X
Ultralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 سهم الإطلاق
الشيك الأخضر
تم نسخ الرابط إلى الحافظة

فهم تأثير قوة الحوسبة على ابتكارات الذكاء الاصطناعي

مع تقدم تكنولوجيا الذكاء الاصطناعي، تتزايد الحاجة إلى قوة حوسبة جديدة ومحسنة للذكاء الاصطناعي. اكتشف كيف تساعد قوة الحوسبة في دفع حركة الذكاء الاصطناعي إلى الأمام.

هناك علاقة وثيقة للغاية بين الذكاء الاصطناعي وقوة الحوسبة. قوة الحوسبة ضرورية لتطبيقات الذكاء الاصطناعي لأنها تساعد أنظمة الكمبيوتر على معالجة المهام وتنفيذها. وتتطلب هذه التطبيقات موارد حاسوبية كبيرة لإدارة الخوارزميات المعقدة ومجموعات البيانات الكبيرة، وهنا يأتي دور وحدات معالجة الرسومات. صُممت وحدات معالجة الرسومات، أو 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 وحدة معالجة الرسومات قد زاد حوالي 7000 مرة منذ عام 2003. 

تسمح الأجهزة الأقوى والأسرع والأكثر كفاءة للباحثين والمهندسين بتطوير نماذج ذكاء اصطناعي متزايدة التعقيد. دعونا نفهم كيف تتطور البنية التحتية الحاسوبية للذكاء الاصطناعي لتلبية المتطلبات المتزايدة للذكاء الاصطناعي.

أجهزة الذكاء الاصطناعي: محادثة متنامية

لا يمكن إنكار دور وحدات معالجة الرسومات في تطوير الذكاء الاصطناعي. تعمل هذه المعالجات القوية على تسريع العمليات الحسابية المعقدة المطلوبة لتدريب نماذج الذكاء الاصطناعي ونشرها. وهي في الأساس بمثابة العمود الفقري لتكنولوجيا الذكاء الاصطناعي الحديثة. ولكن ليست وحدات معالجة الرسومات وحدها هي التي تجذب الانتباه. 

لقد بدأنا نرى رقائق مصنوعة خصيصاً للذكاء الاصطناعي تنافسها. صُنعت هذه الرقائق من الصفر لمساعدة الذكاء الاصطناعي على القيام بعمله بشكل أفضل وأسرع. يتم إجراء الكثير من الأبحاث والعمل على تحسين مستقبل حوسبة الذكاء الاصطناعي. تستثمر العديد من الشركات في قوة حوسبة الذكاء الاصطناعي، وهذا أحد الأسباب التي جعلت قيمة السوق العالمية لأجهزة الذكاء الاصطناعي تبلغ 53.71 مليار دولار في عام 2023، ومن المتوقع أن تنمو إلى حوالي 473.53 مليار دولار بحلول عام 2033.

لماذا أصبح التقدم في أجهزة الذكاء الاصطناعي موضوعًا للنقاش في الآونة الأخيرة؟ يعكس التحول نحو أجهزة الذكاء الاصطناعي المتخصصة الطلب المتزايد على تطبيقات الذكاء الاصطناعي في مختلف القطاعات. ولإنشاء حلول الذكاء الاصطناعي بنجاح، من المهم البقاء في الطليعة من خلال إدراك التغييرات التي تحدث للأجهزة.

اللاعبون الرئيسيون في أجهزة الذكاء الاصطناعي

تتسابق شركات تصنيع الأجهزة الرائدة لتطوير الجيل التالي من الأجهزة، وتحسين الأداء والكفاءة من خلال التطوير الداخلي والشراكات الاستراتيجية وعمليات الاستحواذ.

الشكل 1. الرواد في مجال أجهزة الذكاء الاصطناعي.

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

 وبالمثل، دخلت شركة AMD ساحة 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.

وإلى جانب هؤلاء اللاعبين الراسخين، تغامر العديد من الشركات الناشئة والمؤسسات البحثية في مجال هندسة شرائح الذكاء الاصطناعي الجديدة. على سبيل المثال، تتخصص شركة Graphcore في الحسابات المتفرقة من خلال وحدة المعالجة الذكية (IPU) الخاصة بها. تقدم Cerebras Systems محرك Wafer Scale Engine، وهي شريحة ضخمة مصممة خصيصاً لأعباء عمل الذكاء الاصطناعي على نطاق واسع.

أحدث تطورات أجهزة الذكاء الاصطناعي

دعنا نلقي نظرة على أحدث أجهزة الذكاء الاصطناعي التي ظهرت.

في 9 أبريل 2024، كشفت إنتل في 9 أبريل 2024 عن أحدث شريحة ذكاء اصطناعي لديها، وهي Gaudi 3، التي تتميز بأداء متفوق على وحدة معالجة الرسومات H100 من إنفيديا:

  • أكثر من ضعف كفاءة الطاقة و1.5 مرة أسرع في معالجة نماذج الذكاء الاصطناعي.
  • متوفرة في تكوينات مرنة مثل تجميعها على اللوحة الأم أو كبطاقة مستقلة.
  • تم اختباره بنجاح على نماذج ذكاء اصطناعي متنوعة مثل لاما ميتا وصقر أبو ظبي، مما يثبت فعاليته في تدريب ونشر نماذج ذكاء اصطناعي متنوعة، بما في ذلك نموذج الانتشار المستقر ووسبر من OpenAI للتعرف على الكلام.
الشكل 2. إنتل جاودي 3.

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

  • تدعي Nvidia أن Blackwell هي "أقوى شريحة في العالم". 
  • وهي تتميز بوحدة معالجة رسومات ثنائية القوالب تحتوي على 208 مليار ترانزستور ووصلة بينية من شريحة إلى شريحة 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.
الشكل 3. إنفيديا بلاكويل

ظهور رقائق الذكاء الاصطناعي المخصصة

وفي الوقت نفسه، يعمل العديد من عمالقة التكنولوجيا على تطوير شرائح الذكاء الاصطناعي الخاصة بهم لتشغيل خدماتهم. 

في 10 أبريل 2024، أعلنت شركة Meta عن أحدث إصدار من مسرع التدريب والاستدلال Meta Training and Inference Accelerator (MTIA). تعمل هذه الشريحة من الجيل الثاني، التي تعمل بالفعل في مراكز بيانات Meta، بأداء أفضل من حيث الحوسبة وعرض النطاق الترددي للذاكرة. وتدعم هذه الترقيات أداء تطبيقات الذكاء الاصطناعي الخاصة بشركة Meta، مثل محركات التصنيف والتوصيات، على منصات مثل فيسبوك وإنستجرام.

الشكل 4. أحدث إصدار من Meta من MTIA.

وبالمثل، طرحت شركات كبرى أخرى مثل Google وAmazon وMicrosoft 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 العديد من حلول الذكاء الاصطناعي في العديد من الصناعات المختلفة. في مجال الرعاية الصحية، تعمل هذه الأجهزة على تشغيل أنظمة التصوير الطبي مثل التصوير بالرنين المغناطيسي والتصوير المقطعي المحوسب، وتتعامل مع المهام المعقدة وتعالج أحجام البيانات الكبيرة بكفاءة من أجل التشخيص السريع والدقيق.

تستخدم المؤسسات المالية خوارزميات الذكاء الاصطناعي لتحليل البيانات للكشف عن الاحتيال وتحسين الاستثمار. تتطلب الطبيعة المعقدة لتحليل البيانات المالية قدرات أجهزة متقدمة للتعامل مع عبء العمل الحسابي الهائل بفعالية.

في صناعة السيارات، يساعد في معالجة بيانات المستشعرات في الوقت الفعلي في السيارات ذاتية القيادة. يجب أن تكون مهام مثل اكتشاف الأجسام وتجنب الاصطدام مدعومة بأجهزة متقدمة ذات قدرات معالجة قوية لاتخاذ قرارات سريعة وسلامة الركاب.

الشكل 5. دماغ المركبة ذاتية القيادة.

يستخدم تجار التجزئة محركات التوصيات القائمة على الذكاء الاصطناعي لتخصيص تجارب التسوق وزيادة المبيعات من خلال تحليل بيانات العملاء الهائلة عبر الأقسام للتنبؤ بالتفضيلات واقتراح المنتجات ذات الصلة. تستدعي الحاجة إلى تحليل مجموعات البيانات المتنوعة وإنشاء توصيات مخصصة أجهزة متقدمة للاستجابة 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 واكتشاف أنماط حركة المرور. وبناءً على هذه النتائج، يمكنهم تحسين تخطيطات المتاجر ومواضع المنتجات لتحسين المبيعات. تعد 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.

هذا غيض من فيض. من التصنيع إلى الزراعة، يمكن رؤية أجهزة الذكاء الاصطناعي في كل مكان.

توسيع نطاق الذكاء الاصطناعي مع قوة الحوسبة

غالباً 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 وNVIDIA. 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 من NVIDIA 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

إلى جانب تزويد تطبيقات الذكاء الاصطناعي بالقدرة الحاسوبية، تؤثر أجهزة الذكاء الاصطناعي التي تختارها على الحل الذي تقدمه من حيث أداء النموذج، واحتياجات تحويل النموذج، ومرونة النشر، والدقة الإجمالية. بمجرد أن يتم تدريب نماذج الذكاء الاصطناعي واختبارها، غالبًا ما يتم تحويلها إلى تنسيق يمكن تشغيله على منصات النشر المختارة. 

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

كفاءة استخدام الطاقة جزء لا يتجزأ من مستقبل حوسبة الذكاء الاصطناعي

لا يقتصر تأثير قوة الحوسبة المتقدمة للذكاء الاصطناعي على الذكاء الاصطناعي؛ بل إنه يمس قطاع الطاقة أيضاً. 

الشكل 6. الانتقال نحو أجهزة ذكاء اصطناعي مستدامة

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 أل تمان. وقد أتاح ألتمان، المعروف باسم الرئيس التنفيذي لشركة OpenAI، مؤخرًا شركة أوكلو للطاقة النووية للجمهور. تهدف 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 مايكروسوفت، وجيف بيزوس، مؤسس شركة أمازون، في محطات نووية.

ما وراء الحلبة

بالنظر إلى المستقبل، من المتوقع أن يحقق مستقبل أجهزة الذكاء الاصطناعي قفزات هائلة في المستقبل، خاصةً مع ظهور الحوسبة الكمية. ويتوقع الخبراء أنه بحلول عام 2030، قد تصل قيمة سوق الحوسبة الكمية إلى 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 الكمية، يدفع ابتكار الأجهزة إلى تطوير حلول ذكاء اصطناعي أكثر تعقيداً وتأثيراً.

لا تتردد في الاطلاع على مستودع GitHub الخاص بنا والتفاعل مع مجتمعنا لمعرفة المزيد عن الذكاء الاصطناعي. استكشف أحدث منشورات مدونتنا لمعرفة كيفية تطبيق الذكاء الاصطناعي في مختلف المجالات، مثل سباقات الفورمولا واحد والروبوتات.

شعار الفيسبوكشعار تويترشعار لينكد إنرمز نسخ الرابط

اقرأ المزيد في هذه الفئة

دعونا نبني المستقبل
من الذكاء الاصطناعي معا!

ابدأ رحلتك مع مستقبل التعلم الآلي