قم بتغذية نيران الذكاء الاصطناعي بالمركزية

ميزة دعائية أدى التدفق المستمر للتقنيات والاكتشافات الثورية - النار والزراعة والعجلة والمطبعة والإنترنت ، على سبيل المثال لا الحصر - إلى تشكيل التنمية البشرية والحضارة بشكل عميق. وتستمر دورة الابتكار هذه مع الذكاء الاصطناعي (AI). 

لقد ذهبت شركة الأبحاث IDC إلى حد استنتاج أن الذكاء الاصطناعي هو حقًا الإجابة على "كل شيء". يقول راسموس أندسبيرغ ، نائب الرئيس المساعد للبيانات والتحليلات في IDC: "الحقيقة هي أن الذكاء الاصطناعي يقدم حلولًا لكل ما نواجهه في الوقت الحالي. يمكن أن يكون الذكاء الاصطناعي مصدرًا لتتبع رحلات التحول الرقمي بسرعة ، وتمكين توفير التكاليف في أوقات معدلات التضخم المذهلة ودعم جهود الأتمتة في أوقات نقص العمالة ".

بالتأكيد ، وفي جميع الصناعات والوظائف ، بدأت مؤسسات المستخدم النهائي في اكتشاف فوائد الذكاء الاصطناعي ، حيث تظهر خوارزميات قوية بشكل متزايد وبنية تحتية أساسية لتمكين اتخاذ قرارات أفضل وإنتاجية أعلى. 

بلغ إجمالي الإيرادات العالمية لسوق الذكاء الاصطناعي (AI) ، بما في ذلك البرامج والأجهزة والخدمات المرتبطة بالتطبيقات التي تركز على الذكاء الاصطناعي والتطبيقات غير المركزة على الذكاء الاصطناعي ، 383.3 مليار دولار في عام 2021. وكان هذا أعلى بنسبة 20.7٪ مقارنة بالعام السابق ، وفقًا لمعظم مؤخرًا مؤسسة البيانات الدولية (IDC) متتبع الذكاء الاصطناعي نصف السنوي في جميع أنحاء العالم.

وبالمثل ، يستمر نشر برامج الذكاء الاصطناعي على السحابة في إظهار نمو مطرد. تتوقع IDC أن تتجاوز الإصدارات السحابية من برامج الذكاء الاصطناعي المشتراة حديثًا عمليات النشر المحلية في عام 2022.

السماء هي حدود الذكاء الاصطناعي

يعتقد الدكتور رونين دار ، كبير مسؤولي التكنولوجيا في شركة Run: ai المتخصصة في الذكاء الاصطناعي ، التي أنشأت نظامًا أساسيًا لإدارة الحوسبة للذكاء الاصطناعي ، أن السماء هي الحد الأقصى لقطاع الذكاء الاصطناعي المؤسسي الناشئ. 

"الذكاء الاصطناعي هو سوق نرى أنه ينمو بسرعة كبيرة. وفيما يتعلق بالمؤسسات ، نرى طلبًا واعتمادًا للتعلم الآلي والذكاء الاصطناعي. وأعتقد أن هناك الآن تقنية جديدة تجلب إمكانيات جديدة ستغير العالم ؛ التي ستحدث ثورة في الأعمال التجارية ، "يلاحظ دار. 

هناك أيضًا فهم واضح بشكل متزايد حول الحاجة إلى بدء استكشاف الذكاء الاصطناعي وتجربته وفهم كيفية دمج الذكاء الاصطناعي في نماذج الأعمال.

يعتقد دار أن الذكاء الاصطناعي يمكن أن يجلب "فوائد مذهلة" لتحسين العمليات التجارية الحالية للمؤسسات: "فيما يتعلق بتحسين وإثبات الأعمال الحالية ، نرى الكثير من حالات الاستخدام حول الذكاء الاصطناعي والتعلم الآلي التي تعمل على تحسين العمليات وكيفية اتخاذ القرارات حول العرض والطلب ".

ويشير إلى أن نماذج التعلم العميق الجديدة القائمة على الشبكات العصبية يمكن أن تحسن العمليات واتخاذ القرار ودقة العمليات التجارية الهامة مثل اكتشاف الاحتيال في صناعة الخدمات المالية. الرعاية الصحية قطاع آخر حيث إمكانات الذكاء الاصطناعي "ضخمة" ، لا سيما من حيث مساعدة الأطباء على اتخاذ قرارات سريرية أفضل والمساعدة في اكتشاف الأدوية الجديدة وتطويرها. 

وبالتطلع إلى المستقبل ، تتوقع دار أن تساعد تقنية الذكاء الاصطناعي في توفير فرص تجارية جديدة تمامًا لا توجد حاليًا في قطاعات مثل المركبات ذاتية القيادة والألعاب الغامرة. 

عقبات البنية التحتية للتغلب عليها

على الرغم من الإمكانات الواضحة للذكاء الاصطناعي والتعلم الآلي في المؤسسة ، يقر دار بأن النشر التجاري للذكاء الاصطناعي يتراجع بسبب المشكلات المتعلقة بتوفير البنية التحتية. ينصح بأن الشركات بحاجة إلى النظر في الطريقة التي يدخل بها الذكاء الاصطناعي إلى منظمة في المقام الأول.

عادةً ما يتضمن ذلك عملية غير منسقة لكل قسم على حدة والتي ترى فرقًا مختلفة توفر التكنولوجيا والموارد بشكل مستقل ، مما يؤدي إلى عمليات النشر المنعزلة. لا يمكن لتكنولوجيا المعلومات التحكم بشكل فعال في هذه المشاريع المخصصة وليس لديها رؤية لما يجري. وهذا يجعل من الصعب إن لم يكن من المستحيل حساب عائد الاستثمار على الإنفاق على البنية التحتية للذكاء الاصطناعي. 

يقول دار: "إنها المشكلة الكلاسيكية: في الماضي كانت تقنية الظل" ظل الذكاء الاصطناعي ". 

بالإضافة إلى ذلك ، تعد البنية التحتية الحديثة اللازمة لـ AI / ML استثمارًا حيث تحتاج المؤسسات إلى أجهزة حوسبة قوية معجلة GPU لمعالجة البيانات المعقدة للغاية ولتدريب النماذج. 

يقول دار: "تحتاج فرق الذكاء الاصطناعي إلى قدر كبير من القوة الحاسوبية لتدريب النماذج ، وعادةً ما تستخدم وحدات معالجة الرسومات (GPU) ، وهي موارد مركز بيانات متميزة يمكن عزلها وعدم استخدامها بكفاءة". "يمكن أن يؤدي إلى إهدار الكثير من المال بالتأكيد." 

يمكن أن تؤدي هذه البنية التحتية المنعزلة إلى مستويات استخدام أقل من 10٪ ، على سبيل المثال.

وفقًا لـ The Run: ai poll ، مسح حالة البنية التحتية للذكاء الاصطناعي لعام 2021، الذي نُشر في أكتوبر 2021 ، قال 87 بالمائة من المستجيبين إنهم يواجهون مستوى معينًا من مشكلات وحدة معالجة الرسومات / حساب تخصيص الموارد ، مع ذكر 12 بالمائة أن هذا يحدث كثيرًا. نتيجة لذلك ، أفادت 83 في المائة من الشركات التي شملها الاستطلاع أنها لا تستخدم أجهزة GPU و AI بشكل كامل. في الواقع ، أشار ما يقرب من الثلثين (61 بالمائة) إلى أن أجهزة GPU و AI الخاصة بهم في الغالب عند مستويات "معتدلة" من الاستخدام.

مركزية الذكاء الاصطناعي

لحل هذه المشاكل ، تدعو دار إلى مركزية توفير موارد الذكاء الاصطناعي. Run: طور الذكاء الاصطناعي نظامًا أساسيًا لإدارة الحوسبة للذكاء الاصطناعي يقوم بذلك بالضبط ، مع جعل مورد حوسبة وحدة معالجة الرسومات (GPU) مركزيًا وظاهريًا. من خلال تجميع وحدات معالجة الرسومات في طبقة افتراضية واحدة وأتمتة جدولة عبء العمل للاستخدام بنسبة 100 في المائة ، يوفر هذا النهج مزايا مقارنة بالأنظمة المنعزلة على مستوى الأقسام. 

يمنح مركزية البنية التحتية التحكم والرؤية مرة أخرى ، مع تحرير علماء البيانات من عبء إدارة البنية التحتية. تشترك فرق الذكاء الاصطناعي في مورد حوسبة عالمي للذكاء الاصطناعي يمكن الاتصال به بشكل ديناميكي لأعلى ولأسفل مع زيادة الطلب أو انخفاضه ، مما يزيل اختناقات الطلب وفترات قلة الاستخدام. 

يجادل دار بأن هذا النهج يمكن أن يساعد المؤسسات على تحقيق أقصى استفادة من أجهزتها وتحرير علماء البيانات من قيود محدودية الموارد الأساسية. كل هذا يعني أنه يمكنهم تشغيل المزيد من الوظائف وإدخال المزيد من نماذج الذكاء الاصطناعي في الإنتاج. 

يتم تقديم مثال من مركز لندن للتصوير الطبي والذكاء الاصطناعي للرعاية الصحية القائمة على القيمة ، بقيادة كينجز كوليدج لندن ومقرها في مستشفى سانت توماس. يستخدم الصور الطبية وبيانات الرعاية الصحية الإلكترونية لتدريب خوارزميات التعلم العميق المتطورة لرؤية الكمبيوتر ومعالجة اللغة الطبيعية. تُستخدم هذه الخوارزميات لإنشاء أدوات جديدة للفحص الفعال والتشخيص الأسرع والعلاجات الشخصية.

أدرك المركز أن بنيته التحتية القديمة للذكاء الاصطناعي كانت تعاني من مشكلات تتعلق بالكفاءة: فقد كان إجمالي استخدام وحدة معالجة الرسومات أقل من 30 في المائة مع فترات خمول "كبيرة" لبعض المكونات. بعد الانتقال إلى معالجة هذه المشكلات من خلال اعتماد نموذج توفير حوسبة مركزية للذكاء الاصطناعي يعتمد على منصة Run: ai ، ارتفع استخدام GPU بنسبة 110 بالمائة ، مع تحسينات موازية في سرعة التجربة وكفاءة البحث الشاملة.

يقول الدكتور إم خورخي كاردوسو ، الأستاذ المساعد والمحاضر الأول في الذكاء الاصطناعي في كينجز كوليدج لندن ورئيس قسم التكنولوجيا في مركز الذكاء الاصطناعي: "يمكن أن تستغرق تجاربنا أيامًا أو دقائق ، باستخدام القليل من قوة الحوسبة أو مجموعة كاملة". "يضمن تقليل الوقت المستغرق للوصول إلى النتائج أنه يمكننا طرح المزيد من الأسئلة المهمة والإجابة عليها حول صحة الأشخاص وحياتهم" 

كما قدم مركزية موارد وحدة معالجة الرسومات بالذكاء الاصطناعي فوائد تجارية قيّمة لشركة Wayve ، وهي شركة مقرها لندن تعمل على تطوير برامج الذكاء الاصطناعي للسيارات ذاتية القيادة. تم تصميم تقنيتها بحيث لا تعتمد على الاستشعار ، ولكنها تركز بدلاً من ذلك على زيادة الذكاء ، من أجل قيادة ذاتية أفضل في المناطق الحضرية الكثيفة.

تتضمن حلقة تعلم الأسطول من Wayve دورة مستمرة لجمع البيانات وتنظيمها وتدريب النماذج وإعادة المحاكاة ونماذج الترخيص قبل النشر في الأسطول. يأتي استهلاك حساب GPU الأساسي للشركة من تدريب إنتاج Fleet Learning Loop. يقوم بتدريب خط الأساس للمنتج بمجموعة البيانات الكاملة وإعادة التدريب باستمرار لجمع البيانات الجديدة من خلال تكرار حلقة تعلم الأسطول.

بدأت الشركة تدرك أنها كانت تعاني من "الرعب" في جدولة GPU: على الرغم من تخصيص ما يقرب من 100 بالمائة من موارد GPU المتاحة للباحثين ، إلا أنه تم استخدام أقل من 45 بالمائة عند إجراء الاختبار في البداية. 

"نظرًا لأنه تم تخصيص وحدات معالجة الرسومات للباحثين بشكل ثابت ، فعندما لم يكن الباحثون يستخدمون وحدات معالجة الرسومات المخصصة لهم ، لم يتمكن الآخرون من الوصول إليها ، مما خلق الوهم بأن وحدات معالجة الرسومات لتدريب النموذج كانت في سعتها حتى مع بقاء العديد من وحدات معالجة الرسومات في وضع الخمول" ملاحظات Wayve. 

العمل مع Run: عالجت ai هذه المشكلة عن طريق إزالة الصوامع والقضاء على التخصيص الثابت للموارد. تم إنشاء مجموعات من وحدات معالجة الرسومات المشتركة للسماح للفرق بالوصول إلى المزيد من وحدات معالجة الرسومات وتشغيل المزيد من أحمال العمل ، مما أدى إلى تحسين بنسبة 35٪ في استخدامها. 

عكس تحسينات كفاءة وحدة المعالجة المركزية

انعكاسًا للطريقة التي أدخلت بها VMware تحسينات كبيرة في الكفاءة على كيفية استخدام وحدات المعالجة المركزية للخادم بأقصى سعة على مدار السنوات الأخيرة ، يتم الآن بدء تشغيل ابتكارات جديدة لتحسين كفاءة استخدام وحدة معالجة الرسومات لأعباء عمل حوسبة الذكاء الاصطناعي. 

يوضح دار قائلاً: "إذا فكرت في مجموعة البرامج التي تعمل فوق وحدات المعالجة المركزية (CPU) ، فقد تم إنشاؤها باستخدام الكثير من برامج VMware والمحاكاة الافتراضية". "وحدات معالجة الرسومات جديدة نسبيًا في مركز البيانات ، وبرامج الذكاء الاصطناعي والمحاكاة الافتراضية - مثل نفيديا الذكاء الاصطناعي المؤسسة - هو أيضًا تطور حديث ". 

"نحن نقدم تقنية متقدمة في هذا المجال مع إمكانات مثل GPU الجزئي وتبديل الوظائف و. مما يسمح لأحمال العمل بمشاركة وحدات معالجة الرسومات بكفاءة "، كما يقول دار ، مضيفًا أنه يجري التخطيط لمزيد من التحسينات.

Run: يعمل ai بشكل وثيق مع NVIDIA لتحسين وتبسيط استخدام وحدات معالجة الرسومات في المؤسسة. يتضمن أحدث تعاون تمكين مرونة GPU متعددة السحابة للشركات التي تستخدم وحدات معالجة الرسومات في السحابة ، والتكامل معها خادم الاستدلال NVIDIA Triton برنامج لتبسيط عملية نشر النماذج في الإنتاج.

بالطريقة التي أحدثت بها الابتكارات الكبرى على مدار التاريخ آثارًا عميقة على الجنس البشري والعالم ، يلاحظ دار أن قوة الذكاء الاصطناعي يجب أن يتم تسخيرها بعناية لتعظيم فوائدها المحتملة ، مع إدارة العيوب المحتملة. يقارن الذكاء الاصطناعي بأكثر الابتكارات بدائية: النار. 

"إنها مثل النار التي جلبت الكثير من الأشياء العظيمة وغيرت حياة البشر. كما جلبت النار الخطر. لذا فهم البشر كيف يتعايشون مع النار ، "يقول دار. "أعتقد أن هذا موجود أيضًا هنا في الذكاء الاصطناعي هذه الأيام." 

برعاية Run: ai.