مع تزايد سعي المؤسسات لتطوير تطبيقات ووكيل الذكاء الاصطناعي، يتضح أهمية استخدام نماذج لغوية وقواعد بيانات متنوعة لتحقيق نتائج مثلى. قد يتطلب الانتقال من تطبيق Llama 3 إلى Mistral مهارات تكنولوجية متقدمة. يكمن الحل في طبقة التنسيق، وهي وسيط حيوي يربط نماذج الأساس بالتطبيقات، ويقوم بإدارة مكالمات واجهة البرامج التطبيقية (API) لتنفيذ المهام بفعالية.
تتكون طبقة التنسيق الرئيسية من حلول برمجية مثل LangChain وLlamaIndex، والتي تسهل عملية دمج قواعد البيانات. ومع ذلك، يبرز سؤال مهم: هل هذه الطبقة تعتمد فقط على البرمجيات، أم أن الأجهزة تلعب دوراً مهماً بخلاف مجرد تدعم نماذج الذكاء الاصطناعي؟
الإجابة واضحة: الأجهزة ضرورية لدعم الأطر مثل LangChain وقواعد البيانات التي تُستخدم في تطبيقات الذكاء الاصطناعي. تحتاج المؤسسات إلى بنى تحتية قوية قادرة على إدارة تدفقات البيانات الكبيرة، مع مراعاة الأجهزة التي يمكن أن تؤدي مهام كبيرة في مراكز البيانات محلياً.
يقول سكوت غنوا، رئيس منصات البيانات في InterSystems: "بينما تعتبر طبقة الذكاء الاصطناعي متعلقة بالبرمجيات إلى حد كبير، يمكن لمقدمي الأجهزة التأثير بشكل كبير على أدائها وكفاءتها."
يؤكد خبراء بنية الذكاء الاصطناعي أنه رغم أن البرمجيات أساسية للتنسيق الذكي، فإن فعاليتها تعتمد على قدرة الخوادم ووحدات معالجة الرسوميات (GPUs) على التعامل مع الحركة الواسعة للبيانات. وبالتالي، لكي تعمل طبقة التنسيق بشكل مثالي، يجب أن تكون البنية التحتية الأساسية ذكية وفعالة، تركز على اتصالات عالية النطاق ومنخفضة الكمون لإدارة الأحمال الثقيلة.
يشرح مات كاندي، الشريك الإداري في IBM Consulting: "تتطلب هذه الطبقة شريحة سريعة. أتصور مستقبلاً حيث يتمكن السيليكون والرُقائق والخوادم من التحسين بناءً على نوع وحجم النموذج بينما تتحول طبقة التنسيق ديناميكياً بين المهام."
يمكن لوحدات معالجة الرسوميات الحالية أن تدعم هذه الاحتياجات بشكل فعال. يشير جون روز، كبير مسؤولي التكنولوجيا وChief AI في Dell، إلى أنه "مسألة تتعلق بالأجهزة والبرمجيات. غالبًا ما ينسى الناس أن الذكاء الاصطناعي يظهر كبرمجيات تعمل على الأجهزة. يعتبر برنامج الذكاء الاصطناعي الأكثر تطلبًا الذي قمنا بإنشائه، مما يتطلب الفهم لمقاييس الأداء والمتطلبات الحاسوبية."
بينما تتطلب طبقة الذكاء الاصطناعي أجهزة قوية وسريعة، ليس من الضروري الحصول على معدات متخصصة جديدة بخلاف وحدات معالجة الرسوميات والرُقائق الحالية. يستبعد غنوا وجود أي أجهزة متخصصة ستؤدي إلى تقدم كبير بجانب وحدات معالجة الرسوميات لتحسين أداء النماذج، مشيرًا إلى أن "التحسين سيكون من خلال البرمجيات والهندسة المعمارية، مما يقلل من حركة البيانات."
تزايد ظهور وكلاء الذكاء الاصطناعي أظهر ضرورة تعزيز هذه الطبقة الوسطى. مع تواصل وكلاء الذكاء الاصطناعي مع بعضهم البعض وبدء العديد من مكالمات واجهة برمجة التطبيقات، تصبح طبقة التنسيق الفعّالة ضرورية لإدارة هذه الحركة باستخدام خوادم سريعة.
يقول كاندي: "تضمن هذه الطبقة الوصول السلس إلى جميع أنواع نماذج وتقنيات الذكاء الاصطناعي، مما يعزز تجربة المستخدم الكلية." أعتبرها "التحكم في الذكاء الاصطناعي داخل طبقة البرمجيات المتوسطة."
تعتبر وكلاء الذكاء الاصطناعي موضوعًا ساخنًا في الصناعة، ومن المحتمل أن تشكل تطوير بنية الذكاء الاصطناعي في المؤسسات في السنوات القادمة.
يضيف روز اعتبارًا آخر للمؤسسات: الذكاء الاصطناعي المعتمد محليًا. يجب على الشركات التخطيط لسيناريوهات حيث يحتاج وكلاء الذكاء الاصطناعي إلى العمل محليًا، خاصة إذا فقد الاتصال.
يبه ما يتطلبه الأمر هو معرفة مكان التنفيذ، حسبما يقترح روز. "يأتي هنا مفهوم الحواسيب الشخصية المخصصة للذكاء الاصطناعي. عندما تتعاون مجموعة من الوكلاء بالنيابة عنك، هل يحتاجون جميعًا إلى أن يكونوا مركزين؟"
يناقش استكشاف Dell لوكلاء "الخدمة" المعتمدين محليًا الذين يحافظون على سير العمليات حتى أثناء انقطاع الإنترنت.
أدى الذكاء الاصطناعي التوليدي إلى انفجار في تقنيات الخدمات، حيث تظهر مقدمي خدمات جدد يقدمون مساحات لوحدات معالجة الرسوميات، قواعد بيانات، و خدمات AIOps. ومع ذلك، يحذر مدير شركة Uniphore، أوميش ساكتيف، من أن هذا التوسع قد لا يكون دائمًا.
يقول ساكتيف: "بينما انفجر هيكل التكنولوجيا، أعتقد أننا سنشهد مرحلة تطبيع. في النهاية، ستقوم المؤسسات بتجميع الموارد داخليًا، وسينخفض الطلب على وحدات معالجة الرسوميات. انتشار الطبقات والبائعين هو سمة طبيعية للتقنيات الجديدة، وسنرى اتجاهات مماثلة مع الذكاء الاصطناعي."
لذا، فإن أفضل ممارسة للمؤسسات هي التفكير في النظام البيئي الشامل للذكاء الاصطناعي - بدءًا من الأجهزة إلى البرمجيات - لضمان تدفقات العمل الفعّالة للذكاء الاصطناعي.
قائمة الترتيب
