ها نحن ذا نتحدث عن الذكاء الاصطناعي مرةً أخرى. أصبحت عادة بالنسبة لنا كل عامٍ تقريباً أن يظهر لنا تطبيقٌ أو منصة جديدة تخيفنا وترعبنا، فنتحدث عن الحروب والمصائب التي قد تسببها لنا هذه التطبيقات، وهذا يظهر هذا العام في MidJourney وChatGPT، ثنائي أضواء المسرح هذا العام واللذان يعملان على بطاقات NVIDIA كبنية تحتية ثابتة تقوم بالمنصات.*
لكن لماذا NVIDIA؟ كيف تستخدمها؟ بأي كم استخدمتها؟ هذا ما سنوضحه لكم اليوم!
بطاقات NVIDIA تعشق الذكاء الاصطناعي
في الواقع، الذكاء الاصطناعي يحب البطاقات الرسومية بالذات لأنها تستطيع التعامل بأفضل شكل ممكن مع الحسابات الخاصة بالذكاء الاصطناعي التي بنيت أيضاً على نفس الأسس الخاصة بالرسوميات.
طالع أيضاً: هل يملك وعيه الخاص؟ لقاء عرب هاردوير مع الذكاء الاصطناعي ChatGPT-3!
الرسوميات مبنية على حساب المصفوفات ومسائل الجبر الخطية، ملايين منها. نفس الأمر بالنسبة للذكاء الاصطناعي المبني على ملايين الحسابات من نفس الفئة، والتي يصعب على المعالج المركزي أن يعالجها بنفس الكم نظراً لتقييده بعدد الأنوية، على عكس البطاقات التي تأتي بمئات الأنوية التي تعالج نفس العمليات الحسابية بشكلٍ أسرع ومتوازي.
لكن بالنسبة لـ NVIDIA، هي تعرف أن هناك مساحة للتطور في هذه الجزئية بالذات. هناك مساحةٌ ما لوضع قطعة زائدة في البطاقة لكي ترفع من أدائها في هذه النقطة بالذات. أنا وأنت نعرف أن بطاقات NVIDIA لها صيت شعبي عظيم في مساحة الألعاب، ولكن بالنسبة للشركة، هناك إمكانية لربح المليارات من وراء شيءٌ أخر.
هذا الشيء هو الذكاء الاصطناعي، والذي ألهم الشركة فكرة وضع قطعة ما داخل البطاقة الرسومية مخصصة من أجل الذكاء الاصطناعي، وهذه القطعة هي أنوية Tensor الخاصة بمعالجة كل ما يخص الذكاء الاصطناعي بشكلٍ أسرع، بل والأدهى أنها تستخدم هذه الأنوية في رفع أداء الألعاب لكي تملك سببين أكبر لبيع البطاقات الخاصة بها.
أنوية Tensor لها قيمة أكبر من DLSS. قيمة تأخذ الذكاء الاصطناعي في منطقة أخرى. يجب أن تعرف أولاً أن الذكاء الاصطناعي مبني على جزئية التعلم من خلال شبكات "عصبية" تقوم بتجميع البيانات ومعالجتها لكي تشكل فكرة عند الذكاء الاصطناعي نفسه لكي يطرحها على من يتعامل معه.
هذه الشبكات التي تتعلم تحتاج إلى معالجاتٍ هجينة، ويجب أن تخرج بأفضل دقة ممكنة لكي يظل الناتج النهائي صحيح وتظل منظومة التعلم عاملة بأعلى أداء وكفاءة، وهذا ما تحتاجه المعالجات الخاصة ببيانات تمرين الذكاء الاصطناعي التي لا تقف عن العمل.
الأنوية التي نتحدث عنها تقلل من فترة التعلم تلك وتحافظ على دقة الناتج النهائي، تسرع الأمر بما قد يصل إلى ست أضعاف بالتمام والكمال مقارنةً بالبطاقات التي تعمل بدون أنوية Tensor تلك.
لنختصر الأمر في سطر؟ أنوية Tensor تقدم أسرع معالجة بأعلى دقة ممكنة لتطبيقات الذكاء الاصطناعي بالذات. هل هذا يعني أن الأنوية الداخلية غير مهمة؟ بالطبع لا، لكن أنوية Tensor تجهزها لأفضل معالجة ممكنة.
كيف ساعدت البطاقات الرسومية في بناء ChatGPT وأشقته من برامج الذكاء الاصطناعي
كما ذكرنا، أدوات الإنتاج في مجال الذكاء الاصطناعي، سواءً كانت تنتج صور أو نصوص، تعتمد بشكل أساسي وكامل على عملية المعالجة الخاصة بالبيانات للتعلم منها وتطويرها، وهذه نقطة قوة بالنسبة لبطاقات NVIDIA للأسباب التي ذكرناها.
الحاجة لقوة معالجة مبنية على الذكاء الاصطناعي في مجالات مراكز البيانات، المعالجة السحابية وحتى السيارات فتحت لـ NVIDIA المجال لتحسين وضعها في سوق الذكاء الاصطناعي، ولكن ما فعلته Microsoft مع OpenAI لبناء الجهاز المصمم لـ ChatGPT كان مذهلاً.
الكمبيوتر الخارق الذي يشغل ChatGPT أخذ 300 مليار كلمة بالتمام والكمال لمعالجتها وبناء هذا الشخص الافتراضي الذي تتحدث معه. هذا الشخص قام بتشغيل 10 ألاف بطاقة رسومية من بطاقات NVIDIA من أعلى الفئات، ومعها 285 ألف معالج وتوصيلات تصل سرعتها إلى 400 جيجابايت في الثانية.
الأرقام التي تراها في الأعلى يكلف تشغيلها كل يوم 100 ألف دولار أمريكي. قوة معالجة رهيبة إن سألتنا، وبالطبع هذا الجهاز قابل للتوسعة في حالة فكرت Microsoft يوماً ما أن تضم لغاتٍ أخرى للبرنامج في وقتٍ لاحق.
علاقة NVIDIA بـ OpenAI جعلت البطاقات ذهباً!
مع تبني لغة OpenAI للبرمجة وظهور ChatGPT بشكل أقوى، بدأت المراهنة على NVIDIA في البورصة بشكلٍ واضح لأن مبيعاتها سترتفع، مما يعني ربح مضمون للمستثمرين. إن كنت تريد أرقاماً تعكس هذا، فمنصة Yahoo Finance قدمت لنا أفضل دليل على كل هذا.
على حسب المنصة، فسعر سهم NVIDIA كسر حاجز الـ 35% كزيادة مقارنةً بالشهر الماضي. هذا الرقم جعل Jensen Huang، مؤسس ورئيس الشركة، الحوت الأكبر في صناعة شرائح المعالجة. ثروته الآن تبلغ 18.9 مليار دولار بعد أن كانت 13.1 مليار فقط.
هذا يعني أن ثروته زادت 5.1 مليار دولار، أكثر من الثلث، ويظل صاحب أعلى نسبة ربح بين بليونيرات الولايات المتحدة الأمريكية مقارنةً بمن خسروا مليارات، مثل Mark Zuckerberg و Elon Musk اللذان يخسران ميزانيات دول في دقائق.
ماذا بعد بالنسبة لتعاون NVIDIA مع برامج الذكاء الاصطناعي؟
هذه كانت مجرد بداية. الجميع يعرف الآن أن NVIDIA هي قائد قافلة الذكاء الاصطناعي، فبالنسبة لمن يريد أن يقوم حتى بالعمل على أداة تنتج مقاطع فيديو من البداية، سيلجأ في النهاية لـ NVIDIA لأنه يعلم أنها الأفضل في هذه المساحة.
هذا أيضاً يعني أن NVIDIA يجب أن تواكب تطورات الذكاء الاصطناعي لكي تبقى على القمة. لا نحتاج أن نتحدث عن شركات لم تطور نفسها مع مرور الوقت وهي متربعة على عرش صناعتها، لقد سئمنا من قصص Kodak و Nokia التي نسمعها في البودكاستز وما شابهها، وبالطبع لا يريد أحد لـ NVIDIA أن تصبح واحدة منهم.
هذه بداية طفرة تكنولوجية حديثة، وبداية استكشاف أرباح غير مسبوقة بالنسبة للشركة أيضاً. إن كانت هناك إجابة لسؤال ماذا بعد لـ NVIDIA، فالإجابة ستكون كل شيء تقريباً سيعمل على ما تقدمه NVIDIA في المستقبل.
