 |
| أسرع كمبيوتر من ميتا RSC |
كشفت شركة Meta التكنولوجية العملاقة ، المعروفة سابقًا باسم Facebook ، يوم الاثنين أنها قامت ببناء أحد أسرع أجهزة الكمبيوتر العملاقة في العالم ، وهو عملاق يسمى Research SuperCluster أو RSC. قال الرئيس التنفيذي مارك زوكربيرج إنه مع 6،080 وحدة معالجة رسومات مجمعة في 760 وحدة Nvidia A100 ، فهي أسرع آلة تم إنشاؤها على الإطلاق لمهام الذكاء الاصطناعي.
قوة المعالجة هذه على نفس مستوى الكمبيوتر الفائق Perlmutter ، والذي يستخدم أكثر من 6000 من نفس وحدات معالجة الرسومات Nvidia وهو حاليًا خامس أسرع كمبيوتر فائق في العالم. في المرحلة الثانية ، تخطط Meta لزيادة الأداء بعامل 2.5 هذا العام مع التوسع إلى 16000 وحدة معالجة رسومات.
ستستخدم Meta RSC لمجموعة من المشاريع البحثية التي تتطلب أداءً من المستوى التالي ، مثل الذكاء الاصطناعي "متعدد الوسائط" الذي يبني الاستنتاجات على مجموعة من الصوت والصور والإجراءات بدلاً من نوع واحد فقط من بيانات الإدخال. قد يكون ذلك مفيدًا في التعامل مع التفاصيل الدقيقة لإحدى مشكلات Facebook الكبرى ، وهي اكتشاف المحتوى الضار.
تأمل Meta ، وهي باحثة بارزة في مجال الذكاء الاصطناعي ، في أن يؤتي الاستثمار ثمارها باستخدام RSC للمساعدة في بناء أحدث أولويات الشركة: العالم الافتراضي الذي تسميه metaverse . يمكن أن تكون RSC قوية بما يكفي لترجمة الكلام في وقت واحد لمجموعة كبيرة من الأفراد الذين يتحدث كل منهم لغة مختلفة.
قال مارك زوكربيرج الرئيس التنفيذي لشركة Meta في بيان: "الخبرات التي نبنيها من أجل metaverse تتطلب قوة حسابية هائلة". "ستعمل RSC على تمكين نماذج ذكاء اصطناعي جديدة يمكنها التعلم من تريليونات الأمثلة وفهم مئات اللغات والمزيد."
عندما يتعلق الأمر بأحد أهم استخدامات الذكاء الاصطناعي - تدريب نظام ذكاء اصطناعي للتعرف على ما هو موجود في الصورة - فإن RSC أسرع بنحو 20 مرة من آلة Nvidia السابقة التي تعود إلى حقبة 2017 ، حسبما قال باحثو Meta Kevin Lee و Shubho Sengupta في منشور بالمدونة . لفك تشفير الكلام البشري ، يكون أسرع بنحو ثلاث مرات.
يشير مصطلح الذكاء الاصطناعي اليوم عادة إلى طريقة تسمى التعلم الآلي أو التعلم العميق الذي يعالج البيانات بشكل مشابه لكيفية عمل العقول البشرية. إنه ثوري لأن نماذج الذكاء الاصطناعي يتم تدريبها من خلال التعرض لبيانات العالم الحقيقي. على سبيل المثال ، يمكن للذكاء الاصطناعي أن يتعلم كيف تبدو وجوه القطط من خلال تحليل آلاف صور القطط ، مقارنة بالبرمجة التقليدية حيث سيحاول المطور وصف مجموعة القطط الكاملة من الفراء والشعيرات والعينين والأذنين.