اختر منطقتك 
الرأي: نامان كابرا ، المؤسس المشارك والرئيس التنفيذي لشبكة NodeOps
أصبحت وحدات معالجة الرسومات (GPU) هي الأجهزة الافتراضية للعديد من أعباء عمل الذكاء الاصطناعي ، خاصة عند تدريب النماذج الكبيرة. هذا التفكير في كل مكان. على الرغم من أنه من المنطقي في بعض السياقات ، إلا أنه تم إنشاء بقعة عمياء تعيقنا.
وقد اكتسبت وحدات معالجة الرسومات سمعتها. إنها لا تصدق في تحطيم أعداد ضخمة بالتوازي ، مما يجعلها مثالية لتدريب نماذج اللغة الكبيرة أو تشغيل الاستدلال عالي السرعة. لهذا السبب تنفق شركات مثل Openai و Google و Meta الكثير من مجموعات GPU في بناء الأموال.
على الرغم من أن GPU قد يفضل تشغيل الذكاء الاصطناعي ، لا يمكننا أن ننسى وحدات المعالجة المركزية (وحدات المعالجة المركزية) ، والتي لا تزال قادرة للغاية. نسيان هذا قد يكلفنا الوقت والمال والفرصة.
وحدات المعالجة المركزية ليست عفا عليها الزمن. يحتاج المزيد من الناس إلى إدراك أنه يمكن استخدامه في مهام الذكاء الاصطناعي. إنهم يجلسون في وضع الخمول بملايين الآلات في جميع أنحاء العالم ، قادرين على تشغيل مجموعة واسعة من مهام الذكاء الاصطناعى بكفاءة وبأسعار معقولة ، إذا كنا نمنحهم فرصة فقط.
حيث تتألق وحدات المعالجة المركزية في منظمة العفو الدولية
من السهل أن نرى كيف وصلنا إلى هنا. يتم بناء وحدات معالجة الرسومات من أجل التوازي. يمكنهم التعامل مع كميات هائلة من البيانات في وقت واحد ، وهو أمر ممتاز للمهام مثل التعرف على الصور أو تدريب chatbot مع مليارات من المعلمات. وحدات المعالجة المركزية لا يمكن أن تتنافس في تلك الوظائف.
الذكاء الاصطناعى ليس مجرد تدريب النماذج. انها ليست مجرد رياضيات مصفوفة عالية السرعة. اليوم ، تتضمن الذكاء الاصطناعي مهام مثل تشغيل النماذج الأصغر وتفسير البيانات وإدارة سلاسل المنطق واتخاذ القرارات وجلب المستندات والرد على الأسئلة. هذه ليست مجرد مشاكل “الرياضيات الغبية”. أنها تتطلب التفكير المرن. أنها تتطلب المنطق. أنها تتطلب وحدات المعالجة المركزية.
على الرغم من أن وحدات معالجة الرسومات GPU تحصل على جميع العناوين الرئيسية ، فإن وحدات المعالجة المركزية تتعامل بهدوء مع العمود الفقري للعديد من مهام سير العمل من الذكاء الاصطناعى ، خاصةً عند تكبير كيف تعمل أنظمة الذكاء الاصطناعى في العالم الحقيقي.
مؤخرًا: “GPUS لدينا يذوب”-Openai يضع المحدد في بعد Ghibli-tsunami
وحدات المعالجة المركزية مثيرة للإعجاب فيما تم تصميمه من أجل: العمليات المرنة القائمة على المنطق. لقد تم تصميمها للتعامل مع واحد أو بضع مهام في وقت واحد ، جيد حقًا. قد لا يبدو هذا مثيرًا للإعجاب بجوار التوازي الهائل ل GPU ، ولكن العديد من مهام الذكاء الاصطناعي لا تحتاج إلى هذا النوع من القوة النارية.
النظر في الوكلاء المستقلة ، تلك الأدوات الفاخرة التي يمكنها استخدام الذكاء الاصطناعي لإكمال المهام مثل البحث عن الويب أو كتابة التعليمات البرمجية أو التخطيط للمشروع. بالتأكيد ، قد يدعو الوكيل نموذج لغة كبير يعمل على وحدة معالجة الرسومات ، ولكن كل شيء حول ذلك ، فإن المنطق ، والتخطيط ، وصنع القرار ، يعمل على ما يرام على وحدة المعالجة المركزية.
حتى الاستدلال (AI-Speak لاستخدام النموذج فعليًا بعد تدريبه) يمكن القيام به على وحدات المعالجة المركزية ، خاصةً إذا كانت النماذج أصغر أو محسنة أو تعمل في المواقف التي لا يكون فيها الكمون المنخفض للغاية ضروريًا.
يمكن لوحدة المعالجة المركزية التعامل مع مجموعة كبيرة من مهام الذكاء الاصطناعي على ما يرام. ومع ذلك ، نحن نركز على أداء GPU ، حتى أننا لا نستخدم ما لدينا بالفعل أمامنا.
لا نحتاج إلى الاستمرار في بناء مراكز بيانات جديدة باهظة الثمن معززة مع وحدات معالجة الرسومات لتلبية الطلب المتزايد على الذكاء الاصطناعي. نحتاج فقط إلى استخدام ما هو موجود بالفعل بكفاءة.
هذا هو المكان الذي تصبح فيه الأمور مثيرة للاهتمام. لأنه الآن لدينا طريقة ل يفعل الذي – التي.
كيف تغير شبكات الحساب اللامركزية اللعبة
تعتبر شبكات البنية التحتية المادية اللامركزية ، أو شبكات البنية التحتية المادية اللامركزية ، حلاً قابلاً للتطبيق. إنها فم ، لكن الفكرة بسيطة: يساهم الناس في قوتهم الحاسوبية غير المستخدمة (مثل وحدة المعالجة المركزية الخاملة) ، والتي يتم تجميعها في شبكة عالمية يمكن للآخرين الاستفادة منها.
بدلاً من استئجار الوقت على مجموعة GPU Cluster الخاصة بمزود GPU المركزي ، يمكنك تشغيل أعباء عمل منظمة العفو الدولية عبر شبكة لا مركزية من وحدات المعالجة المركزية في أي مكان في العالم. تنشئ هذه المنصات نوعًا من طبقة الحوسبة من نظير إلى نظير حيث يمكن توزيع الوظائف وتنفيذها والتحقق منها بشكل آمن.
هذا النموذج لديه بعض الفوائد الواضحة. أولاً ، إنه أرخص بكثير. لا تحتاج إلى دفع أسعار مميزة لاستئجار وحدة معالجة الرسومات النادرة عندما تقوم وحدة المعالجة المركزية بهذه المهمة على ما يرام. ثانياً ، إنه يتردد بشكل طبيعي.
تنمو الحساب المتاح حيث يقوم المزيد من الأشخاص بتوصيل أجهزتهم بالشبكة. ثالثًا ، يجرب الحوسبة أقرب إلى الحافة. يمكن تشغيل المهام على الأجهزة القريبة من المكان الذي تعيش فيه البيانات ، مما يقلل من الكمون وزيادة الخصوصية.
فكر في الأمر مثل Airbnb للحساب. بدلاً من بناء المزيد من الفنادق (مراكز البيانات) ، فإننا نستخدم بشكل أفضل من جميع الغرف الفارغة (وحدات المعالجة المركزية الخاملة) لدى الأشخاص بالفعل.
من خلال تحويل تفكيرنا واستخدام الشبكات اللامركزية لتوجيه أعباء عمل AI إلى نوع المعالج الصحيح ، GPU عند الحاجة ووحدة المعالجة المركزية عندما يكون ذلك ممكنًا ، نقوم بإلغاء قفل المقياس والكفاءة والمرونة.
خلاصة القول
حان الوقت للتوقف عن معالجة وحدات المعالجة المركزية مثل مواطني الدرجة الثانية في عالم الذكاء الاصطناعي. نعم ، وحدات معالجة الرسومات أمر بالغ الأهمية. لا أحد ينكر ذلك. وحدات المعالجة المركزية في كل مكان. إنهم غير مستغلين ولكنهم لا يزالون قادرين تمامًا على تشغيل العديد من مهام الذكاء الاصطناعي التي نهتم بها.
بدلاً من إلقاء المزيد من الأموال في نقص وحدة معالجة الرسومات ، دعونا نطرح سؤالاً أكثر ذكاءً: هل نحن حتى نستخدم الحوسبة التي لدينا بالفعل؟
مع تصاعد منصات الحساب اللامركزية لتوصيل وحدات المعالجة المركزية الخاملة باقتصاد الذكاء الاصطناعي ، لدينا فرصة هائلة لإعادة التفكير في كيفية توسيع نطاق البنية التحتية لمنظمة العفو الدولية. القيد الحقيقي ليس مجرد توفر GPU. إنه تحول عقلية. نحن مشروطون جدًا لمطاردة الأجهزة المتطورة لدرجة أننا نتغاضى عن الخمول المحتملة غير المستغلة عبر الشبكة.
الرأي: نامان كابرا ، المؤسس المشارك والرئيس التنفيذي لشبكة NodeOps.
هذه المقالة مخصصة لأغراض المعلومات العامة ولا تهدف إلى أن تكون ولا ينبغي اعتبارها نصيحة قانونية أو استثمارية. إن الآراء والأفكار والآراء المعبر عنها هنا هي وحدها ولا تعكس بالضرورة أو تمثل آراء وآراء Cointelegraph.
