تصور کنید میان هزاران عکس در گوشی‌تان، ساعتی کامل را صرف حذف اسکرین‌شات‌های قدیمی و عکس‌های تار کنید. این کابوس مدیریت داده، حالا به یک تجربه پنج‌دقیقه‌ای تبدیل شده است.
طبق گزارش ۷ جولای ۲۰۲۶ در وب‌سایت dev.to، اپلیکیشن Swipe Cleaner برای حل این مشکل از هوش مصنوعی زاینده (Generative AI) محلی استفاده می‌کند تا عکس‌های «زائد» را به‌طور خودکار شناسایی کند. مدیریت سنتی عکس‌ها شکست خورده است، زیرا زمان لازم برای بازشناسی تصاویر بسیار بیشتر از زمان ذخیره‌سازی آن‌هاست. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، انتقال داده‌های حساس به ابر ریسک‌های امنیتی بالایی دارد؛ به همین دلیل این برنامه از چارچوب Core ML اپل استفاده می‌کند تا مدل‌ها مستقیماً روی واحد پردازش عصبی (NPU) — که شبیه به یک موتور تخصصی برای محاسبات سریع هوش مصنوعی است — اجرا شوند.
بر اساس مستندات فنی این پروژه، موتور طبقه‌بندی برنامه از چهار مکانیسم مجزا برای علامت‌گذاری تصاویر استفاده می‌کند:
- مدل‌های بینایی (Vision Models): شناسایی المان‌های رابط کاربری برای جداسازی اسکرین‌شات‌ها.
- هشینگ ادراکی (pHash): ایجاد اثر انگشت دیجیتال برای گروه‌بندی عکس‌های مشابه و ویرایش‌های نزدیک به هم. این رویکرد به سازمان‌دهی محتوای بصری کمک می‌کند، مشابه آنچه در پروژه‌ی SpillTheReel برای تبدیل ویدیوها به حافظه برداری برای بازیابی دقیق جزئیات مشاهده شد.
- واریانس لاپلاسی (Laplacian Variance): اندازه‌گیری کیفیت فوکس برای شناسایی عکس‌های تار یا تصادفی.
- نویسه‌خوانی نوری (OCR): استخراج متن برای شناسایی اسناد حساس مانند پاسپورت یا صورت‌حساب‌های بانکی.
برای اینکه این فرآیند خسته‌کننده نشود، برنامه رابط کاربری مشابه تیندر دارد؛ هوش مصنوعی پیش‌فرض را انتخاب می‌کند و کاربر فقط با کشیدن انگشت به راست (نگهداری) یا چپ (حذف)، تصمیم نهایی را می‌گیرد. به نقل از گزارش dev.to، کاربران متوجه می‌شوند که ۲۰ تا ۴۰ درصد عکس‌هایشان کاندیدای حذف هستند و بدون ریسک از دست دادن خاطرات، گیگابایت‌ها حافظه آزاد می‌کنند.
این چرخش از پیمایش دستی به تاییدیه هوش مصنوعی، ثابت می‌کند که برای کارهای با پهنای‌باند بالا و حریم خصوصی شدید، تنها مسیر ممکن، رایانش لبه است.
گام بعدی شما
- اگر توسعه‌دهنده iOS هستید، سورس‌کد این پروژه را در OpenNomos بررسی کنید تا با نحوه پیاده‌سازی هشینگ بلادرنگ آشنا شوید.
- برای بهینه‌سازی مصرف باتری، بررسی کنید که آیا اپلیکیشن‌های مدیریت فایل شما از NPU استفاده می‌کنند یا پردازنده‌ی اصلی (CPU).
- مدل‌های محلی را برای مدیریت داده‌های حساس جایگزین سرویس‌های ابری کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو