فيكونا وألتمان وأهمية الذكاء الاصطناعي الأخضر

تُنجز المهام عادةً في المجتمعات البشرية عندما يجتمع عدد كبير من الأشخاص يتمتع كل واحد منهم بمجموعة مختلفة من المهارات والخلفيات، ويعملون من أجل تحقيق هدف مشترك. والأمر سيان في عالم الذكاء الاصطناعي.

يستلزم تطوير أنواع الذكاء الاصطناعي التي نحتاج إليها قدرة حاسوبية كبيرة والحاجة إلى إنشاء شبكة مؤلفة من مختلف أنواع القدرات الحاسوبية التي تعمل بشكلٍ سلس وفاعل لتحقيق أهدافنا. ويتوجب علينا أيضاً زيادة القدرة فيما نخفض تكاليف الحوسبة القائمة على الذكاء الاصطناعي وأثرها البيئي في الوقت نفسه.

بحوث في الذكاء الاصطناعي الصديق للبيئة تغير الموازين

في أوائل عام 2023، قاد رئيس جامعة محمد بن زايد للذكاء الاصطناعي والبروفيسور الجامعي، إريك زينغ، جهوداً عالمية بالتعاون مع باحثين من جامعة كاليفورنيا في بركلي وجامعة كارنيغي ميلون وجامعة ستانفورد وجامعة كاليفورنيا في سان دييغو لمعالجة مشكلة التكلفة الباهظة وغير المستدامة لتدريب النماذج اللغوية الكبيرة وتشغيلها. وطور الفريق المؤلف من خبراء في تخصصات متعددة نموذجاً لغوياً كبيراً باسم “فيكونا”، ليقدم بديلاً عن نموذج “جي بي تي-3” التابع لشركة “أوبن أيه أي” والذي يفرض تكاليف باهظة وبصمة كربونية كبيرة.

واعترف المدير التنفيذي لشركة “أوبن أيه أي” سام ألتمان بأهمية متابعة العمل استناداً إلى نجاح “شات جي بي تي” وأشار إلى ازدهار منظومة الذكاء الاصطناعي في أبوظبي، وذلك في خلال حديث استضافته مؤخراً شركة “هاب 71” برعاية جامعة محمد بن زايد للذكاء الاصطناعي.

وقال: “آمل أن تضطلع المنطقة بدور أساسي في النقاش العالمي (حول الذكاء الاصطناعي). وبالفعل، بدأ النقاش حول الذكاء الاصطناعي هنا في أبوظبي تحديداً، قبل أن يصبح رائجاً. واليوم، يرغب الجميع بالانضمام إلى الحديث، وهو أمر مشوق، لكننا نقدّر بشكلٍ خاص جهود الأشخاص الذين كانوا يناقشون هذه المسائل حين كان الآخرون يشككون في إمكانية استخدام الذكاء الاصطناعي”.

وانطلاقاً من نجاح “فيكونا”، يعمد البروفيسور زينغ والأستاذ المساعد شيرونغ هو بالتعاون مع باحثين من جامعة كارنيجي ميلون وجامعة كاليفورنيا في بركلي والشركة الناشئة “بيتوم”، إلى نشر مقال بحثي في المؤتمر السادس لتعلم الآلة والنظم. ويتطرق هذا المقال إلى الطرق التي يمكن من خلالها تحسين كيفية تواصل الحواسيب وعملها مع بعضها في مشاريع التعلم العميق الكبيرة. ويناقش زينغ وآخرون هذا النهج الجديد في المقال الذي يحمل عنوان: “في تحسين تواصل توازي النماذج“.

ويقول الدكتور هو في هذا الصدد: “نجح إبداع الإنسان في تقليص حجم الرقاقة وشبه المُوصِل لتتحول من أجهزة بحجم الغرفة إلى أجهزة يمكن وضعها في اللوحات والهواتف التي نمسكها بيد واحدة”. وأضاف: “استهلك الحاسوب الأول، وهو إينياك، 150 ألف واط من الطاقة. أما الهواتف اليوم، فتستهلك أقل من واط واحد، ما يوفّر الطاقة بحوالي مليون مرة. وبفضل عملنا المستمر على نموذج “فيكونا” وأنظمة تعلم الآلة، أشعر بالتفاؤل أكثر من أي وقت مضى أن البحوث التي تجريها جامعة محمد بن زايد للذكاء الاصطناعي تدفع الذكاء الاصطناعي باتجاه مستقبل أكثر استدامة، من خلال خفض انبعاثات الكربون والتكلفة والحجم المادي للأجهزة. وهذه الإنجازات في متناول أيدينا بالفعل.”

نوعان من التوازي

يستند المقال إلى طريقة جديدة أطلق عليها الباحثون اسم “إعادة التجزئة متداخلة الشبكات”. وتُستخدم إعادة التجزئة متداخلة الشبكات أساساً عندما يتم جمع نوعَين من التوازي – أي توزيع العمل على أجهزة متعددة – لمعالجة نماذج كبيرة في مجموعة من الحواسيب.

يجب في هذه الحال إرسال أجزاء من المعلومات من مجموعة حواسيب واحدة إلى أخرى. وللأسف، غالباً ما تكون طريقة تنظيم هذه المعلومات غير متجانسة بطبيعتها. ووجد الباحثون أن الطرق المستخدمة حالياً لهذا النوع من التواصل غير فعالة إطلاقاً.

لمعالجة هذه المشكلة، يقترحون حلَّين اثنين:

• الأول هو نظام تواصل أكثر فاعلية يقوم على البث.
• والثاني هو طريقة جدولة تسمح بتداخل العمليات.

وسجل هذا النهج أداءً أفضل بعشر مرات من الطرق المستخدمة حالياً في الاختبارات الرامية إلى التأكد من عمل النظام. وبقيت هذه النتائج ثابتة عند النظر في مختلف طرق تنظيم المعلومات والحواسيب المستخدمة. بالإضافة إلى ذلك، قام الباحثون بتدريب نموذجَين كبيرَين هما “جي بي تي-3” و”يو ترانسفورمر”، ووجدوا أن نظامهم استطاع إجراء المهام بسرعة أكبر من النموذجَين بنسبة 10% و50% على التوالي.

هذا وتطرح الورقة البحثية طريقة تواصل جديدة لنماذج التعلم العميق الكبيرة. ووجد البحث أن الطرق القائمة لا تكفي للتعامل مع مختلف أنواع الشبكات وترتيبات التينسر. وبهدف معالجة هذه المشكلة، عمد الفريق إلى تطوير نظام أفضل ومقاربة للجدولة تعزز فاعلية تدريب النماذج الكبيرة، ما يؤدي في النهاية إلى تسريع الأداء وتحسين النتائج.