تؤدي التطورات في أجهزة الذكاء الاصطناعي التوليدية إلى زيادة القدرة على تحمل التكاليف والأداء

تُحدث الخطوات الأخيرة في أجهزة الذكاء الاصطناعي التوليدية ثورة في إمكانية الوصول والكفاءة، وتعالج التحديات التي يفرضها النمو الهائل لنماذج اللغات الكبيرة (LLMs). وتبادل قادة الصناعة الأفكار حول الاستراتيجيات المبتكرة خلال حلقة نقاش، وسلطوا الضوء على الحلول المتطورة.

بنية الذاكرة لتقليل التكلفة:

وشدد مارشال تشوي، نائب الرئيس الأول للمنتجات في SambaNova Systems، على الدور المحوري لهندسة الذاكرة في تقليل تكاليف ماجستير إدارة الأعمال. يعالج إطار عمل الذاكرة ثلاثي الطبقات الخاص بـ SambaNova زمن الوصول وعرض النطاق الترددي والسعة، بهدف توسيع نطاق استخدام LLM اقتصاديًا. وبما أن ماجستير إدارة الأعمال يتباهى بمليارات أو تريليونات من المعلمات، فإن كفاءة الذاكرة تصبح حاسمة في خفض التكلفة.

دمقرطة النماذج الكبيرة:

ولمواجهة تحديات إمكانية الوصول بسبب أحجام النماذج الهائلة، قدمت SambaNova "تشكيلة من الخبراء". وبعيدًا عن الأساليب التقليدية، يقوم هذا المفهوم بتدريب نماذج الخبراء في المجال لتشكيل تركيبة مكونة من تريليون معلمة. يسمح هذا النموذج بالتدريب المستمر على البيانات الجديدة مع تقليل زمن الوصول وتقليل التكاليف المرتبطة.

الكفاءة في تقنيات النموذج:

وشدد مات ماتينا، نائب رئيس قسم أجهزة ونماذج الذكاء الاصطناعي في Tenstorrent، على أهمية فصل بنية النموذج عن أجهزة التدريب. يتضمن نهج Tenstorrent البحث عن بنية الشبكة أثناء التدريب، مما يضمن تحسين النماذج للاستدلال العملي، وليس فقط عملية التدريب.

التخصص على مستوى النظام:

يدعو جيف ويتيتش، الرئيس التنفيذي للمنتجات في شركة Ampere Computing، إلى التخصص على مستوى النظام، وتحقيق التوازن بين الرقائق المخصصة ومرونة النظام. تهدف إستراتيجية شراكة Ampere إلى إنشاء حلول متعددة الاستخدامات من خلال الجمع بين وحدات المعالجة المركزية ذات الأغراض العامة ومسرعات المهام المحددة لتحسين الأداء والقدرة على التكيف.

فوائد التكامل والمرونة:

يؤكد Wittich على أهمية التكامل، حيث يجمع بين وحدات المعالجة المركزية ذات الأغراض العامة والمسرعات المتخصصة لتحسين أعباء عمل الذكاء الاصطناعي دون المساس بالمرونة. ومن المتصور أن يؤدي هذا الاندماج إلى تعزيز القدرات بمرور الوقت، وتعزيز الأداء المحسن دون قيود.

في الختام، تؤدي التطورات في أجهزة الذكاء الاصطناعي التوليدية إلى زيادة فعالية التكلفة وتحسين الأداء. تعمل ابتكارات هندسة الذاكرة، وإضفاء الطابع الديمقراطي على النماذج الكبيرة، وتقنيات النماذج الفعالة، والتخصص على مستوى النظام، والحلول المتكاملة على تشكيل المشهد المستقبلي، مما يعد بتقنيات ذكاء اصطناعي يسهل الوصول إليها وفعالة.