تهدف شريحة IBM التناظرية المستوحاة من الدماغ إلى جعل الذكاء الاصطناعي أكثر استدامة

شات جي بي تي, لوح, انتشار مستقروغيرها من أنظمة الذكاء الاصطناعي التوليدية التي اجتاحت العالم. إنهم يصنعون قصائد وصور رائعة. إنهم يتسللون إلى كل ركن من أركان عالمنا، من التسويق إلى كتابة الملخصات القانونية واكتشاف المخدرات. يبدو أنهم بمثابة الطفل الملصق لقصة نجاح مختلطة بين العقل البشري والآلة.

ولكن تحت الغطاء، تبدو الأمور أقل خوخيًا. وتستنزف هذه الأنظمة طاقة هائلة، وتتطلب مراكز بيانات تقذف آلاف الأطنان من انبعاثات الكربون - مما يزيد من الضغط على المناخ المتقلب بالفعل - ويمتص مليارات الدولارات. وبما أن الشبكات العصبية أصبحت أكثر تطوراً وأكثر استخداماً على نطاق واسع، فمن المرجح أن يرتفع استهلاك الطاقة بشكل كبير.

لقد تم سكب الكثير من الحبر على الذكاء الاصطناعي التوليدي بصمة الكربون. وقد يكون طلبها على الطاقة هو السبب وراء سقوطها، مما يعيق التنمية مع استمرار نموها. باستخدام الأجهزة الحالية، من المتوقع أن يتوقف الذكاء الاصطناعي التوليدي قريبًا إذا استمر في الاعتماد على أجهزة الحوسبة القياسية. محمد الدكتور هيتشن وانغ في مختبرات إنتل.

لقد حان الوقت لبناء ذكاء اصطناعي مستدام.

هذا الأسبوع، دراسة اتخذت شركة IBM خطوة عملية في هذا الاتجاه. لقد قاموا بإنشاء شريحة تناظرية بحجم 14 نانومتر محملة بـ 35 مليون وحدة ذاكرة. وعلى عكس الرقائق الحالية، تتم العمليات الحسابية مباشرة داخل تلك الوحدات، مما يلغي الحاجة إلى نقل البيانات ذهابًا وإيابًا، مما يؤدي بدوره إلى توفير الطاقة.

وقال وانغ إن نقل البيانات يمكن أن يزيد من استهلاك الطاقة في أي مكان من 3 إلى 10,000 مرة أعلى مما هو مطلوب للحساب الفعلي.

كانت الشريحة ذات كفاءة عالية عند تحديها بمهمتين للتعرف على الكلام. الأول، أوامر الكلام من Google، صغير ولكنه عملي. هنا، السرعة هي المفتاح. والآخر، Librispeech، هو نظام ضخم يساعد على نسخ الكلام إلى نص، مما يفرض ضرائب على قدرة الشريحة على معالجة كميات هائلة من البيانات.

عند مقارنتها بأجهزة الكمبيوتر التقليدية، كان أداء الشريحة بنفس القدر من الدقة ولكنها أنهت المهمة بشكل أسرع وبطاقة أقل بكثير، باستخدام أقل من عُشر ما هو مطلوب عادةً لبعض المهام.

وقال الفريق: "هذه، على حد علمنا، هي العروض الأولى لمستويات الدقة ذات الصلة تجاريًا على نموذج ذي صلة تجاريًا... بكفاءة وتوازي هائل" لشريحة تناظرية.

بايتات ذكية

هذه بالكاد هي الشريحة التناظرية الأولى. ومع ذلك، فإنها تدفع بفكرة الحوسبة العصبية إلى عالم التطبيق العملي، وهي شريحة يمكنها يومًا ما تشغيل هاتفك ومنزلك الذكي والأجهزة الأخرى بكفاءة قريبة من كفاءة الدماغ.

أم ماذا؟ دعونا نقوم بعمل نسخة احتياطية.

أجهزة الكمبيوتر الحالية مبنية على فون نيومان العمارة. فكر في الأمر كمنزل به غرف متعددة. الأولى، وحدة المعالجة المركزية (CPU)، تقوم بتحليل البيانات. آخر يخزن الذاكرة.

ولكل عملية حسابية، يحتاج الكمبيوتر إلى نقل البيانات ذهابًا وإيابًا بين هاتين الغرفتين، وهذا يستغرق وقتًا وطاقة ويقلل الكفاءة.

وعلى النقيض من ذلك، يجمع الدماغ بين الحساب والذاكرة في شقة استوديو. وتشكل وصلاتها الشبيهة بالفطر، والتي تسمى المشابك العصبية، شبكات عصبية وتخزن الذكريات في نفس الموقع. تتميز المشابك العصبية بمرونة عالية، حيث تضبط مدى قوة اتصالها بالخلايا العصبية الأخرى بناءً على الذاكرة المخزنة والتعلم الجديد - وهي خاصية تسمى "الأوزان". تتكيف أدمغتنا بسرعة مع البيئة المتغيرة باستمرار عن طريق ضبط هذه الأوزان المتشابكة.

لقد كانت شركة IBM في طليعة التصميم رقائق التناظرية هذا تقليد حساب الدماغ. اختراق جاء في عام 2016، عندما قدموا شريحة تعتمد على مادة رائعة توجد عادة في الأقراص المضغوطة القابلة لإعادة الكتابة. تغير المادة حالتها الفيزيائية ويتحول شكلها من حساء لزج إلى هياكل شبيهة بالبلور عند صعقها بالكهرباء، وهو ما يشبه الرقمين الرقميين 0 و1.

هذا هو المفتاح: يمكن أن توجد الشريحة أيضًا في حالة هجينة. بمعنى آخر، على غرار المشبك البيولوجي، يمكن للمشبك الاصطناعي تشفير عدد لا يحصى من الأوزان المختلفة - وليس الثنائي فقط - مما يسمح له بتجميع حسابات متعددة دون الحاجة إلى نقل بت واحد من البيانات.

جيكل وهايد

اعتمدت الدراسة الجديدة على العمل السابق باستخدام مواد تغيير الطور أيضًا. المكونات الأساسية هي "بلاطات الذاكرة". كل منها مليء بالآلاف من المواد المتغيرة الطور في هيكل شبكي. تتواصل البلاط بسهولة مع بعضها البعض.

يتم التحكم في كل بلاطة بواسطة وحدة تحكم محلية قابلة للبرمجة، مما يسمح للفريق بتعديل المكون بدقة - على غرار الخلية العصبية. تقوم الشريحة أيضًا بتخزين مئات الأوامر بالتسلسل، مما يؤدي إلى إنشاء صندوق أسود من النوع الذي يسمح لهم بالتنقيب مرة أخرى وتحليل أدائها.

بشكل عام، تحتوي الشريحة على 35 مليون بنية ذاكرة متغيرة الطور. وبلغ عدد الوصلات 45 مليون نقطة اشتباك عصبي، وهو رقم بعيد كل البعد عن الدماغ البشري، ولكنه مثير للإعجاب للغاية على شريحة بحجم 14 نانومتر.

تمثل هذه الأرقام المذهلة مشكلة في تهيئة شريحة الذكاء الاصطناعي: هناك ببساطة عدد كبير جدًا من المعلمات التي يجب البحث عنها. وقد عالج الفريق المشكلة بما يرقى إلى مستوى روضة أطفال للذكاء الاصطناعي، وبرمجة أوزان متشابكة مسبقًا قبل بدء الحسابات. (إنه يشبه إلى حد ما تتبيل مقلاة جديدة من الحديد الزهر قبل الطهي بها).

وأوضح وانغ، الذي لم يشارك في الدراسة، أنهم "صمموا تقنيات التدريب الشبكي الخاصة بهم مع أخذ فوائد الأجهزة وقيودها في الاعتبار"، ثم حددوا الأوزان للحصول على أفضل النتائج.

لقد نجحت. وفي أحد الاختبارات الأولية، أجرت الشريحة بسهولة 12.4 تريليون عملية في الثانية لكل واط من الطاقة. وقال وانغ إن استهلاك الطاقة "أعلى بعشرات أو حتى مئات المرات من أقوى وحدات المعالجة المركزية ووحدات معالجة الرسوميات".

قامت الشريحة بتثبيت عملية حسابية أساسية تقوم عليها الشبكات العصبية العميقة مع عدد قليل فقط من مكونات الأجهزة الكلاسيكية في مربعات الذاكرة. وفي المقابل، تحتاج أجهزة الكمبيوتر التقليدية إلى مئات أو آلاف الترانزستورات (وحدة أساسية تقوم بإجراء العمليات الحسابية).

حديث المدينة

بعد ذلك، قام الفريق بتحدي الشريحة في مهمتين للتعرف على الكلام. وشدد كل واحد على جانب مختلف من الشريحة.

كان الاختبار الأول هو السرعة عند تحدي قاعدة بيانات صغيرة نسبيًا. باستخدام أوامر جوجل الكلامية قاعدة البيانات، تطلبت المهمة من شريحة الذكاء الاصطناعي اكتشاف 12 كلمة رئيسية في مجموعة مكونة من 65,000 مقطع تقريبًا لآلاف الأشخاص الذين يتحدثون 30 كلمة قصيرة ("صغير" نسبي في عالم التعلم العميق). عند استخدام معيار مقبول—MLperf— كان أداء الشريحة أسرع بسبع مرات مما كانت عليه في العمل السابق.

كما تألقت الشريحة أيضًا عند تحديها بقاعدة بيانات كبيرة، خطاب ليبراسي. تحتوي المجموعة على أكثر من 1,000 ساعة من قراءة الكلام باللغة الإنجليزية المستخدمة عادةً لتدريب الذكاء الاصطناعي على تحليل الكلام والنسخ التلقائي للكلام إلى نص.

بشكل عام، استخدم الفريق خمس شرائح لتشفير أكثر من 45 مليون وزن باستخدام بيانات من 140 مليون جهاز لتغيير الطور. عند مقارنتها بالأجهزة التقليدية، كانت الشريحة أكثر كفاءة في استخدام الطاقة بنحو 14 مرة تقريبًا - حيث تعالج ما يقرب من 550 عينة في الثانية لكل واط من استهلاك الطاقة - مع معدل خطأ يزيد قليلاً عن 9 بالمائة.

على الرغم من أنها مثيرة للإعجاب، إلا أن الرقائق التناظرية لا تزال في مهدها. وقال وانغ إنها تظهر "وعدا هائلا لمكافحة مشاكل الاستدامة المرتبطة بالذكاء الاصطناعي"، لكن الطريق إلى الأمام يتطلب إزالة بعض العقبات الإضافية.

أحد العوامل هو تحسين تصميم تقنية الذاكرة نفسها والمكونات المحيطة بها، أي كيفية وضع الشريحة. ولا تحتوي شريحة IBM الجديدة حتى الآن على كافة العناصر المطلوبة. والخطوة الحاسمة التالية هي دمج كل شيء في شريحة واحدة مع الحفاظ على فعاليتها.

ومن ناحية البرمجيات، سنحتاج أيضًا إلى خوارزميات مصممة خصيصًا للرقائق التناظرية، وبرامج تترجم التعليمات البرمجية بسهولة إلى لغة يمكن للآلات فهمها. وبما أن هذه الرقائق أصبحت قابلة للتطبيق تجاريًا بشكل متزايد، فإن تطوير التطبيقات المخصصة سيبقي حلم مستقبل الرقائق التناظرية حيًا.

قال وانغ: "لقد استغرق الأمر عقودًا من الزمن لتشكيل النظم البيئية الحسابية التي تعمل فيها وحدات المعالجة المركزية ووحدات معالجة الرسومات بنجاح كبير". "ومن المحتمل أن يستغرق الأمر سنوات لإنشاء نفس النوع من البيئة للذكاء الاصطناعي التناظري."

الصورة الائتمان: رايان لافين لشركة IBM

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• تشارت بريم. ارفع مستوى لعبة التداول الخاصة بك مع ChartPrime. الوصول هنا.
• BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
• المصدر https://singularityhub.com/2023/08/25/ibms-brain-inspired-analog-chip-aims-to-make-ai-more-sustainable/