فهم تأثير قوة الحوسبة على ابتكارات الذكاء الاصطناعي

تتمتع تطبيقات الذكاء الاصطناعي (AI) وعلاقتها بالقوة الحوسبية بصلة وثيقة للغاية. فالقوة الحوسبية ضرورية لتطبيقات الذكاء الاصطناعي لأنها تساعد أنظمة الكمبيوتر في معالجة وتنفيذ المهام. تتطلب هذه التطبيقات موارد حوسبية كبيرة لإدارة الخوارزميات المعقدة ومجموعات البيانات الضخمة، وهنا يأتي دور وحدات معالجة الرسومات (GPUs). صُممت وحدات معالجة الرسومات (GPUs) في الأصل لتسريع معالجة الصور والفيديو، لكنها أصبحت ضرورية لإدارة مهام معالجة البيانات المكثفة والتعلم العميق التي يتطلبها الذكاء الاصطناعي.

في السنوات القليلة الماضية، شهدنا نمواً هائلاً في تقدم الذكاء الاصطناعي. وبطبيعة الحال، يجب أن تتقدم أجهزة الذكاء الاصطناعي لتواكب هذا النمو. كشفت دراسة أن أداء وحدات معالجة الرسومات (GPUs) قد زاد بنحو 7000 ضعف منذ عام 2003.

تتيح الأجهزة الأقوى والأسرع والأكثر كفاءة للباحثين والمهندسين تطوير نماذج ذكاء اصطناعي أكثر تعقيداً. دعونا نفهم كيف تتطور البنية التحتية للحوسبة الخاصة بالذكاء الاصطناعي لتلبية الطلبات المتزايدة للذكاء الاصطناعي.

Link to this sectionأجهزة الذكاء الاصطناعي: حوار متنامٍ#

لا يمكن إنكار دور وحدات معالجة الرسومات (GPUs) في تطوير الذكاء الاصطناعي. فهذه المعالجات القوية تسرع العمليات الحسابية المعقدة المطلوبة لتدريب ونشر نماذج الذكاء الاصطناعي. وهي في الأساس تمثل العمود الفقري لتكنولوجيا الذكاء الاصطناعي الحديثة. ولكن ليس وحدات معالجة الرسومات (GPUs) فقط هي التي تجذب الاهتمام.

بدأنا نرى شرائح صُنعت خصيصاً للذكاء الاصطناعي وتنافسها. هذه الشرائح مبنية من الصفر لمساعدة الذكاء الاصطناعي على أداء مهمته 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 السوق العالمية لأجهزة الذكاء الاصطناعي تُقدر بنحو $53.71 مليار في عام 2023 ومن المتوقع أن تنمو لتصل إلى ما يقرب من 473.53 مليار دولار بحلول عام 2033.

لماذا أصبحت تطورات أجهزة الذكاء الاصطناعي موضوعاً للنقاش مؤخراً؟ يعكس التحول نحو أجهزة الذكاء الاصطناعي المتخصصة الطلبات المتزايدة لتطبيقات الذكاء الاصطناعي عبر قطاعات مختلفة. لإنشاء حلول ذكاء اصطناعي بنجاح، من المهم البقاء في الصدارة من خلال الوعي بالتغييرات التي تحدث للأجهزة.

Link to this sectionاللاعبون الرئيسيون في أجهزة الذكاء الاصطناعي#

يتسابق كبار مصنعي الأجهزة لتطوير أجهزة من الجيل التالي، وتحسين الأداء والكفاءة من خلال التطوير الداخلي والشراكات الاستراتيجية وعمليات الاستحواذ.

الشكل 1. القادة في أجهزة الذكاء الاصطناعي.

انتقلت Apple من استخدام وحدات معالجة رسومات (GPUs) خارجية إلى تطوير شرائح سلسلة M 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 معالجة الموتر (TPU) الخاصة بها. تعد TPUs شرائح ذكاء اصطناعي مصممة للعمل بشكل أسرع واستهلاك طاقة أقل من وحدات معالجة الرسومات (GPUs)، مما يجعلها رائعة لتدريب ونشر حلول الذكاء الاصطناعي على نطاق أوسع.

وبالمثل، دخلت AMD مجال أجهزة الذكاء الاصطناعي بسلسلة مسرعات Radeon Instinct، مستهدفة مراكز البيانات وتطبيقات الحوسبة عالية الأداء. كما تواصل NVIDIA التركيز على تطوير وحدات معالجة الرسومات (GPUs) المحسّنة لأحمال عمل الذكاء الاصطناعي، مثل وحدات A100 وH100 Tensor Core GPUs. وتهدف استحواذاتهم الأخيرة على Arm Holdings إلى زيادة سيطرتهم على معماريات الرقائق التي تشغّل العديد من الأجهزة المحمولة.

بعيداً عن هؤلاء اللاعبين الراسخين، تغامر العديد من الشركات الناشئة والمؤسسات البحثية في بنى شرائح ذكاء اصطناعي جديدة. على سبيل المثال، تتخصص Graphcore في العمليات الحسابية المتفرقة باستخدام وحدة معالجة الذكاء (IPU) الخاصة بها. تقدم Cerebras Systems محرك Wafer Scale Engine، وهو شريحة ضخمة مصممة لأحمال عمل الذكاء الاصطناعي فائقة النطاق.

Link to this sectionأحدث تطورات أجهزة الذكاء الاصطناعي#

دعونا نلقي نظرة على أحدث أجهزة الذكاء الاصطناعي التي تم إصدارها.

في 9 أبريل 2024، كشفت Intel عن أحدث شريحة ذكاء اصطناعي لها، Gaudi 3، والتي تتميز بأداء متفوق على وحدة معالجة الرسومات (GPU) H100 من NVIDIA:

• أكثر من ضعف كفاءة الطاقة ومعالجة أسرع لنماذج الذكاء الاصطناعي بمقدار 1.5 مرة.
• متوفرة في تكوينات مرنة مثل تجميعها على لوحة أم أو كبطاقة مستقلة.
• تم اختبارها بنجاح على نماذج ذكاء اصطناعي متنوعة مثل Llama من Meta و Falcon من أبو ظبي، مما يثبت فعاليتها في تدريب ونشر نماذج ذكاء اصطناعي مختلفة، بما في ذلك Stable Diffusion و OpenAI Whisper للتعرف على الكلام.

الشكل 2. Gaudi 3 من Intel.

قبل Gaudi 3، في 18 مارس 2024، قدمت NVIDIA أحدث منصة ذكاء اصطناعي لها، Blackwell. صُممت هذه المنصة لتشغيل الاختراقات في مجالات مختلفة وتتميز بالميزات التالية:

• تدعي NVIDIA أن Blackwell هي "أقوى شريحة في العالم."
• تتميز بوحدة معالجة رسومات (GPU) مزدوجة القالب مع 208 مليار ترانزستور ووصلة بينية بين الشرائح بسرعة 10 تيرابايت/ثانية، مما يضع معايير جديدة للقوة والكفاءة في الذكاء الاصطناعي التوليدي على مستوى مراكز البيانات.
• أعلن كبار مزودي الخدمات السحابية مثل Google Cloud و Amazon Web Services و Microsoft Azure عن خططهم لاستخدام Blackwell لدفع عجلة التقدم في الذكاء الاصطناعي التوليدي والتعلم العميق وخدمات الحوسبة السحابية.

الشكل 3. Blackwell من NVIDIA.

Link to this sectionصعود شرائح الذكاء الاصطناعي المخصصة#

في غضون ذلك، تقوم العديد من شركات التكنولوجيا العملاقة بتطوير شرائح ذكاء اصطناعي مخصصة خاصة بها لتشغيل خدماتها.

في 10 أبريل 2024، أعلنت Meta عن أحدث إصدار من مسرع التدريب والاستدلال (MTIA) الخاص بها. تعمل هذه الشريحة من الجيل الثاني، الموجودة بالفعل في مراكز بيانات Meta، بشكل أفضل من حيث القوة الحوسبية والنطاق الترددي للذاكرة. تدعم هذه الترقيات أداء تطبيقات الذكاء الاصطناعي الخاصة بـ Meta، مثل محركات التصنيف والتوصية، على منصات مثل Facebook و Instagram.

الشكل 4. أحدث إصدار من MTIA من Meta.

وبالمثل، قدم لاعبون رئيسيون آخرون مثل Google و Amazon و Microsoft شرائح السيليكون المخصصة الخاصة بهم هذا العام. إنها خطوة استراتيجية لتحسين هياكل التكلفة الخاصة بهم وتقليل الاعتماد على موردين خارجيين مثل NVIDIA.

Link to this sectionأين يتم استخدام أجهزة الذكاء الاصطناعي؟#

تدعم أجهزة الذكاء الاصطناعي حلول ذكاء اصطناعي متنوعة عبر العديد من الصناعات المختلفة. في الرعاية الصحية، تشغل أنظمة التصوير الطبي مثل فحوصات الرنين المغناطيسي والأشعة المقطعية، وتتعامل مع المهام المعقدة وتعالج كميات كبيرة من البيانات بكفاءة للتشخيص السريع والدقيق.

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

في صناعة السيارات، تساعد في معالجة بيانات المستشعرات في الوقت الفعلي في المركبات ذاتية القيادة. تحتاج مهام مثل اكتشاف الأشياء وتجنب الاصطدام إلى دعم من أجهزة متقدمة ذات قدرات معالجة قوية لاتخاذ القرارات السريعة وضمان سلامة الركاب.

الشكل 5. عقول مركبة ذاتية القيادة.

يستخدم تجار التجزئة محركات توصية مدعومة بالذكاء الاصطناعي لتخصيص تجارب التسوق وزيادة المبيعات من خلال تحليل بيانات العملاء الضخمة عبر الأقسام للتنبؤ بالتفضيلات واقتراح منتجات ذات صلة. تتطلب الحاجة إلى تحليل مجموعات بيانات متنوعة وتوليد توصيات مخصصة أجهزة متقدمة للاستجابة في الوقت الفعلي وتعزيز تفاعل المستخدم.

مثال آخر يتعلق بمتاجر التجزئة هو استخدام الرؤية الحاسوبية لمراقبة وتحليل سلوك العملاء. يمكن لتجار التجزئة فهم كيفية تفاعل العملاء مع بيئتهم، وتحديد المنتجات الشائعة، واكتشاف أنماط حركة المرور. بناءً على هذه النتائج، يمكنهم تحسين تخطيطات المتجر ومواقع المنتجات لتحسين المبيعات. تعد القوة الحوسبية مهمة للمعالجة في الوقت الفعلي لأحجام كبيرة من بيانات الفيديو. يعتمد التتبع الدقيق للحركات والتفاعلات على أجهزة قوية. وبدونها، تتأثر سرعة ودقة معالجة البيانات، مما يقلل من فعالية تحليل سلوك العملاء.

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

Link to this sectionتوسيع نطاق الذكاء الاصطناعي بقوة الحوسبة#

غالباً ما تُبنى أجهزة الذكاء الاصطناعي للتعامل مع المهام الكبيرة. قد يكون من الصعب فهم حجم عمليات نشر الذكاء الاصطناعي في الصناعات حول العالم، ولكن من الواضح أن الذكاء الاصطناعي القابل للتوسع يعتمد على وجود الأجهزة المناسبة.

لنأخذ التعاون بين BMW و NVIDIA كمثال. مع إنتاج BMW لـ 2.5 مليون سيارة سنوياً، فإن حجم عملياتها هائل. تستخدم BMW الذكاء الاصطناعي لتحسين جوانب مختلفة من عملية التصنيع، بدءاً من مراقبة الجودة والصيانة التنبؤية وصولاً إلى الخدمات اللوجستية وإدارة سلسلة التوريد.

لتلبية مثل هذه المتطلبات، تعتمد BMW على حلول أجهزة ذكاء اصطناعي متقدمة مثل خوادم Quadro RTX 8000 و RTX من NVIDIA. تجعل هذه التقنيات عمليات نشر الذكاء الاصطناعي أسهل وأكثر قابلية للتوسع.

Link to this sectionتؤثر القوة الحوسبية على أجزاء مختلفة من حل الذكاء الاصطناعي الخاص بك#

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

ومع ذلك، يمكن أن يؤدي تحويل النماذج إلى فقدان في الدقة، وهو أمر يجب مراعاته مسبقاً. يمكن لأدوات التكامل مثل ONNX (Open Neural Network Exchange) توفير تنسيق موحد لنشر نماذج الذكاء الاصطناعي عبر مجموعة متنوعة من منصات الأجهزة. وهذا هو أيضاً السبب وراء منح نماذج شهيرة مثل YOLOv8 للمستخدمين خيار تصدير نماذجهم المدربة مخصصاً بتنسيقات مختلفة متعددة لتلبية متطلبات خيارات النشر.

Link to this sectionكفاءة الطاقة جزء لا يتجزأ من مستقبل حوسبة الذكاء الاصطناعي#

لا يقتصر تأثير قوة حوسبة الذكاء الاصطناعي المتقدمة على الذكاء الاصطناعي فحسب؛ بل إنه يؤثر أيضاً على قطاع الطاقة.

الشكل 6. التحرك نحو أجهزة ذكاء اصطناعي مستدامة.

على سبيل المثال، تم تدريب LLaMA-3 من Meta، وهو نموذج لغوي كبير (LLM) متقدم، باستخدام مجموعتين من مراكز البيانات المخصصة والمجهزة بـ 24,576 وحدة معالجة رسومات (GPU) H100 من NVIDIA لكل منهما. من خلال إعداد الأجهزة القوي هذا، تمكنت Meta من زيادة سرعة المعالجة وتحقيق انخفاض كبير بنسبة 40% في استهلاك الطاقة. لذا، فإن التطورات في أجهزة الذكاء الاصطناعي تساهم أيضاً في عمليات أكثر كفاءة في استخدام الطاقة.

علاوة على ذلك، تحظى العلاقة بين الذكاء الاصطناعي والطاقة بمزيد من الاهتمام مع مشاركة أشخاص مثل Sam Altman. فقد جعل Altman، المعروف بكونه الرئيس التنفيذي لـ OpenAI، شركة الطاقة النووية Oklo متاحة للجمهور مؤخراً. تهدف Oklo، بتكنولوجيتها المبتكرة للانشطار النووي، إلى تحويل إنتاج الطاقة، مما قد يوفر الطاقة لمراكز البيانات الأساسية لعمليات الذكاء الاصطناعي. في السنوات القليلة الماضية، استثمر كل من Bill Gates، الشريك المؤسس لشركة Microsoft، و Jeff Bezos، مؤسس Amazon، في محطات الطاقة النووية.

Link to this sectionما وراء الدائرة#

بالنظر إلى المستقبل، من المقرر أن تحقق أجهزة الذكاء الاصطناعي قفزات هائلة، خاصة مع صعود الحوسبة الكمومية. يتوقع الخبراء أنه بحلول عام 2030، يمكن أن تبلغ قيمة سوق الحوسبة الكمومية ما يقرب من 65 مليار دولار. مع زيادة تعقيد نماذج الذكاء الاصطناعي، تصبح الأجهزة المتخصصة ضرورية لإطلاق إمكاناتها الكاملة. من الشرائح الخاصة بالذكاء الاصطناعي إلى استكشافات الحوسبة الكمومية، يقود ابتكار الأجهزة تطوير حلول ذكاء اصطناعي أكثر تعقيداً وتأثيراً.

لا تتردد في زيارة مستودع GitHub الخاص بنا والتفاعل مع مجتمعنا لمعرفة المزيد عن الذكاء الاصطناعي. استكشف أحدث منشورات مدونتنا لمعرفة كيفية تطبيق الذكاء الاصطناعي في مجالات مختلفة، مثل سباقات الفورمولا 1 و الروبوتات.