جست‌وجو در سایت

برای بستن، دکمه Esc یا ضربدر را فشار دهید.

6 آذر 1404

|

6

|

0 نظر

|

کدخبر: 10454

|

Fraunhofer با «FhGenie» استقلال فناورانه اروپا را جدی گرفت

Fraunhofer-Gesellschaft در تازه‌ترین بیانیه خود اعلام کرده است که پلتفرم داخلی هوش مصنوعی‌اش، FhGenie، اکنون میزبان بیش از ۲۰ مدل زبانی بزرگ (LLM) است. این مدل‌ها در موضوعات مختلف — از تولید و ویرایش متن تا پروژه‌های تحقیقاتی و صنعتی — در اختیار حدود ۱۲٬۰۰۰ کارمند قرار دارد. این گام بلند، بخشی از استراتژی بزرگ سازمان برای تأمین امنیت داده، حفظ حاکمیت فناورانه و کاهش وابستگی به سرویس‌های مبتنی بر ابر خارجی است.

تحول دیجیتال

Fraunhofer-Gesellschaft در تازه‌ترین بیانیه خود اعلام کرده است که پلتفرم داخلی هوش مصنوعی‌اش، FhGenie، اکنون میزبان بیش از ۲۰ مدل زبانی بزرگ (LLM) است. این مدل‌ها در موضوعات مختلف — از تولید و ویرایش متن تا پروژه‌های تحقیقاتی و صنعتی — در اختیار حدود ۱۲٬۰۰۰ کارمند قرار دارد. این گام بلند، بخشی از استراتژی بزرگ سازمان برای تأمین امنیت داده، حفظ حاکمیت فناورانه و کاهش وابستگی به سرویس‌های مبتنی بر ابر خارجی است. 


FhGenie چیست و چرا مهم است

از تابستان ۲۰۲۳، Fraunhofer-Gesellschaft داخلی‌ترین پلتفرم هوش مصنوعی خود — FhGenie — را در اختیار کارکنانش قرار داد. این سیستم در ظاهر شبیه به چت‌بات‌های عمومی هوش مصنوعی است؛ با این تفاوت که تمام زیرساخت و داده‌ها در محدوده اروپایی باقی می‌ماند و مطابق با استانداردهای حفظ حریم خصوصی و امنیت اطلاعات طراحی شده است.

در این بستر، سازمان به بیش از ۲۰ مدل زبانی بزرگ دسترسی دارد — از جمله مدل Teuken 7B، که در چارچوب پروژه مشترک اروپایی (OpenGPT-X) و با مشارکت پژوهشگران Fraunhofer توسعه یافته است. این مدل‌ها همگی در داخل زیرساخت‌های Fraunhofer اجرا می‌شوند، بدون آن‌که داده‌ها به سرویس‌های خارجی منتقل شوند. 


ویژگی‌های کلیدی FhGenie

  • حفظ حریم خصوصی و امنیت داده: پردازش و ذخیره‌سازی داده‌ها فقط در منطقه اقتصادی اروپا (EEA) انجام می‌شود. سیستم بر پایه معماری «stateless» تنظیم شده؛ یعنی پس از هر درخواست، اطلاعات ذخیره نمی‌شوند. 
  • سازگاری با مقررات: FhGenie مطابق با قوانین GDPR طراحی شده است و هیچ داده کاربری برای آموزش بیشتر مدل ذخیره یا مورد استفاده قرار نمی‌گیرد. 
  • تنوع کاربردها: از تولید متن و ویرایش، تا تحلیل داده‌های تحقیقاتی، تهیه مستندات، توسعه پروتوتایپ و پروژه‌های صنعتی — مدل‌های LLM در طیف وسیعی از وظایف به‌کار گرفته می‌شوند. 
  • قابلیت توسعه و مقیاس‌پذیری: با زیرساخت مدرن مبتنی بر Kubernetes، امکان راه‌اندازی API، ادغام با سیستم‌های داخلی، و استفاده در پروژه‌های سنگین وجود دارد. 


چرا این اقدام Fraunhofer اهمیت دارد

در دنیایی که کاربردهای AI با سرعت بالا گسترش یافته و نگرانی‌ها درباره حریم خصوصی، امنیت داده و وابستگی به شرکت‌های بزرگ افزایش یافته است، حرکت Fraunhofer به سمت استفاده از پلتفرم درون‌سازمانی پیام مهمی دارد. این اقدام نه فقط برای این سازمان، بلکه برای تمام اروپا یک نماد از توانایی بومی در ساخت و به‌کارگیری AI امن تلقی می‌شود. 

به گفته مدیران Fraunhofer، FhGenie نشان می‌دهد که “اروپا توان فنی دارد تا این پتانسیل عظیم را به منافع واقعی برای پژوهش، صنعت و جامعه تبدیل کند.” 


استفاده‌های روزمره و بازخورد کارکنان

طبق آمار رسمی، نزدیک به ۱۲٬۰۰۰ نفر از کارکنان Fraunhofer به‌طور منظم از FhGenie استفاده می‌کنند و ماهانه بیش از یک میلیون prompt برای تولید یا ویرایش متن، تحلیل داده یا مستندسازی ارسال می‌شود. 

کارشناسان این سازمان می‌گویند بهره‌گیری از این مدل‌ها باعث افزایش سرعت کار، کاهش بار اداری، تسهیل اشتراک دانش و امکان تمرکز روی فعالیت‌های خلاقانه و پژوهشی شده است. همچنین، ساختار امن و درون‌سازمانی FhGenie به آن‌ها این اطمینان را می‌دهد که داده‌های حساس صنعتی و پژوهشی محفوظ می‌ماند. 


نگاه به آینده: مسیر توسعه و گسترش

Fraunhofer اعلام کرده است که قصد دارد مجموعه مدل‌های خود را گسترش دهد و مدل‌های متن‌باز جدیدی نیز به FhGenie اضافه کند تا کاربردهایی تخصصی‌تر و دقیق‌تر ممکن شود. همچنین قرار است امکانات فنی و رابط‌های برنامه‌نویسی (API) بهبود یابند تا ادغام AI در پروژه‌های تحقیقاتی و صنعتی به راحتی انجام شود.

برنامه دیگر: ساخت «بسته‌های AI سفارشی» (Customized AI Kits) برای زمینه‌های خاص، راه‌اندازی محیط امن On-Premises برای داده‌های محرمانه، و پشتیبانی از قوانین جدید مانند EU AI Act برای اطمینان از مطابقت کامل با مقررات. 


نتیجه‌گیری

اعلام رسمی Fraunhofer مبنی بر گسترش و بهره‌برداری موفق از FhGenie، نشانه‌ای روشن از روندی به‌سمت «خودکفایی فناورانه» در قلب پژوهش و صنعت اروپاست. این مدل مثال خوبی است برای اینکه چگونه سازمان‌های بزرگ می‌توانند با سرمایه‌گذاری در زیرساخت‌های داخلی AI، هم استقلال داده‌ای را تضمین کنند و هم نوآوری و کارایی را افزایش دهند.

برای کشورها و نهادهایی که نگران وابستگی به شرکت‌های بزرگ فناوری هستند، تجربه Fraunhofer می‌تواند الگویی الهام‌بخش باشد — الگویی که ترکیب پژوهش، امنیت و نوآوری را در یک مسیر پایدار امکان‌پذیر می‌سازد.


برای مشاهده اخبار بیشتر به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.

نظر خود را وارد کنید

آدرس ایمیل شما در دسترس عموم قرار نمیگیرد.

پربحث ترین ها
پیشنهادی: