فهم تأثير قوة الحوسبة على ابتكارات الذكاء الاصطناعي

يشترك الذكاء الاصطناعي (AI) وقوة الحوسبة في علاقة وثيقة للغاية. تعتبر قوة الحوسبة ضرورية لتطبيقات الذكاء الاصطناعي لأنها تساعد أنظمة الكمبيوتر على معالجة المهام وتنفيذها. تتطلب هذه التطبيقات موارد حسابية كبيرة لإدارة الخوارزميات المعقدة ومجموعات البيانات الكبيرة، وهنا يأتي دور وحدات معالجة الرسومات (GPUs). تم تصميم وحدات معالجة الرسومات في الأصل لتسريع معالجة الصور والفيديو ولكنها أصبحت ضرورية لإدارة معالجة البيانات المكثفة ومهام التعلم العميق التي يتطلبها الذكاء الاصطناعي.

في السنوات القليلة الماضية، شهدنا في السنوات القليلة الماضية تطوراً هائلاً في مجال الذكاء الاصطناعي. وبطبيعة الحال، يجب أن تستوعب تطورات أجهزة الذكاء الاصطناعي هذا النمو وتواكب هذا التطور. كشفت إحدى الدراسات أن أداء GPU قد زاد حوالي 7000 مرة منذ عام 2003. 

تتيح الأجهزة الأقوى والأسرع والأكثر كفاءة للباحثين والمهندسين تطوير نماذج ذكاء اصطناعي معقدة بشكل متزايد. دعونا نفهم كيف تتطور البنية التحتية للحوسبة للذكاء الاصطناعي لتلبية المتطلبات المتزايدة للذكاء الاصطناعي.

أجهزة الذكاء الاصطناعي: حديث متزايد

لا يمكن إنكار دور وحدات معالجة الرسوميات (GPUs) في تطوير الذكاء الاصطناعي. فهذه المعالجات القوية تسرع العمليات الحسابية المعقدة اللازمة لتدريب ونشر نماذج الذكاء الاصطناعي. وهي أساسًا بمثابة العمود الفقري لتكنولوجيا الذكاء الاصطناعي الحديثة. ولكن ليست وحدات معالجة الرسوميات (GPUs) وحدها هي التي تجذب الانتباه. 

بدأنا نرى شرائح مصنوعة خصيصًا للذكاء الاصطناعي تتنافس معها. تم تصميم هذه الشرائح من البداية لمساعدة الذكاء الاصطناعي على القيام بعمله بشكل أفضل وأسرع. يتم إجراء الكثير من الأبحاث والعمل لتحسين مستقبل حوسبة الذكاء الاصطناعي. تستثمر العديد من الشركات في قوة حوسبة الذكاء الاصطناعي، وهو أحد الأسباب التي جعلت قيمة السوق العالمية لأجهزة الذكاء الاصطناعي تبلغ 53.71 مليار دولار في عام 2023 ومن المتوقع أن تنمو إلى ما يقرب من 473.53 مليار دولار بحلول عام 2033.

لماذا أصبحت التطورات في أجهزة الذكاء الاصطناعي موضوعًا للمحادثة مؤخرًا؟ يعكس التحول نحو أجهزة الذكاء الاصطناعي المتخصصة المتطلبات المتزايدة لتطبيقات الذكاء الاصطناعي في مختلف القطاعات. لإنشاء حلول الذكاء الاصطناعي بنجاح، من المهم البقاء في الطليعة من خلال إدراك التغييرات التي تحدث للأجهزة.

اللاعبون الرئيسيون في مجال أجهزة الذكاء الاصطناعي

تتسابق كبرى الشركات المصنعة للأجهزة لتطوير أجهزة من الجيل التالي، وتحسين الأداء والكفاءة من خلال التطوير الداخلي والشراكات الاستراتيجية وعمليات الاستحواذ.

‍

لقد انتقلت Apple من استخدام وحدات معالجة الرسومات الخارجية إلى تطوير رقائق M-series الخاصة بها المزودة بمحركات عصبية لتسريع الذكاء الاصطناعي، مما يعزز نظامها البيئي الخاضع لرقابة صارمة. وفي الوقت نفسه، تواصل Google الاستثمار بكثافة في البنية التحتية لوحدة معالجة Tensor TPU. وحدات معالجة المكثفات (TPU) هي رقائق ذكاء اصطناعي مصممة للعمل بشكل أسرع واستخدام طاقة أقل من وحدات معالجة الرسومات، مما يجعلها رائعة للتدريب ونشر حلول الذكاء الاصطناعي على نطاق أوسع.

 وبالمثل، دخلت شركة AMD مجال أجهزة الذكاء الاصطناعي من خلال سلسلة مسرعات Radeon Instinct التي تستهدف مراكز البيانات وتطبيقات الحوسبة عالية الأداء. أيضًا، تواصل Nvidia التركيز على تطوير وحدات معالجة الرسومات المحسّنة لأعباء عمل الذكاء الاصطناعي، مثل وحدات معالجة الرسومات A100 وH100 Tensor Core. تهدف عملية استحواذها الأخيرة على شركة Arm Holdings إلى زيادة سيطرتها على بنيات الرقاقات التي تشغل العديد من الأجهزة المحمولة.

بالإضافة إلى هؤلاء اللاعبين الراسخين، تغامر العديد من الشركات الناشئة والمؤسسات البحثية في تصميمات جديدة لرقائق الذكاء الاصطناعي. على سبيل المثال، تتخصص Graphcore في العمليات الحسابية المتفرقة باستخدام وحدة معالجة الذكاء الاصطناعي (IPU). تقدم Cerebras Systems محرك Wafer Scale Engine، وهي شريحة ضخمة مصممة خصيصًا لأحمال عمل الذكاء الاصطناعي واسعة النطاق.

أحدث التطورات في أجهزة الذكاء الاصطناعي

دعنا نلقي نظرة على أحدث أجهزة الذكاء الاصطناعي التي ظهرت.

في 9 أبريل 2024، كشفت Intel في 9 أبريل 2024 عن أحدث شريحة ذكاء اصطناعي لديها، وهي Gaudi 3، التي تتميز بأداء متفوق على GPU H100 من Nvidia:

• كفاءة طاقة تزيد عن الضعف ومعالجة نموذج الذكاء الاصطناعي أسرع بمقدار 1.5 مرة.
  ‍
• متوفرة بتكوينات مرنة مثل تجميعها على اللوحة الأم أو كبطاقة مستقلة.
  ‍
• تم اختباره بنجاح على نماذج ذكاء اصطناعي متنوعة مثل Llama من Meta و Falcon من أبو ظبي، مما يثبت فعاليته لتدريب ونشر نماذج الذكاء الاصطناعي المختلفة، بما في ذلك Stable Diffusion و Whisper من OpenAI للتعرف على الكلام.

‍

قبل Gaudi 3، في 18 مارس 2024، طرحت NVIDIA أحدث منصات الذكاء الاصطناعي الخاصة بها، وهي Blackwell. صُممت هذه المنصة لتشغيل الاختراقات في مختلف المجالات، وتتميز بالميزات التالية:

• تدعي Nvidia أن بلاكويل هي "أقوى شريحة في العالم".
  ‍
• وهي تتميز GPU ثنائية القالب مع 208 مليار ترانزستور ووصلة بينية من رقاقة إلى رقاقة بسرعة 10 تيرابايت/ثانية، مما يضع معايير جديدة للطاقة والكفاءة في مجال الذكاء الاصطناعي التوليدي على نطاق مركز البيانات.
  ‍
• أعلن مزودو الخدمات السحابية الرائدون مثل Google Cloud و Amazon Web Services و Microsoft Azure عن خططهم لاستخدام Blackwell لدفع عجلة التقدم في مجال الذكاء الاصطناعي التوليدي والتعلم العميق وخدمات الحوسبة السحابية.

‍

صعود رقائق الذكاء الاصطناعي المخصصة

في غضون ذلك، تقوم العديد من الشركات التقنية العملاقة بتطوير شرائح الذكاء الاصطناعي المخصصة الخاصة بها لتشغيل خدماتها. 

في 10 أبريل 2024، أعلنت Meta عن أحدث إصدار من مسرّع التدريب والاستدلال Meta (MTIA). تعمل هذه الشريحة من الجيل الثاني، والتي تعمل بالفعل في مراكز بيانات Meta، بشكل أفضل من حيث الحوسبة وعرض النطاق الترددي للذاكرة. تدعم هذه الترقيات أداء تطبيقات الذكاء الاصطناعي الخاصة بـ Meta، مثل محركات الترتيب والتوصية، على منصات مثل Facebook و Instagram.

وبالمثل، طرحت شركات كبرى أخرى مثل Google وAmazon Microsoft رقائق السيليكون المخصصة الخاصة بها هذا العام. إنها خطوة استراتيجية لتحسين هياكل التكلفة وتقليل الاعتماد على موردي الطرف الثالث مثل Nvidia.

أين يتم استخدام أجهزة الذكاء الاصطناعي؟ 

تدعم أجهزة الذكاء الاصطناعي حلول الذكاء الاصطناعي المختلفة في العديد من الصناعات المختلفة. في الرعاية الصحية، تعمل على تشغيل أنظمة التصوير الطبي مثل التصوير بالرنين المغناطيسي والأشعة المقطعية، والتعامل مع المهام المعقدة ومعالجة كميات كبيرة من البيانات بكفاءة لتشخيص سريع ودقيق.

تستخدم المؤسسات المالية خوارزميات الذكاء الاصطناعي لتحليل البيانات من أجل اكتشاف الاحتيال وتحسين الاستثمار. تتطلب الطبيعة المعقدة لتحليل البيانات المالية قدرات أجهزة متقدمة للتعامل مع حجم العمل الحسابي الهائل بكفاءة.

في صناعة السيارات، يساعد في معالجة بيانات المستشعر في الوقت الفعلي في المركبات ذاتية القيادة. تحتاج مهام مثل اكتشاف الكائنات وتجنب الاصطدام إلى دعم من الأجهزة المتقدمة ذات قدرات المعالجة القوية لاتخاذ قرارات سريعة وسلامة الركاب.

‍

يستخدم تجار التجزئة محركات التوصية المدعومة بالذكاء الاصطناعي لتخصيص تجارب التسوق وتعزيز المبيعات من خلال تحليل بيانات العملاء الواسعة عبر الأقسام للتنبؤ بالتفضيلات واقتراح المنتجات ذات الصلة. إن الحاجة إلى تحليل مجموعات بيانات متنوعة وإنشاء توصيات مخصصة تستدعي أجهزة متقدمة للاستجابات في الوقت الفعلي وتعزيز مشاركة المستخدم.

مثال آخر يتعلق بمتاجر البيع بالتجزئة هو استخدام الرؤية الحاسوبية لمراقبة سلوك العملاء وتحليله. يمكن لبائعي التجزئة فهم كيفية تفاعل العملاء مع بيئتهم وتحديد المنتجات الشائعة detect أنماط حركة المرور. وبناءً على هذه النتائج، يمكنهم تحسين تخطيطات المتاجر ومواضع المنتجات لتحسين المبيعات. تُعد قوة الحوسبة مهمة لمعالجة أحجام بيانات الفيديو الكبيرة في الوقت الفعلي. يعتمد التتبع الدقيق للحركات والتفاعلات على أجهزة قوية. فبدونها، تتأثر سرعة ودقة معالجة البيانات مما يقلل من فعالية تحليل سلوك العملاء.

هذه قمة جبل الجليد. من التصنيع إلى الزراعة، يمكن رؤية أجهزة الذكاء الاصطناعي في كل مكان.

توسيع نطاق الذكاء الاصطناعي بقوة الحوسبة

غالبًا ما يتم تصميم أجهزة الذكاء الاصطناعي للتعامل مع المهام الكبيرة. قد يكون من الصعب فهم حجم عمليات نشر الذكاء الاصطناعي في الصناعات في جميع أنحاء العالم، ولكن من الواضح أن الذكاء الاصطناعي القابل للتطوير يعتمد على وجود الأجهزة المناسبة.

خذ على سبيل المثال التعاون بين BMW NVIDIA. فمع إنتاج BMW 2.5 مليون سيارة سنوياً، فإن حجم عملياتها هائل. وتستخدم BMW الذكاء الاصطناعي لتحسين جوانب مختلفة من عملية التصنيع، بدءاً من مراقبة الجودة والصيانة التنبؤية إلى الخدمات اللوجستية وإدارة سلسلة التوريد.

ولتلبية مثل هذه المتطلبات، تعتمد BMW على حلول أجهزة الذكاء الاصطناعي المتقدمة مثل كوادرو RTX 8000 منNVIDIA وخوادم RTX التي تعمل بتقنية RTX. تجعل هذه التقنيات عمليات نشر الذكاء الاصطناعي أسهل وأكثر قابلية للتطوير.

تؤثر قوة الحوسبة على أجزاء مختلفة من حل الذكاء الاصطناعي الخاص بك

بالإضافة إلى تزويد تطبيقات الذكاء الاصطناعي بالطاقة الحسابية، فإن أجهزة الذكاء الاصطناعي التي تختارها تؤثر على حلك من حيث أداء النموذج واحتياجات تحويل النموذج ومرونة النشر والدقة الإجمالية. بمجرد تدريب نماذج الذكاء الاصطناعي واختبارها، غالبًا ما يتم تحويلها إلى تنسيق يعمل على منصات النشر المختارة. 

ولكن، يمكن أن يؤدي تحويل النماذج إلى فقدان الدقة ويجب أخذها في الاعتبار في وقت مبكر. يمكن أن توفر أدوات التكامل مثل ONNX (Open Neural Network Exchange) تنسيقًا موحدًا لنشر نماذج الذكاء الاصطناعي عبر مجموعة متنوعة من منصات الأجهزة. هذا هو السبب أيضًا وراء النماذج الشائعة مثل YOLOv8 التي تمنح المستخدمين خيار تصدير نماذجهم المدربة خصيصًا بتنسيقات مختلفة لتلبية خيارات النشر المتعددة.

تعد كفاءة الطاقة جزءًا لا يتجزأ من مستقبل حوسبة الذكاء الاصطناعي

إن تأثير قوة الحوسبة المتقدمة للذكاء الاصطناعي لا يقتصر على الذكاء الاصطناعي فحسب؛ بل إنه يلامس أيضًا قطاع الطاقة. 

‍

على سبيل المثال، تم تدريب نموذج LLaMA-3 الخاص بشركة Meta، وهو نموذج لغوي كبير متقدم (LLM)، باستخدام مجموعتين من مجموعات مراكز البيانات المصممة خصيصًا والمزودة ب 24,576 وحدة معالجة رسومات Nvidia H100 لكل منها. من خلال هذا الإعداد القوي للأجهزة، تمكنت Meta من زيادة سرعة المعالجة وتحقيق انخفاض كبير بنسبة 40% في استهلاك الطاقة. لذا، فإن التطورات في أجهزة الذكاء الاصطناعي تساهم أيضاً في زيادة كفاءة استخدام الطاقة.

وعلاوة على ذلك، تحظى العلاقة بين الذكاء الاصطناعي والطاقة بمزيد من الاهتمام مع انخراط أشخاص مثل Sam ألتمان في هذا المجال. وقد أتاح ألتمان، المعروف باسم الرئيس التنفيذي لشركة OpenAI، مؤخراً شركة أوكلو للطاقة النووية للجمهور. تهدف شركة أوكلو، بتكنولوجيا الانشطار النووي المبتكرة، إلى تحويل إنتاج الطاقة، مما قد يوفر الطاقة لمراكز البيانات الضرورية لعمليات الذكاء الاصطناعي. وفي السنوات القليلة الماضية، استثمر كل من بيل غيتس، المؤسس المشارك لشركة Microsoft وجيف بيزوس، مؤسس شركة أمازون، في محطات نووية.

ما وراء الدائرة

بالنظر إلى المستقبل، من المتوقع أن تحقق الأجهزة المستقبلية للذكاء الاصطناعي قفزات هائلة، خاصة مع صعود الحوسبة الكمومية. يتوقع الخبراء أنه بحلول عام 2030، قد تبلغ قيمة سوق الحوسبة الكمومية ما يقرب من 65 مليار دولار. مع تزايد تعقيد نماذج الذكاء الاصطناعي، تصبح الأجهزة المتخصصة ضرورية لإطلاق إمكاناتها الكاملة. من الرقائق الخاصة بالذكاء الاصطناعي إلى استكشافات الحوسبة الكمومية، يدفع ابتكار الأجهزة تطوير حلول الذكاء الاصطناعي الأكثر تعقيدًا وتأثيرًا.

لا تتردد في زيارة مستودع GitHub الخاص بنا والتفاعل مع مجتمعنا لمعرفة المزيد عن الذكاء الاصطناعي. استكشف أحدث مدوناتنا لترى كيف يتم تطبيق الذكاء الاصطناعي في مجالات مختلفة، مثل سباقات الفورمولا واحد و الروبوتات.