Cloud Computing
تتيح الحوسبة السحابية استئجار الخوادم ومساحات التخزين ووحدات GPU والبرامج عبر الإنترنت، مع احتساب التكلفة بحسب الاستخدام. يتناول هذا الموضوع نماذج الخدمة وتدريب الذكاء الاصطناعي والسحابة مقابل الحوسبة الطرفية.
الحوسبة السحابية هي توفير موارد الحوسبة عند الطلب، بما في ذلك الخوادم والتخزين وقواعد البيانات والشبكات ووحدات GPU والتطبيقات البرمجية المتكاملة، عبر الإنترنت من مراكز بيانات مزوّد الخدمة، مع احتساب التكلفة حسب الاستخدام. عرّفها المعهد الوطني الأمريكي للمعايير والتقنية عام 2011 في NIST SP 800-145 من خلال خمس خصائص أساسية: الخدمة الذاتية عند الطلب، وإمكانية الوصول الواسع عبر الشبكة، وتجميع الموارد لعدد كبير من العملاء، والمرونة السريعة، والخدمة المقاسة. أطلقت Amazon Web Services خدمات التخزين S3 والحوسبة EC2 عام 2006، وأصبحت AWS وMicrosoft Azure وGoogle Cloud الآن أكبر المزوّدين. وفي مجال الذكاء الاصطناعي، تحول السحابة المسرّعات باهظة الثمن إلى موارد يمكن استئجارها لبضع ساعات، وهو ما يمكّن معظم الفرق من تدريب النماذج الكبيرة دون امتلاك مركز بيانات.
نماذج الخدمات والنشر#
تختلف نماذج الخدمات في مقدار مكونات البنية التي يديرها المزوّد:
- البنية التحتية كخدمة (IaaS): أجهزة افتراضية وتخزين كتلي وشبكات، بينما يدير العميل نظام التشغيل وبرامج التشغيل والبرمجيات. تُعد الأجهزة الافتراضية المزودة بوحدات GPU، مثل مثيلات Amazon EC2 P5، بنية تحتية كخدمة.
- المنصة كخدمة (PaaS): بيئات تشغيل وقواعد بيانات ومجموعات Kubernetes مُدارة، ينشر العميل فيها الشيفرة بينما يتولى المزوّد إدارة الخوادم والتحديثات التصحيحية. وتضيف منصات تعلم الآلة المُدارة مثل Amazon SageMaker وGoogle Vertex AI وAzure Machine Learning وظائف التدريب ونقاط نهاية النماذج إلى هذه الخدمات.
- الحوسبة بلا خوادم: دوال أو حاويات تبدأ عند كل طلب، وتتقلص إلى الصفر عند الخمول، وتُحاسب بحسب عدد الطلبات ووقت التنفيذ؛ وهو نموذج أحدث يخفي الخوادم تمامًا.
- البرمجيات كخدمة (SaaS): تطبيقات متكاملة تُستخدم عبر متصفح أو API، ولا تتطلب من العميل تشغيل أي مكونات.
يسمي NIST أيضًا أربعة نماذج للنشر: السحب العامة المشتركة بين عدد كبير من العملاء، والسحب الخاصة التي تُشغّل لصالح مؤسسة واحدة، والسحب المجتمعية المشتركة بين مؤسسات ذات متطلبات موحدة، والسحب الهجينة التي تجمع بينها. ويتبع المزوّدون في جميع النماذج نموذج المسؤولية المشتركة: يؤمّن المزوّد مراكز البيانات المادية وطبقة المحاكاة الافتراضية، ويتولى العميل مسؤولية الهويات والإعدادات وأمن البيانات.
الحوسبة السحابية للذكاء الاصطناعي#
التدريب هو الجزء الأكثر استهلاكًا للقدرة الحاسوبية في الذكاء الاصطناعي. يؤجر المزوّدون السحابيون وحدات GPU منفردة أو مجموعات من مسرّعات NVIDIA H100 وH200 وB200، المتصلة ببعضها عبر وصلات بينية عالية النطاق الترددي من أجل التدريب الموزع، كما تقدم Google Cloud وحدات TPU خاصة بها. تكون السعة الفائضة أرخص: إذ تقل تكلفة مثيلات AWS الفورية بنسبة تصل إلى 90% عن أسعار الاستخدام عند الطلب، لكن يمكن استردادها مع إشعار قبل دقيقتين؛ لذا تحفظ المهام التي تستخدمها نقاط تحقق من أوزان النموذج بوتيرة تتيح استئناف العمل.
يؤثر موضع البيانات في التكاليف السحابية. تُخزّن مجموعات البيانات في تخزين الكائنات، وغالبًا ما تُنظم على هيئة بحيرة بيانات، ويفرض المزوّدون رسوم خروج على البيانات التي تغادر شبكتهم، بينما يكون الدخول مجانيًا عادةً؛ لذا يُشغّل التدريب غالبًا في المنطقة نفسها التي توجد فيها البيانات الضخمة التي يقرأها. أما للاستدلال، فتعمل النماذج المعبأة في حاويات Docker على نقاط نهاية مُدارة من أجل خدمة النماذج، أو على مجموعات Kubernetes التي تضيف النسخ المتماثلة أو تزيلها مع تغير حركة المرور؛ وهذا هو معنى المرونة السريعة في تعريف NIST، كما أن اختيار مناطق قريبة من المستخدمين يحافظ على انخفاض زمن تأخر الاستدلال. وتستضيف منصات تعلم الآلة السحابية أيضًا أدوات MLOps المصاحبة لتتبع التجارب وسجلات النماذج ومراقبة النماذج.
تطبق منصة Ultralytics نموذج الدفع بحسب الاستخدام على تدريب YOLO: إذ يوفر التدريب السحابي 26 نوعًا من وحدات GPU، بدءًا من RTX 2000 Ada بذاكرة 16 GB وصولًا إلى B300 بذاكرة 288 GB، ويحاسب على وقت استخدام وحدة GPU فعليًا في التشغيل، ويقترح أقرب وحدة متاحة عند نفاد سعة الوحدة المحددة، مع إعطاء الأولوية لمطابقة VRAM ثم السرعة ثم السعر.
الحوسبة السحابية مقابل الحوسبة الطرفية#
تعالج الحوسبة الطرفية البيانات على الأجهزة التي تنتجها أو بالقرب منها، مثل الكاميرات والروبوتات والبوابات، ما يجنبها رحلة الذهاب والإياب عبر الشبكة إلى مركز البيانات ويتيح لها مواصلة العمل عند انقطاع الاتصال. أما الحوسبة السحابية فتوفر سعة مرنة مركزية للمهام الأشد احتياجًا إليها: التدريب والمعالجة الدفعية الكبيرة والتخزين طويل الأمد والخدمات التي يمكن لمستخدميها تحمل تأخير شبكي يبلغ عشرات المللي ثانية. تجمع معظم أنظمة الرؤية الحاسوبية بين النهجين. يُصدّر نموذج دُرّب على وحدات GPU سحابية إلى تنسيق مضغوط مثل ONNX أو TensorRT، ويعمل بوصفه ذكاءً اصطناعيًا طرفيًا على الجهاز؛ ثم يرسل الجهاز الاكتشافات والصور المحددة إلى السحابة، حيث تصبح بيانات تدريب لإصدار النموذج التالي.
