الطاقة والذكاء الاصطناعي
قد يتم قياس الميزة التالية في البنية التحتية للذكاء الاصطناعي من خلال تحويل الطاقة إلى حسابات
إن نمو الذكاء الاصطناعي يخلق سؤالًا جديدًا حول البنية التحتية.
ما مدى كفاءة تحويل الكهرباء إلى حوسبة مفيدة؟
تتعمق هذه الأسئلة أكثر من مجرد كفاءة الطاقة التقليدية في مراكز البيانات.
يمكن لمنشأة ما أن تعمل بأنظمة تبريد وإمداد بالطاقة عالية الكفاءة مع إنتاج قدر قليل نسبيًا من الأعمال الحوسبية المفيدة، إذا كانت المعجلات الخاصة بها لا تُستخدم بكفاءة، أو كانت أحمال العمل غير فعّالة، أو إذا لم يتمكن البرنامج من استغلال العتاد المتاح بشكل فعال.
لذلك، يحتاج الجيل القادم من البنية التحتية للذكاء الاصطناعي إلى إطار أوسع للكفاءة.
ليس الهدف مجرد تقليل استهلاك المبنى للكهرباء.
بل يتمثل الهدف في تعظيم الناتج الحاسوبي المفيد من كل وحدة طاقة تدخل إلى النظام.
وهذا يطرح مفهوم كفاءة تحويل الطاقة إلى عمليات حسابية.
يمكن أن يشمل المقياس طبقات متعددة.
على مستوى العتاد، يجب أن تنفذ المسرّعات الحسابات المفيدة بكفاءة.
على مستوى الذاكرة، يجب نقل البيانات من دون أعباء مفرطة على استهلاك الطاقة.
على مستوى الشبكات، يجب أن تكون الاتصالات فعالة.
على مستوى البرمجيات، يجب أن تستفيد أعباء العمل بفعالية من الموارد المتاحة.
على مستوى المنشأة، يجب أن تقلل أنظمة الطاقة والتبريد الاستهلاك غير الضروري إلى أدنى حد.
وعلى مستوى التطبيقات، يجب أن تحقق العمليات الحسابية الناتجة نتائج مفيدة.
هذه الطبقات مترابطة.
لا يؤدي المعالج الأسرع تلقائيًا إلى كفاءة أكبر في استهلاك الطاقة إذا أصبح نقل البيانات بين الذاكرة والمعالج عنق الزجاجة الرئيسي.
لا يحقق المسرّع عالي الكفاءة أقصى قيمة للبنية التحتية إذا ظل معدل استخدامه منخفضًا.
لا يحقق مركز البيانات عالي الكفاءة أقصى كفاءة اقتصادية إذا ظلت موارده الحاسوبية عاطلة.
وهذا يعني أن تحسين استهلاك الطاقة مستقبلًا سيصبح على نحو متزايد مسألة تتعلق بالأنظمة.
لنأخذ استدلال الذكاء الاصطناعي مثالًا.
قد ينفذ النموذج ملايين العمليات أو ملياراتها، لكن تكلفة الطاقة الفعلية لتشغيله تعتمد على عوامل تتجاوز الحسابات الأولية بكثير.
يسهم نقل البيانات، والوصول إلى الذاكرة، والشبكات، وتحميل النماذج، والمعالجة المسبقة، والتبريد، والأعباء الإضافية للبنية التحتية، كلها في إجمالي استهلاك الطاقة.
لذلك، قد يتطلب خفض الطاقة المستهلكة في الحوسبة تحسين مسار التنفيذ بأكمله.
هنا تصبح البرمجيات تقنيةً للطاقة.
يمكن لضغط النماذج، والخوارزميات الفعالة، وجدولة أعباء العمل، والتخزين المؤقت، والمعالجة على دفعات، والتكميم، وتحسين الذاكرة، والتوجيه الذكي للاستدلال، أن تؤثر جميعها في كمية الكهرباء اللازمة لتحقيق نتيجة حاسوبية معينة.
لذلك، يمكن للعتاد نفسه أن يحقق نتائج مختلفة جدًا في استهلاك الطاقة، بحسب مدى ذكاء استخدامه.
وهذا يرسّخ فلسفة جديدة للبنية التحتية.
ينبغي ألا تُقاس كفاءة الطاقة عند حدود المنشأة فحسب.
ينبغي تقييمها على نحو متزايد عبر مجموعة الحوسبة بأكملها.
وهنا يصبح السؤال:
ما مقدار الذكاء المفيد الذي يمكن إنتاجه لكل وحدة من الطاقة؟
وقد يكتسب ذلك أهمية خاصة مع اندماج أنظمة الذكاء الاصطناعي في البنية التحتية اليومية.
قد تعتمد الآلات ذاتية التشغيل، والأنظمة الصناعية، وشبكات النقل، والروبوتات، والخدمات الرقمية، والمنصات العلمية، وتطبيقات المؤسسات، جميعها على الحوسبة المستمرة للذكاء الاصطناعي.
وقد يصبح إجمالي الطلب على الطاقة كبيرًا.
لذلك، يصبح تحسين كفاءة تحويل الطاقة إلى عمليات حسابية متطلبًا استراتيجيًا.
وقد يؤثر ذلك أيضًا في بنية العتاد.
قد تُصمَّم المسرّعات المستقبلية لتحقيق كفاءة الطاقة في أنواع محددة من أعباء العمل، بدلًا من بلوغ أقصى أداء نظري.
قد تعطي بنية الذاكرة الأولوية للحد من نقل البيانات.
وقد تركز وصلات الربط على كفاءة الاتصالات.
يمكن لمراكز البيانات تحسين توزيع أعباء العمل وفقًا لخصائص استهلاك الطاقة.
يمكن لمنصات البرمجيات إتاحة معلومات الطاقة مباشرةً لأنظمة تنسيق أعباء العمل.
تصبح مجموعة الحوسبة بأكملها واعية باستهلاك الطاقة.
وهذا يرسّخ تحولًا مهمًا آخر.
لم يعد من الضروري التعامل مع الأداء وكفاءة الطاقة بوصفهما هدفين متعارضين.
والسؤال الأهم هو:
ما مقدار الأداء المفيد الذي يمكن إنتاجه ضمن ميزانية محددة من الطاقة؟
وهذا مقياس أكثر جدوى لتخطيط البنية التحتية.
إن النظام الذي ينتج ضعف الناتج الحاسوبي باستخدام كمية الطاقة نفسها يكون قد زاد فعليًا القدرة الحاسوبية، من دون الحاجة إلى زيادة متناسبة في إمدادات الكهرباء.
وهذا ينطوي على آثار كبيرة في مستقبل اقتصاد الذكاء الاصطناعي.
ستظل البنية التحتية للطاقة ضرورية، لكن تحسين كفاءة الحوسبة يمكن أن يزيد مقدار الذكاء الناتج من موارد الطاقة الحالية.
لذلك، قد يتضمن السباق طويل الأمد على البنية التحتية للذكاء الاصطناعي استراتيجيتين متوازيتين:
إنتاج مزيد من الطاقة،
واستخراج مزيد من القدرة الحاسوبية من كل وحدة طاقة متاحة بالفعل.
قد تزداد أهمية الاستراتيجية الثانية مع ارتفاع الطلب على الكهرباء، واشتداد القيود على الشبكة، وزيادة متطلبات الاستثمار في البنية التحتية.
قد تصبح كفاءة تحويل الطاقة إلى عمليات حسابية في نهاية المطاف أحد المقاييس المحددة للبنية التحتية المتقدمة للذكاء الاصطناعي.
لن يقتصر السؤال في المستقبل على مقدار الطاقة التي يستهلكها مركز البيانات.
بل سيكون السؤال: ما الذي تنتجه تلك الطاقة؟
SriDanamTrades
تعلّم، وابنِ، وابتكر، وقُد
موارد رقمية متميزة في مجال الذكاء الاصطناعي، والحوسبة، ووحدات معالجة الرسوميات، والبنية التحتية، والطاقة، والتقنيات الناشئة
#كفاءة_الطاقة #الذكاء_الاصطناعي #الحوسبة #البنية_التحتية_للذكاء_الاصطناعي #مراكز_البيانات #وحدة_معالجة_الرسوميات #الطاقة_المتجددة #تقنيات_الطاقة #مستقبل_الحوسبة #SriDanamTrades