بررسی Project G-Assist انویدیا

امسال، NVIDIA بالاخره Project G-Assist را معرفیکرد، یک محصول واقعی که می‌توانید آن را امتحان کنید. «مفهوم» این پروژه به آوریل ۲۰۱۷ برمی‌گردد. ایده اولیه (به شوخی) حول ارائه حداکثر کمک ممکن به بازیکنان برای عبور از مراحل سخت بازی می‌چرخید، اما محصول واقعی به هوش مصنوعی متکی است و فراتر از یک دستیار درون‌بازی عمل می‌کند.

Project G-Assist چیست؟

در حال حاضر، Project G-Assist از مدل زبانی کوچک (SLM) Llama-3.1-8B شرکت Meta استفاده می‌کند که به صورت محلی بر روی رایانه شما، و به طور خاص‌تر، بر روی پردازنده گرافیکی RTX شما اجرا می‌شود. به گفته NVIDIA: «با قدرتمندتر شدن رایانه‌های مدرن، عملکرد آن‌ها نیز پیچیده‌تر می‌شود. G-Assist به کاربران کمک می‌کند تا تنظیمات مختلف رایانه شخصی را کنترل کنند، از بهینه‌سازی تنظیمات بازی و سیستم، ترسیم نرخ فریم و سایر آمارهای عملکرد کلیدی، تا کنترل تنظیمات لوازم جانبی انتخاب شده (مانند نورپردازی) - همه این‌ها از طریق دستورات صوتی یا متنی ساده امکان‌پذیر است.»

این ایده تفاوت چندانی با نحوه استفاده Google و Apple از مدل‌های هوش مصنوعی برای تقویت دستیارهای دیجیتال خود ندارد، که به آن‌ها امکان می‌دهد زبان انسان را بهتر درک کرده و تنظیمات را بدون نیاز به مرور منوهای عمیق در گوشه‌های مختلف سیستم تنظیم کنند. از نظر تئوری، این امر به ویژه برای کاربران عادی مفید است: در حالی که افرادی مانند ما تکنسین هستیم و دوست داریم پیچ‌ها را مطابق میل خود تنظیم کنیم، اورکلاک کردن پردازنده گرافیکی یا تنظیم تنظیمات گرافیکی ممکن است برای آن‌ها بسیار دلهره‌آور باشد - اینجاست که Project G-Assist وارد عمل می‌شود.

تنظیمات

قبل از نصب Project G-Assist، باید چند نکته را بدانید، که مهم‌ترین آن‌ها، الزامات سیستم است. مهم‌تر از همه، شما باید یک پردازنده گرافیکی RTX 30 یا جدیدتر با حداقل ۱۲ گیگابایت VRAM داشته باشید (در حال حاضر پردازنده‌های گرافیکی لپ‌تاپ شامل نمی‌شوند) - متأسفانه، به دلیل برخی از پیکربندی‌های عجیب VRAM در نسل‌های گذشته، این وضعیت ایجاد شده است که دارندگان RTX 3060 12GB می‌توانند مدل را اجرا کنند، در حالی که دارندگان RTX 3080 سطح بالا (با ۱۰ گیگابایت VRAM) نمی‌توانند. ای وای.

با فرض اینکه سخت‌افزار GPU شما الزامات را برآورده می‌کند، به سیستم عامل Windows 10 یا Windows 11 و همچنین درایور GPU نسخه ۵۷۲.۸۳ یا بالاتر نیز نیاز دارید. برای فضای ذخیره‌سازی، حداقل به ۶.۵ گیگابایت فضای دیسک نیاز است تا عملکرد دستیار سیستم به درستی کار کند (دستورات صوتی به ۳ گیگابایت اضافی نیاز دارند). در حال حاضر، فقط زبان انگلیسی پشتیبانی می‌شود.

همچنین برای فعال کردن Project G-Assist در سیستم خود باید NVIDIA App را نصب کنید. برای الزامات سخت‌افزاری مربوط به لوازم جانبی، نسخه فعلی از مادربردهای MSI و همچنین لوازم جانبی از Logitech G، Corsair و Nanoleaf پشتیبانی می‌کند. همه مدل‌ها از این مارک‌ها پشتیبانی نمی‌کنند - برای اطلاعات بیشتر، به برگه «الزامات سیستم» در صفحه اصلی Project G-Assist مراجعه کنید.

سیستم تست

• پردازنده: Intel Core i9-13900K
• خنک‌کننده: Cooler Master MasterLiquid PL360 Flux 30th Anniversary Edition
• خمیر حرارتی: Thermal Grizzly Kryonaut
• مادربرد: ASUS ROG Maximus Z790 Apex
• پردازنده گرافیکی: NVIDIA GeForce RTX 5090 Founders Edition
• حافظه رم: Kingston FURY BEAST RGB DDR5-6800 CL34 (2x16GB)
  • پیکربندی شده به عنوان پروفایل DDR5-6400 CL32 XMP
• فضای ذخیره‌سازی: ADATA LEGEND 960 MAX 1TB
• منبع تغذیه: Cooler Master MWE Gold 1250 V2 Full Modular (ATX12V 2.52) 1250W
• کیس: VECTOR Bench Case (شاسی Open-air)
• سیستم عامل: Windows 11 Home 24H2

آزمایش

همانطور که در مشخصات سیستم بنچمارک بالا ذکر شد، ما از NVIDIA GeForce RTX 5090 Founders Edition برای نمایش این قابلیت استفاده خواهیم کرد. این پردازنده گرافیکی پرچمدار Blackwell دارای ۳۲ گیگابایت GDDR7 VRAM، هسته‌های Tensor نسل پنجم و ۲۱۷۶۰ هسته CUDA است که همگی با هم عملکرد FP4 خاص هوش مصنوعی را به میزان ۳۳۵۲ TOPS ارائه می‌دهند (توجه داشته باشید که این عدد را نمی‌توان مستقیماً با ۱۳۲۱ TOPS RTX 4090 مقایسه کرد که از FP8 استفاده می‌کند).

توجه: در زمان آزمایش، Project G-Assist هنوز در مرحله پیش از انتشار (نسخه 0.1.9) قرار دارد، بنابراین برخی از ویژگی‌ها ممکن است ناقص باشند. نتایج حاصل از آزمایش‌های انجام شده در زیر فقط برای این نسخه معتبر خواهند بود، زیرا با به‌روزرسانی مدل هوش مصنوعی و ویژگی‌ها در طول زمان، نتایج متفاوت خواهند بود.

اولین استفاده

این چیزی است که پس از فعال کردن این قابلیت از طریق کلیدهای Alt+G مشاهده خواهید کرد، که تا زمانی که آن را به طور کامل غیرفعال کنید (که می‌توان آن را از طریق تنظیمات سریع از طریق کلیدهای Alt+R انجام داد) به طور دائم در جایی از صفحه نمایش شما باقی خواهد ماند. مانند مدل‌های زبانی هوش مصنوعی، سلب مسئولیت نیز اعمال می‌شود - ممکن است توهم رخ دهد (مدل‌های زبانی ممکن است نتایج نادرستی تولید کنند، که معمولاً کاربر ناآگاه را متقاعد می‌کند)، بنابراین تا حد امکان خطاها را بررسی کنید.

پیام سلب مسئولیت نیز هنگام وارد کردن اولین پیام/دستور نمایش داده می‌شود و دوباره اعلام می‌کند که نتایج تولید شده توسط هوش مصنوعی به طور کامل تضمین نمی‌شوند. پس از مشاهده این پیام، ربات چت آماده پاسخگویی به دستورات از طریق زبان طبیعی است - یعنی در این نسخه هنوز فقط مجموعه محدودی از دستورات (به زبان طبیعی یا غیره) در دسترس است که می‌توانید به آن‌ها در وب سایت مراجعه کنید.

اطلاعات سیستم و نظارت

G-Assist با پاسخ مناسب با تمام اطلاعات مهم سخت‌افزاری که در پاسخ فهرست شده است، با سؤالات ساده‌ای مانند ماهیت سیستم شروع می‌کند. با این حال، به نظر می‌رسد که در به دست آوردن وضوح مؤثر مانیتور 4K BenQ ما (یعنی 4K 60Hz) مشکل دارد، اما فراتر از آن، از آزمایش‌های اولیه ما سربلند بیرون آمد.

در مرحله بعد، یکی دیگر از موارد استفاده رایج (احتمالاً) نظارت بر مصرف برق GPU است. ما داده‌های تله‌متری سنتی‌تری را در گوشه سمت راست بالا داریم، اما مگر اینکه ابزارهای شخص ثالثی مانند HWiNFO64 داشته باشید، نمودار کامل ارائه نمی‌دهد. بنابراین، در این سناریو، یک کاربر عادی ممکن است از ربات چت بخواهد اطلاعات مورد نیاز خود را ارائه دهد.

ما سه سؤال مختلف از ربات چت Project G-Assist پرسیدیم که دو سؤال اول بدون مشکل پاسخ داده شدند. یعنی، به نظر می‌رسد که سؤال سوم فراتر از توانایی‌های آن است، زیرا ما در ابتدا امیدوار بودیم که در صورت وجود، نظارت بی‌درنگ ارائه دهد. در عوض، مصرف برق فعلی GPU ما را به ما داد.

همچنین شایان ذکر است که وقتی GPU در تلاش است تا یک پاسخ تولید کند، از اکثر توان موجود خود استفاده می‌کند، در این حالت RTX 5090 FE ما هر بار که درخواستی به ربات چت ارسال می‌شود، لحظه‌ای بیش از ۳۵۰ وات توان مصرف می‌کند. در سخت‌افزارهای قدیمی‌تر یا ضعیف‌تر، ممکن است زمان بیشتری برای تولید پاسخ لازم باشد (بدترین حالت RTX 3060 12GB است، زیرا ارزان‌ترین مدلی است که VRAM کافی برای دسترسی به این قابلیت را دارد)، اما در این مورد، ما حدود نیم ثانیه زمان «فکر کردن» را قبل از تولید پاسخ مشاهده کردیم.

بازی و عملکرد

بیایید کمی تغییر دهیم و بازی را بررسی کنیم. اگر کتابخانه بازی بسیار بزرگی در Steam دارید که نمی‌توانید آن را فیلتر کنید، می‌توانید مستقیماً یک بازی را از ربات چت راه اندازی کنید - با این فرض که شما به نحوی میانبر بازی را روی دسکتاپ یا منوی «شروع» خود نگذاشته‌اید (در این صورت، حتی نیازی نیست نام کامل Forza Horizon 5 را بنویسیم، زیرا می‌تواند تشخیص دهد کدام بازی را باید راه اندازی کند، اگرچه این تنها بازی Forza در سیستم ما است).

از قضا، به روز رسانی درایور ممکن است تنظیمات بازی را به هم ریخته باشد و باعث شود FH5 در ۱۵ FPS بد گیر کند. یک بازیکن عادی مضطرب ممکن است بلافاصله کلیدهای میانبر Alt+G را فشار دهد و شروع به پرسیدن از G-Assist کند که «چه خبر است»، اما اینجاست که محدودیت‌های G-Assist آشکار می‌شود: فاقد توانایی خواندن تنظیمات بازی است و در عوض یک پاسخ عمومی ارائه می‌دهد و جهت‌گیری اساسی را برای تشخیص مشکل به کاربر ارائه می‌دهد.

با تشخیص دستی، ما متوجه شدیم که بازی به نحوی محدودیت نرخ فریم داخلی خود را به فقط ۱۵ FPS تغییر داده است، چیزی که G-Assist اصلاً تشخیص نداد. پاسخ آن نشان می‌دهد که «محدود کننده نرخ فریم غیرفعال است»، که احتمالاً به تنظیمات سطح درایور NVIDIA در NVIDIA App اشاره دارد، اما احتمالاً یک کاربر عادی نمی‌تواند به تنهایی این مشکل را حل کند و ممکن است در نهایت با این پاسخ نامطلوب گمراه شود.

در مرحله بعد، آن را به Counter-Strike 2 بردیم تا ببینیم آیا NVIDIA می‌تواند راهی برای کاهش تأخیر رایانه شخصی پیدا کند - معیاری که گیمرهای رقابتی باید به آن توجه داشته باشند، اما درک آن برای همه آسان نیست. درخواست گزارش میانگین تأخیر از G-Assist به راحتی انجام می‌شود، اما نتوانست هیچ توصیه مشخصی در مورد بهبود بیشتر این معیار ارائه دهد (و همان پاسخی را داد که در Forza Horizon 5 دیدیم).

این هنوز خوب است، زیرا ما فرض می‌کنیم که NVIDIA به خوبی ویژگی‌های خود را تبلیغ کرده است، به طوری که NVIDIA Reflex ویژگی‌ای است که احتمالاً اکثر گیمرهای FPS از آن آگاه هستند. پس اگر آن‌ها نتوانند مکان این گزینه را در تنظیمات نسبتاً پیچیده درون‌بازی CS2 پیدا کنند و تصمیم بگیرند از ربات چت بپرسند چه اتفاقی می‌افتد؟ متأسفانه، اصلاً متوجه نشد که Reflex در واقع فعال است و در عوض به ما گفت که غیرفعال است. فکر می‌کنم به همین دلیل است که به ما یادآوری می‌شود که خطاها را بررسی کنیم.

سناریوهای دیگر

در سناریوی بعدی، ما ربات چت را بررسی می‌کنیم تا ببینیم آیا می‌تواند راهی برای فعال کردن RTX Video Super Resolution (RTX VSR) پیدا کند، یک فناوری ارتقاء ویدیو که برای بهبود وضوح مؤثر و کاهش مصنوعات فشرده‌سازی در ویدیوهای آنلاین (مانند YouTube و Twitch) طراحی شده است. اکنون، اگر با League of Legends آشنا باشید، می‌دانید که گاهی اوقات یک نبرد تیمی می‌تواند صفحه نمایش را بسیار شلوغ کند و منجر به تمام مصنوعات بصری شود که به صورت پیکسل‌های بلوکی وجود دارند. یا در موارد دیگر، ممکن است بخواهید یک استریم 1080p را به مانیتور 4K خود ارتقا دهید.

به انصاف، Project G-Assist اگرچه ما به صراحت نام این قابلیت را ذکر نکردیم، اما موفق شد قابلیتی را که به دنبالش بودیم، پیدا کند. با این حال، توانایی تشخیص اینکه آیا این قابلیت فعال است یا خیر را ندارد. (این عجیب است، زیرا آیا بررسی تنظیمات NVIDIA App نباید برای G-Assist بسیار ساده باشد؟)

خب، همین است - شاید فقط از ربات چت بخواهیم که ما را مستقیماً به صفحه تنظیمات ببرد تا این قابلیت را فعال کنیم، فقط برای اینکه بهترین فرصت ممکن را به آن بدهیم. این هم کار نمی‌کند، ربات چت هیچ توصیه دیگری ارائه نمی‌دهد و هر کاربر عادی را مجبور می‌کند از Google سؤال کند (با توجه به وضعیت کنونی، این احتمالاً نتیجه دیگری تولید شده توسط هوش مصنوعی را به آن‌ها می‌دهد).

تحلیل عمیق Project G-Assist: آیا دستیار هوش مصنوعی NVIDIA به هدف خود می‌رسد؟

Project G-Assist NVIDIA نوید می‌دهد که از هوش مصنوعی برای ساده‌سازی مدیریت رایانه شخصی و بهبود تجربه بازی استفاده کند. این پروژه با مدل Llama-3.1-8B SLM شرکت Meta که به صورت محلی اجرا می‌شود، هدف دارد تا از طریق دستورات صوتی یا متنی، تنظیمات سیستم را بهینه‌سازی کند، بر عملکرد نظارت داشته باشد و لوازم جانبی را کنترل کند. در حالی که این ایده امیدوارکننده است، عملکرد واقعی آن با ایده‌آل فاصله زیادی دارد.

معضل تنظیمات: موانع سخت‌افزاری و نرم‌افزاری

تنظیم Project G-Assist چندین مانع ایجاد می‌کند. اولاً، نیاز به RTX 30 یا پردازنده گرافیکی جدیدتر، همراه با حداقل ۱۲ گیگابایت VRAM، به طور قابل توجهی پایگاه کاربران بالقوه آن را محدود می‌کند. این محدودیت تعداد زیادی از بازیکنانی را که پردازنده‌های گرافیکی با عملکرد پایین‌تری دارند، از جمله بسیاری از صاحبان RTX xx60، حذف می‌کند. علاوه بر این، وابستگی به نسخه‌های خاص سیستم عامل و درایور، پیچیدگی را افزایش می‌دهد.

لوازم جانبی پشتیبانی شده نیز فقط به مادربردهای MSI و دستگاه‌هایی از Logitech G، Corsair و Nanoleaf محدود می‌شود که بیشتر، کاربرد آن را برای کاربرانی که سخت‌افزار این برندهای خاص را ندارند، محدود می‌کند.

عملکرد در دنیای واقعی: نتایج مختلط

در آزمایش‌های دنیای واقعی، Project G-Assist در وظایف مختلف عملکرد متفاوتی داشت. در حالی که توانست اطلاعات سیستم را به طور دقیق بازیابی کند و بر مصرف برق GPU نظارت داشته باشد، در مدیریت درخواست‌های پیچیده‌تر با مشکل مواجه شد. به عنوان مثال، نتوانست وضوح صحیح مانیتور 4K BenQ را تشخیص دهد و در ارائه راهنمایی‌های مشخص در مورد بهینه‌سازی تنظیمات بازی با مشکل مواجه شد.

در زمینه بازی، Project G-Assist توانست بازی‌ها را در Steam راه اندازی کند، اما سودمندی آن در حل مشکلات عملکرد محدود بود. هنگامی که Forza Horizon 5 با مشکلات نرخ فریم مواجه شد، G-Assist نتوانست علت اصلی را تشخیص دهد و در عوض یک پاسخ عمومی ارائه داد که برای کاربر کمکی نکرد. به طور مشابه، در Counter-Strike 2، نتوانست هیچ توصیه مشخصی در مورد کاهش تأخیر ارائه دهد و حتی به اشتباه وضعیت NVIDIA Reflex را گزارش کرد.

ویژگی‌ها و محدودیت‌های از دست رفته

محدودیت‌های Project G-Assist فقط به عملکرد متناقض آن محدود نمی‌شود. همچنین فاقد ویژگی‌های کلیدی مانند توانایی خواندن تنظیمات بازی و تشخیص وضعیت RTX Video Super Resolution (RTX VSR) است. این حذف‌ها تا حد زیادی سودمندی آن را به عنوان یک دستیار جامع رایانه شخصی محدود می‌کند.

علاوه بر این، G-Assist به مدل زبانی متکی است که به صورت محلی اجرا می‌شود، به این معنی که به منابع محاسباتی زیادی نیاز دارد. در طول آزمایش، هر بار که ربات چت یک پاسخ تولید می‌کرد، RTX 5090 FE تا ۳۵۰ وات توان مصرف می‌کرد. این می‌تواند منجر به مشکلات عملکرد برای کاربرانی شود که سخت‌افزارهای قدیمی‌تر یا با عملکرد پایین‌تری دارند.

ارتباط بهتر و مدیریت انتظارات

با توجه به وضعیت فعلی آن، NVIDIA بهتر است ارتباط برقرار کند که Project G-Assist هنوز در مرحله آزمایشی است. ویژگی‌های محدود و عملکرد متناقض آن ممکن است منجر به ناامیدی کاربرانی شود که انتظار تجربه کامل‌تری دارند. NVIDIA با شفافیت در مورد قابلیت‌های فعلی G-Assist، می‌تواند انتظارات منطقی را تعیین کند و از بازخورد منفی غیرضروری جلوگیری کند.

پتانسیل آینده: باید منتظر ماند و دید

علیرغم محدودیت‌ها، Project G-Assist هنوز پتانسیل آینده را دارد. با ادامه توسعه فناوری هوش مصنوعی، NVIDIA می‌تواند مدل زبانی را بهبود بخشد، قابلیت‌های آن را گسترش دهد و عملکرد آن را بهینه‌سازی کند. Project G-Assist با رفع محدودیت‌های موجود و افزودن ویژگی‌های جدید، پتانسیل این را دارد که به ابزاری ارزشمند برای کاربران عادی تبدیل شود. با این حال، تا رسیدن به این پتانسیل، راه زیادی در پیش دارد.

در حال حاضر، Project G-Assist بیشتر شبیه یک نسخه فانتزی‌تر و با زبان طبیعی کنسول فرمان است تا یک دستیار جامع رایانه شخصی. در حالی که ممکن است بتواند از عهده برخی از وظایف اساسی برآید، هنوز به اندازه کافی کامل نیست که بتواند به طور قابل اعتماد مشکلات پیشرفته را حل کند یا راهنمایی‌های شخصی ارائه دهد. Project G-Assist تنها با توسعه و بهبود مستمر می‌تواند واقعاً به وعده خود مبنی بر ساده‌سازی مدیریت رایانه شخصی و بهبود تجربه بازی عمل کند.

یکی دیگر از مسائل مهمی که باید به آن رسیدگی شود، الزامات سیستم است. مگر اینکه شما یک پردازنده گرافیکی نسبتاً سطح بالا با ۱۲ گیگابایت یا بیشتر VRAM داشته باشید، به سادگی نمی‌توانید از این قابلیت استفاده کنید - که تقریباً همه صاحبان RTX xx60 را حذف می‌کند (مگر اینکه RTX 3060 12GB، RTX 4060 Ti 16GB یا RTX 5060 Ti 16GB داشته باشید)، صاحبان این کارت‌ها بخش بزرگی از رایانه‌های شخصی NVIDIA را تشکیل می‌دهند که در بسیاری از نظرسنجی‌های سخت‌افزاری Steam که در سال‌های اخیر دیده‌ایم، وجود داشته‌اند. من واقعاً امیدوارم که مدل زبانی را بتوان کوچک‌تر کرد تا در ۸ گیگابایت یا حتی ۶ گیگابایت VRAM جا بگیرد، در غیر این صورت، تا زمانی که NVIDIA از این به بعد VRAM بیشتری را در پردازنده‌های گرافیکی نصب نکند، به طور گسترده مورد استفاده قرار نخواهد گرفت.