الاستدلال المختلط

توفّر Google مجموعة كبيرة من نماذج الذكاء الاصطناعي وواجهات برمجة التطبيقات الرائدة في المجال للاستدلال المستند إلى السحابة الإلكترونية والاستدلال على الجهاز فقط. تتيح لك الاستنتاج المختلط تحقيق توازن سلس بين أحمال عمل الذكاء الاصطناعي على الجهاز المحلي والسحابة الإلكترونية، ما يؤدي إلى تحسين الأداء والتكلفة ومدى التوفّر.

توفّر الاستدلال المختلط ميزتَين أساسيتَين لتطبيق Android، وهما:

• تحقيق أقصى قدر من الوصول: تعمل النماذج المستندة إلى السحابة الإلكترونية كحلّ احتياطي مهم عندما لا تتوفّر النماذج على الجهاز فقط، مثل Gemini Nano، بسبب قيود على أجهزة الجهاز أو نظام التشغيل. يساعد ذلك في ضمان بقاء ميزات تستخدم الذكاء الاصطناعي تعمل على أكبر عدد ممكن من أجهزة المستخدمين.
• التكلفة والإمكانات بلا إنترنت: تساعد النماذج على الجهاز فقط في ضمان عمل ميزات الذكاء الاصطناعي بسلاسة عندما يكون المستخدم غير متصل بالإنترنت. بالإضافة إلى ذلك، يساعد تفويض المهام الروتينية إلى الجهاز المحلي في خفض تكاليف الاستدلال على السحابة الإلكترونية.

في ما يلي مزايا الاستنتاج على الجهاز فقط والاستنتاج على السحابة الإلكترونية، على التوالي:

خيارات التنفيذ

يمكنك تنفيذ الاستدلال المختلط باستخدام الطرق التالية:

• Firebase AI Logic Hybrid API
• التوجيه المخصّص

Firebase AI Logic Hybrid API

توفّر واجهة Firebase AI Logic Hybrid API واجهة موحّدة واحدة لتوجيه الاستدلال بين النماذج المستندة إلى السحابة الإلكترونية والنماذج التي تعمل على الجهاز فقط.

• التبديل التلقائي: يمكنك ضبط تطبيقك لتنفيذ مهام الذكاء الاصطناعي على الجهاز فقط كلما أمكن ذلك. وهذا يعني أنّ ميزة تطبيقك تعمل بلا إنترنت، وتوفّر خصوصية محسّنة، ولا تتكبّد أي تكلفة استدلال على السحابة الإلكترونية. إذا لم يكن النموذج المتوفّر على الجهاز فقط متاحًا، يمكن لحزمة SDK توجيه الطلب تلقائيًا إلى نموذج Gemini المستضاف على السحابة الإلكترونية.
• الحماية من إساءة الاستخدام: قد يؤدي طلب بيانات من Cloud APIs مباشرةً من تطبيق على الجهاز الجوّال إلى تعريض بيانات الاعتماد للخطر وفرض رسوم غير مرغوب فيها. ومع ذلك، عند استخدام Firebase AI Logic، يمكنك أيضًا فرض استخدام فحص التطبيقات من Firebase التي يمكن أن تساعد في منع إساءة الاستخدام من خلال التأكّد من أنّ تطبيقك الأصلي غير المعدَّل فقط هو الذي يمكنه الوصول إلى Gemini API المستند إلى السحابة الإلكترونية.
• حدود الإنفاق: عند توجيه الطلبات إلى النماذج المستضافة على السحابة الإلكترونية، يمكنك ضبط الحدّ الأقصى للإنفاق للمساعدة في حماية ميزانيتك على السحابة الإلكترونية وتجنُّب الرسوم غير المتوقّعة.

في تطبيقك، يمكنك تحديد المَعلمة onDeviceConfig للتحكّم في وضع الاستدلال وإدارة التوجيه:

• PREFER_ON_DEVICE: يحاول استخدام النموذج الذي يعمل على الجهاز فقط، ولكنّه يعود تلقائيًا إلى النموذج المستضاف على السحابة الإلكترونية إذا كان النموذج الذي يعمل على الجهاز فقط غير متاح أو غير متوافق مع الطلب.

• ‫PREFER_IN_CLOUD: محاولة استخدام النموذج المستضاف على السحابة الإلكترونية عندما يكون الجهاز متصلاً بالإنترنت والنموذج متاحًا، والرجوع إلى النموذج المحفوظ على الجهاز فقط إذا كان الجهاز غير متصل بالإنترنت

• ‫ONLY_ON_DEVICE: محاولة استخدام النموذج على الجهاز فقط، ويتم عرض استثناء إذا كان النموذج على الجهاز غير متاح أو غير متوافق مع الطلب.

• ‫ONLY_IN_CLOUD: تحاول استخدام النموذج المستضاف على السحابة الإلكترونية عندما يكون الجهاز متصلاً بالإنترنت ويتوفّر النموذج، وتُصدر استثناءً في جميع الحالات الأخرى.

val model = Firebase.ai(backend = GenerativeBackend.Companion.googleAI())
    .generativeModel(
        modelName = "gemini-3.5-flash",
        onDeviceConfig = OnDeviceConfig(mode = InferenceMode.Companion.PREFER_ON_DEVICE)
    )

val response = model.generateContent("Write a story about a green robot.")
print(response.text)
HybridInferenceSnippets.kt

للاطّلاع على تفاصيل التنفيذ، راجِع مستندات Firebase واستكشِف نموذج الذكاء الاصطناعي المختلط في كتالوج الذكاء الاصطناعي.

يمكن أن يؤدي نقل أحمال العمل إلى السحابة الإلكترونية إلى عرض نقاط نهاية Cloud APIs. عند استخدام Firebase AI Logic، يمكنك الوصول بشكل آمن إلى نماذج Gemini المستندة إلى السحابة الإلكترونية مباشرةً من تطبيقاتك من جهة العميل من خلال فرض فحص التطبيقات من Firebase، ما يساعد في حماية الاستدلال المستند إلى السحابة الإلكترونية من الوصول غير المصرّح به وإساءة استخدام الفوترة. يساعد ذلك في إبقاء آلية الاحتياط المختلطة متاحة وآمنة.

التوجيه المخصّص

إذا كان تطبيقك يتضمّن متطلبات محدّدة متعلقة بالنشاط التجاري أو تجربة المستخدم، يمكنك أيضًا تنفيذ منطق توجيه مخصّص. يتيح لك ذلك تحديد مسار الاستنتاج بشكل ديناميكي استنادًا إلى عوامل في الوقت الفعلي، مثل:

• وقت استجابة الشبكة
• سلامة نظام الجهاز (مثل مستويات البطارية وحِمل المعالج)
• مدى تعقيد طلب بحث المستخدم

يتم استخدام نهج الاستدلال المخصّص المختلط هذا من قِبل التطبيقات الرائدة التي نفّذت توجيهًا مخصّصًا خاصًا بها لتقديم تجارب موثوقة مستندة إلى الذكاء الاصطناعي، بما في ذلك:

• ‫GBoard: تستخدم Gboard استنتاجًا مخصّصًا مختلطًا لتشغيل أدوات الكتابة، مثل التدقيق اللغوي وإعادة الكتابة.

• Kakao Mobility: أنشأت شركة Kakao Mobility أداة لاستخراج الكيانات باستخدام استدلال مخصّص مختلط لخدمة توصيل الطرود، وتعمل هذه الأداة على استخراج أسماء المستلمين والعناوين وأرقام الهواتف تلقائيًا من الرسائل المكتوبة باللغة الطبيعية بهدف تبسيط نماذج الطلبات.