تقدم ثوري في تصميم رقائق الذكاء الاصطناعي: تمهيد مستقبل تعلم الآلة
تتجه التطورات الحديثة في تصميم الرقائق إلى تحويل الذكاء الاصطناعي (AI) من خلال طرق محسنة تدير الأحمال الإبداعية بشكل أكثر كفاءة. يشدد سيدهارث كوتوال، رئيس ممارسات Nvidia العالمية في Quantiphi، على أهمية تكيف كل من الأجهزة والبرمجيات لتلبية الطلبات المتزايدة لأحمال AI وتعلم الآلة (ML). "تدور الفرص الحقيقية في الأجهزة حول تطوير معجلات AI ورقائق GPU محددة وفقًا للاحتياجات الفريدة للشركات"، كما أوضح.
على الرغم من أن المعالجات الدقيقة العامة من الشركات الرائدة مثل Intel و AMD توفر أداءً قويًا عبر مجموعة واسعة من التطبيقات، إلا أن الرقائق المتخصصة المصممة لمجالات معينة، خصوصًا في الذكاء الاصطناعي، تعد بأداء وكفاءة طاقة أكبر بكثير. أبرز بن لي، أستاذ في هندسة جامعة بنسلفانيا، أن الرقائق المخصصة تعمل على تحسين حركة البيانات وتقليل النقل المكثف للطاقة. "من خلال إنشاء تعليمات مخصصة كبيرة، يمكن لهذه الرقائق تنفيذ المزيد من المهام في كل عملية، مما يسمح باستخدام أكثر كفاءة للطاقة"، كما ذكر. من الشائع في هندسة الحاسوب أن الرقائق المصممة خصيصًا لتطبيقات محددة يمكن أن تعزز الأداء وكفاءة الطاقة بمعدل يصل إلى 100 مرة.
ابتكارات في تكنولوجيا المعالجة داخل الذاكرة
تُعد واحدة من أكثر مجالات البحث وعدًا هي تكنولوجيا المعالجة داخل الذاكرة (PIM)، التي تجمع بين حلول الذاكرة المتقدمة والحساب التناظري. أوضح لي أن المقاومة القابلة للبرمجة يمكنها تمثيل معلمات أو أوزان نماذج تعلم الآلة. "عندما تتدفق الكهرباء عبر هذه المقاومات المبرمجة، يمكن للذاكرة إجراء عمليات الضرب والإضافة الأساسية التي تقوم بالعديد من حسابات تعلم الآلة"، كما شرح. يسهل هذا التصميم كفاءة أكبر حيث تحدث الحسابات داخل البيانات نفسها، مما يقلل بشكل كبير من المسافة التي تحتاج إليها البيانات للوصول إلى المعالج.
علاوة على ذلك، مع ارتفاع الطلب على وحدات معالجة الرسوميات الخاصة بالحافة، خصوصًا في الاستدلال عند الحافة، فإن شركات مثل Nvidia وArm وQualcomm تتصدر المشهد. تعتبر هذه الوحدات ضرورية لمعالجة مهام الذكاء الاصطناعي المحلية عند حافة الشبكة، مما يقلل من زمن الاستجابة ويعزز تحسين الأداء.
جهود لتقليل التداخل في مهام الذكاء الاصطناعي
حقق الباحثون في جامعة جنوب كاليفورنيا تقدمًا في تقليل التداخل في العمليات الذكية من خلال تطوير تقنية ذاكرة مضغوطة للغاية تتمتع بكثافة معلومات غير مسبوقة تبلغ 11 بت لكل مكون. إذا تم دمج هذه الابتكار المتطور بنجاح في الأجهزة المحمولة، فقد تعزز قدراتها المعالجة بشكل دراماتيكي دون التأثير على المساحة.
بالإضافة إلى ذلك، أشار روبرت دايجل، مدير الذكاء الاصطناعي العالمي في Lenovo، إلى أن وحدات المعالجة العصبية الجديدة (NPUs) والدوائر المتكاملة الخاصة بالتطبيقات (ASICs) ومصفوفات البوابات القابلة للبرمجة (FPGAs) المصممة لمهام الذكاء الاصطناعي أكثر كفاءة وفعالية من حيث التكلفة. يتوقع اتجاهًا نحو معجلات الذكاء الاصطناعي التي يتم تحسينها لتطبيقات محددة، مثل استدلال رؤية الكمبيوتر ومهام الذكاء الاصطناعي الإبداعي.
تصاميم شرائح مستدامة للمستقبل
تم تصميم أحدث شرائح الكمبيوتر لتكون مناسبة للبيئات المبردة بالسوائل، مما يمثل تحولًا حيويًا نحو ممارسات فعالة من حيث الطاقة ومستدامة بيئيًا. وأوضح دايجل أن تقليل استهلاك الطاقة وتحسين تبديد الحرارة هما هدفان أساسيان. تتطور معجلات الذكاء الاصطناعي على مسارين: تشكيل معجلات منفصلة مصممة خصيصًا جنبًا إلى جنب مع دمج نوى الذكاء الاصطناعي داخل السيليكون متعدد الاستخدامات مثل وحدات المعالجة المركزية.
بينما تتقارب تكنولوجيا السيليكون مع أساليب التبريد المبتكرة وإطارات الذكاء الاصطناعي المبسطة، تحمل التصاميم الجديدة للشرائح إمكانية تحفيز تقدم كبير في الذكاء الاصطناعي. "ستقود الشرائح جهود الاستدامة، مع تحقيق ذروة أداء الذكاء الاصطناعي بينما يتم تقليل استهلاك الطاقة"، كما أكد دايجل. من المحتمل أن نشهد مستقبلاً تتقلص فيه استهلاك الطاقة، بينما تتحسن الأداء الصوتي وتتحقق وفورات ملحوظة في التكاليف.
إنجازات رائدة في رؤية الكمبيوتر
في تطور لافت، ابتكر باحثون من جامعة تسينغهوا في الصين شريحة ضوئية تناظرية تمامًا تجمع بين الحوسبة الضوئية والإلكترونية لمعالجة رؤية الكمبيوتر بطريقة متفوقة - وهو تقدم كبير من حيث السرعة وكفاءة الطاقة.
تختلف الإشارات التناظرية، التي تنقل المعلومات باستمرار مثل الضوء الذي يشكل صورة، جوهريًا عن الإشارات الرقمية، مثل الأرقام الثنائية. في العديد من تطبيقات رؤية الكمبيوتر، تبدأ عملية المعالجة الأولية بالاعتماد على إشارات تناظرية من البيئة، مما يتطلب تحويلها إلى شكل رقمي لتتمكن الشبكات العصبية من تحليلها. يمكن أن تعيق هذه العملية الكفاءة بسبب الوقت وتكاليف الطاقة.
لتجاوز هذا الأمر، قدم فريق تسينغهوا شريحة ACCEL الابتكارية، المصممة لتفادي عوائق تحويل التناظرية إلى رقمية. "تستفيد ACCEL من مزايا كل من الإشارات الضوئية والإشارات الكهربائية بينما تتجنب عنق الزجاجة الناتج عن التحويل"، شاركت فانغ لو، باحثة من فريق تسينغهوا. يمكن أن يفتح هذا التقدم آفاقًا جديدة في التطبيقات المبتكرة والسريعة والفعالة للطاقة في رؤية الكمبيوتر، ويعزز أنظمة تعلم الآلة عبر مجالات متعددة.
خاتمة
إن التقارب بين تكنولوجيا الشرائح الرائدة والذكاء الاصطناعي يفتح آفاقًا جديدة للكفاءة والأداء التي قد تعيد تعريف كيفية استفادتنا من تعلم الآلة. مع ظهور تصميمات الأجهزة المتخصصة، تستعد الصناعات لجني فوائد حلول ذكاء اصطناعي أسرع وأكثر استدامة تحول القدرات الحالية. قد يؤدي تبني هذه التقدمات إلى مستقبل تعمل فيه الأنظمة الذكية بكفاءة لا تضاهى.
قائمة الترتيب
