سیستمعامل لینوکسی Kora با هدف تبدیل کامپیوتر به بستری یکپارچه برای اجرای هوش مصنوعی طراحی شده است؛ محیطی که در آن مدلهای زبانی و عاملهای هوشمند فقط به یک برنامه یا مرورگر محدود نیستند و میتوانند با دسترسی کنترلشده به فایلها، ابزارها و منابع سختافزاری سیستم کار کنند. نکته مهم در معماری این سیستمعامل، تقسیم پردازشهای هوش مصنوعی میان CPU، پردازنده گرافیکی و NPU است؛ رویکردی که میتواند اجرای مدلهای بزرگ را روی کامپیوترهای شخصی کاربردیتر کند.
سیستمعامل Kora چیست و چه تفاوتی با لینوکسهای معمولی دارد؟
Kora یک سیستمعامل دسکتاپ مبتنی بر لینوکس است که از ابتدا با تمرکز بر هوش مصنوعی محلی و عاملهای هوشمند توسعه داده میشود. برخلاف توزیعهای معمول لینوکس که هوش مصنوعی را عمدتاً از طریق نصب برنامههای جداگانه در اختیار کاربر قرار میدهند، Kora قصد دارد این قابلیتها را در سطح خود سیستمعامل ادغام کند.
هدف این طراحی آن است که مدلهای هوش مصنوعی بتوانند با اجازه کاربر به فایلها، اطلاعات و برنامههای مختلف دسترسی داشته باشند و وظایف چندمرحلهای را در محیطی یکپارچه انجام دهند. به عنوان مثال، یک عامل هوشمند میتواند اطلاعات مرتبط با یک پروژه را پیدا کند، از آنها برای انجام یک کار استفاده کند و میان ابزارهای مختلف جابهجا شود.
Kora هنوز محصولی منتشرشده و آماده نصب نیست و عرضه عمومی آن برای سال ۲۰۲۷ برنامهریزی شده است. بنابراین قابلیتهای اعلامشده را باید ویژگیهای در دست توسعه دانست، نه امکاناتی که هماکنون بتوان روی کامپیوتر شخصی آزمایش کرد.
موتور Cortex چگونه پردازش هوش مصنوعی را بین CPU و GPU و NPU تقسیم میکند؟
مهمترین بخش فنی Kora موتور اختصاصی Cortex است. این موتور وظیفه دارد پردازش مدلهای هوش مصنوعی را با توجه به نوع کار و توان سختافزار میان واحدهای مختلف تقسیم کند:
- CPU: برای پردازشهای عمومی و وظایفی که به انعطافپذیری پردازنده نیاز دارند.
- GPU: برای محاسبات موازی و پردازشهایی که از توان گرافیکی استفاده میکنند.
- NPU: برای اجرای وظایف مرتبط با هوش مصنوعی با مصرف انرژی بهینهتر.
Cortex علاوه بر منابع سختافزاری یک کامپیوتر، میتواند از توان پردازشی سایر دستگاههای متصل به شبکه محلی نیز استفاده کند. در نتیجه، هدف Kora این است که اجرای مدلهای هوش مصنوعی تا حد امکان روی سختافزار خود کاربر انجام شود و تنها در صورت نیاز به توان بیشتر، از سرویسهای ابری کمک بگیرد.
بخش مهمی از این معماری اختصاصی است و کد موتور Cortex متنباز نیست؛ بنابراین نباید Kora را یک سیستمعامل کاملاً متنباز در نظر گرفت.
اجرای مدلهای هوش مصنوعی محلی روی اسنپدراگون X2 الیت
نخستین همکاری سختافزاری مهم Kora با شرکت کوالکام شکل گرفته است. این سیستمعامل برای پردازنده Snapdragon X2 Elite بهینهسازی شده و از سه بخش اصلی آن یعنی پردازنده Oryon، پردازنده گرافیکی Adreno و واحد پردازش عصبی Hexagon استفاده میکند.
طبق اطلاعات اعلامشده، Kora توانسته است مدل زبانی Gemma 4 با ۲۶ میلیارد پارامتر را بهصورت محلی روی NPU این پلتفرم اجرا کند. نرخ تولید اعلامشده برای این آزمایش حدود ۲۵ توکن در ثانیه بوده است. این عدد نتیجه آزمایش اعلامشده از سوی شرکت است و هنوز به معنی عملکرد تضمینشده در تمام لپتاپها نیست.
پشتیبانی از پردازندههای Intel و AMD نیز در برنامه توسعه قرار دارد، اما زمانبندی و جزئیات فنی آن مشخص نیست. در حال حاضر، پشتیبانی کامل و مشخصشده از NPU به پلتفرم Snapdragon X2 Elite محدود است.
قابلیتهای مهم سیستمعامل Kora برای کار با هوش مصنوعی
Kora فقط روی اجرای سریعتر مدلها تمرکز ندارد؛ بلکه میخواهد نحوه تعامل کاربر با فایلها و برنامهها را نیز تغییر دهد. چند قابلیت اعلامشده این سیستمعامل در همین راستا طراحی شدهاند.
Neural Workspaces؛ محیطهای کاری هوشمند و جداگانه
Neural Workspaces محیطهایی مستقل برای پروژهها و فعالیتهای مختلف هستند. هر محیط میتواند فایلها، برنامهها و عاملهای هوشمند مخصوص خود را داشته باشد و دسترسی آنها به اطلاعات با مجوزهای جداگانه کنترل شود.
به عنوان مثال، میتوانید یک محیط برای پروژه کاری و محیط دیگری برای امور شخصی داشته باشید. عامل هوشمند فعال در محیط کاری فقط به اطلاعاتی دسترسی خواهد داشت که برای همان محیط مجاز شدهاند. این جداسازی میتواند از ترکیب ناخواسته اطلاعات پروژههای مختلف جلوگیری کند.
Neural File System؛ جستوجوی فایلها بر اساس مفهوم
در سیستم فایل معمولی، اغلب باید نام فایل یا محل ذخیره آن را بدانید. اما Neural File System قرار است محتوای فایلها را نیز از نظر معنایی ایندکس کند.
در چنین ساختاری میتوانید به جای جستوجوی نام دقیق یک سند، موضوع یا محتوای آن را توصیف کنید تا سیستم فایلهای مرتبط را پیدا کند. این قابلیت برای افرادی که تعداد زیادی سند، یادداشت و فایل کاری دارند، کاربرد بالقوه زیادی خواهد داشت.
سه حالت Work و Create و Play برای استفادههای مختلف
Kora سه حالت اصلی برای استفاده از کامپیوتر در نظر گرفته است:
- Work: برای فعالیتهای روزمره، مدیریت پروژهها و استفاده از ابزارهای کاری و عاملهای هوشمند.
- Create: برای فعالیتهای خلاقانه و تولید محتوا و استفاده از ابزارهای طراحی و هوش مصنوعی.
- Play: برای بازی و اجرای محیط اختصاصی GameFrame.
حالت Play بر پایه فناوری GameOS توسعهیافته توسط تیم Playtron ساخته شده است و قرار است رابط دسکتاپ را به محیطی شبیه کنسول بازی تبدیل کند. با این حال، سازگاری بازیها و عملکرد واقعی آنها به سختافزار و پشتیبانی نرمافزاری بستگی خواهد داشت.
آیا Kora میتواند جایگزین ویندوز شود؟
Kora با هدف ارائه جایگزینی برای ویندوز و مکاواس معرفی شده، اما هنوز برای قضاوت درباره موفقیت آن زود است. این سیستمعامل قرار است علاوه بر ابزارهای بومی مانند ایمیل و تقویم، امکان اجرای برخی برنامههای ویندوز را نیز از طریق لایه سازگاری فراهم کند.
با این حال، اجرای همه برنامههای ویندوز تضمین نشده است و هنوز فهرست دقیقی از نرمافزارهای سازگار منتشر نشده است. همچنین بخشهایی از رابط کاربری و موتور هوش مصنوعی Kora اختصاصی هستند و متنباز بودن هسته لینوکس به معنی متنباز بودن تمام اجزای این سیستمعامل نیست.
از نظر سختافزاری نیز شرکت سازنده استفاده از ۶۴ گیگابایت رم را برای دسترسی بهتر به مدلهای بزرگ پیشنهاد کرده است؛ این مقدار بهعنوان حداقل قطعی نصب اعلام نشده است.
زمان انتشار و وضعیت دانلود Kora
عرضه عمومی Kora برای سال ۲۰۲۷ برنامهریزی شده و هنوز نسخه آزمایشی عمومی یا فایل نصب قابل دریافت در دسترس نیست. نسخه سازمانی این فناوری با نام HUMAIN OS نیز با همکاری شرکت Humain توسعه داده میشود و قرار است در همان سال برای کامپیوترهای سازمانی عرضه شود.
وضعیت فعلی مهمترین بخشهای پروژه را میتوان اینطور خلاصه کرد:
- زمان عرضه: سال ۲۰۲۷
- سختافزار مورد توجه در شروع: کامپیوترهای مجهز به Snapdragon X2 Elite
- پشتیبانی از Intel و AMD: در برنامه توسعه، بدون زمانبندی قطعی
- دانلود و نصب عمومی: هنوز امکانپذیر نیست
- قیمت و مدل تجاری: جزئیات نهایی اعلام نشده است
بنابراین اگر قصد نصب یک سیستمعامل لینوکسی برای اجرای مدلهای هوش مصنوعی محلی را دارید، فعلاً نباید Kora را گزینهای آماده استفاده در نظر بگیرید. ارزش اصلی این پروژه در معماری آن و تلاش برای یکپارچهکردن مدلهای هوش مصنوعی با محیط دسکتاپ است؛ اما میزان موفقیت آن به عملکرد واقعی، سازگاری نرمافزاری و امنیت نسخه نهایی بستگی دارد.
سیارهی آیتی


