استخدمت OpenAI بيانات صوت متعددة اللغات تبلغ 680,000 ساعة لتدريب نموذج Whisper: منها 438,000 ساعة كانت لخطاب باللغة الإنجليزية، و126,000 ساعة كانت لخطاب بلغات غير إنجليزية، وتغطي 68 لغة، إضافةً إلى حوالي 125,000 ساعة من بيانات الترجمة. تعمل شبكة Filecoin على نطاق الإكسا بايت (EiB)؛ وهذه الكمية من البيانات بالنسبة لها هي عملية اعتيادية.

إذا حوّلنا بيانات الكلام التي تبلغ 680,000 ساعة إلى حجم التخزين الفعلي للملفات، ستجد أن هذا التشابه يصبح أكثر حدة:

كم “صِغر” حجم البيانات؟

إذا حسبنا وفقًا لصيغة WAV غير مضغوطة شائعة بدقة 16-bit و16kHz ولقناة صوت أحادية، فإن ساعة واحدة من الصوت تبلغ حوالي 115 ميجابايت؛ أما إذا استخدمنا صيغة عالية الضغط مناسبة لتدريب الصوت (مثل Opus/MP3)، فقد لا يتطلب ساعة واحدة سوى حوالي 30 ميجابايت.

حجم Filecoin:

يمتلك إجمالي قدرة التخزين الفعّال في شبكة Filecoin عادةً مستوى في وحدات EB (إكسا بايت) (حيث $1 \text{ EB} = 1,000,000 \text{ TB}$).

وهذا يعني أن مجموعات بيانات تدريب ضخمة مثل Whisper (20 تيرابايت ~ 80 تيرابايت) لا تشغل في شبكة Filecoin حتى 0.01% من المساحة، ومن الناحية النظرية يمكن لعقد تخزين متوسط الحجم (Miner/Storage Provider) استيعابها بسهولة.

الفرق الجوهري هنا: السعة مقابل معدل التدفق (الـ Throughput).

على الرغم من أن شبكات التخزين اللامركزية تتحمل بشكل مفرط من حيث السعة (Capacity) مجموعات تدريب الذكاء الاصطناعي، فإن التحدي الحقيقي أمام Filecoin في سيناريوهات التدريب الفعلية للذكاء الاصطناعي ليس «ما إذا كان بالإمكان تخزين البيانات»، بل «هل يمكن قراءتها بالسرعة الكافية»:

تزامن عالي وزمن وصول منخفض: تتطلب عناقيد وحدات معالجة الرسومات التدريبية (مثل H100/A100) متطلبات شديدة القسوة فيما يتعلق بـ IOPS وبنطاق عرض محلي بمستوى جيجابت/10 جيجابت. فإذا كانت سرعة استرجاع البيانات من الشبكة اللامركزية غير كافية، ستظل وحدات GPU في حالة انتظار (Compute Starvation).

التخزين البارد مقابل البيانات الساخنة: يُعدّ Filecoin بارعًا جدًا في أرشفة بيانات الذكاء الاصطناعي، وتقديم نسخ احتياطي لامركزية لمجموعات البيانات مفتوحة المصدر مع تخزين يمكن التحقق منه (لمنع العبث بالمجموعة أو حدوث فشل أحادي النقطة)؛ أما في مرحلة التدريب الفعلية، فعادةً ما تحتاج إلى الاستعانة بعُقد IPFS لتخزين البيانات الساخنة مؤقتًا، أو الجمع بين شبكات الحوسبة على الأطراف (مثل Bacalhau / Lilypad) لتحقيق تعاون فعّال وكفاءة أعلى.

وهذا أيضًا واحد من أكثر الاتجاهات رواجًا حاليًا عند دمج DePIN (البنية التحتية المادية اللامركزية) مع الذكاء الاصطناعي:

باستخدام Filecoin/Arweave لضمان الوصول الدائم والمفتوح والموثوق لأصول البيانات، وخدمة طبقة ذاكرة تخزين مؤقتة عالية الأداء للتدريب بواسطة وحدات GPU.

مصدر المواد: وسائل الإعلام الرسمية/الأخبار على الشبكة، المحتوى لأغراض مرجعية وتعلّم وتبادل الخبرات فقط. يرجى الالتزام الصارم بالقوانين واللوائح المعمول بها في بلدك/منطقتك. لا يمثل هذا المقال أي نصيحة استثمارية.