Jelentős mesterségesintelligencia-frissítést kap a QNAP NAS-rendszerek Qsirch keresőalkalmazása. Az új Qsirch AI-mód helyben futó vizuális nyelvi modellekre (VLM) és nagy nyelvi modellekre (LLM) épít, amelyek segítségével a felhasználók természetes nyelven kereshetnek dokumentumok, fényképek, videók és hangfelvételek között. A QNAP megoldásának egyik legfontosabb sajátossága, hogy az AI-feldolgozás lokálisan, a NAS-on történik, így az érzékeny vállalati adatoknak nem kell elhagyniuk a helyi infrastruktúrát.
A fájlnév és a kulcsszó már nem feltétlenül elég
A NAS-rendszereken tárolt adatmennyiség folyamatos növekedésével egyre komolyabb problémává válik annak megtalálása, amit a felhasználó valójában keres. Egy gondosan felépített könyvtárstruktúra még kezelhető lehet néhány ezer állománynál, több tíz- vagy százezer dokumentum, kép, videó és hangfelvétel esetén azonban már egészen más a helyzet.
A QNAP erre a problémára próbál új választ adni a Qsirch AI-móddal.
A rendszer a hagyományos, pontos kulcsszavas egyezésre építő keresést szemantikai képességekkel egészíti ki. A felhasználónak így nem feltétlenül kell tudnia egy fájl pontos nevét, és bizonyos esetekben még azt sem, hogy milyen kifejezések szerepelnek benne. Ehelyett természetes nyelven írhatja le, mit szeretne megtalálni.
A technológia mögött vizuális nyelvi modellek és nagy nyelvi modellek dolgoznak, amelyek nem csupán karakterláncokat próbálnak egymással összevetni, hanem a tartalom jelentését és kontextusát is képesek értelmezni.
Négy fontos médiatípusban kereshet az AI
A Qsirch AI-mód egyik legérdekesebb tulajdonsága, hogy nem kizárólag szöveges dokumentumokra korlátozódik. A QNAP négy nagy tartalomkategóriára terjeszti ki az intelligens keresést: dokumentumokra, képekre, videókra és hanganyagokra.
Dokumentumok esetében többek között PDF-, DOCX- és PPTX-állományok támogatottak. Az AI itt már nem kizárólag azt figyeli, hogy egy meghatározott szó vagy kifejezés pontosan megtalálható-e a dokumentumban.
A szemantikai értelmezésnek köszönhetően a felhasználó a keresett információ általános jelentését is megfogalmazhatja, a rendszer pedig ennek alapján próbálhatja megtalálni a kapcsolódó szövegrészleteket.
Ez különösen nagy dokumentumarchívumoknál, vállalati tudásbázisoknál, prezentációgyűjteményeknél és hosszú PDF-ek esetében lehet hasznos.
A fényképeket sem kell feltétlenül manuálisan címkézni
Még látványosabb változást jelenthet a képek keresése.
A hagyományos fotóarchívumok egyik problémája, hogy megfelelő metaadatok vagy manuálisan hozzáadott címkék nélkül nehéz pontosan megtalálni egy régebbi képet. Ha valaki több tízezer fényképet tárol a NAS-on, az albumok gondos rendszerezése önmagában is komoly feladat lehet.
A Qsirch AI-mód helyben futó VLM-következtetést használ a képi tartalom elemzésére. A felhasználó ezért egyszerűen leírhatja azt a jelenetet, amelyet keres, az AI pedig a fényképek vizuális tartalma alapján próbál megfelelő találatokat adni.
A gyakorlatban ez jelentősen csökkentheti a manuális címkézés és az albumok előzetes rendszerezésének jelentőségét.
A videókban és hangfelvételekben is megtalálhatjuk a keresett mondatot
A videó- és hangkeresés különösen érdekes lehet azoknak a vállalatoknak és professzionális felhasználóknak, amelyek nagy mennyiségű interjút, meetingfelvételt, podcastot, prezentációt, konferenciaanyagot vagy egyéb audiovizuális tartalmat archiválnak.
A Qsirch az MP4 és MOV videófájlokat, illetve a WAV, MP3 és M4A hangformátumokat is támogatja.
Az új rendszer kétirányú kapcsolatot alakít ki az átirat és a média idővonala között. Ennek köszönhetően a felhasználó egy emlékezetében maradt beszédrészlet segítségével is megkeresheti az adott pillanatot.
Ha pedig a keresett szövegrészlet megvan, az átiratra kattintva közvetlenül a megfelelő időpontra lehet ugrani a felvételben.
Ez apróságnak tűnhet, de hosszú felvételeknél rengeteg időt takaríthat meg. Nem kell például egy másfél órás meetinget végignézni azért, hogy valaki megtaláljon egy néhány perces beszélgetést.
Az egyik legfontosabb különbség: az AI helyben fut
A generatív és szemantikai AI-megoldások vállalati alkalmazásának egyik legnagyobb kérdése jelenleg az adatvédelem. Egy felhőben működő szolgáltatás esetében ugyanis felmerülhet, hogy az elemzéshez vállalati dokumentumokat vagy egyéb bizalmas adatokat kell külső infrastruktúrára továbbítani.
A QNAP más irányból közelíti meg a problémát.
A Qsirch AI-módban az LLM- és VLM-modellek következtetései lokálisan, magán a NAS-on történnek. A vállalati dokumentumoknak, képeknek és egyéb állományoknak így az AI-feldolgozás miatt nem kell elhagyniuk a helyi környezetet.
Ennek adatvédelmi jelentősége mellett gazdasági előnye is lehet, hiszen csökkenthető vagy akár teljesen kiküszöbölhető az AI-feldolgozáshoz kapcsolódó felhőalapú adatforgalom.
Internet nélkül is működhet az intelligens keresés
A helyi feldolgozás további előnye, hogy a Qsirch AI-mód működése nem feltétlenül függ külső hálózati szolgáltatásoktól.
Ez olyan vállalati környezetekben lehet különösen fontos, ahol szigorú biztonsági előírások miatt az adatok nem kerülhetnek nyilvános felhőbe, vagy ahol az infrastruktúra részben vagy teljesen elszigetelt a külső hálózatoktól.
A QNAP szerint az AI-motor vállalati intraneten, illetve szigorúan szabályozott, légréssel védett környezetben is használható.
A megközelítés jól illeszkedik a NAS eredeti szerepéhez is: a hálózati adattároló nem pusztán fájlokat őriz, hanem egyre inkább helyi adatfeldolgozó platformmá válhat.
A meglévő jogosultságokat is tiszteletben tartja
Egy vállalati AI-kereső esetében ugyanakkor önmagában nem elegendő, hogy az adatok fizikailag a vállalat infrastruktúráján belül maradnak. Legalább ilyen fontos, hogy a kereső ne tegye láthatóvá azokat az információkat, amelyekhez az adott felhasználónak eredetileg sem lenne hozzáférése.
A Qsirch ezért integrálódik a NAS meglévő megosztottmappa-jogosultságaival.
Az AI-alapú keresés során is érvényben maradnak a felhasználói hozzáférési szintek, vagyis a kereső nem arra szolgál, hogy megkerülje a vállalati fájlrendszer jogosultsági struktúráját.
Ez kritikus tulajdonság lehet olyan környezetben, ahol ugyanazon a NAS-on több részleg, projektcsapat vagy különböző jogosultságú munkatárs adatai találhatók.
A NAS lassan helyi AI-szerverré válik
A Qsirch frissítése egy szélesebb technológiai változásra is rámutat. A hálózati adattárolók szerepe az elmúlt években jelentősen átalakult: a modern NAS egyre kevésbé pusztán merevlemezek hálózatra kötött gyűjteménye.
Virtualizáció, konténerek, multimédiás szolgáltatások, biztonsági mentések, megfigyelőrendszerek és különféle üzleti alkalmazások futnak rajtuk, az AI megjelenésével pedig újabb feladatkört kaphatnak.
A helyben futó mesterséges intelligencia logikus fejlődési irány lehet, hiszen maga a feldolgozandó adat eleve a NAS-on található. Megfelelő számítási kapacitás mellett nincs feltétlenül szükség arra, hogy az állományokat egy távoli szerverre küldjük, majd az eredményt visszakapjuk.
A Qsirch AI-mód ennek az elképzelésnek egy kézzelfogható megvalósítása: az adattárolás és az intelligens tartalomértelmezés ugyanazon helyi infrastruktúrán találkozik.
A keresés jövője már nem feltétlenül kulcsszavakról szól
A QNAP fejlesztése jól mutatja, hogyan változtathatja meg a mesterséges intelligencia a fájlkezelés egyik legalapvetőbb műveletét.
Évtizedeken keresztül azt tanultuk meg, hogy egy számítógépen akkor találunk meg valamit gyorsan, ha emlékszünk a fájl nevére, a megfelelő mappára vagy legalább egy olyan kulcsszóra, amely biztosan szerepel az adott dokumentumban.
A szemantikai AI-keresés ezzel szemben arra épít, hogy elég legyen arra emlékeznünk, mit tartalmazott a keresett fájl.
Ha a technológia a gyakorlatban is megfelelő pontossággal működik nagy állománygyűjteményeken, az jelentősen átalakíthatja a NAS-on tárolt vállalati és professzionális archívumok kezelését. A Qsirch AI-mód ráadásul mindezt úgy próbálja megvalósítani, hogy az AI-modellek feldolgozása helyben maradjon – ami a mesterséges intelligencia egyre szélesebb vállalati használata mellett komoly előnnyé válhat.
