NVIDIA-GTC 2016-10

عودتنا انفيديا في كل عام ومنذ عام 2009 على تدشين مؤتمرها الأضخم لمطوري المعالج الرسومي والتي تعلن فيه عن احدث ما وصلت إليه من تقنيات وتدشينات جديدة في عالم المعالجات الرسومية. يعتبر مؤتمر انفيديا GTC بشكل عام الحدث الأهم والأضخم في العالم من أجل مطوري المعالج الرسومي، والتي تمنح الحاضرين فرصة التواصل مع خبراء من انفيديا وعلى رأسهم المدير التنفيذي جين-سون هوانغ والذي يكشف مع زملائه ضمن كل نسخة من هذا المؤتمر عن العديد من المنتجات والابتكارات والتقنيات وخارطة العمل الخاصه بهم.

[vc_row][vc_column][vc_column_text]

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/6"][vc_single_image image="139559" img_size="medium" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][vc_single_image image="139560" img_size="medium" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][/vc_column][vc_column width="1/6"][vc_single_image image="139557" img_size="medium" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][vc_single_image image="139464" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][/vc_column][vc_column width="1/6"][vc_single_image image="139556" img_size="large" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][vc_single_image image="139558" img_size="large" alignment="center" style="vc_box_border_circle" border_color="green" onclick="zoom" css_animation="left-to-right"][/vc_column][vc_column width="1/2"][vc_column_text css_animation="right-to-left" css=".vc_custom_1460111956204"]

ماهو الجديد مع النسخة الثامنة من مؤتمر GTC16؟

[/vc_column_text][vc_column_text css_animation="right-to-left"]

هذا العام 2016 كنا مع النسخة الثامنة من مؤتمر GTC16 التي ركزت فيها انفيديا على عدة جهات كانت أهما: مجموعة أدوات مخصصة للمطورين, الذكاء الاصطناعي, التعلم العميق, الواقع الافتراضي, والقيادة الذاتية, بجانب أهم أمر وفقاً لما نراه وهو الإعلان عن Tesla P100 بجانب تفاصيل مختلفة عن معمارية Pascal. سينقسم حديثنا لخمسة أقسام لنقدم لكم التفاصيل المهمة عن كل ماجاء في مؤتمر انفيديا الأضخم والأقوى لعالم المعالج الرسومي.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112126355"]

لنبدأ أولاً مع مجموعة الادوات الشاملة للمطورين NVIDIA SDK

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_row_inner][vc_column_inner][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner][/vc_column_inner][/vc_row_inner][vc_round_chart style="modern" stroke_width="5" stroke_color="black" values="%5B%7B%22title%22%3A%22%20%D8%A7%D9%86%D9%81%D9%8A%D8%AF%D9%8A%D8%A7%22%2C%22value%22%3A%2297%20%25%22%2C%22color%22%3A%22green%22%7D%2C%7B%22title%22%3A%22%20%D8%A7%D9%84%D8%A7%D8%AE%D8%B1%D9%8A%D9%86%22%2C%22value%22%3A%223%25%22%2C%22color%22%3A%22black%22%7D%5D" animation="easeOutSine" title="الحواسب الفائقة تستخدم تقنيات انفيديا بنسبة؟"][/vc_column][vc_column width="1/2"][vc_column_text]

وهي توفر لنا تقنيات تجعل المؤثرات الفيزيائية مطبقة في الألعاب، والتي تجعل من حركة الشعر يبدو واقعياً، كما تسمح للأمواج من أن تكون متموجة والنار تشتعل كما لو أنها حقيقية. فهذه الادوات كنا رأينها تستخدم بشكل جيد في العديد من الألعاب ونعتقد أنها مؤثرات مثيرة للاهتمام, فصحيح أنها تسحب نسبة من معدل الإطارات, لكن عند المقارنة مع السابق يمكن أن نقول أن هناك تحسن واضح من ناحية استهلاك تلك المؤثرات لقدرات المعالج الرسومي.

[/vc_column_text][vc_column_text]

في بداية الأمر كان جين يتحدث بشكل واضح حول أهمية المعالج الرسومي في عالم الحوسبة, بالإضافة الى دور الكودا في التأثير على الحواسب الفائقة التي تضاعفت مرتين منذ عام 2012 وازداد عدد مطوري الكواد أربع مرات, فتخيل أن نسبة 97% من الحواسب الفائقة تستخدم اليوم تقنيات انفيديا الخاصة لهذا المجال. المجموعة التي أعلنت عنها انفيديا في المؤتمر بعضها كنا قد رأيناه سابقاً وبعضه الأخر جديد كلياً ولم يطلق بعد..لنتعرف عليهم:

[/vc_column_text][vc_single_image image="139492" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="right-to-left" title="NVIDIA GameWorks"][/vc_column][/vc_row][vc_row][vc_column width="1/3"][vc_single_image image="139497" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom" title="NVIDIA JetPack"][vc_column_text]

تخصص انفيديا على ما يبدو منصة من أجل ألات التحكم الذاتي مثل الروبوتات والطائرات بدون طيار. GPU Inference Engine أو GIE سيكون متوفراً الشهر القادم من أجل عملية الاستدلال. وخلال حديث المدير التنفيذي أكد أن Jetson TX1 وهو المنصة الأحدث للمركبات الذاتية التي تستطيع معالجة الاستدلال على 24 صورة في الثانية مقابل الواط الواحد, وهو مستوى غير مسبوق في كفاءة الطاقة! تخيل أن كل ذلك يعود بالفضل الى قدرة الكودا في المعالجة, لتوفر أداء غير مسبوق مع كفاءة في الطاقة مذهلة للقيام بالتعلم العميق.

[/vc_column_text][/vc_column][vc_column width="1/3"][vc_single_image image="139495" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom" title="NVIDIA ComputeWorks"][vc_column_text]

وهي مخصصة للحوسبة المسرعة بواسطة المعالج الرسومي لتوفر حوسبة عالية الأداء, خاصة مع تضمنها للإصدار الأحدث من كودا 8 التي ستنطلق في شهر يونيو. إضافة إلى كودا هناك مكتبة تُسمى cuDNN 5، التي تسمح لمطوري الشبكة العصبية من إنشاء أنظمة تعمل بأسرع ماأمكن وهذا يعني أنها تسمع لك بتشغيل DNNs  على نحو أسرع بعشرين مرة, وستكون متوفرة في هذا الشهر. كما تتضمن nvGRAPH التي تظهر البيانات العلائقية لنستطيع أن نفهم كيف تلعب البيانات دورا كبيرا في الرسم البياني القائم على التواصل الاجتماعي والقادمة في شهر يونيو. بالإَضافة الى IndeX التي تساعد في توسيع التيرابايت للبيانات بمحاكاة البيانات وتصيير الصورة الحجمية, فهي تعتبر منصة المحاكاة الظاهرية الأضخم في العالم والقادمة في شهر مايو.

[/vc_column_text][/vc_column][vc_column width="1/3"][vc_single_image image="139493" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom" title="NVIDIA DesignWorks"][vc_column_text]

وهي توفر رسوميات واقعية كالصور فهي تضم بداخلها Iray التي تسمح للمصممين من تشكيل صور واقعية من التصاميم التي قاموا بها, فهي ليست فقط جميلة بل دقيقة من ناحية التصميم. أضف الى مكتبة جديدة تسمى MDL التي تظهر كيف تتفاعل الأسطح بشكل واقعي في العالم الواقعي, وهذا يعني أن المواد مثل ألياف الكربون، الذهب، النحاس البلاستيك كلها ستبدو كما هي في العالم الواقعي. على الجهة الاخرى لدينا Optix و Path Rendering التي تسمح للصور المصممة بأن تبدو جميلة ونابضة بالحياة.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_single_image image="139494" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom" title="NVIDIA VRWORKS"][vc_column_text]

تم تخصيص هذه الادوات لتكون مخصصة للواقع الافتراضي فهي مجموعة مهمة للغاية لتوفير محتوى واقع افتراضي مثالي التي ستسهل العمل للمطورين على تلك المنصة لإنتاج المشاريع الخاصة بهم بشكل مثالي حتى نحصل على محتوى واقع افتراضي ممتاز يلبي طموح المطورين والمستخدمين بوقت واحد.

[/vc_column_text][/vc_column][vc_column width="1/2"][vc_single_image image="139496" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom" title="NVIDIA DRIVEWORKS"][vc_column_text]

إنها مجموعة من الخوارزميات الخاصة التي تسمح لمطوري السيارات من إنشاء سيارات ذاتية القيادة نحو الأفضل. إنها ماتزال في طور التطوير لكن انفيديا تشير الى أن بعض مميزتها متوفرة اليوم لبضعة شركاء من مصنعي السيارات لكنها ستكون متوفرة بشكل أوسع في الربع الأول لعام 2017.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

كل تلك الادوات الخاصة موجهة لاختصاصات مختلفة ولكنها تتفق على شيء واحد المعالج الرسومي وقدرة الكودا على توفير الاداء الأفضل في عالم الحوسبة. لن نتسرع في مدى نجاح أخر إضافتين وهما JetPack و DRIVEWORKS قبل أن نراها مستخدمة فعلاً على أرض الواقع, فلقد رأينا الاداوت الثلاثة السابقة وهي حققت بشكل واضح قبول كبير بين المطورين, لذلك من الصعب أن نجزم اليوم ان باقي الاداوت ستحقق نفس الأمر على الرغم من انها ادوات مثيرة للاهتمام.

[/vc_column_text][vc_column_text css_animation="appear" css=".vc_custom_1460112269243"]

ننتقل الى الان الى الحديث عن الواقع الافتراضي وما الجديد الذي كشفت عنه انفيديا

[/vc_column_text][vc_single_image image="139499" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

عالم الواقع الافتراضي هو المستقبل بحد ذاته, فتخيل أننا يمكن أن نخوض مئات التجارب نحو أماكن ومواقع لم نكن نحلم يوماً بأن نصل لها. فالفكرة ليست فقط في القدرة على خوض تلك التجربة, بل الفكرة تكمن بالجودة العالية التي وصلنا لها لنكون قادرين على إنشاء ذلك العالم الافتراضي ليكون مشابه بنسبة كبيرة للغاية من العالم الحقيقي. فمن ناحية ألعاب الفيديو سنكون أمام تجربة مثيرة حيث ستكون بنفسك على أرض المعركة لتشتبك مع العدو وجهاً لوجه وكأنك بداخل اللعبة فعلاً. ولا يقتصر الأمر على عالم الألعاب, فلمصممين سيكون لديهم تجربة مدهشة حقاً لرؤية منتجاتهم تصمم قبل عملية الإنتاج النهائية, ببساطة يمكنك أن تقف بجانب سيارة أو بناء لتعرف نقاط الضعف أو الاخطاء التي تم إرتكابها في التصميم قبل البدء بعملية الإنتاج التي ستكون مكلفة للغاية في حالة كان هناك خطأ ما...وهنا يأتي دور انفيديا مع عرضها لتجربتين مثيرتين حقاً.

[/vc_column_text][vc_row_inner][vc_column_inner width="1/4"][vc_gallery interval="5" images="139565,139470" img_size="medium" css=".vc_custom_1460096778508"][vc_column_text css_animation="top-to-bottom" css=".vc_custom_1460112355285"]

كما استخدمت انفيديا مؤثرات PhysX لمحاكاة الثلوج التي تغطي الجيل من كل جهة., فعند مشاهدتك لما تم عرضه في المؤتمر ستشعر وكأنك تشاهد حلقة خاصة من ناشينوال جيوغغرافيك :-). عند خوض التجربة مع نظارات الواقع الافتراضي ستشعر حقاً وكأنها تجربة حقيقية, اخيراً يؤكد جين أن هناك 108 مليار بكسل مع هذه التجربة الفريدة من نوعها!! هذا الرقم لا يصدق!

[/vc_column_text][vc_gallery interval="5" images="139469,139566" img_size="medium" css=".vc_custom_1460097238664"][vc_column_text css_animation="top-to-bottom" css=".vc_custom_1460112390603"]

التجربة التي تذكرها انفيديا لا تتلخص في انك تستطيع أن تمشي في المريخ وتشاهد التصميم المذهل, ولكن حتى المؤثرات الصوتية كانت مسجلة من قيادة مركز جونسون للفضاء! أي ستختبر تجربة لم يكن من الممكن تحقيقها بالسابق. الألوان الإضاءة, طريقة المشي وحركتك من خلال نظارة الواقع الافتراضي كلها ستكون غير مسبوقة.

[/vc_column_text][/vc_column_inner][vc_column_inner width="3/4"][vc_text_separator title="التجربة الأولى..جبل إيفيرست" color="green" border_width="5"][vc_single_image image="139500" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

الاستعراض الأول كان مثير, فلقد كشف جين عن عرض حي من خلال الشاشة العملاقة 100 قدم التي تقبع خلفه والتي كانت تعمل بمحاكاة حقيقية ليست معروضة لنا كفيلم. أبرز التفاصيل التي فعلتها انفيديا مع جيل إيفيرست هو تصميمها له بكسل ببكسل! أي أنها لم تعتمد على تصميم جاهز وأضافت عليه لمساتها الخاصة, بل قامت بمحاكاة حقيقية للجبل بشكل الحقيقي لتقدمه لنا بتجربة واقع افتراضي ترقى الى مستوى الواقع الحقيقي.

[/vc_column_text][vc_text_separator title="التجربة الثانية..كوكب المريخ" color="green" border_width="5"][vc_single_image image="139501" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

مع هذه التجربة الخاصة بكوكب المريخ فلقد تم إعادة تكوين تصميم ما مساحته ثمانية كيلومتر مربع من سطح المريخ, بفضل الصور المأخوذة من ناسا وغيرها من المصادر التي كانت موجودة على الكوكب فعلاً. هذا الأمر لم يكن من الممكن حدوثه إلا من خلال التعاون مع ناسا و Fusion Media، التي سمحت بفضل خبرة انفيديا من تحقيق تجربة المشي ومشاهدة كوكب المريخ بأكمله من خلال الواقع الافتراضي.

[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row][vc_column][vc_text_separator title="السؤال الأكبر اليوم كيف تم القيام بهكذا تصاميم عالية الجودة لمحاكاة سطح المريخ أو جبل إيفيرست؟" color="green" border_width="5"][vc_single_image image="139502" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

أحد أكبر التحديات تكمن في كيفية الوصول الى تصميم ومحاكاة المجسمات مع الواقع الافتراضي لتحقق لنا فعلاً التجربة الأمثلة. تخيل معي ما سأقوله أننا قمنا ببناء مجسم لشكل بناء ما واستخدمنا النظارة لمشاهدة كامل تفاصيل البناء, إن كان التصميم بسيط ولا يتمتع بالتفاصيل الدقيقة للغاية فستشعر بخيبة أمل..لماذا أقول ذلك, لان تكلفة النظارة وتكلفة المنصة القادرة على تشغيل الواقع الافتراضي ليست برخيصة اليوم, فليس من المنطقي أن نحصل على كل تلك القوة لنشاهد بالمحصلة هكذا تصاميم ضعيفة لا ترقى للمستوى المطلوب.

وفي هذه النقطة كانت انفيديا كما يبدو لنا مصممة على تقديم شيء جديد لتصميم المنتج بهيئة واقع افتراضي ليكون على الأقل واقعي بالحد الكافي. لكن ذلك لا يمكن أن يحدث من دون أداوت جديدة, وهذا يتطلب تقنية تصيير جديدة كلياً. جين وفي حديثه عن هذه النقطة كان متحمساً كما كنا نحن متحمسين ونحن نستمع للتطوير الجديد مع القدرة على تحقيق تصوير واقعي. ملخص حديث جين يشير الى أنه إن كنا نريد تصميم واقعي فنحن نحتاج إلى شيء يلتقط كل فوتون (وحدة الكم الضوئي) وكيف يتفاعل كل منها مع الأسطح الخاصة بالمجسمات. ومن سيحقق لنا هذه القدرة هي ادوات Iray VR الجديدة من انفيديا.

[/vc_column_text][vc_row_inner][vc_column_inner width="1/2"][vc_separator color="green" border_width="5"][vc_column_text]

إن وصلنا الى هذه المرحلة من الجودة العالية جداً لنماذج البناء فهذا يعني أنه يمكننا أن نرى اليوم كل المجالات والصناعات تستفيد من الواقع الافتراضي لتحقيق تصاميم ونماذج قبل عملية التصنيع الاخيرة لتنجنب أي خطأ يمكن أن يقع فيه المصممون في أي مجال كان, رغم كل ما ذكر يبقى هناك أمر مهمة يجب أن ننظر له وهو أن التكلفة ما زالت مرتفعة لهذا النوع من التجارب, نعم الشركات الكبرى لن تواجه أي مشكلة في تلك التكلفة, ولكن على صعيد الشركات الصغيرة ذات الميزانية المحدودة وحتى الصممين من المجالات المختلفة أصحاب المهن المستلقة لن يستطعوا الحصول على هذه التجربة بسهولة مع هكذا تكلفة.

[/vc_column_text][vc_single_image image="139504" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

لذلك نعتقد انه وفي الوقت الحالي تلك التقنيات المدهشة حقاً لم تصل بعد الى كل الفئات من ناحية التكلفة العامة, ونأمل أن نشهد تطور جديد وهو المتوقع تنخفض فيه التكلفة الإجمالية لتحقيق تجربة الواقع الافتراضي للجميع. نكتفي بهذا القدر من ما عرضته انفيديا بخصوص الواقع الافتراضي لننتقل بعدها الى مجال أخر وهو الذكاء الاصطناعي.

[/vc_column_text][vc_single_image image="139570" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][/vc_column_inner][vc_column_inner width="1/2"][vc_single_image image="139503" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

التقنية الجديدة تقوم بتصيير مسبار الضوء عبر كامل الغرفة التي تريد التفاعل معها. عملها يكمن بمسابير ضوئية تظهر كيف للضوء أن ينبعث من كل نقطة وزاوية، وكل واحدة منها يتم تصييرها بدقة 4K، والذي يتطلب ساعة ليتم تصييرها على ثمانية بطاقات رسومية.

[/vc_column_text][vc_single_image image="139472" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

فمن خلال النموذج الذي عرضته انفيديا احتاجت انفيديا الى تنقيط كل مشهد من وجهة نظر كل عين وقامت باختيار الأفضل ومزجها ومعالجتها كي تلتقط الأفضل من تكوين المسابير الضوئية مجتمعة سوياً. ومن خلال عرضها للمشهد من خلال نظارة الواقع الافتراضي التي تظهر البناء الأيقوني الجديد لانفيديا وهو في طور البناء يبدو واقعياً للغاية. بالمناسبة سيكون هذا البناء بحجم 500 ألف قدم مربع ويتسع الى 2500 موظف. نموذج البناء المعروض عبارة عن مجموعة من المثلثات المتقاطعة باللون الأبيض والرمادي والتي تظهر لنا بشكل ثلاثي الأبعاد.

[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112477226"]

الى أي حد وصل الذكاء الاصطناعي بفضل التعلم العميق مع معالجات انفيديا الرسومية؟

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

الذكاء الاصطناعي يصل اليوم في عام 2016 الى مراحل قد تجعلنا نخاف قليلاً من هذا التطور. والسبب أننا أصبحنا بعالم يتمتع فيه الذكاء الاصطناعي بذكاء خارق ويتوفق على الإنسان في مراحل معينة, وكثيراً ما شاهدنا أفلام هوليود وهي تشير الى كيفية سيطرت الألات على البشر بسبب ذكائها الخارق الذي كان بالبداية مصمم ليخدم البشر وبعد ذلك انتقل الى خطوات منفردة خارج ماهو محدد له والسبب ذكائه القادر على تجاوز الحدود التي وضعت عليه.

ربما يعتقد البعض أننا نبالغ بعض الشيء مع الذكاء الاصطناعي لكنها وجهة نظرنا ونعتقد أن الأمر رائع في توفير هكذا تطورات هامة في هذا المجال ولكن يجب أن نبقي الأمر أيضاً تحت السيطرة. إذا أحد الأمور الكبيرة التي حدثت في عالم الحوسبة هو الذكاء الاصطناعي. فمنذ خمس سنوات مضت، انطلق التعلم العميق وكانت نتائجه في تلك الفترة بسيطة ولا ترقى للمستوى المأمول ولكن كل شيء يحتاج الى تطوير وتحسين ليصل الى المرحلة المنشودة. لكننا اليوم ووفقاً لما شاهدناه في مؤتمر GTC16 نحن فعلاً منبهرون بما وصلنا له اليوم, ويمكن أن نقول أن عام 2016 هو عام الذكاء الاصطناعي لعالم الحوسبة.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/4"][vc_column_text][/vc_column_text][vc_single_image image="139508" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="left-to-right"][vc_single_image image="139476" img_size="medium" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="left-to-right"][vc_single_image image="139511" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="left-to-right"][/vc_column][vc_column width="1/2"][vc_column_text]

سوف أذكر لكم عدة إنجازات إستطاع فيها الذكاء الاصطناعي من الوصول الى مرحلة مدهشة, فمع ImageNet كانت مايكروسوفت وجوجل قادرين على التعرف على الصور على نحو أفضل من أي إنسان للمرة الأولى, لتصل فيها الأجهزة الى مرحلة تتمتع بقدرات بشرية خارقة. كما لدينا الرجل الألي Brett الذي تم صنعه من قبل الباحثين لدى مختبر الذكاء الاصطناعي Berkeley, فهذا الرجل الألي كان قادر على تعليم نفسه بنفسه! وعلى الجانب الأخر استخدمت Baidu شبكة تعلم عميق لكي يكون التطبيق قادر على التدرب لتعلم لغتين وهما ماندراين "لغة صينية" والإنجليزية. بالإضافة الى برنامج AlphaGo الذكي القادم من Google DeepMind الذي استطاع أن يهزم بطل العالم في لعبة GO, فلقد احتاج ذلك البرنامج الى لعب ملايين المرات بنفسه لكي يتعلم كيف يهزم بطل العالم, كما استطاع جهاز IBM Deep Blue من هزم بطل العالم غاري كاسباروف في لعبة الشطرنج!

هذا يدل على أن الحواسب المشغلة بواسطة التعلم العميق تستطيع أن تقوم بالمهام التي لا يمكن أن نتخيلها مثل كتابة البرمجيات. فالتعلم العميق ليس مجرد مجال أو تطبيق إنه وسيلة أكبر من ذلك بكثير، وهذا على ما يبدو ما تركز عليه انفيديا بشكل كبير فلقد رأينا ذلك يحدث في السنة الماضية والتي قبلها, بالإضافة الى مؤتمرها الأخير في معرض CES 2016 والذي قمنا بتغطيته بعنوان "كل ما تريد معرفته عن مؤتمر انفيديا ضمن معرض CES 2016". تخيل اليوم أن التعلم العميق أصبح شيء أساسي لرواد الصناعة باستخدام الذكاء الاصطناعي مثل شركات: Alibaba, Audi, Bloomberg, Cisco, Ford, GE, و Massachusetts General Hospital.

[/vc_column_text][/vc_column][vc_column width="1/4"][vc_column_text][/vc_column_text][vc_single_image image="139509" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="right-to-left"][vc_single_image image="139474" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="right-to-left"][vc_single_image image="139510" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="right-to-left"][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

انفيديا حققت خطوات كبيرة اليوم بتدشينها لقوة رسومية مهدشة للغاية, فالأرقام التي تم ذكرها ضمن المؤتمر توحي لنا بإنجاز جديد يخلد في سجل انفيديا مع التعلم العميق.فكل ما يحتاجه التعلم العميق من إمكانيات يمكن ان توفرها اليوم العالجات الرسومية من انفيديا, فلقد أكدت أن ما تقدمه مع الجيل الجديد ليست فقط كفؤة من ناحية الطاقة بل قوية للغاية من ناحية الأداء. وما يؤكد أن انفيديا فعلاً وضعت هذا الأمر نصب عينها فهي تشير الى أن الحواسب الفائقة تم تدريبها مع العديد من البيانات، وهي تحتاج لأن تصبح أكبر بقدرتها من السابق ونتيجة لذلك قررت كما يقول المدير التنفيذي جين بتصميم معمارية مخصصة لتسريع الذكاء الاصطناعي.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112626444"]

الظهور الاول لمعمارية Pascal.. مع بطاقة P100 بنواة GP100!

[/vc_column_text][vc_single_image image="139514" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_column_text]

أعتقد أغلب من يتابع هذا المقال كان ينتظر هذه الفقرة لكي يعرف أبرز التفاصيل الخاصة بمعمارية انفيديا الجديدة الجيل القادم من البطاقات الرسومية التي وفقاً لوجهة نظرنا نعتقد انها ستكون قادرة على أن تستهدف كل الفئات التي تقدمها انفيديا من سلسلة بطاقاتها الرسومية الموجهة للاعبين أو المصممين أو حتى للحوسبة الفائقة.

معمارية Pascal هي الجيل الحادي عشر من معمارية المعالجات الرسومية لشركة انفيديا, والتي قضت فيها الشركة سنوات طويلة من التطوير والتحسين لتصل لنا أولى ثمار هذا التطوير بالإعلان عن بطاقة P100 من فئة TESLA والتي تستخدم فيها انفيديا أقوى نواة من معمارية Pascal المعروفة بإسم GP100. هذه البطاقة التي أعلنت عنها انفيديا تأتي من فئة TESLA المصممة لتوفر أفضل النتائج لتطبيقات التعلم العميق في مراكز البيانات. ستندهش أن تلك البطاقة تتمتع بما يصل الى 150 مليار ترانزستور.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_single_image image="139515" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][vc_single_image image="139516" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="top-to-bottom"][/vc_column][vc_column width="1/2"][vc_column_text]

بشكل اكثر تفصيلي هذه البطاقة عبارة عن لوحة PCB تضم عدد من المكونات أهمها نواة GP100 الأقوى من معمارية Pascal, مع تضمن نفس النواة ذاكرة HBM2 من الجيل الثاني والتي تعتبر أول بطاقة بالعالم تستخدم هذه الذواكر الثورية من الجيل الثاني. نواة البطاقة مصنوع بدقة تصنيع 16nm FinFET وبحجم قالب كبير جداً يصل الى 610mm².

[/vc_column_text][vc_column_text]

تصميم PCB يبدو كأنه لبطاقة رسومية لكنه صراحة لوحة بطاقة يتم استخدامها مع الحواسب الخارقة, كما هو الحال مع حاسوب NVIDIA DGX-1 والذي سنتحدث عنه لاحقاً. تقدم بطاقة P100 أداء دقة مزدوجة FP64 يصل الى 5.3TFLOP/s وأداء دقة FP32 يصل الى 10.6TFLOP/s وأداء نصف الدقة FP16 يصل الى 21.2TFLOP/s. نفس البطاقة تتضمن ذاكرة 14.2MB SM AF مع ذاكرة  L2 cache بحجم 4MB. تجدر الإشارة فقط أن هذه البطاقة سوف تستخدم فقط 56 وحدة SM لتنتج لنا ما يقارب 3584 نواة كودا, حيث تم تعطيل 4 وحدات SM من نواة GP100, ومن ناحية الترددات وباقي المواصفات فهي لم تعلن بعد.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/4"][vc_single_image image="139462" img_size="large" alignment="center" style="vc_box_border_circle" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139461" img_size="large" alignment="center" style="vc_box_border_circle" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139477" img_size="full" alignment="center" style="vc_box_border_circle" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139544" img_size="large" alignment="center" style="vc_box_border_circle" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column][vc_text_separator title="5 ركائز تعتمد عليها بطاقة TESLA P100..ماهي؟" color="green" border_width="5"][/vc_column][/vc_row][vc_row][vc_column][vc_single_image image="139513" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_column_text css_animation="appear" css=".vc_custom_1460112700116"]

خوارزميات AI التي تعتمد عليها انفيديا لجعل كل تلك القوة قابلة للتحكم بها ومستغلة 100%.

[/vc_column_text][/vc_column][vc_column width="1/2"][vc_column_text css_animation="appear" css=".vc_custom_1460112682488"]

قوة المعمارية المدهشة Pascal والتي كانت أولى ثمارها النواة الأقوى من دون منازع GP100 المستخدمة مع بطاقة TESLA P100.

[/vc_column_text][/vc_column][vc_column width="1/2"][vc_column_text css_animation="appear" css=".vc_custom_1460112738076"]

توفر كلاً من CoWoS و ذاكرة HBM2 من الجيل الثاني القدرة على توحيد المعالج والبيانات في حزمة واحدة, فلقد أشار المدير التنفيذي خلال الإعلان عن تلك البطاقة أن هناك 4000 سلك يربط نواة GP100 بكل الذواكر التي حوله!

[/vc_column_text][/vc_column][vc_column width="1/2"][vc_column_text css_animation="appear" css=".vc_custom_1460112718705"]

تصنيع انوية معمارية Pascal  مثل GP100 المستخدمة مع بطاقة TESLA P100 بدقة تصنيع 16nm FinFET, فنواة GP100 تصنف اليوم الأضخم في العالم المبنية مع 15 مليار ترانزستور وأحجام هائلة من الذاكرة.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112756137"]

تقنية NVLink التي تقدم عرض نطاق ترددي بزيادة خمس مرات من خلال توصيل عدة معالجت رسومية مع بعض, وبالأرقام هذا يعني 160GB في الثانية! وهو مالم يحدث من قبل إطلاقاً!

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_text_separator title="متى ستصل بطاقة TESLA P100 للأسواق؟ ومتى سنرى نواة GP100 تستخدم مع البطاقات المكتبية؟" color="green" border_width="5"][/vc_column][/vc_row][vc_row][vc_column][vc_single_image image="139517" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][vc_column_text]

في بداية الأمر عليك أن تعلم أن مرحلة الإنتاج الكمي لهذه البطاقة قد بدأ بشكل رسمي في 5 أبريل. وستظهر تلك البطاقة في الخدمة السحابية لشركة انفيديا بعد ذلك نحو شركات OEM في الربع الأول من السنة القادمة التي ستستخدمها مع سيرفراتها الخاصة. نواة GP100 ستكون بالتأكيد فخر صناعة انفيديا وهي ستكون مستخدمة مع أقوى بطاقات GeForce, لكن بما أنها تستخدم ذاكرة HBM2 فهي لن تكون متوفرة اليوم لان مرحلة الإنتاج الخاصة بذاكرة الجيل الثاني HBM2 تحتاج الى فترة طويلة, لذلك قد يأخذ الأمر لرؤية تلك النواة حتى نهاية هذا العام, للأسف ليس هناك تقدير دقيق فحالة السوق تتغير من ربع لأخر, لكننا نأمل بان نشاهد تلك النواة تستخدم قريباً مع بطاقات GeForce. نتوقع أن يتم تدشين أولى بطاقات معمارية Pascal من فئة GeForce مع نواة GP104 في القريب العاجل, حيث التوقعات تصب لرؤية أولى البطاقات في معرض كمبيوتكس 2016.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/4"][vc_single_image image="139557" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][vc_row_inner][vc_column_inner][vc_single_image image="139452" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner][vc_single_image image="139544" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column_inner][/vc_row_inner][/vc_column][vc_column width="3/4"][vc_text_separator title="أخبرنا المزيد من التفاصيل عن نواة GP100" color="green" border_width="5"][vc_column_text]

مرحباً إذا بأقوى نواة على الإطلاق والأضخم من أي نواة أخرى أطلقتها انفيديا, فهي تضم 60 وحدة FP32 SMx وكل وحدة تحتوي على 64 نواة كودا أي ما يعادل بالمجمل 3840 نواة كودا, ومقارنة مع أقوى نواة من معمارية Maxwell فنواة GM200 تحتوي على 24 وحدة FP32 SM وكل وحدة تضم 128 نواة كودا أي ما يعادل بالمجمل 3072 نواة كودا بالإضافة الى ان كل وحدة تضم 4 وحدات للإكسائات TM بمجموع كلي يصل الى 240TMU. ومع مقارنة مع نواة GK110 من معمارية Kepler فهي تضم ما يقارب 15 وحدة FP32 SM وكل وحدة تحتوي على 192 نواة كودا أي ما يعادل 2880 نواة كودا.

بالإضافة أن كل وحدة FP64 SM مع الجيل الجديد تضم كمية أكبر بكثير مما هي متوفرة مع أنوية معمارية Maxwell أو Kepler, فنواة GP100 تحتوي على ما يقارب 2048 نواة كودا مقارنة مع 96 نواة كودا لنواة GM200 و 960 نواة كودا مع نواة GK110. طبعاً الجديد مع معمارية Pascal هو تصنيع أنويتها بدقة تصنيع 16nm Fin-FET أي أن نواة GP100 مصنوعة بهذه الدقة. الجديد هو استخدام انفيديا لذاكرة الجيل الثاني HBM2 والتي ستوفر لتلك النواة حجم ذاكرة كلي يصل الى 16GB مع 8 متحكمات ذاكرة 512bit التي توفر بالمجمل واجهة ذاكرة تصل الى 4096bit, وكل ذلك يعني وصول معدل نقل البيانات الى 720GB/s.

[/vc_column_text][vc_column_text]

أكثر من هذه التفاصيل للأسف لم تعلن عنها انفيديا بعد, لكن التوقعات تشير الى أن هذه النواة ستضم ما يقارب 15.3 مليار ترانزستور مقارنة مع 7 مليار ترانزستور لنواة GM200, لكن المدهش في كل ذلك هو حجم قالب النواة الذي يصل الى 610mm²! وهو حجم ضخم فعلاً فكنا نعتقد أن نواة GM200 هي الأضخم على الإطلاق بحجم قالب 601mm² لكن تبين الان أن هناك وحش أخر أكثر قوة وأكبر حجم.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112800831"]

هل من تفاصيل عن الانوية الاخرى من معمارية Pascal؟

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_single_image image="139458" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_single_image image="139460" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="left-to-right" title="رسم توضيحي لتصميم وحدة SM لنواة GP100"][vc_single_image image="139457" img_size="large" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="left-to-right"][/vc_column][vc_column width="1/2"][vc_column_text]

نعم لكنها ليست رسمية بعد رغم ذلك هي صحيحة بنسبة كبيرة خاصة من خلال متابعتنا للاجيال السابقة. فالنهج التي تعمل عليه انفيديا من ناحية الأسماء وتوزيع الانوية لم يختلف بعد. في بداية الأمر تم ظهور أولى انوية معمارية Pascal في مؤتمر GTC 2015, حيث عرضت انفيديا صور للبطاقة التي كانت تبدو عينة هندسية, فالبطاقة فعلاً كانت تستخدم نواة GP100 لكنها كانت تستخدم ذاكرة HBM1, بينما النسخة النهائية من هذه النواة التي وصلت مع بطاقة P100 كانت تستخدم الجيل الثاني من ذاكرة HBM2, وهو ما يدل على أن انفيديا أسقطت الخيار الأول وركزت على الخيار الثاني الأكثر قوة وربما الأكثر تكلفة أيضاً ولكن بما أنها تريد الأداء الأفضل فكان لا بد من التوجه نحو تلك الذاكرة.

معمارية Pascal تضم في تصميمها 60 وحدة SM وكل وحدة SM تضم 64 نواة كودا أي بالمجمل 3840 نواة كودا وهو أكثر مما تقدمه معمارية Maxwell مع 3071 نواة كودا, ونفس الأمر عند المقارنة مع معمارية Kepler التي تقدم 2880 نواة كودا. من ناحية تقسيم الانوية فلدينا النواة الأقوى على الإطلاق GP100 وهي تضم 60 وحدة SM مع استخدامها لذاكرة HBM2, وهي تحتوي على 15.3 مليار ترانزستور وقد نرى إصدارات لنفس النواة ولكن مع تعطيل لبعض وحدات SM كما حصل مع بطاقة P100.

[/vc_column_text][vc_column_text]

كما لدينا نواة الفئة العليا GP104 التي تتمتع كما هو متوقع بما يقارب 10 مليار ترانزستور وقد تستخدم ذاكرة GDDR5X الجديدة, مع توقع أن تحتوي على 2560 نواة كودا, أي أنها تعمل مع 40 وحدة SM. بينما نواة الفئة المتوسطة GP106 فقد تتمتع كما هو متوقع بما يقارب 5 مليار ترانزستور وقد تستخدم ذاكرة GDDR5, مع توقع أن تحتوي على 1280 نواة كودا, أي أنها تعمل مع 20 وحدة SM. أخيراً لدينا نواة الفئة المنخفضة GP107 التي تتمتع كما هو متوقع بما يقارب 3 مليار ترانزستور وقد تستخدم ذاكرة تقليدية, مع توقع أن تحتوي على 640 نواة كودا, أي أنها تعمل مع 10 وحدة SM.

هذا ما نتوقعه بالنسبة لجميع انوية معمارية Pascal, لكن نؤكد أن الأنوية من GP104 وما هو أقل قد تختلف بمواصفاته لان انفيديا لم تفصح بعد التفاصيل الكاملة عن المعمارية.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460112959582"]

رحب بأقوى حاسوب فائق بالعالم للتعلم العميق NVIDIA DGX-1!

[/vc_column_text][vc_single_image image="139520" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

نتجه الان الى ما هو أكثر إثارة, حيث عرضت انفيديا أقوى حاسوب بالعالم للتعلم العميق من دون منازع وهو انفيديا DGX-1. فهذا الحاسوب المدمر بقوته يضم ثمانية بطاقات P100 التي توفر قدرة حوسبة ضخمة لأداء دقة FP16 تصل الى 170TF, فكل بطاقة تقدم حجم ذاكرة يصل الى 16GB بجانب تقنية NVLink لتوصيل البطاقات ببعضها بمعدل عرض نطاق ترددي كبير جداً. من ناحية المواصفات الداخلية لهذا الحاسوب فهو يضم معالجين Xeon, وتخزين SSD بحجم 7TB, شبكة رباعية 100Gb ....قوتها بإخصار تكمن بمعالجة 1.33 مليار صورة في ساعتين فقط كما ذكر ذلك المدير التنفيذي أثناء حديثه ضمن المؤتمر.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_single_image image="139546" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][vc_single_image image="139521" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][vc_single_image image="139527" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/2"][vc_gallery interval="3" images="139547,139522,139523,139524,139525,139526,139528,139529,139530" img_size="large"][vc_column_text]

أكثر ما يلفت ان انفيديا استطاعت خلال سنة واحدة فقط من أن تحسن من أداء التعلم العميق مقارنة مع الجيل القديم بحوالي 12 مرة أسرع مقارنة مع الجيل الجديد!! فالحاسوب الأسرع في العام الماضي سمح كما يقول جين لانفيديا باتقطاع وقت التدريب للتعلم العميق من شهر الى 25 ساعة مع 4 بطاقات ماكسويل, هذا العام يتطلب وقت التدريب ساعتين فقط مع 8 بطاقات P100!

من ناحية التوفر والسعر, فلقد فتحت انفيديا في نفس يوم الإعلان باب الطلب على هذا الحاسوب بسعر 129 ألف دولار وسوف يصل الى الولايات المتحدة في شهر يونيو, بينما الى باقي المناطق فهو سيكون متوفر في الربع الثالث من هذا العام.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460113037184"]

القيادة الذاتية أصبحت أفضل بحاسوب DRIVE PX 2

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_single_image image="139453" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

التعلم العميق للمركبات يحتاج الى قوة هائلة من المعالجة الرسومية والسبب هو كثرة البيانات التي بحاجة لها المركبة لتتعرف على محيطها بشكل اكثر من جيد, وهذا الامر يحدث من خلال المعالجات الرسومية كالتي تقدمها انفيديا كما الجيل الأول Drive PX, وبفضل قوة انوية كودا من الجيل الجديد التي تسرع من عملية المعالجة بشكل يجعل من الممكن الوصول إليه بشكل أسرع, فسابقاً كان يأخذ التعلم العميق مع كمية كبيرة من المعلومات فترة طويلة للوصول الى النتائج وتحتاج الى أشهر عدة! أما اليوم فيمكن أن نصل الى نفس النتيجة وبشكل أفضل فقط من خلال بضعة أيام! ومع الجيل الأحدث من انفيديا يمكن أن يتم ذلك خلال ساعات فقط!!

جين أشار الى أمر مهم للغاية قائلاً انه في المرات السابقة كنا نعمل على التعرف على الأغراض من أجل نظامنا الخاص بالقيادة الذاتية وكان يحتاج الى المزيد من العمل. واليوم مع ما حققناه استطعنا الحصول على المركز الاول لبنشمارك KITTI، وهو بنشمارك للقيادة الذاتية للسيارات. التقنية الجديدة في عالم القيادة الذاتية تستطيع أن تتبع 15 ألف نقطة هامة في الثانية لكل كاميرا. ويمكنها أن تجمع 1.8 مليون نقطة في الثانية. وتحملها للخدمة السحابية وتسجلها وتصييرها باستخدام حاسوب DGX -1.

القدرة التي وصلت لها انفيديا مع التعلم العميق للمركبات ومنصتها الخاصه هو القدرة على إمكانية التعرف على الإشارات الخاصة بالسيارات من التوقف وتخفيف السرعة الى كامل الإشارات التي نشاهدها, بالإضافة الى قدرة التعرف على الإنسان والشارع والسيارات بشكل سريع وحتى انها أفضل من سرعة الاستجابة البشرية لها وأيضاً يشير جين الى قدرة المركبات على تمييز حتى نوعية الشوارع من مثلجه الى عادية وغيرها! وهو أمر لم يكن ممكن حدوث سابقاً, فقوة المعالج الرسومي لشركة انفيديا في مجال التعلم العميق تطور وأصبح يستخدم بكل مكان من البطاقات الرسومية GTX TITAN X للأجهزة المكتبية الى ألة Jetson بالإضافة الى بطاقات Tesla لاجهزة السيرفرات واليوم مع شريحة Drive PX 2 الخاصة بالمركبات.

مما نعرفه من العام الماضي فإن شريحة DRIVE PX 2 الخاصة بالمركبات ذاتية القيادة تأتي مع 12 نواة معالج مركزي ” 8 انوية A57 + أربعة أنوية Denver, ومع معالجين رسوميين من معمارية Pascal مصنوعين بدقة تصنيع 16nm بجانب شريحتين Tegra X2 وتستهلك 250 واط, مع قدرة 8 تيرافلوب و 24 تريليون عملية تعلم عميق في الثانية! وهي تعمل بمركبات ذاتية القيادة بنظام تبريد مائي متكامل, أي انه حاسوب خارق كما تسميه انفيديا. ليس ذلك فحسب بل أن هذه الشريحة تعادل قوة 150 جهاز MacBook Pros في سيارتك.

تسمح شريحة NVIDIA DRIVE PX 2 لمجال صناعة المركبات الذاتية باستخدام الذكاء الاصطناعي لمعالجة التعقيدات الكامنة في القيادة الذاتية. إنه يستخدم التعلم العميق على أكثر المعالجات الرسومية تقدماً لدى انفيديا وذلك من أجل معرفة المركبة ما يدور حولها بزاوية 360 درجة بالكامل، للتحديد بالضبط مكان المركبة مقارنة مع باقي المركبات ولتقوم بحوسبة مسار آمن ومريح أثناء تحرك المركبة مع المركبات الأخرى.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/3"][vc_single_image image="139533" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/3"][vc_single_image image="139539" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/3"][vc_single_image image="139532" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column width="1/3"][vc_column_text]

أبرز ما عرض على صعيد القيادة الذاتية هو سيارة BBB تعمل بشريحة DRIVE PX 2 بجانب حاسوب DGX-1 مخصص لحوسبة كل تلك المعلومات لتعمل فعلاً على الطرقات من دون الحاجة الى مسك مقود السيارة! فلقد تم عرض نموذج لسيارة لم تتم عملية التدريب على الطرقات وكان من الواضح من خلال الفيديو ان السيارة تعاني في القيادة وتصطدم بكل شيء تقريباً, وبفضل شبكة التعلم العميق المسماة DAVENET الخاصة بانفيديا, وبعد ثلاثة أسابيع فقط، كانت السيارة تعمل بشكل أفضل بكثير فمع الشريحة الجديدة وتعلم كيفية استيعاب كل ماهو حولها جعلها تقود بشكل ملفت للغاية من تلقائي نفسها.

[/vc_column_text][/vc_column][vc_column width="1/3"][vc_column_text]

يعني أكثر بأربع مرات من منتج الجيل السابق. هذا يتيح للشركات بمعالجة العمق الكامل لخورازمية القيادة الذاتية بما في ذلك الاستشعار الخاص بالمركبة، والمكان المتوقع الذي تمشي عليه باقي المركبات. كما أن استخدام مركبات القيادة الذاتية لمجموعة واسعة من الاستشعارات لتفهم محيطها أصبح أمر ممكن. حيث يمكن شريحة DRIVE PX 2 أن تعالج ما تعرضه 12 كاميرا فيديو، إضافة الى الرادار والاستشعارات الفوق صوتية, حيث يمكن أن يدمجها كي تلتقط بدقة الأغراض، تتعرف عليهم، تحدد مكان المركبات الأخرى بالعالم حولها ومن ثم حساب مسارها الأمثل من أجل قيادة آمنة.

[/vc_column_text][/vc_column][vc_column width="1/3"][vc_column_text]

قدرات التعلم العميق لشريحة DRIVE PX 2 تمكنه من التعلم السريع لكيفية معالجة الصعوبات المتواجدة في القيادة اليومية، مثل الطرق الغير متوقعة، السائقين الغير حذرين في قيادتهم ومناطق البناء. التعلم العميق يعالج أيضاً مساحات المشكلة المتعددة حيث تكون تقنيات رؤية الحاسوب التقليدية غير كافية مثل ظروف الجو الضعيفة كالمطر، الثلج والضباب، وظروف الإضاءة الصعبة مثل شروق الشمس، غروب الشمس والظلمة الحالكة. ومن أجل عمليات الفاصلة العائمة العامة، فإن معمارية المعالج الرسومي المتعددة الدقة لشريحة DRIVE PX 2 قادرة تقديم على ما يصل إلى 8 تريليون عملية في الثانية.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/2"][vc_single_image image="139540" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/2"][vc_single_image image="139541" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

كما استعرض جين أول سيارة سباق ذاتية القيادة في العالم والمصممة من قبل دانيل سيمون وهو مصمم سيارات أسطوري وتزن 2200 باوند. هذه السيارة تم تصميمها من أجل أول سلسلة سباق سيارات ذاتية في العالم ROBORACE, حيث سيكون هناك 10 فرق، مع 20 سيارة أخرى, وسيكون حاسوب DRIVE PX2 عقل كل سيارة من تلك السيارات.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text css_animation="appear" css=".vc_custom_1460113115243"]

هذا كان كل شيء..لكن بقي أن نذكر وجهة نظرنا في كل ما تم عرضه

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_single_image image="139542" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][vc_column_text]

بالنسبة لرأينا الخاص فهذا المؤتمر فعلاً كان مثير في كمية المعلومات التي تم طرحها, بالإضافة الى توضيح قوة المعالج الرسومي التي كل عام تبهرنا بما تستطيع أن تقدمه لكل القطاعات المختلفة سواء للاعبين, أو للمصميمن, بالإضافة الى التعلم العميق, الذكاء الاصطناعي, القيادة الذاتية, وغيرها الكثير.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width="1/4"][vc_single_image image="139452" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139552" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139451" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][vc_column width="1/4"][vc_single_image image="139468" img_size="full" alignment="center" style="vc_box_border" border_color="green" onclick="link_image" css_animation="appear"][/vc_column][/vc_row][vc_row][vc_column width="1/4"][vc_column_text]

وأخيراً من ناحية معمارية Pascal فهي معمارية تبدو قوية للغاية خاصة مع المواصفات الفريدة من نوعها والتي عملت عليها انفيديا لتطوير مجال معالجاتها الرسومية. لكن أبرز ما أعجبنا مع هذه المعمارية هو أنها مصممة بشكل واضح للتعلم العميق بجانب قدرتها الكبيرة على استهداف كل الفئات الاخرى سواء كانوا لاعبين, أو مصممين, أو حتى في مجالات التعلم العميق, والذكاء الاصطناعي. يبقى السؤال من سوف يتفوق على الأخر انفيديا بهذه المعمارية الفريدة من نوعها, أم AMD القادمة مع معمارية جديدة كلياً؟ من الصعب معرفة جواب ذلك السؤال, وعلينا أن ننتظر ما سوف تحمله الأشهر القادمة.

[/vc_column_text][/vc_column][vc_column width="1/4"][vc_column_text]

أما من ناحية الواقع الافتراضي, فما زلنا نرى أن انفيديا قدمت شيء رائع في هذا المجال, رغم ذلك نرى ان المنافسة قريبة نوعاً ما مع ما تقدمه AMD. ربما يكون التفوق أكبر بالنسبة لانفيديا من ناحية الاداء لكن كلتا الشركتين تقدم مجموعة من الادوات والدعم الكبير في هذا المستوى, ولايمكن أن ننكر ذلك ونقول أن انفيديا هي الأفضل اليوم, لان الواقع يجعلنا نقول أن هناك منافسة أيضاً من قبل المنافس رغم الضعف الحاصل من قبله على صعيد الاجهزة المحمولة الداعمة للواقع الافتراضي.

[/vc_column_text][/vc_column][vc_column width="1/4"][vc_column_text]

ومن ناحية الذكاء الاصطناعي والتعلم العميق والقيادة الذاتية, فلقد شاهدنا نتائج انفيديا وما ذكره المدير التنفيذي جين, ولرغبتنا بمعرفة إن كان هناك من ينافس انفيديا, وجدنا فعلاً ان هناك بعض الشركات التي تقدم هكذا حلول, ولكن حتى نكون منصفين انفيديا تمتلك الاداء الأفضل بينم, خاصة بما أعلنت عنه اليوم. فيكفي أن تعلم أن عدد الشركات التي وضعت يديها بيد انفيديا من أجل الحاسوب الخارق DGX-1, بالإضافة الى ما قدمته بطاقة P100 القوية للغاية. لكن القيادة الذاتية والتي تقدم فيها انفيديا حاسوب قوي للغاية مع منصة دعم جاهزة تجعلها الأفضل اليوم, وسبب قولنا لذلك هو عدد الشركات التي انضمت لانفيديا من كبرى شركات تصنيع السيارات مثل أودي, مرسيدس, BMW, فورد, وغيره الكثير من الشركات.

[/vc_column_text][/vc_column][vc_column width="1/4"][vc_column_text]

من ناحية مجموعة الادوات التي قدمتها انفيديا فنرى أنها خطوة أكثر من ممتازة, والسبب أنها قدمت 5 مجموعات من الادوات التي تخدم كل قطاع على حدى, فبدلاً من تقديم مجموعة واحدة من الادوات لكل شيء, تم العمل على تطوير كل مجموعة اداة على حدى لتقدم أفضل دعم ممكن لمختلف القطاعات. كل تلك الادوات الخاصة موجهة لاختصاصات مختلفة ولكنها تتفق على شيء واحد المعالج الرسومي وقدرة الكودا على توفير الاداء الأفضل في عالم الحوسبة. لن نتسرع في مدى نجاح أخر إضافتين وهما JetPack و DRIVEWORKS قبل أن نراها مستخدمة فعلاً على أرض الواقع

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_text_separator title="نهاية المقال" color="green" border_width="5"][vc_column_text css_animation="top-to-bottom"]

نتمنى ان نكون قدمنا لكم كل ما تريدون معرفته عن معمارية Pascal بجانب كل ما جاء بمؤتمر انفيديا GTC16 بنسخته التاسعة. الى لقاء أخر مع مؤتمرات ومعارض اخرى في وقت لاحق.

[/vc_column_text][/vc_column][/vc_row]