Yapay zeka meraklılarının ihtiyaç duyduğu telefon sırları: Gemini ve ChatGPT'yi en üst düzeye çıkarmak

Akıllı telefon sektöründe son iki yıldır en dikkat çeken ve açıkçası en sıkıcı trendlerden biri, yapay zeka deneyimlerinden sürekli bahsedilmesi oldu. Özellikle silikon şirketleri, en son mobil işlemcilerinin video oluşturma gibi cihaz içi yapay zeka işlemlerini nasıl mümkün kılacağıyla sık sık övünüyor.

Zaten oradayız, ama tamamen değil. Akıllı telefon kullanıcılarının ilgisini çeken ve çekmeyen yapay zeka hileleri etrafında dönen tüm bu abartıların ortasında, tartışmalar yeni işlemcilerin gösterişli tanıtımları ve sürekli gelişen sohbet robotlarının ötesine nadiren geçiyor.

Ancak Google Pixel 8'de Gemini Nano'nun olmaması kamuoyunda soru işaretleri yarattığında, mobil cihazlarda yapay zeka için RAM kapasitesinin ne kadar önemli olduğu ortaya çıktı. Apple ayrıca Apple Intelligence'ın en az 8 GB RAM'e sahip cihazlarda kullanılmaya devam edileceğini de kısa sürede açıkladı. Bu karar, yapay zeka modellerinin etkin bir şekilde çalıştırılmasında RAM'in önemini yansıtıyor.

Ancak "Yapay Zekalı Telefon" imajı yalnızca hafıza kapasitesiyle ilgili değil. Telefonunuzun yapay zeka destekli görevleri ne kadar iyi yerine getireceği, depolama alanının yanı sıra görünmez RAM optimizasyonlarına da bağlıdır. Ve hayır, sadece kapasiteden bahsetmiyorum.

Yapay zekalı telefonlara hafıza yenilikleri geliyor.

Digital Trends, akıllı telefonlardaki yapay zeka operasyonlarında RAM ve depolama alanının rolünü analiz etmek üzere bellek ve depolama çözümlerinde dünya lideri Micron ile bir araya geldi. Bir dahaki sefere üst düzey bir telefon satın alırken Micron'un gelişmelerini radarınızda bulundurun.

Idaho merkezli şirketin en son ürünleri arasında amiral gemisi akıllı telefonlar için G9 NAND mobil UFS 4.1 depolama ve 1γ (1-gamma) LPDDR5X RAM modülleri yer alıyor. Peki bu bellek çözümleri, kapasiteyi artırmanın dışında akıllı telefonlarda yapay zekayı nasıl ilerletiyor?

G9'un NAND UFS 4.1 depolama çözümüyle başlayalım. En önemli vaatleri ekonomik güç tüketimi, azaltılmış gecikme süresi ve yüksek bant genişliğidir.. UFS 4.1 standardı, UFS 4100 nesline göre %15'lik bir artışla 4.0MB/s'lik en yüksek sıralı okuma ve yazma hızlarına ulaşabiliyor ve gecikme rakamlarını da azaltıyor.

Bir diğer önemli avantaj ise Micron'un yeni nesil taşınabilir depolama ünitelerinin 2 TB'a kadar kapasitelerde mevcut olması. Ayrıca Micron, boyutunu küçültmeyi başararak katlanabilir telefonlar ve yeni nesil ince telefonlar için ideal bir çözüm haline geldi. Samsung Galaxy Kenar S25.

RAM geliştirmelerine geçecek olursak, Micron 1γ LPDDR5X RAM modülleri adını verdiği ürünleri geliştirdi. 9200 MT/s azami hıza ulaşabiliyor, küçültülmüş boyutu sayesinde %30 daha fazla transistör barındırabiliyor ve aynı zamanda %20 daha az güç tüketiyor. Micron, Samsung Galaxy S1 serisi akıllı telefonlarda bulunan biraz daha yavaş 1β (25-beta) RAM çözümünü daha önce tanıtmıştı.

Depolama ve Yapay Zeka Arasındaki Etkileşim

Micron Mobil İş Birimi Ürün Pazarlama Direktörü Ben Rivera, Micron'un mobil cihazlarda daha hızlı yapay zeka operasyonları sağlamak amacıyla en son depolama çözümlerinde dört önemli iyileştirme sunduğunu açıkladı. Bu geliştirmeler arasında Bölgeli UFS, Veri Birleştirme, Sabitlenmiş WriteBooster ve Akıllı Gecikme İzleyici yer alıyor.

Rivera, Pinned WriteBooster özelliği hakkında şunları söylüyor: "Bu özellik, işlemcinin veya ana bilgisayarın akıllı telefondaki en sık kullanılan verileri tanımlamasını, izole etmesini veya depolama aygıtının WriteBooster tamponu (önbelleğe benzer) adı verilen bir alanına 'sabitlemesini' sağlayarak, bunlara hızlı ve anında erişim sağlıyor."

Google Gemini veya ChatGPT gibi bir cihazda görev gerçekleştirmeyi amaçlayan her yapay zeka modelinin, mobil cihazda yerel olarak depolanan kendi talimat dosyalarına ihtiyacı vardır. Örneğin, ihtiyacınız var Apple Intelligence 7 GB'a kadar depolama alanı Tüm faaliyetleri için.

Bir görevi gerçekleştirmek için tüm AI yığınını RAM'e devredemezsiniz; çünkü arama yapmak veya diğer önemli uygulamalarla etkileşim kurmak gibi diğer önemli görevleri işlemek için alana ihtiyaç duyacaktır. Micron depolamanın sınırlamalarını gidermek için, depolama alanından RAM'e yalnızca gerekli AI ağırlıklarını yükleyen bir bellek haritası oluşturulur.

Kaynaklar sınırlı olduğunda ihtiyaç duyduğunuz şey daha hızlı veri alışverişi ve okumadır. Bunu yapmak, yapay zeka görevlerinizin diğer önemli görevlerin hızını etkilemeden yürütülmesini sağlar. Pinned WriteBooster sayesinde bu veri alışverişi %30 oranında hızlandırılıyor ve yapay zeka görevlerinin herhangi bir gecikme olmadan işlenmesi sağlanıyor.

Diyelim ki ihtiyacınız var Gemini PDF dosyasını analiz için çıkarmak için. Hızlı bellek değişimi, gerekli AI ağırlıklarının depolama alanından RAM'e hızla aktarılmasını sağlar.

Sırada Data Defrag var. Bunu bir masa veya dolap düzenleyici olarak düşünün; nesnelerin farklı kategorilerde düzgün bir şekilde gruplandırılmasını ve kolayca bulunabilmeleri için kendilerine özgü dolaplara yerleştirilmesini sağlayın.

Akıllı telefonlar bağlamında, uzun süreli kullanımda büyük miktarda veri depolanırken, bu veriler genellikle biraz rastgele bir şekilde depolanır. Bunun net sonucu, yerleşik sistemin belirli bir dosya türüne erişmesi gerektiğinde, hepsini bulmanın zorlaşması ve bunun sonucunda daha yavaş bir işlem olmasıdır.

Rivera'ya göre Data Defrag yalnızca düzenli veri depolamaya yardımcı olmuyor, aynı zamanda depolama aygıtının aygıt denetleyicisiyle etkileşimini de değiştiriyor. Böylece, bu Veri okuma hızını inanılmaz bir şekilde %60 oranında artırır, yapay zeka görevleri de dahil olmak üzere her türlü kullanıcı-cihaz etkileşimini doğal olarak hızlandırır.

Micron'dan bir yetkili Digital Trends'e yaptığı açıklamada, "Bu özellik, bir metin isteminden görüntü oluşturmak için kullanılan üretken bir AI modeli gibi AI özelliklerinin depolama alanından belleğe çağrılmasıyla verilerin depolama alanından belleğe daha hızlı okunmasını sağlayarak AI özelliklerinin hızlanmasına yardımcı olabilir" dedi.

Intelligence Latency Tracker ise temel olarak gecikme olaylarını ve telefonunuzun normal hızını yavaşlatabilecek faktörleri izleyen bir diğer özelliktir. Daha sonra hataların düzeltilmesine ve telefonun performansının iyileştirilmesine yardımcı olarak normal görevlerin yanı sıra yapay zeka görevlerinin de hız kesintileriyle karşılaşmamasını sağlar.

Son depolama iyileştirmesi Zoned UFS'dir. Bu sistem, benzer girdi/çıktı niteliğindeki verilerin düzenli bir şekilde saklanmasını sağlar. Bu çok önemlidir çünkü sistemin tüm klasör ve dizinleri arayarak zaman kaybetmesi yerine, gerekli dosyaları bulmasını kolaylaştırır.

Rivera bize şunları söyledi: “Micron'un ZUFS özelliği, sistemin bir görev için belirli verileri bulması gerektiğinde sürecin daha hızlı ve sorunsuz olmasını sağlayarak verileri düzenlemeye yardımcı oluyor.”

RAM taşması

Yapay zeka iş akışları söz konusu olduğunda belirli miktarda RAM'e ihtiyacınız olur. Kapasite ne kadar fazla olursa o kadar iyi. Apple, Apple Intelligence paketi için taban değerini 8 GB olarak belirlerken, Android ekosistemindeki oyuncular güvenli varsayılan değer olarak 12 GB'a geçti. Neden?

Rivera, "Yapay zeka deneyimleri aynı zamanda veri ve enerji yoğundur" diye açıklıyor. "Bu nedenle, yapay zekanın vaadini yerine getirmek için bellek ve depolama, maksimum enerji verimliliğiyle düşük gecikme süresi ve yüksek performans sağlamalıdır."

Micron, akıllı telefonlar için geliştirdiği yeni nesil 5γ (1-gamma) LPDDR1X DRAM çözümüyle bellek modüllerinin çalışma voltajını düşürmeyi başardı. Sonra, yerel performans gibi çok önemli bir konu var. Rivera, yeni bellek modüllerinin saniyede 9.6 gigabite kadar hızlarda çalışabildiğini ve bu sayede olağanüstü bir yapay zeka performansı sağlandığını söylüyor.

Micron, aşırı ultraviyole (EUV) litografi sürecindeki iyileştirmelerin yalnızca daha yüksek hızlara değil, aynı zamanda enerji verimliliğinde %20'lik sağlıklı bir artışa da kapı açtığını söylüyor.

Daha kişiselleştirilmiş yapay zeka deneyimlerine giden yol?

Micron'un akıllı telefonlar için yeni nesil RAM ve depolama çözümleri yalnızca gelişmiş yapay zeka performansını değil, aynı zamanda günlük akıllı telefon görevlerinizin genel olarak hızlanmasını da hedefliyor. G9'un geliştirilmiş NAND mobil UFS 4.1 depolama ve 1γ (1-gamma) LPDDR5X RAM'inin çevrimdışı yapay zeka işlemcilerini de hızlandırıp hızlandırmayacağını merak ettim.

Akıllı telefon üreticileri ve yapay zeka laboratuvarları giderek daha fazla yerel yapay zeka işlemeye yöneliyor. Bu, sorgularınızın işlendiği bir bulut sunucusuna gönderilmesi ve ardından sonucun internet bağlantısı kullanılarak telefonunuza gönderilmesi yerine, tüm iş akışının yerel olarak telefonunuzda yürütülmesi anlamına gelir.

Aramaları ve sesli notları yazıya dökmekten karmaşık araştırma materyallerini PDF'lere dönüştürmeye kadar her şey telefonunuzda gerçekleşir ve hiçbir kişisel veriniz cihazınızdan dışarı çıkmaz. Bu, daha güvenli ve hızlı bir yaklaşımdır, ancak aynı zamanda güçlü sistem kaynakları gerektirir. Daha hızlı, daha verimli bir bellek modülü bu temel gereksinimlerden biridir.

Micron'un yeni nesil çözümleri yapay zeka sorununun yerel olarak çözülmesine yardımcı olabilir mi? Yapabilir. Hatta Google'ın Veo modeli kullanılarak video oluşturulması gibi bulut bağlantısı gerektiren işlemlerin bile hızlanması sağlanacak; bu da hala güçlü bilgi işlem sunucuları gerektiriyor.

Rivera, "Doğrudan cihazda çalışan yerel bir AI uygulaması en fazla trafiğe sahip olacaktır çünkü bu uygulama yalnızca depolama cihazından kullanıcı verilerini okumakla kalmaz, aynı zamanda cihazda AI çıkarımı da gerçekleştirir" diyor. "Bu durumda, özelliklerimiz her ikisi için de veri akışının optimize edilmesine yardımcı olacak."

Peki, Micron'un en son çözümleriyle çalışan telefonların raflara ne zaman çıkmasını bekleyebilirsiniz? Rivera, tüm büyük akıllı telefon üreticilerinin Micron'un yeni nesil RAM ve depolama modüllerini benimseyeceğini söylüyor. Pazar erişimi açısından, “2025 sonu veya 2026 başında piyasaya sürülecek ana modeller” alışveriş radarınızda olmalı.