هوش مصنوعی کامپیوتر; فناوری انقلابی آینده؟

در صورت تحقق برخی شایعات، هوش مصنوعی سنگ بنای نسخه جدید ویندوز خواهد بود. احتمالاً مایکروسافت Windows Copilot را با ویژگی‌های بیشتری نسبت به BingChat، دستیار قبلی مبتنی بر هوش مصنوعی این شرکت ارائه می‌کند و شکاف بین ویندوز و سیستم‌عامل مک از نظر پردازش هوش مصنوعی به تدریج در حال کاهش است.

تفاوت بین برنامه های هوش مصنوعی و برنامه های کلاسیک این است که چگونه با کاری که از آنها می خواهید انجام می دهند. یک برنامه معمولی فقط ابزارهای از پیش تعریف شده را در اختیار کاربران قرار می دهد، مانند ابزارهای تخصصی موجود در جعبه ابزار مکانیک.

شما باید بهترین روش استفاده از آن را بیاموزید و برای دستیابی به بالاترین بهره وری، به تجربه شخصی خود در استفاده از آن نیاز دارید. در واقع، در هر مرحله از راه، همه چیز به شما بستگی دارد.

در مقابل، برنامه های هوش مصنوعی می توانند به تنهایی یاد بگیرند، تصمیم بگیرند و وظایف خلاقانه پیچیده ای را مانند انسان ها انجام دهند. توانایی یادگیری پارادایم نرم افزار را تغییر می دهد، زیرا برنامه هوش مصنوعی کار را به درخواست شما و به روشی که شما درخواست کرده اید انجام می دهد.

این تفاوت اساسی به نرم افزار هوش مصنوعی اجازه می دهد تا وظایف پیچیده را خودکار کند یا تجربیات شخصی را ارائه دهد. علاوه بر این، حجم وسیعی از داده‌ها با کارایی بیشتری پردازش می‌شوند و نحوه تعامل ما با رایانه‌هایمان تغییر خواهد کرد.

اما نرم‌افزار هوش مصنوعی با میلیون‌ها عکس از مناظر مشابه آموزش داده شده است و می‌تواند تصور کند که یک ساحل بدون جمعیت چگونه به نظر می‌رسد. بنابراین به جای استفاده از نرم افزارهای مختلف ویرایش عکس، کافیست روی دکمه کلیک کنید و ناگهان تمام قسمت هایی که ویرایش آن ساعت ها طول کشیده پاک می شود.

این مثال احتمالا برای شما آشناست و نمونه هایی از این عملکردها را در گوشی های هوشمند جدید دیده اید. حال تصور کنید زمانی که روی رایانه شخصی خود کار می کنید، تقریباً همه برنامه ها طبق خواسته شما روال یکسانی را اجرا می کنند. این تصویر افق بلندمدتی برای کامپیوترهای دارای هوش مصنوعی است.

مطابق با رابرت هالوگ مدیر هوش مصنوعی اینتل، نرم افزار هوش مصنوعی از الگوریتم های مختلفی پیروی می کند و روی CPU های مختلف اجرا می شود. او می گوید:

من اخیراً یک هوش مصنوعی را تماشا کردم که یک فایل پاورپوینت کامل را از هیچ می‌سازد. نیازی نبود به برنامه بگوییم که به چه تعداد اسلاید و به چه ترتیبی نیاز داریم یا اینکه چگونه آنها را نمایش دهیم و به بخش های کوچکتر تقسیم کنیم. هوش مصنوعی یک لوح خالی از شما می گیرد و آنچه را که برای پروژه نیاز دارید به شما می دهد.

لنوو یکی از شرکت هایی است که نقش مهمی در بازار سیستم های هوش مصنوعی ایفا می کند. تقریبا تمام سیستم های هوش مصنوعی این شرکت با همکاری AMD توسعه یافته اند. رابرت هرمان معاون تجاری لنوو می گوید:

اول از همه، ایستگاه کاری یک کامپیوتر هوش مصنوعی است که از یک GPU قدرتمند استفاده می کند. علاوه بر این، پردازنده در سیستم و حافظه تقویت شده توسط پردازنده، همگی بلوک های سازنده برای توسعه هوش مصنوعی و هدایت عملیات آن هستند.

به گفته هرمان، از سال 2017، لنوو تیم ایستگاه کاری را برای همکاری با مشتری هوش مصنوعی گسترش داده است و از آن زمان به تدریج مسیر خود را به سمت محصولات مشتری پسندتر گسترش داده است. او تأیید می کند که به زودی NPU و موتورهای هوش مصنوعی را در رایانه های شخصی خواهیم دید که برای استفاده روزمره مناسب هستند.

جیسون بانتا رئیس بخش OEM رایانه های شخصی AMD نیز در مصاحبه ای اعتراف کرد که لنوو در CES امسال در معرفی محصولات سخت افزاری با پردازنده های عصبی و سیستم های هوش مصنوعی پیشرو بوده است. او همچنین گفت:

ما میلیون‌ها رایانه شخصی مجهز به هوش مصنوعی را در بازار عرضه می‌کنیم، و خوشبختانه اکنون شاهد تلاش توسعه‌دهندگان برای درک بهتر این محصولات هستید. آنها می خواهند بفهمند که چگونه این فناوری در سطح شخصی با برنامه های خود کار می کند و نرم افزار خود را بهبود می بخشد.

بانتا مدتی پیش گفت که کامپیوترهای دارای هوش مصنوعی انقلاب دنیای تکنولوژی پس از معرفی رابط گرافیکی هستند. به گفته وی، همکاری لنوو با شرکای بزرگی مانند مایکروسافت گام بزرگی در توسعه سخت افزار و نرم افزار هوش مصنوعی خواهد بود. در عین حال، علاقه و پذیرش سایر توسعه دهندگان نرم افزار برای یادگیری سیستم های هوش مصنوعی جدید، رشد این بازار را تسریع خواهد کرد.

چشم چئونان در نشست Snapdragon در ماه اکتبر، معاون مهندسی کوالکام گام بعدی را در تغییرات محاسبات شخصی در نحوه استفاده از دستگاه‌ها برای ارائه تجربیات هوش مصنوعی کاملاً جدید و شخصی‌تر به مصرف‌کنندگان توضیح داد. ساتیا نادلا مدیر عامل مایکروسافت همچنین اظهار داشت که برنامه های کاربردی هوش مصنوعی در مقیاس بزرگ هم به پردازش ابری و هم به رایانه های شخصی متکی هستند:

ما در حال حاضر برنامه ها و برنامه های زیادی خواهیم داشت که برخی از آنها از مدل های پردازش بومی و برخی دیگر از مدل های ترکیبی استفاده می کنند. من معتقدم این آینده هوش مصنوعی است.

شرکت تحقیقاتی گارتنر اعلام کرد که رایانه‌های شخصی مبتنی بر هوش مصنوعی تا سال 2025 حدود 43 درصد از بازار رایانه‌های شخصی را به خود اختصاص خواهند داد و این رقم تا سال 2027 به 60 درصد خواهد رسید. ساخت دستگاه های هوش مصنوعی عبارتند از:

در ابتدای سال 2023، زمانی که ارزش انویدیا از مرز 1 تریلیون دلار گذشت، این شرکت فناوری غول پیکر به یکی از بازیگران اصلی بازار سخت افزار هوش مصنوعی تبدیل شد. انویدیا تراشه A100 و پردازنده گرافیکی Volta را به طور خاص برای مراکز داده منتشر کرد و آمادگی خود را برای تولید دستگاه های مجهز به هوش مصنوعی برای بخش بازی اعلام کرد.

آگوست گذشته، این شرکت آخرین محصول خود را که از پردازنده HBM3e استفاده می کند، به دنیای فناوری معرفی کرد: پلت فرم Grace Hopper که سه برابر تراشه های فوق العاده فعلی پهنای باند و ظرفیت حافظه دارد.

در نهایت، فناوری NVLink انویدیا می تواند تراشه برتر Grace Hopper را به تراشه های دیگر متصل کند. این فناوری به چندین GPU اجازه می دهد تا از طریق یک اتصال پرسرعت با یکدیگر ارتباط برقرار کنند.

شرکت اینتل

اینتل با محصولات هوش مصنوعی خود به جایگاه بسیار خوبی در بازار واحد پردازش مرکزی دست یافته است و همین موضوع باعث شد تا بسیاری از رقبا این شرکت را به انحصار در حوزه هوش مصنوعی متهم کنند. اگرچه اینتل در پردازنده‌های گرافیکی از انویدیا پیشی نگرفته است، پردازنده‌های این شرکت حدود 70 درصد استنتاج مرکز داده جهان را بر عهده دارند.

از پاییز گذشته، اینتل با 100 فروشنده نرم‌افزار مستقل روی بیش از 300 ویژگی شتاب‌دهنده هوش مصنوعی کار کرد تا تجربیات رایانه شخصی را در جلوه‌های صوتی، ایجاد محتوا، بازی، امنیت، پخش جریانی، همکاری ویدیویی و موارد دیگر بهبود بخشد.

پس از عرضه پردازنده های Core Ultra در ماه دسامبر، اعلام شد که این محصول پرچمدار در طراحی بیش از 230 سری لپ تاپ مورد استفاده قرار خواهد گرفت. از مزایای اصلی اینتل در زمینه کامپیوترهای هوش مصنوعی می توان به فعال سازی نرم افزاری، مقیاس پذیری و در دسترس بودن فوری محصولات اشاره کرد.

الفبا

شرکت مادر گوگل محصولات مختلفی را برای دستگاه های تلفن همراه، ذخیره سازی داده ها و زیرساخت های ابری ارائه می دهد. این شرکت Cloud TPU v5e را برای مدل‌های زبان بزرگ و هوش مصنوعی مولد توسعه داده است که داده‌ها را پنج برابر سریع‌تر و با نصف هزینه نسل قبلی پردازش می‌کند.

آلفابت اکنون بر تولید تراشه های هوش مصنوعی قدرتمند برای پاسخگویی به تقاضای پروژه های بزرگ تمرکز کرده است. علاوه بر این، این شرکت همچنین از فناوری بنچمارک Multislice رونمایی کرد. نسخه 4 TPU آلفابت، عملیات ممیز شناور را تا 60 درصد در مدل هایی با میلیاردها پارامتر بهبود می بخشد.

سیب

هسته های تخصصی مبتنی بر تراشه های اپل که به موتورهای عصبی معروف هستند، طراحی و عملکرد دستگاه های هوش مصنوعی این شرکت را ارتقا داده اند. این فناوری برای اولین بار در چیپست M1 برای مک بوک ها استفاده شد و باعث می شود عملکرد کلی لپ تاپ ها 3.5 برابر سریعتر و عملکرد گرافیکی آنها پنج برابر سریعتر از نسل قبلی باشد.

موفقیت تراشه M1 اپل منجر به معرفی سری M2 و M3 شد که از هسته های قدرتمندتر و عملکرد گرافیکی بسیار بهتری بهره مند شدند.

IBM

پس از موفقیت اولین تراشه تخصصی هوش مصنوعی خود، Telum، IBM تصمیم گرفت یک جانشین قدرتمند برای رقابت با سایر شرکت‌های موجود در بازار هوش مصنوعی طراحی کند. این شرکت در سال 2022 بخش تخصصی جدیدی به نام واحد هوش مصنوعی راه اندازی کرد و اولین تراشه هوش مصنوعی آن از بیش از 23 میلیارد ترانزیستور و 32 هسته پردازشی استفاده می کند.

یکی از نکات برجسته چشم انداز آی بی ام برای هوش مصنوعی این است که به جای تمرکز بر پردازنده های گرافیکی، به تولید تراشه های آنالوگ سیگنال مختلط، با بهره وری انرژی و عملکرد رقابتی بهبود یافته روی آورده است.

کوالکام

اگرچه کوالکام در مقایسه با سایر رقبایی که نام بردیم، نسبتاً جدید و دیر وارد بازار سخت افزار هوش مصنوعی شده است، اما تجربه آن در بخش مخابرات و موبایل، این شرکت را به یک بازیگر جدی در صحنه سخت افزار هوش مصنوعی تبدیل می کند.

تراشه Cloud AI 100 کوالکام در مجموعه ای از بنچمارک ها، Nvidia H100 شکست خورده در یکی از این تست ها، مشخص شد که تراشه کوالکام به 227 درخواست سرور مرکز داده در هر وات پاسخ می دهد، در حالی که این تعداد به 100 درخواست برای تراشه انویدیا رسیده است. در تست “تشخیص شی”، تراشه Cloud AI 100 به 3.8 درخواست پاسخ داد در هر واتبرتری شما بر H100 به طور متوسط ​​2.4 درخواست ثابت در هر وات

آمازون

آمازون بخشی از تمرکز خود را از زیرساخت های ابری به تراشه ها تغییر داده است تا ارزش سهام و سهم بازار فناوری خود را حفظ کند.

به عنوان مثال، این شرکت سرورهای مجازی Elastic Compute Cloud Trn1s را به طور خاص برای یادگیری عمیق و مدل‌های هوش مصنوعی مولد توسعه داده است. سرورهای مذکور از تراشه Trainium که نوعی شتاب دهنده هوش مصنوعی است استفاده می کنند.

اولین نسخه از نمونه یادگیری ماشین آمازون Trn1.2xlarge از پهنای باند شبکه 12.5 گیگابیت بر ثانیه و نمونه حافظه 32 گیگابایت استفاده می کند. نسخه جدید این تراشه نیز با نام trn1.32xlarge منتشر شد که شامل 16 شتاب دهنده، 521 گیگابایت حافظه و پهنای باند 1600 گیگابایت بر ثانیه است.

با همه هیاهویی که این روزها پیرامون هوش مصنوعی وجود دارد، جای تعجب نیست که سازندگان تراشه به دنبال پیاده سازی هوش مصنوعی در محصولات خود در سریع ترین زمان ممکن قبل از کاهش علاقه مصرف کنندگان هستند.

شکی نیست که افزودن واحدهای پردازش عصبی (NPU) به واحدهای پردازش مرکزی (CPU) مزایای شگفت‌انگیزی برای کاربران نهایی در دراز مدت خواهد داشت، اما موج‌های اولیه رایانه‌های شخصی مجهز به هوش مصنوعی عمدتاً از روندهایی بهره می‌بردند که به هیجان عمومی دامن می‌زدند.

البته این مشکل در ابتدای انتشار چت JPT و سایر ابزارهای هوش مصنوعی نیز وجود داشت. چت ربات های هوش مصنوعی در ابتدا بیشتر هیجان انگیز به نظر می رسید تا عملی. اما همانطور که معنای آنها به طور گسترده تر و عمیق تر درک می شد، آنها همچنین به ابزار قدرتمندتری تبدیل شدند.

در حال حاضر، NPU ها جزء حیاتی و غیرعادی رایانه های شخصی نیستند. آنها به سادگی کاری را که در حال حاضر با رایانه خود انجام می دهید سرعت می بخشند و برنامه ها را کارآمدتر می کنند، اما زمین بازی را به تنهایی تغییر نمی دهند. به نظر می رسد پیشرفت و فراگیر بودن رایانه های شخصی مجهز به هوش مصنوعی در دست توسعه دهندگانی است که باید از این معماری تراشه جدید برای ایجاد نرم افزار نوآورانه ای استفاده کنند که ارزش ملموسی را برای مصرف کنندگان فراهم کند.

شاید در آینده زمانی که اپلیکیشن‌ها هوش مصنوعی را به پلتفرم‌های خود بیاورند و فناوری‌های جدیدی که بر روی این فناوری تمرکز دارند توسعه یابد، تفاوت بیشتری بین رایانه‌های معمولی و رایانه‌های دارای هوش مصنوعی ایجاد شود.