يتم توزيع مستقبل الذكاء الاصطناعي … ماذا يعني ذلك
يعمل الذكاء الاصطناعي (AI) والتعلم الآلي (ML) على تعطيل كل صناعة. ستستمر آثارها وتكاملها في النمو.
وفي النهاية، فإن مستقبل الذكاء الاصطناعي يكمن في الحوسبة الموزعة، كما قال أيون ستويكا، الشريك المؤسس والرئيس التنفيذي ورئيس Anyscale ، للجمهور هذا الأسبوع في مؤتمر Transform 2022 الذي تنظمه VenureBeat.
تسمح الحوسبة الموزعة بمشاركة مكونات أنظمة البرمجيات بين أجهزة كمبيوتر متعددة وتشغيلها كنظام واحد، وبالتالي تحسين الكفاءة والأداء.
لكن في حين أن الحوسبة الموزعة ضرورية، فإن كتابة التطبيقات الموزعة صعبة، “بل إنها أصعب من ذي قبل”، كما قال ستويكا.
على وجه الخصوص، تواجه الحوسبة الموزعة المتضمنة في الذكاء الاصطناعي والتعلم الآلي العديد من التحديات – تختلف الأنظمة الموزعة على نطاق واسع في صعوبة تنفيذها، ويجب على المهندسين اختبار جميع جوانب فشل الشبكة والجهاز، بالإضافة إلى التباديل المختلفة للفشل والأخطاء.
وقد أتاح ذلك الفرصة لشركات مثل Anyscale ، والتي توفر مجموعة من الأدوات لتمكين المطورين من إنشاء التطبيقات الموزعة ونشرها وإدارتها.
تأسست الشركة من قبل مبتكري Ray، وهو إطار عمل مفتوح المصدر للذكاء الاصطناعي يُبسط توسيع أعباء عمل الذكاء الاصطناعي على السحابة.
يسمح Ray للمستخدمين بتحويل كود Python الذي يتم تشغيله بالتسلسل إلى تطبيق موزع بأقل تغييرات في التعليمات البرمجية.
خوادم ومحايد للسحابة
خيار Anyscale هو بدون خادم، لا يعرف السحابة ويدعم كلاً من الحسابات عديمة الحالة وذات الحالة. تقوم الأداة بتجريد الخوادم والمجموعات وتوفر قياسًا تلقائيًا.
كما لاحظ Stoica، اعتمادًا على مجموعة البيانات، تستمر متطلبات الحوسبة لتدريب أحدث النماذج في النمو بأوامر من حيث الحجم.
على سبيل المثال، نموذج لغة Pathways من Google (PaLM) – نموذج واحد يتم تعميمه عبر المجالات والمهام بكفاءة عالية – يحتوي على 530 مليار معلمة. وبعض أكبر شركات النقل لديها أكثر من 1 تريليون معلمة.
هناك فجوة كبيرة بين متطلبات تطبيقات ML وإمكانيات معالج أو خادم واحد. وبالمثل، أشار Stoica إلى أنه عندما تم تطوير Apache Spark وإصدارها في عام 2014، كانت جميع الأجهزة تعتبر متجانسة.
لكن هذا الافتراض لم يعد ممكنًا، لأن المشهد الحالي يتضمن العديد من مسرعات الأجهزة المختلفة.
قال ستويكا: “لا توجد طريقة أخرى لدعم أعباء العمل هذه بدون توزيع – الأمر بهذه البساطة”.
قال إن هناك مراحل متعددة لبناء تطبيق ML – مثل وضع العلامات، والتدريب الخاص بالبيانات، والضبط، والتدريب التعزيزي. قال ستويكا: “كل مرحلة من هذه المراحل تحتاج إلى توسيع نطاقها، ولكل منها نظام موزع مختلف”.
يتطلب بناء خطوط الأنابيب من طرف إلى طرف ربط هذه الأنظمة معًا، ثم إعادة إدارتها وإعادة تطويرها – وهو ما وصفه في النهاية بأنه عملية طويلة وشاقة.
قال عن Anyscale وRay: “تتمثل مهمتنا في جعل الحوسبة الموزعة أسهل، وتوسيع نطاق أعباء العمل هذه أسهل”.
ما هو دور تنفيذ الذكاء الاصطناعي؟
نظرًا لأن الذكاء الاصطناعي والتعلم الآلي بعيد المدى، فإن حالات استخدام Ray “في كل مكان”. تم استخدام الأداة في الصناعة المالية، وتجارة التجزئة، والتصنيع – حتى في تطبيقات كأس أمريكا عندما يتعلق الأمر بتدريب أفراد الطاقم.
مثال آخر هو استخدامه في اختبار اللعبة. قال ستويكا: “في الألعاب عبر الإنترنت والألعاب عبر الإنترنت، ليس لديك ما يكفي من البشر في غرفة أو منطقة معينة من اللعبة للتفاعل معهم”.
تناول مفهوم “الزحف أو المشي أو الجري”، وصف Stoica الذكاء الاصطناعي بأنه كان أساسًا حيث كانت البيانات الضخمة قبل 10 سنوات.
وقال إن الأمر يستغرق وقتًا حتى تنضج، لأن الأمر لا يتعلق فقط بتطوير الأدوات، ولكن بتدريب الخبراء. \
قال: “إنها تستغرق وقتًا لأن الوقت [المطلوب] ليس فقط لتطوير الأدوات”. “إنه تدريب الناس. خبراء التدريب. هذا يستغرق وقتًا أطول.
إذا نظرت إلى البيانات الضخمة وما حدث، فمنذ ثماني سنوات بدأت العديد من الجامعات في تقديم درجات علمية في علم البيانات.
وبالطبع هناك الكثير من الدورات التدريبية الآن، دورات الذكاء الاصطناعي، لكنني أعتقد أنك سترى المزيد والمزيد من دورات الذكاء الاصطناعي والبيانات التطبيقية، والتي لا يوجد الكثير منها اليوم “.
وأشار إلى أنه منذ ستة أعوام فقط أو نحو ذلك، على سبيل المثال، بدأت الكليات والجامعات في تقديم درجات علمية في علوم البيانات.
الآن، يتم تقديم المزيد من دورات الذكاء الاصطناعي، وستظهر المزيد والمزيد من دورات الذكاء الاصطناعي التطبيقية، كما توقع.
لاستخدام تشبيه البيسبول، قال ستويكا: “نحن حقًا في الشوط الأول”.
المصدر: venturebeat
قد يهمك:
