أخبار ar.wedoany.com، يُحدث الذكاء الاصطناعي مجموعة جديدة من المتطلبات لمراكز الحوسبة الفائقة (HPC)، حيث لم يعد الباحثون يركزون فقط على تدريب النماذج، بل بدأ العديد منهم في البحث عن خدمات الاستدلال (Inference) والوكلاء الذكيين (AI Agents) كجزء من أبحاثهم اليومية. بالنسبة لمراكز HPC، يعني هذا ضرورة تحديد كيفية تقديم هذه الخدمات على نطاق واسع وضمان تكاملها مع البنية التحتية الحالية للحوسبة الفائقة.
شكلت هذه القضايا المحور الرئيسي لجلسة "منصة الذكاء الاصطناعي العلمي: الاستدلال والوكلاء وخدمات الذكاء الاصطناعي في مرافق HPC" ضمن مؤتمر TPC26. جمعت المناقشة متحدثين من المختبرات الوطنية ومراكز الحوسبة الفائقة والصناعة والمؤسسات البحثية، الذين شاركوا خبراتهم في بناء وتشغيل خدمات الذكاء الاصطناعي للباحثين. ضم المشاركون الدكتورة إيلكاي ألتينتاش، كبيرة مسؤولي البيانات العلمية في مركز سان دييغو للحواسيب الفائقة (San Diego Supercomputer Center) والباحثة الرئيسية في المنصة الوطنية للبيانات (National Data Platform)؛ والدكتور فينكات فيشواناث، مسؤول الذكاء الاصطناعي في مرفق القيادة الحاسوبية في أرغون (Argonne Leadership Computing Facility)؛ والدكتور جيسون هاغا من المعهد الوطني الياباني للعلوم الصناعية المتقدمة والتكنولوجيا (AIST)؛ وسامانثا سوري من شركة HPE؛ والدكتورة باولا بويتريغو من مركز بيتسبرغ للحوسبة الفائقة (Pittsburgh Supercomputing Center)؛ والدكتور شوجا فان؛ والدكتور دان ستانزيون، المدير التنفيذي لمركز تكساس للحوسبة المتقدمة (Texas Advanced Computing Center, TACC).
افتتحت الدكتورة ألتينتاش المناقشة بنظرة عامة على المنصة الوطنية للبحوث (National Research Platform)، التي توفر للباحثين إمكانية الوصول إلى نماذج الذكاء الاصطناعي من خلال خدمات مشتركة. وأوضحت الدكتورة ألتينتاش أنه يجب النظر إلى المنصة على أنها تتكون من ثلاثة مستويات متميزة، بما في ذلك طبقة البنية التحتية التي تشمل الحوسبة والتخزين وكل ما حولها، وهو ما يشبه خدمات HPC، ولكن بدلاً من ساعات الحوسبة الأساسية، يتم النظر إلى الرموز المميزة (Tokens). تقدم المنصة الوطنية للبحوث حالياً تسعة نماذج مفتوحة، بهدف تمكين الباحثين من الحصول على قدرات الذكاء الاصطناعي دون الحاجة إلى نشر وإدارة بنيتهم التحتية الخاصة. تكرر هذا الموضوع خلال الجلسة، حيث ناقش المتحدثون كيفية تكيف مراكز HPC مع الطلب المتزايد على خدمات الاستدلال وأدوات الذكاء الاصطناعي.
يتطلب بناء هذه الخدمات أيضاً بنية تحتية مصممة خصيصاً للاستدلال. ركزت محاضرة الدكتور هاغا على الجهود اليابانية لتقييم مجموعة من مسرعات الذكاء الاصطناعي وتقنيات الاستدلال من خلال برنامج منصة الاختبار الوطنية. وأشار هاغا إلى أن البرنامج يهدف إلى تقييم مجموعة متنوعة من مسرعات الذكاء الاصطناعي المتطورة، وتطوير تقنيات لتقديم خدمات استدلال عالية الأداء وطرق عملية للوصول إلى موارد الحوسبة المختلفة هذه. بالنسبة للباحثين، غالباً ما تكون الأجهزة نفسها ثانوية؛ المهم هو توفر الخدمة وأداؤها الجيد وقدرتها على الاندماج في سير عملهم دون حاجة لأن يصبحوا خبراء. يهدف المشروع إلى مساعدة الباحثين على تجربة منصات أجهزة ذكاء اصطناعي مختلفة، وتوفير إطار عمل لنشر خدمات الاستدلال، ودراسة كيف يمكن لمجموعة أوسع من المسرعات دعم أعباء عمل الذكاء الاصطناعي العلمي في المستقبل.
أكدت المحاضرات على التحدي الذي تواجهه مرافق HPC: الباحثون لا يهتمون بنوع الأجهزة التي تعمل في الخلفية، لكنهم يتوقعون بشكل متزايد أن تكون خدمات الذكاء الاصطناعي متاحة في أي وقت يحتاجون إليها.
على الرغم من أن النقاش تركز بشكل أساسي على البنية التحتية والتقنيات، إلا أن الدكتور ستانزيون رأى أن القضايا الاقتصادية قد تشكل في النهاية تحدياً أكبر. وأشار ستانزيون إلى أن الرموز المميزة (Tokens) تكلف مالاً في الواقع، وعندما يستخدمها الناس بكثافة، ناقشت العديد من المختبرات في الأشهر الأخيرة التخلي عن استخدامها. مع تزايد انتشار خدمات الذكاء الاصطناعي، يرتفع الاستخدام بسرعة، مما يولد ضغوطاً مختلفة عن أعباء عمل HPC التقليدية، خاصة عندما تحاول المؤسسات الموازنة بين الطلب المتزايد والميزانيات المحدودة. وفقاً لستانزيون، قد لا يكون التحدي طويل الأمد هو بناء منصة استدلال، بل إيجاد طرق لتشغيلها بشكل مستدام. وأشار إلى أنه من بين العديد من القضايا التقنية، قد يكون الجانب المالي على المدى الطويل هو العامل الأكثر تأثيراً في تحريك الأمور أكثر من أي عامل آخر.
أظهرت المناقشات كيف تتكيف مرافق HPC مع المرحلة التالية من تطبيقات الذكاء الاصطناعي. على الرغم من أن معظم اهتمام الصناعة لا يزال منصباً على النماذج والأجهزة، إلا أن المتحدثين عادوا مراراً إلى القضايا العملية والحتمية لتقديم الذكاء الاصطناعي كخدمة. من منصات الاستدلال المشتركة ومنصات اختبار المسرعات إلى اقتصاديات استهلاك الرموز المميزة، تشير التحديات التي نوقشت في المحاضرات إلى أن مستقبل الذكاء الاصطناعي العلمي قد يعتمد بشكل متساوٍ على العمليات والبنية التحتية، بقدر ما يعتمد على التقدم في النماذج نفسها.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
