Fara-7B مایکروسافت: هوش مصنوعی محلی که به حفاظت از حریم خصوصی داده‌ها می‌پردازد

مایکروسافت مدلی نو به نام Fara-7B را معرفی کرده است که با ۷ میلیارد پارامتر به عنوان عامل هوش مصنوعی کاربرکامپیوتر (Computer Use Agent) طراحی شده و قادر است وظایف پیچیده را به طور مستقیم بر روی دستگاه کاربر انجام دهد.

بر اساس گزارش ایتنا به نقل از VentureBeat، این مدل به دلیل اندازه کوچکتری که نسبت به مدل‌های ابری بزرگ دارد، به افزایش امنیت داده‌ها کمک می‌کند و از آنجایی که به صورت محلی بر روی رایانه اجرا می‌شود، داده‌های حساس مانند اطلاعات شرکتی و حساب‌های داخلی هرگز از دستگاه خارج نمی‌شوند.

Fara-7B در تعامل با واسط‌های کاربری از ماوس و کیبورد به شیوه‌ای شبیه به انسان استفاده می‌کند و می‌تواند اطلاعات صفحه وب را به‌صورت تصویری از طریق کادرهای اسکرین‌شات مشاهده کرده و مطابق با آن مختصات کلیک، تایپ و اسکرول را پیش‌بینی کند.

این مدل برخلاف دیگر سیستم‌ها که بر مبنای ساختار کد “accessibility trees” فعالیت می‌کنند، به طور خاص روی داده‌های گرافیکی پیکسل‌ها تمرکز دارد که این موضوع به کارایی آن حتی در سایت‌های پیچیده یا دارای کد مخفی کمک می‌کند. این رویکرد موجب حفظ کامل حاکمیت بر داده‌ها (pixel sovereignty) شده و برای صنایعی با قوانین سختگیرانه مانند HIPAA و GLBA بسیار مناسب است.

در آزمایش‌های مقیاس‌گذاری مانند WebVoyager، Fara-7B با نرخ موفقیت ۷۳.۵٪ نشان‌دهنده عملکردی بهتر از مدل قوی‌تر و بزرگ‌تر GPT-4o با ۶۵.۱٪ و مدل UI-TARS-1.5-7B با ۶۶.۴٪ است. علاوه بر این، این مدل در انجام وظایف با میانگین ۱۶ مرحله به کارآمدی بیشتری نسبت به ۴۱ مرحله مدل UI-TARS دست یافته است که نشان‌دهنده سرعت و دقت بالاتر آن می‌باشد.
 

مایکروسافت اعتراف می‌کند که مانند دیگر مدل‌های هوش مصنوعی، Fara-7B نیز دارای محدودیت‌هایی مانند خطا در پردازش دستورهای پیچیده و احتمال توهم‌سازی می‌باشد. به منظور کاهش ریسک‌ها، این سیستم طوری طراحی شده که نقاط “Critical Points” را شناسایی کند؛ نقاطی که برای انجام اقداماتی که نیاز به داده‌های شخصی یا رضایت کاربر دارند، مانند ارسال ایمیل یا انجام تراکنش مالی، باید ابتدا اجازه صریح کاربر اخذ شود.

این مدل با روش “distillation” و از طریق فشرده‌سازی داده‌های تعاملی تولیدشده توسط سیستم چندعاملی Magentic-One و WebSurfer آموزش دیده است. مدل پایه آن Qwen2.5-VL-7B بوده که پنجره متنی بسیار بلندی دارد و قابلیت بالایی در ارتباط دادن دستورات متنی با عناصر تصویری موجود در صفحه دارد.

مایکروسافت این مدل را در پلتفرم‌هایی مانند Hugging Face و Microsoft Foundry با مجوز MIT منتشر کرده است، اما هشدار می‌دهد که هنوز برای استفاده در محیط‌های حیاتی و با ریسک بالا مناسب نیست و بیشتر برای پروژه‌های تحقیقاتی و نمونه‌سازی پیشنهاد می‌شود.

به‌طور کلی، Fara-7B پیشرفته‌ای قابل توجه در زمینه هوش مصنوعی محلی است که با عملکردی رقابتی نسبت به GPT-4o و در کنار حفظ حریم خصوصی، نویدبخش آینده‌ای امن‌تر و بهینه‌تر در تعامل هوش مصنوعی با رایانه‌های شخصی به شمار می‌آید.