جست‌وجوی هوشمند فایل در مک با مدل EmbeddingGemma ۲
نرم‌افزار DigUp ابزاری نوین برای کاربران سیستم‌عامل مک است که جست‌وجوی سنتی بر اساس نام فایل را به جست‌وجوی معنایی تغییر می‌دهد.
خلاصه
نرم‌افزار DigUp ابزاری نوین برای کاربران سیستم‌عامل مک است که جست‌وجوی سنتی بر اساس نام فایل را به جست‌وجوی معنایی تغییر می‌دهد. این برنامه با بهره‌گیری از مدل هوش مصنوعی EmbeddingGemma ۲ محصول Google DeepMind، محتوای تصاویر، اسناد PDF، فایل‌های صوتی، ویدیوها و حتی کدهای برنامه‌نویسی را درک کرده و به کاربر اجازه می‌دهد با زبان طبیعی (حتی فارسی یا انگلیسی) به دنبال مفهوم مورد نظر خود بگردد. تمام فرآیند پردازش و ایندکس‌گذاری به‌صورت محلی روی دستگاه انجام می‌شود و حریم خصوصی کاربر کاملاً حفظ می‌گردد.
جست‌وجوی معنایی در مک چگونه کار می‌کند؟
بسیاری از ما تجربه کرده‌ایم که نام فایلی را فراموش می‌کنیم اما محتوای آن را دقیقاً به یاد داریم. برای مثال، می‌دانیم در یک قرارداد اجاره‌نامه بندی درباره نگهداری حیوانات خانگی وجود دارد، اما نام فایل فقط «Contract_Final» است. ابزار DigUp با استفاده از مدل EmbeddingGemma ۲ که در اکتبر ۲۰۲۶ توسط گوگل دیپ‌مایند عرضه شد، این مشکل را حل می‌کند. این مدل ۷۴۰ میلیون پارامتری، متن، تصویر، صدا و ویدیو را در یک فضای مشترک ریاضی قرار می‌دهد. این یعنی وقتی عبارت «سگی در ساحل» را جست‌وجو می‌کنید، هوش مصنوعی هم عکس‌های مرتبط را پیدا می‌کند و هم فایل‌های ویدیویی یا متنی که به این موضوع اشاره دارند.
این نرم‌افزار برای اجرا به مک‌های مجهز به تراشه اپل سیلیکون (سری M) و سیستم‌عامل macOS ۱۴ یا بالاتر نیاز دارد. برخلاف بسیاری از ابزارهای مشابه که داده‌ها را به سرورهای ابری می‌فرستند، این برنامه تمام عملیات را روی سخت‌افزار دستگاه انجام می‌دهد. کاربران ایرانی که به دلیل محدودیت‌های پرداختی یا نگرانی‌های امنیتی تمایلی به استفاده از سرویس‌های ابری ندارند، می‌توانند از این بسترِ محلی و رایگان بهره ببرند. در همین راستا، پلتفرم‌هایی مثل هوش مصنوعی نهال نیز با بومی‌سازی دسترسی به مدل‌های بین‌المللی، تجربه‌ای مشابه و ساده را برای کاربران فارسی‌زبان فراهم کرده‌اند.
چه فایل‌هایی توسط DigUp پشتیبانی می‌شوند؟
این ابزار تقریباً تمام فرمت‌های رایج را پوشش می‌دهد و هر کدام را با روشی خاص تحلیل می‌کند:
- تصاویر و اسکرین‌شات‌ها: فرمت‌هایی مثل JPEG، PNG و HEIC نه تنها بر اساس اشیاء موجود در تصویر، بلکه بر اساس متن‌های داخل آن‌ها (OCR) نیز قابل جست‌وجو هستند.
- فایل‌های صوتی و پادکست‌ها: مدل هوش مصنوعی در پنجره‌های ۳۰ ثانیه‌ای به صدا گوش می‌دهد. اگر به دنبال بخشی باشید که در آن درباره «خواب» صحبت شده، نرم‌افزار مستقیماً شما را به همان دقیقه از فایل صوتی می‌برد.
- ویدیوها: برنامه از فریم‌های مختلف ویدیو و همچنین موسیقی متن آن استفاده می‌کند تا لحظه دقیق وقوع یک اتفاق (مثلاً ظاهر شدن یک پلنگ در مستند) را پیدا کند.
- اسناد PDF و متنی: فایل‌های طولانی تا ۵، ۰۰۰ صفحه تحلیل می‌شوند. ۳۰ صفحه اول بلافاصله ایندکس شده و باقی صفحات در اولویت‌های بعدی پردازش می‌شوند.
جست‌وجوی کد؛ قابلیتی برای برنامه‌نویسان
یکی از ویژگی‌های متمایز این پروژه، توانایی درک کدهای برنامه‌نویسی است. با فعال کردن بخش Code Search در تنظیمات، DigUp می‌تواند توابع و منطق برنامه‌نویسی شما را درک کند. برای مثال، اگر به دنبال تابعی می‌گردید که «عملیات ناموفق را با تاخیر دوباره امتحان می‌کند»، نیازی نیست نام دقیق تابع را بدانید؛ توصیف عملکرد آن در کادر جست‌وجو کافی است تا فایل و خط مربوطه در ویرایشگر متن شما باز شود. این ابزار به پوشه‌های حساس مثل کلیدهای امنیتی (SSH) یا پوشه‌های مخفی دسترسی ندارد تا امنیت پروژه حفظ شود.
حفظ حریم خصوصی و امنیت داده‌ها
امنیت در ابزارهای هوش مصنوعی دغدغه اصلی کاربران حرفه‌ای است. DigUp تنها یک بار برای دانلود مدل (حدود ۸۶۵ مگابایت) و روزی یک بار برای بررسی به‌روزرسانی‌ها به اینترنت متصل می‌شود. هیچ‌کدام از فایل‌های ایندکس شده، متادیتاها یا تاریخچه جست‌وجوی شما از دستگاه خارج نمی‌شود. همچنین هیچ سیستم تله‌متری یا جمع‌آوری داده‌ای در برنامه وجود ندارد. فرآیند ایندکس‌گذاری اولیه ممکن است برای حجم بالای داده‌ها (مثل پوشه دانلودها) تا یک ساعت زمان ببرد، اما این فرآیند فقط یک بار انجام می‌شود و در حالت Low Power Mode برای حفظ باتری متوقف می‌گردد.
نکات کلیدی
- مدل EmbeddingGemma ۲ با ۷۴۰ میلیون پارامتری، بیش از ۱۰۰ زبان مختلف از جمله فارسی را درک می‌کند.
- تمام پردازش‌ها به‌صورت آفلاین و محلی روی تراشه‌های اپل سیلیکون انجام می‌شود.
- جست‌وجوی ویدیویی و صوتی کاربر را مستقیماً به لحظه وقوع رویداد یا بیان کلمه هدایت می‌کند.
- برنامه کاملاً رایگان و تحت لیسانس Apache 2.0 (متن‌باز) منتشر شده است.
منبع: github.com