الصورة001.jpg

وحدة معالجة الرسوميات (GPU) هي عقل الكمبيوتر الذكي

ببساطة، تعمل وحدة معالجة الرسوميات (GPU) بمثابة عقل الكمبيوتر الذكاء الاصطناعي.

كما تعلمون، وحدة المعالجة المركزية (CPU) هي عقل الكمبيوتر. تكمن ميزة وحدة معالجة الرسوميات في أنها عبارة عن وحدة معالجة مركزية متخصصة في إجراء حسابات معقدة. أسرع طريقة لإجراء هذه العملية الحسابية هي أن تقوم مجموعات من وحدات معالجة الرسوميات بحل نفس المشكلة. ومع ذلك، فإن تدريب نموذج الذكاء الاصطناعي قد يستغرق أسابيع أو حتى أشهر. وبمجرد إنشائه، يتم وضعه في نظام الحوسبة الأمامية ويمكن للمستخدمين طرح الأسئلة على نموذج الذكاء الاصطناعي، وهي عملية تسمى الاستدلال.

كمبيوتر الذكاء الاصطناعي يحتوي على وحدات معالجة رسومية متعددة

أفضل بنية لحل مشاكل الذكاء الاصطناعي هي استخدام مجموعة من وحدات معالجة الرسوميات في رف، متصلة بمفتاح أعلى الرف. يمكن أيضًا توصيل رفوف وحدة معالجة الرسوميات المتعددة في تسلسل اتصال الشبكة. مع تزايد تعقيد المشكلات التي يتعين حلها، تزداد أيضًا متطلبات وحدات معالجة الرسوميات، وقد يتعين على بعض المشاريع نشر مجموعات من آلاف وحدات معالجة الرسوميات.

كل مجموعة من الذكاء الاصطناعي عبارة عن شبكة صغيرة

عند بناء مجموعة الذكاء الاصطناعي، من الضروري إنشاء شبكة كمبيوتر صغيرة للاتصال والسماح لوحدات معالجة الرسومات بالعمل معًا ومشاركة البيانات بكفاءة.

الصورة002.jpg
مجموعة الذكاء الاصطناعي

يوضح الشكل أعلاه مجموعة الذكاء الاصطناعي حيث تمثل الدوائر الموجودة في الأسفل تدفقات العمل التي يتم تشغيلها على وحدات معالجة الرسومات. تتصل وحدة معالجة الرسومات (GPU) بالمفاتيح الموجودة في الجزء العلوي من الرف (ToR). تتصل مفاتيح ToR أيضًا بمفاتيح العمود الفقري للشبكة الموضحة أعلى الرسم التخطيطي، مما يوضح التسلسل الهرمي الواضح للشبكة المطلوب عند مشاركة وحدات معالجة رسومية متعددة.

الشبكات تشكل عقبة في نشر الذكاء الاصطناعي
في خريف العام الماضي، في القمة العالمية لمشروع الحاسوب المفتوح (OCP)، حيث اجتمع المندوبون لبناء الجيل القادم من البنية التحتية للذكاء الاصطناعي، أشار المندوب لوي نجوين من شركة Marvell Technology إلى قضية مهمة: "الشبكة هي عنق الزجاجة الجديد".

من الناحية الفنية، يمكن أن يؤدي تأخير الحزمة الكبيرة أو فقدان الحزمة بسبب ازدحام الشبكة إلى إعادة إرسال الحزم، مما يؤدي إلى زيادة وقت إكمال المهمة (JCT) بشكل كبير. ونتيجة لذلك، يتم إهدار ملايين أو عشرات الملايين من الدولارات من وحدات معالجة الرسوميات من الشركات بسبب أنظمة الذكاء الاصطناعي غير الفعالة، مما يتسبب في أضرار للشركات من حيث الإيرادات والوقت اللازم لإطلاق المنتجات في السوق.

القياس هو شرط أساسي للتشغيل الناجح لشبكات الذكاء الاصطناعي

لتشغيل مجموعة الذكاء الاصطناعي بكفاءة، يجب أن تكون وحدات معالجة الرسومات قادرة على الاستفادة الكاملة من أجل تقصير أوقات التدريب ونشر نماذج التعلم لتحقيق أقصى عائد على الاستثمار. لذلك، من الضروري اختبار وتقييم أداء مجموعة الذكاء الاصطناعي (الشكل 2). ومع ذلك، فإن هذه المهمة ليست سهلة، لأنه من حيث بنية النظام هناك العديد من الإعدادات والعلاقات بين وحدة معالجة الرسوميات وهياكل الشبكة التي تحتاج إلى تكامل بعضها البعض للتعامل مع المشكلة.

الصورة005.jpg
منصة اختبار مركز بيانات الذكاء الاصطناعي وكيفية اختبار مجموعات مراكز بيانات الذكاء الاصطناعي

وهذا يخلق العديد من التحديات في قياس شبكات الذكاء الاصطناعي:

- صعوبة إعادة إنتاج شبكات الإنتاج بأكملها في المختبر بسبب القيود المفروضة على التكلفة والمعدات ونقص مهندسي الذكاء الاصطناعي المتخصصين في الشبكات والمساحة والطاقة ودرجة الحرارة.

- يؤدي القياس على نظام الإنتاج إلى تقليل القدرة المعالجة المتاحة لنظام الإنتاج نفسه.

- صعوبة إعادة إنتاج المشاكل بشكل دقيق بسبب الاختلافات في حجم ونطاق المشاكل.

- تعقيد كيفية ربط وحدات معالجة الرسوميات معًا.

لمعالجة هذه التحديات، يمكن للشركات اختبار مجموعة فرعية من الإعدادات الموصى بها في بيئة معملية لقياس معايير رئيسية مثل JCT (وقت إكمال المهمة)، وعرض النطاق الترددي الذي يمكن لفريق الذكاء الاصطناعي تحقيقه ومقارنته باستخدام منصة التبديل و استخدام ذاكرة التخزين المؤقت. يساعد هذا المعيار على إيجاد التوازن الصحيح بين عبء عمل وحدة معالجة الرسومات/المعالجة وتصميم الشبكة/إعدادها. وبمجرد الرضا عن النتائج، يمكن لمهندسي الكمبيوتر ومهندسي الشبكات تطبيق هذه الإعدادات على الإنتاج وقياس نتائج جديدة.

تعمل مختبرات الأبحاث المؤسسية ومعاهد الأبحاث والجامعات على تحليل كل جانب من جوانب بناء وتشغيل شبكات الذكاء الاصطناعي الفعالة لمعالجة تحديات العمل على الشبكات الكبيرة، خاصة وأن أفضل الممارسات تتغير باستمرار. إن هذا النهج التعاوني القابل للتكرار هو السبيل الوحيد للشركات لإجراء قياسات قابلة للتكرار واختبار سيناريوهات "ماذا لو" بسرعة - وهو الأساس لتحسين شبكات الخدمة. حالة الذكاء الاصطناعي.

(المصدر: Keysight Technologies)