مفهوم هوش مصنوعی ترکیبی، نسل هوش مصنوعی را از ابر به دستگاه‌های ما منتقل می‌کند

همانطور که ابزارهای هوش مصنوعی مانند ChatGPT، Google’s Bard و کمک خلبانان متعدد مایکروسافت ممکن است هیجان انگیز باشند، همه آنها در حال حاضر با محدودیت مشابهی روبرو هستند: برای استفاده از آنها باید به اینترنت متصل باشید. برای اکثر مردم و در بیشتر موقعیت‌ها این مشکل بزرگی نیست، اما تصور کنید که چقدر عالی می‌شود اگر بتوانید از آن‌ها بر روی رایانه و تلفن‌های خود استفاده کنید، حتی اگر اتصال ضعیفی داشته باشید یا اصلاً هیچ‌یک از آنها وجود نداشته باشد؟

این نه تنها موقعیت‌هایی را افزایش می‌دهد که می‌توانید از این قابلیت‌ها استفاده کنید، بلکه می‌تواند چندین مزیت مهم، اما نه لزوماً واضح دیگر نیز داشته باشد.

اول، معلوم شد که قدرت محاسباتی – و توان الکتریکی مورد نیاز – برای اجرای این ابزارهای مولد هوش مصنوعی در حال حاضر بسیار زیاد است. این بدان معناست که شرکت‌هایی که این خدمات را ارائه می‌کنند، پول زیادی را برای فعال کردن آن‌ها صرف می‌کنند و در نهایت، می‌تواند به انتقال آن هزینه‌ها به کاربران و کسب‌وکارهایی که از آن‌ها استفاده می‌کنند، تبدیل شود.

دوم، مزایای امنیتی و حریم خصوصی عدم اجرای همه چیز در فضای ابری وجود دارد. در بسیاری از نسخه‌های اولیه این ابزارهای هوش مصنوعی مولد، هر آنچه را که در آن تایپ می‌کنید، ردیابی می‌شود و به مدل‌های زبان بزرگ (LLM) که این سرویس‌ها را تامین می‌کنند، وارد می‌شود. این بخشی از چیزی است که فرآیند آموزش مدل نامیده می شود. آنها همچنین از این اطلاعات برای شخصی سازی بهتر اطلاعاتی که این ابزارها برای شما تولید می کنند استفاده می کنند.

در واقع، برخی از ابزارهای پیشرفته‌تر هوش مصنوعی مولد احتمالاً به چیزی شبیه دستیارهای شخصی دیجیتالی تبدیل می‌شوند که می‌توانند به برنامه‌ریزی و سازماندهی وظایف و جلسات برای شما کمک کنند. با این حال، برخلاف ابزارهای نسل اول مانند کورتانا و سیری، این ابزارهای مجهز به هوش مصنوعی قادر خواهند بود این کار را با زمینه و دانش بیشتری در مورد شما انجام دهند (البته اگر به آنها اجازه دهید).

همانطور که یک دستیار شخصی در دنیای واقعی باید اطلاعات زیادی در مورد برنامه و کار یک رئیس داشته باشد، دستیار دیجیتالی نیز باید در مورد کار و برنامه شما اطلاعات داشته باشد تا بتواند تا حد امکان موثر باشد. از آنجایی که بیشتر کارهای مربوط به این مدل‌های هوش مصنوعی به دستگاه‌ها منتقل می‌شود، با این حال، کمتر از این اطلاعات باید به ابر منتقل شود و در نتیجه راه‌حل خصوصی‌تری ارائه می‌شود.

راه حل مسائل مربوط به قدرت و حریم خصوصی با هوش مصنوعی مولد، استفاده از مفهومی به نام محاسبات توزیع‌شده است، که در آن اساساً «کار» محاسباتی را در ابر و دستگاه‌ها تقسیم و توزیع می‌کنید.

وقتی نوبت به قدرت می رسد، اگر برخی از محاسباتی که قبلاً در فضای ابری اتفاق می افتاد را بتوان بر روی دستگاه ها انجام داد، پس برای شرکت ارزان تر است که این خدمات را در فضای ابری اجرا کند. در بخش حریم خصوصی، اگر داده‌ها، برنامه زمانی و غیره شما می‌توانند در دستگاه شما باقی بمانند، اما سرویس‌هایی که می‌دانند چگونه از این اطلاعات برای تجربه دستیار شخصی سفارشی‌شده استفاده کنند، در دستگاه شما اجرا می‌شوند، اطلاعات شما بسیار اندک است. ابر

اخیراً تعدادی از شرکت ها درباره این ایده از محاسبات توزیع شده برای هوش مصنوعی مولد صحبت کرده اند. به عنوان مثال، در کنفرانس اخیر توسعه دهندگان بیلد مایکروسافت، آنها در مورد آنچه که هوش مصنوعی ترکیبی می نامند بحث کردند. به آن به عنوان نسل بعدی ابزارهای مولد هوش مصنوعی فکر کنید. نسخه مایکروسافت Hybrid Loop نام دارد و از یک پلتفرم توسعه نرم افزار به نام ONNX Runtime استفاده می کند که توسعه دهندگان می توانند از آن برای استفاده از منابع محاسباتی دستگاه محلی و همچنین محاسبات ابری Azure استفاده کنند. به عبارت دیگر، مجموعه ای از ابزارها را برای توسعه دهندگان نرم افزار برای انجام محاسبات توزیع شده ارائه می دهد.

تراشه‌ساز کوالکام، که تراشه‌ها و مودم‌های آن در اکثر گوشی‌های هوشمند فروخته شده در ایالات متحده یافت می‌شود، همچنین درباره مفهوم هوش مصنوعی هیبریدی و مزایای دیگر آن صحبت کرده است. این شرکت مجموعه‌ای از خدمات نرم‌افزاری به نام Qualcomm AI Stack ایجاد کرده است که اجرای ابزارهای مولد هوش مصنوعی را در تلفن‌های هوشمند آسان‌تر می‌کند. در واقع، این شرکت نشان داده است که Stable Diffusion با استفاده از تراشه‌های خود روی گوشی‌ها اجرا می‌شود.

صحبت از نیمه هادی ها، به همان اندازه که مفهوم هوش مصنوعی ترکیبی و محاسبات توزیع شده ممکن است به نظر برسد، تنها راه برای امکان پذیر ساختن آن این است که قابلیت های دستگاه های ما را شارژ کنیم. به منظور اجرای مدل‌های پایه هوش مصنوعی که برنامه‌ها و خدمات هوش مصنوعی را در دستگاه‌های شما تولید می‌کنند، طی سال آینده شاهد عرضه طیف جدیدی از تراشه‌های شتاب‌دهنده هوش مصنوعی در رایانه‌های شخصی و گوشی‌های هوشمند خواهیم بود.

شرکت‌های سیستم‌عامل مانند مایکروسافت و گوگل نیز باید از این تراشه‌ها پشتیبانی بیشتری کنند. در رویداد ساخت، مایکروسافت اشاره کرد که برخی از کارهای زیربنایی آن برای هوش مصنوعی ترکیبی می‌تواند از CPU، GPU، NPU (واحد پردازش عصبی) و احتمالاً دیگر شتاب‌دهنده‌های تخصصی هوش مصنوعی موجود در رایانه‌های شخصی مدرن استفاده کند. این بدان معناست که داشتن پردازنده‌های جدیدتر از اینتل، AMD و کوالکام، و همچنین پردازنده‌های گرافیکی از Nvidia و AMD، مهم‌تر از همیشه خواهد بود.

بسیاری از شرکت های بزرگ تولید تراشه در این زمینه اطلاعیه هایی داده اند. AMD Ryzen 7040 را معرفی کرد که یک شتاب دهنده اختصاصی هوش مصنوعی را ادغام می کند. به طور مشابه، نسل بعدی پردازنده‌های اینتل با اسم رمز Meteor Lake، اولین بار است که شامل شتاب‌دهنده هوش مصنوعی اختصاصی می‌شود. انتظار می رود هر دوی این تراشه ها در اواخر امسال عرضه شوند.

پردازنده‌های 8cx کوالکام مبتنی بر Arm برای رایانه‌های شخصی نیز شامل شتاب اختصاصی هوش مصنوعی هستند و انتظار می‌رود که در اواخر سال جاری نیز نسخه جدیدی از آن‌ها ارائه شود. کوالکام همچنین نشان داده است که برخی از پردازنده‌های جدیدتر Snapdragon 8 Gen 2 برای گوشی‌های پریمیوم – که در گوشی‌های اندرویدی سامسونگ و موتورولا یافت می‌شوند – توانایی اجرای مدل‌ها و برنامه‌های هوش مصنوعی مولد را مستقیماً بر روی گوشی دارند.

برای روشن بودن، در حال حاضر، اکثریت قریب به اتفاق نرم‌افزارها و سرویس‌های هوش مصنوعی مولد هنوز بر روی ابر اجرا می‌شوند. الزامات محاسباتی که ابزارهایی مانند ChatGPT به آن نیاز دارند، تنها با حجم عظیمی از سرورهای مبتنی بر ابر قابل برآورده شدن هستند. با این حال، با گذشت زمان، انواع جدیدی از مدل‌های هوش مصنوعی کوچکتر و روش‌های هوشمندانه‌ای برای جابجایی حجم کاری محاسباتی مورد نیاز هوش مصنوعی بر روی دستگاه‌هایمان خواهیم دید. وقتی این کار را انجام دادیم، حتی قابلیت‌های شگفت‌انگیزتری که از هوش مصنوعی بهره می‌برند در دسترس خواهند بود.

دنیای هوش مصنوعی مولد در حال ایجاد اختلالات گسترده در کل دنیای فناوری است و پیامدهای آن بسیار عمیق تر از آنچه در ابتدا به نظر می رسد است. در حالی که ممکن است کمی طاقت فرسا باشد، مهم است که به خاطر داشته باشید که ما در مدتی کوتاه یکی از هیجان انگیزترین دوره های جدید محاسبات را در رایانه های شخصی، موبایل و همه دستگاه های دیگر آغاز می کنیم. صبر کنید و از سواری لذت ببرید.

Bob O’Donnell بنیانگذار و تحلیلگر ارشد TECHnalysis Research، LLC یک شرکت مشاوره فناوری است که خدمات مشاوره استراتژیک و تحقیقات بازار را به صنعت فناوری و جامعه مالی حرفه ای ارائه می دهد. می توانید او را در توییتر دنبال کنید @bobodtech

دکل: تایلر لاستویچ