एआई · 10 अक्टूबर 2026
स्थानीय कंप्यूटरों पर कृत्रिम बुद्धिमत्ता मॉडलों का निष्पादन और डेटा गोपनीयता के लाभ
रूसी आईटी कंपनी क्रिप्टोनाइट की कृत्रिम बुद्धिमत्ता प्रयोगशाला के विशेषज्ञों ने एक अध्ययन में स्थानीय कंप्यूटरों पर खुले मशीन लर्निंग मॉडलों के उपयोग का विश्लेषण किया। इस परीक्षण में कोर i5-14600 प्रोसेसर, 32 जीबी डीडीआर5 मेमोरी और आरटीएक्स 3070टीआई ग्राफिक्स कार्ड वाले एक व्यक्तिगत कंप्यूटर का उपयोग किया गया। इन मॉडलों को इंटरनेट कनेक्शन या सदस्यता की आवश्यकता नहीं होती है और वे उपयोगकर्ता के डेटा को बाहरी सर्वरों पर नहीं भेजते हैं।
स्थानीय निष्पादन का एक प्रमुख लाभ डेटा गोपनीयता और व्यावसायिक गुप्तता की सुरक्षा है। उपयोगकर्ता का डेटा केवल उनके कंप्यूटर पर ही रहता है और क्लाउड में अपलोड नहीं होता है, जब तक कि उपयोगकर्ता गलती से स्थानीय मॉडल को क्लाउड मॉडल के साथ न भ्रमित करे। इसके अलावा, इससे भुगतान की आवश्यकता समाप्त हो जाती है, जिससे टोकन की पूर्व भुगतान सीमा से अधिक खर्च होने की चिंता नहीं रहती है।
अध्ययन में एलएम स्टूडियो बायोनिक नामक सॉफ्टवेयर का उपयोग किया गया, जो विंडोज़ के लिए एक सरल और सार्वभौमिक वातावरण प्रदान करता है। यह सॉफ्टवेयर मुफ्त में डाउनलोड किया जा सकता है और इसकी स्थापना एक मिनट में पूरी हो जाती है। हालांकि, क्लाउड-आधारित मॉडलों की तरह शक्तिशाली मॉडल स्थानीय रूप से नहीं चलाए जा सकते क्योंकि उन्हें 500 जीबी से अधिक वीडियो मेमोरी की आवश्यकता होती है। फिर भी, दैनिक कार्यों जैसे दस्तावेज़ प्रबंधन, ऑडियो रिकॉर्डिंग की प्रतिलिपि, लॉग विश्लेषण और स्वचालन स्क्रिप्ट लिखने के लिए हल्के मॉडल पर्याप्त हैं।
एक विशिष्ट उदाहरण में, कृत्रिम बुद्धिमत्ता का उपयोग करके राउटर के लॉग का विश्लेषण किया गया, जिससे यह पता चला कि एक रोबोटिक वैक्यूम क्लीनर बार-बार कनेक्शन खो रहा था और राउटर पर डीडीओएस हमला जैसी स्थिति पैदा कर रहा था। यह समस्या पारंपरिक खोज या तकनीकी सहायता से नहीं हल हो पाई थी, लेकिन स्थानीय कृत्रिम बुद्धिमत्ता ने तुरंत एक प्रभावी समाधान प्रदान किया।
सुरक्षा चिंताओं के कारण, एलएम लिंक विकल्प को बंद रखना अनुशंसित है, क्योंकि यह स्थानीय कृत्रिम बुद्धिमत्ता को इंटरनेट के माध्यम से अन्य उपकरणों के लिए उपलब्ध कराता है, जिससे डेटा उल्लंघन का जोखिम बढ़ जाता है। मॉडल चयन करते समय, केवल वीडियो मेमोरी में पूरी तरह फिट होने वाले हल्के मॉडलों को चुनना बेहतर है, क्योंकि मेमोरी की कमी गति को काफी कम कर देती है।
क्रिप्टोनाइट के विशेषज्ञों ने बताया कि बड़े मॉडल व्यक्तिगत कंप्यूटर की मेमोरी में नहीं समा सकते, इसलिए स्थानीय निष्पादन के लिए सबसे कुशल हल्के मॉडलों का चयन करना आवश्यक है। कंपनी वर्तमान में मॉडल अनुकूलन के नए दृष्टिकोणों का सक्रिय रूप से उपयोग कर रही है और अपने स्वयं के समाधान विकसित कर रही है। एलएम स्टूडियो बायोनिक लैमा डॉट सीपीपी इंजन का उपयोग करता है, जो कई ग्राफिक्स कार्डों की मेमोरी को संयोजित कर सकता है, जिससे बिना एनवीलिंक के भी अधिक वीडियो मेमोरी का उपयोग संभव हो जाता है।