کوچکترین ابررایانه جهان، مدل سنگین هوش مصنوعی Falcon 180B را اجرا کرد_خبررسان

تام سنت دنیس (Tom St. Denis) که یک مهندس نرم‌افزار و متخصص سخت‌افزار است پروژه‌ای را رونمایی کرده که تعریف رایج از ابررایانه‌ها را به چالش می‌کشد. این مهندس خلاق موفق شده است یک کلاستر محاسباتی زیاد فشرده بسازد که ادعا می‌شود کوچکترین ابررایانه جهان با قابلیت اجرای مدل‌های سنگین هوش مصنوعی است. مقصد مهم از اجرای این پروژه اثبات این نوشته بوده که برای دستیابی به توان پردازشی بالا و اجرای مدل‌های زبانی بزرگ لزوماً نیازی به بودجه‌های میلیون دلاری یا دیتاسنترهای عظیم نیست.

به گزارش رسانه اخبار فناوری  تکنا به نقل از تام سنت دنیس (Tom St. Denis)، قلب تپنده این سیستم مینیاتوری از سی و دو عدد تراشه RK3588 راه اندازی شده که در یک پیکربندی موازی برای به حداکثر رساندن قوت پردازش به یکدیگر متصل شده‌اند. این چیدمان خاص به سیستم اجازه می‌دهد تا به توان محاسباتی تقریبی ۴۸۰ تاپس دست اشکار کند و در عین حال مصرف انرژی زیاد کمتری نسبت به سرورهای صنعتی داشته باشد. سازنده این دستگاه با منفعت‌گیری از قطعات تجاری حاضر در بازار توانسته هزینه نهایی ساخت این کلاستر قوی را به نحوه چشمگیری افت دهد و آن را برای گسترش‌دهندگان جدا گانه مقرون‌به‌صرفه سازد.

این ابررایانه فشرده در آزمون‌های عملی توانایی خود را در اجرای مدل‌های سنگین هوش مصنوعی نظیر Falcon 180B با شدت قابل قبول نشان داده است. مطابق جزئیات فنی انتشار شده در رابطه این پروژه سیستم از یک معماری حافظه یکپارچه توزیع شده بین گره‌ها منفعت گیری می‌کند تا بتواند نیازهای عظیم داده‌ای در مدل‌های زبانی بزرگ را مدیریت کند. این دستاورد فنی مشخص می کند که سخت‌افزارهای در دسترس و ارزان‌قیمت در صورت بهینه‌سازی نرم‌افزاری می‌توانند برای ماموریت های پیچیده استنتاج هوش مصنوعی مورد منفعت گیری قرار گیرند.

این پروژه نمایانگر روال رو به رشدی در صنعت فناوری است که در آن گسترش‌دهندگان به جستوجو جانشین‌های اقتصادی برای پردازنده‌های گرافیکی گران‌قیمت شرکت‌های بزرگی همانند انویدیا می باشند. با منفعت گیری از تراشه‌های مبتنی بر معماری آرم و مهندسی نرم‌افزار هوشمندانه افراد اکنون می‌توانند دیتاسنترهای شخصی بسازند که با ایستگاه‌های کاری حرفه‌ای رقابت می‌کند. این نوآوری دروازه‌های جدیدی را برای پژوهشگران هوش مصنوعی باز می‌کند که برای آزمایش مدل‌های بزرگ به سخت‌افزار اختصاصی نیاز دارند اما نمی‌خواهند فقطً به سرویس‌های ابری متکی باشند.