لماذا يُعد الذكاء الاصطناعي الموزع مفتاحًا لدفع حدود ابتكار الذكاء الاصطناعي
قال أيون ستويكا ، المؤسس المشارك والرئيس التنفيذي ورئيس Anyscale في اليوم الأول من VB Transform ، إن مستقبل الذكاء الاصطناعي يتم توزيعه. وذلك لأن تعقيد النموذج لا يظهر أي علامات على التباطؤ. p>
"على مدار العامين الماضيين ، زادت المتطلبات الحسابية لتدريب نموذج متقدم ، اعتمادًا على مجموعة البيانات ، ما بين 10 و 35 مرة كل 18 شهرًا. p>
منذ أقل من خمس سنوات ، استقرت أكبر الموديلات على وحدة معالجة رسومات واحدة ؛ تقدم سريعًا حتى يومنا هذا ومناسبة لمعايير النماذج الأكثر تقدمًا تتطلب مئات أو حتى الآلاف من وحدات معالجة الرسومات. يحتوي PaLM ، أو نموذج لغة المسار من Google ، على 530 مليار معلمة - وهذا فقط حوالي نصف أكبرها ، مع أكثر من 1 تريليون معلمة. تستخدم الشركة أكثر من 6000 وحدة معالجة رسومات لتدريب الأحدث. p>
حتى إذا توقفت هذه النماذج عن النمو واستمرت وحدات معالجة الرسومات في التقدم بنفس المعدل السريع كما في السنوات السابقة ، فسيستغرق الأمر حوالي 19 عامًا قبل أن تصبح متطورة بما يكفي لتشغيل هذه النماذج المتطورة على وحدة معالجة رسومات واحدة. ، وأضاف Stoica.
"في الأساس ، هناك فجوة ضخمة ومتنامية من شهر إلى شهر بين متطلبات تطبيقات التعلم الآلي وإمكانيات معالج واحد أو خادم واحد" ، كما أعلن. "لا توجد طريقة أخرى لدعم أعباء العمل هذه من توزيعها. بكل بساطة. كتابة هذه التطبيقات الموزعة أمر صعب. بل إنه في الواقع أصعب من ذي قبل. " p> التحديات الفريدة لتوسيع نطاق التطبيقات وأعباء العمل
يتضمن بناء تطبيق التعلم الآلي عدة خطوات ، من وضع العلامات والمعالجة المسبقة للبيانات ، إلى التدريب ، وضبط المعلمات الفائقة ، والتدفق ، والتعلم المعزز ، وما إلى ذلك ، ويجب أن تتطور كل مرحلة من هذه المراحل. عادةً ما تتطلب كل خطوة نظامًا موزعًا مختلفًا. من أجل بناء خطوط أو تطبيقات تعلم الآلة من البداية إلى النهاية ، من الضروري الآن تجميع هذه الأنظمة ، ولكن أيضًا لإدارة كل منها. ويتطلب أيضًا تطوير مجموعة متنوعة من واجهات برمجة التطبيقات. كل هذا يضيف تعقيدًا هائلاً إلى مشروع الذكاء الاصطناعي / التعلم الآلي. p>
قال ستويكا إن مهمة مشروع Ray Distributed Computing مفتوح المصدر و Anyscale هو تسهيل توسيع نطاق أعباء عمل الحوسبة الموزعة. p>
"مع Ray ، حاولنا توفير إطار عمل حسابي يمكنك من خلاله بناء هذه التطبيقات من البداية إلى النهاية ،" قال. "يوفر W Anyscale أساسًا شعاعًا مستضافًا ومُدارًا ، وبالطبع ميزات وأدوات أمان لتسهيل تطوير هذه التطبيقات ونشرها وإدارتها." p> الحوسبة الهجينة ذات الحالة والعديمة الحالة
أطلقت الشركة مؤخرًا منتجًا بدون خادم ، والذي يلغي الوظائف المطلوبة ، مما يلغي الحاجة إلى القلق بشأن مكان تشغيل هذه الوظائف ويخفف العبء عن المطورين والمبرمجين أثناء تقدمهم. ولكن مع وجود بنية تحتية شفافة ، تكون الوظائف محدودة في وظائفها - فهي تجري العمليات الحسابية وتعيد كتابة البيانات إلى S3 ، على سبيل المثال ، ثم تختفي - لكن العديد من التطبيقات تتطلب مشغلين يتمتعون بالحالة. p>
على سبيل المثال ، سيصبح التدريب ، الذي يتطلب قدرًا كبيرًا من البيانات ، مكلفًا للغاية إذا تمت كتابته مرة أخرى إلى S3 بعد كل تكرار ، أو حتى تم نقله للتو من ذاكرة وحدة معالجة الرسومات إلى ذاكرة الجهاز ، بسبب زيادة تكلفة الحصول على البيانات ثم عادةً إجراء تسلسل لتلك البيانات وإلغاء تسلسلها. p>
"تم إنشاء Ray ، منذ اليوم الأول ، حول هذه الأنواع من المشغلين الذين يمكنهم الاستمرار في الحالة وتحديث الحالة باستمرار ، والتي نطلق عليها في مصطلحات هندسة البرمجيات" الجهات الفاعلة "" ، قال. "لقد دعم Ray دائمًا هذا الوضع المزدوج لهذا النوع من الحوسبة عديمة الحالة وذات الحالة." p> ما الأدوار التي يتم تنفيذ الذكاء الاصطناعي فيها؟
من المغري أن نقول إن تنفيذ الذكاء الاصطناعي قد وصل أخيرًا إلى مرحلة المشي ، ودُفع إلى الأمام في رحلة تحول الذكاء الاصطناعي من خلال التسارع الأخير للنمو الرقمي - لكننا لم نر ذلك. لقد رأينا فقط قمة جبل الجليد ، قال ستويكا. لا تزال هناك فجوة بين حجم السوق الحالي والفرصة ، على غرار حالة البيانات الضخمة منذ حوالي 10 سنوات. p>
"يستغرق الأمر وقتًا ، لأن الوقت [المطلوب] لا يقتصر فقط على تطوير الأدوات" ، قال. "إنه تدريب الناس. متخصصي التدريب. يستغرق وقتا أطول. إذا نظرت إلى البيانات الضخمة وما حدث ، فمنذ ثماني سنوات بدأت العديد من الجامعات في تقديم درجات علمية في علم البيانات. وبالطبع هناك الكثير من الدورات التدريبية الآن ، دورات الذكاء الاصطناعي ، لكنني أعتقد أنك سترى المزيد والمزيد من الدورات التطبيقية في الذكاء الاصطناعي والبيانات ، من ...
![لماذا يُعد الذكاء الاصطناعي الموزع مفتاحًا لدفع حدود ابتكار الذكاء الاصطناعي](https://venturebeat.com/wp-content/uploads/2022/07/Screen-Shot-2022-07-21-at-4.46.37-PM.png?w=1200&strip=all)
قال أيون ستويكا ، المؤسس المشارك والرئيس التنفيذي ورئيس Anyscale في اليوم الأول من VB Transform ، إن مستقبل الذكاء الاصطناعي يتم توزيعه. وذلك لأن تعقيد النموذج لا يظهر أي علامات على التباطؤ. p>
"على مدار العامين الماضيين ، زادت المتطلبات الحسابية لتدريب نموذج متقدم ، اعتمادًا على مجموعة البيانات ، ما بين 10 و 35 مرة كل 18 شهرًا. p>
منذ أقل من خمس سنوات ، استقرت أكبر الموديلات على وحدة معالجة رسومات واحدة ؛ تقدم سريعًا حتى يومنا هذا ومناسبة لمعايير النماذج الأكثر تقدمًا تتطلب مئات أو حتى الآلاف من وحدات معالجة الرسومات. يحتوي PaLM ، أو نموذج لغة المسار من Google ، على 530 مليار معلمة - وهذا فقط حوالي نصف أكبرها ، مع أكثر من 1 تريليون معلمة. تستخدم الشركة أكثر من 6000 وحدة معالجة رسومات لتدريب الأحدث. p>
حتى إذا توقفت هذه النماذج عن النمو واستمرت وحدات معالجة الرسومات في التقدم بنفس المعدل السريع كما في السنوات السابقة ، فسيستغرق الأمر حوالي 19 عامًا قبل أن تصبح متطورة بما يكفي لتشغيل هذه النماذج المتطورة على وحدة معالجة رسومات واحدة. ، وأضاف Stoica.
"في الأساس ، هناك فجوة ضخمة ومتنامية من شهر إلى شهر بين متطلبات تطبيقات التعلم الآلي وإمكانيات معالج واحد أو خادم واحد" ، كما أعلن. "لا توجد طريقة أخرى لدعم أعباء العمل هذه من توزيعها. بكل بساطة. كتابة هذه التطبيقات الموزعة أمر صعب. بل إنه في الواقع أصعب من ذي قبل. " p> التحديات الفريدة لتوسيع نطاق التطبيقات وأعباء العمل
يتضمن بناء تطبيق التعلم الآلي عدة خطوات ، من وضع العلامات والمعالجة المسبقة للبيانات ، إلى التدريب ، وضبط المعلمات الفائقة ، والتدفق ، والتعلم المعزز ، وما إلى ذلك ، ويجب أن تتطور كل مرحلة من هذه المراحل. عادةً ما تتطلب كل خطوة نظامًا موزعًا مختلفًا. من أجل بناء خطوط أو تطبيقات تعلم الآلة من البداية إلى النهاية ، من الضروري الآن تجميع هذه الأنظمة ، ولكن أيضًا لإدارة كل منها. ويتطلب أيضًا تطوير مجموعة متنوعة من واجهات برمجة التطبيقات. كل هذا يضيف تعقيدًا هائلاً إلى مشروع الذكاء الاصطناعي / التعلم الآلي. p>
قال ستويكا إن مهمة مشروع Ray Distributed Computing مفتوح المصدر و Anyscale هو تسهيل توسيع نطاق أعباء عمل الحوسبة الموزعة. p>
"مع Ray ، حاولنا توفير إطار عمل حسابي يمكنك من خلاله بناء هذه التطبيقات من البداية إلى النهاية ،" قال. "يوفر W Anyscale أساسًا شعاعًا مستضافًا ومُدارًا ، وبالطبع ميزات وأدوات أمان لتسهيل تطوير هذه التطبيقات ونشرها وإدارتها." p> الحوسبة الهجينة ذات الحالة والعديمة الحالة
أطلقت الشركة مؤخرًا منتجًا بدون خادم ، والذي يلغي الوظائف المطلوبة ، مما يلغي الحاجة إلى القلق بشأن مكان تشغيل هذه الوظائف ويخفف العبء عن المطورين والمبرمجين أثناء تقدمهم. ولكن مع وجود بنية تحتية شفافة ، تكون الوظائف محدودة في وظائفها - فهي تجري العمليات الحسابية وتعيد كتابة البيانات إلى S3 ، على سبيل المثال ، ثم تختفي - لكن العديد من التطبيقات تتطلب مشغلين يتمتعون بالحالة. p>
على سبيل المثال ، سيصبح التدريب ، الذي يتطلب قدرًا كبيرًا من البيانات ، مكلفًا للغاية إذا تمت كتابته مرة أخرى إلى S3 بعد كل تكرار ، أو حتى تم نقله للتو من ذاكرة وحدة معالجة الرسومات إلى ذاكرة الجهاز ، بسبب زيادة تكلفة الحصول على البيانات ثم عادةً إجراء تسلسل لتلك البيانات وإلغاء تسلسلها. p>
"تم إنشاء Ray ، منذ اليوم الأول ، حول هذه الأنواع من المشغلين الذين يمكنهم الاستمرار في الحالة وتحديث الحالة باستمرار ، والتي نطلق عليها في مصطلحات هندسة البرمجيات" الجهات الفاعلة "" ، قال. "لقد دعم Ray دائمًا هذا الوضع المزدوج لهذا النوع من الحوسبة عديمة الحالة وذات الحالة." p> ما الأدوار التي يتم تنفيذ الذكاء الاصطناعي فيها؟
من المغري أن نقول إن تنفيذ الذكاء الاصطناعي قد وصل أخيرًا إلى مرحلة المشي ، ودُفع إلى الأمام في رحلة تحول الذكاء الاصطناعي من خلال التسارع الأخير للنمو الرقمي - لكننا لم نر ذلك. لقد رأينا فقط قمة جبل الجليد ، قال ستويكا. لا تزال هناك فجوة بين حجم السوق الحالي والفرصة ، على غرار حالة البيانات الضخمة منذ حوالي 10 سنوات. p>
"يستغرق الأمر وقتًا ، لأن الوقت [المطلوب] لا يقتصر فقط على تطوير الأدوات" ، قال. "إنه تدريب الناس. متخصصي التدريب. يستغرق وقتا أطول. إذا نظرت إلى البيانات الضخمة وما حدث ، فمنذ ثماني سنوات بدأت العديد من الجامعات في تقديم درجات علمية في علم البيانات. وبالطبع هناك الكثير من الدورات التدريبية الآن ، دورات الذكاء الاصطناعي ، لكنني أعتقد أنك سترى المزيد والمزيد من الدورات التطبيقية في الذكاء الاصطناعي والبيانات ، من ...
What's Your Reaction?
![like](https://vidianews.com/assets/img/reactions/like.png)
![dislike](https://vidianews.com/assets/img/reactions/dislike.png)
![love](https://vidianews.com/assets/img/reactions/love.png)
![funny](https://vidianews.com/assets/img/reactions/funny.png)
![angry](https://vidianews.com/assets/img/reactions/angry.png)
![sad](https://vidianews.com/assets/img/reactions/sad.png)
![wow](https://vidianews.com/assets/img/reactions/wow.png)