يدعم القيادة الذاتية والسلامة.

نسيم رمضان (لندن)
علوم نُظم الليزر تزداد تطوراً

أسلحة الليزر... سباق عالمي محموم لتطويرها

معدل إنتاجها عالمياً بلغ وتيرة لم يشهدها العالم من قبل

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

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

تختبر «مايكروسوفت» ميزة لتحسين استجابة «ويندوز 11» عبر تسريع مؤقت للمعالج وسط تساؤلات حول البطارية والحرارة.

نسيم رمضان (لندن)
تكنولوجيا الاشتراك الجديد «واتساب بلس» يقدم مجموعة من المزايا الإضافية داخل التطبيق الرسمي مقابل رسوم شهرية (wabetainfo)

«واتساب» يختبر اشتراك «واتساب بلس» بمزايا مدفوعة لأول مرة داخل التطبيق الرسمي

تختبر «واتساب» اشتراك «واتساب بلس» بمزايا تخصيص مدفوعة مع بقاء الرسائل والمكالمات والتشفير مجاناً لجميع المستخدمين.

عبد العزيز الرشيد (الرياض)
تكنولوجيا تحديث «iOS 26.5 «يضيف تشفيراً من طرف إلى طرف لمحادثات «RCS» بين مستخدمي «آيفون» و«أندرويد» بشكل تجريبي (أبل)

«أبل» توسع تشفير الرسائل بين «آيفون» و«آندرويد» في تحديثها الجديد

تحديث «iOS 26.5» يعزز خصوصية الرسائل بين «آيفون» و«آندرويد» بتشفير «RCS» مع إصلاحات أمنية وتحسينات محدودة.

نسيم رمضان (لندن)

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