"/> البنية التحتية للذكاء الاصطناعي. ما هو دور GPU؟ • ديجيكالا ماج

البنية التحتية للذكاء الاصطناعي. ما هو دور GPU؟ • ديجيكالا ماج

البنية التحتية للذكاء الاصطناعي. ما هو دور GPU؟ • ديجيكالا

لقد مرت عقود منذ ظهور الذكاء الاصطناعي. حتى وقت قريب ، ومع ذلك ، كان الوصول المحدود إلى البنية التحتية الحاسوبية المناسبة للبيانات الضخمة عقبة أمام مزيد من التطوير في هذا المجال. في الوقت الحاضر ، تقوم شركات تكنولوجيا المعلومات والمديرين التنفيذيين باستثمارات كبيرة في التقنيات المتعلقة بالذكاء الاصطناعي. الذكاء الاصطناعي يغزو بسرعة في مختلف المجالات. من المتوقع أن تستخدم المنظمات قريبًا الذكاء الاصطناعي لإنشاء استراتيجيات أكثر فاعلية وكفاءة على المستوى الكلي.

لهذا السبب ، يولي الخبراء قيمة وأهمية خاصة لبعض الجوانب الرئيسية للذكاء الاصطناعي ويعملون على توسيع البنية التحتية اللازمة له. تعد تكلفة البنية التحتية للذكاء الاصطناعي أحد أهم العوامل التي تجبر المحترفين على البحث عن حلول أكثر اقتصادية وتنافسية.

أنواع أجهزة الذكاء الاصطناعي

البنية التحتية للذكاء الاصطناعي ما هو دور GPU؟ • ديجيكالا أكو وب

تتكون الأجهزة المستخدمة في الذكاء الاصطناعي اليوم بشكل أساسي من واحد أو أكثر مما يلي ؛

CPU – وحدات المعالجة المركزية

GPU – وحدات معالجة الرسومات

FPGA – مصفوفات البوابة الميدانية القابلة للبرمجة

الدوائر المتكاملة الخاصة ببرنامج ASIC

يمكن للأجهزة الحديثة إجراء معالجة متوازية باستخدام أجهزة مخصصة باستخدام مجموعة من وحدات المعالجة المركزية القوية متعددة النواة. تعد وحدات معالجة الرسومات (GPU) و FPGAs من الأجهزة الشائعة والمملوكة في أنظمة الذكاء الاصطناعي. FPGA ليس معالجًا ، لذا لا يمكنه تشغيل برنامج مخزن في الذاكرة. في المقابل ، فإن GPU عبارة عن شريحة مصممة لتسريع معالجة البيانات متعددة الأبعاد مثل الصور. يتم تنفيذ العمليات المكررة التي يتم إجراؤها على أجزاء مختلفة من الإدخال ، مثل تعيين النسيج ، وتدوير الصورة ، والترجمة ، وما إلى ذلك ، بشكل أكثر كفاءة باستخدام ذاكرة مخصصة GPU.

وحدات معالجة الرسومات أو وحدات معالجة الرسومات هي أجهزة متخصصة يتم استخدامها بشكل متزايد في مشاريع التعلم الآلي. منذ عام 2016 ، نما استخدام وحدات معالجة الرسومات للذكاء الاصطناعي بسرعة. تم استخدام هذه المعالجات على نطاق واسع لتسهيل التعلم العميق والتدريب والمركبات الآلية.

اقرأ
مراجعة مجموعة أدوات تدريب الروبوت الطائر ؛ بناء روبوت طائر مع الديناصورات! • ديجيكالا ماج

يتم استخدام وحدات معالجة الرسومات بشكل متزايد لتسريع الذكاء الاصطناعي ؛ لهذا السبب ، يحاول مصنعو وحدة معالجة الرسومات استخدام الأجهزة الخاصة بالشبكة العصبية لزيادة التطوير والتقدم في هذا المجال. يحاول مطورو GPU الكبار ، مثل Nvidia NVLink ، زيادة قدرات هذه المعالجات لنقل المزيد من البيانات.

البنية التحتية اللازمة للذكاء الاصطناعي

تعد سعة التخزين العالية والبنية التحتية للشبكة والأمن من أهم البنى التحتية اللازمة للذكاء الاصطناعي. هناك عامل آخر مهم وحاسم. قدرة حوسبة عالية. لتحقيق أقصى استفادة من الفرص التي يوفرها الذكاء الاصطناعي ، تحتاج المؤسسات إلى موارد لحساب الأداء بكفاءة ، مثل وحدات المعالجة المركزية ووحدات معالجة الرسومات. يمكن أن تكون البيئات القائمة على وحدة المعالجة المركزية مناسبة للأحمال الأولية من الذكاء الاصطناعي. لكن التعلم العميق يتضمن مجموعة من مجموعات البيانات الكبيرة المتعددة بالإضافة إلى خوارزميات الشبكة العصبية القابلة للتطوير. هذا هو السبب في مثل هذه الحالات ، قد لا تعمل وحدة المعالجة المركزية بشكل مثالي. في المقابل ، يمكن لوحدة معالجة الرسومات تسريع التعلم العميق بما يصل إلى 100 مرة أسرع من وحدة المعالجة المركزية. بالإضافة إلى ذلك ، تزداد سعة وكثافة الحوسبة ، ويزداد الطلب على الشبكات ذات الأداء الأفضل والمزيد من مساحة التخزين.

تعمل رقائق الذكاء الاصطناعي من خلال الجمع بين عدد كبير من الترانزستورات الصغيرة التي تكون أسرع بكثير وأكثر كفاءة من الترانزستورات الأكبر. يجب أن تتمتع رقائق الذكاء الاصطناعي بخصائص معينة ؛

  • قم بإجراء عدد كبير من العمليات الحسابية بالتوازي
  • حساب منخفض الدقة ولكنه ناجح للأرقام لخوارزميات الذكاء الاصطناعي
  • وصول سهل وسريع إلى الذاكرة عن طريق تخزين خوارزمية الذكاء الاصطناعي بالكامل على شريحة واحدة
  • استخدم لغات برمجة خاصة لترجمة التعليمات البرمجية بفعالية لتشغيلها على شريحة AI
اقرأ
باستخدام الذكاء الاصطناعي ، يمكن زيادة سرعة التصوير بالرنين المغناطيسي

تُستخدم مجموعة متنوعة من رقائق الذكاء الاصطناعي في مجموعة متنوعة من المهام. تُستخدم وحدات معالجة الرسومات في الغالب للتطوير الأولي وتعديل خوارزميات الذكاء الاصطناعي. يستخدم FPGA في الغالب لاستخدام خوارزميات الذكاء الاصطناعي لإدخال بيانات العالم الحقيقي. يمكن أيضًا استخدام ASICs للتدريب أو الاستدلال.

مقارنة بين GPU و CPU باعتبارهما بنيتين أساسيتين

الذكاء الاصطناعي

– تحتوي وحدات المعالجة المركزية (CPU) على أنوية متعددة معقدة تعمل بالتتابع مع عدد صغير من السلاسل الحسابية. من ناحية أخرى ، تحتوي وحدات معالجة الرسومات على عدد كبير من النوى البسيطة ويمكنها إجراء عمليات حسابية بالتوازي وفي نفس الوقت من خلال آلاف السلاسل الحسابية.

– في التعلم العميق ، يتم تنفيذ كود المضيف على وحدة المعالجة المركزية ويتم تنفيذ كود CUDA على وحدة معالجة الرسومات.

على عكس وحدات المعالجة المركزية (CPU) ، تؤدي وحدات معالجة الرسومات (GPU) مهامًا أكثر تعقيدًا بشكل أفضل وأسرع ، مثل معالجة الرسومات ثلاثية الأبعاد ، والحوسبة المتجهة ، وما إلى ذلك.

– يمكن لوحدة المعالجة المركزية أداء مهام معقدة ومثالية لفترة طويلة ، ولكن قد تواجه وحدة معالجة الرسومات مشكلة في النطاق الترددي المنخفض. هذا يعني أن نقل كميات كبيرة من البيانات إلى وحدة معالجة الرسومات قد يكون بطيئًا.

النطاق الترددي العالي وزمن الوصول المنخفض وقابلية البرمجة تجعل وحدة معالجة الرسومات أسرع بكثير من وحدة المعالجة المركزية. بهذه الطريقة ، يمكن استخدام وحدة المعالجة المركزية لتدريس نموذج تكون فيه البيانات صغيرة نسبيًا. تعد وحدة معالجة الرسومات (GPU) مناسبة لتدريب أنظمة التعلم العميق على المدى الطويل ولمجموعات البيانات الكبيرة جدًا. يمكن لوحدة المعالجة المركزية بسهولة تعليم نموذج التعلم العميق ؛ بينما تعمل وحدة معالجة الرسومات (GPU) على تسريع تدريب النموذج.

اقرأ
كشف إيلان موسك عن تفاصيل التواصل بين الدماغ والكمبيوتر

تم تصميم وحدة معالجة الرسومات في الأصل لتنفيذ خطوط الرسوم. لذلك ، فإن التكلفة الحسابية لاستخدام نماذج التعلم العميق مرتفعة للغاية. كشفت Google النقاب عن مبادرة جديدة تسمى TPU (وحدة معالجة Tensor) وتعتزم تحسين أوجه القصور في GPU. تم تصميم نوى الموتر لتسريع تدريب الشبكات العصبية.

وفقًا للدراسات ، سيزداد الطلب على شرائح الذكاء الاصطناعي بنحو 10 إلى 15٪ بحلول عام 2025. على الرغم من قوة الحوسبة والنظم البيئية للتطوير وتوافر البيانات ، يمكن لصانعي الرقائق زيادة إنتاج أجهزة الذكاء الاصطناعي بنسبة 40 إلى 50 في المائة ؛ وهذا هو العصر الذهبي للعقود القليلة الماضية.

إرسال تعليق

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *