الذكاء الاصطناعي المستدام واسع النطاق

يدفع الذكاء الاصطناعي واسع النطاق تطورات علمية كبيرة لخدمة المصلحة العامة، بما يشمل في مجالات تصميم الأدوية والطاقة النظيفة وتغيّر المناخ والحد من حالات الوباء وتوليد المحتوى المبتكر والذكاء المؤتمت.

صُممت ورشة العمل الثانية للتعلّم التلقائي القابل للتركيب والتطوير للجمع بين الخبراء أصحاب الرؤية في هذا القطاع من الشركات الصناعية والمؤسسات الأكاديمية والمنظمات غير الربحية والمنظمات الحكومية.

وهي تهدف إلى مشاركة تصوراتهم للدور الذي سيضطلع به الذكاء الاصطناعي في مجال العلوم، بالإضافة إلى الممكنات التقنية، من أجل استعراض كيف يمكن لتطوير الذكاء الاصطناعي واسع النطاق أن يشكل هدفًا مسؤولًا أقل تكلفة من حيث الطاقة والكربون، وبرنامجًا مفتوح المصدر ومتاحًا للجميع. في ما يلي، يسلّط شيرونغ هو، وهو عضو في اللجنة التنظيمية وأستاذ مساعد في قسم تعلم الآلة في جامعة محمد بن زايد للذكاء الاصطناعي، الضوء على حجم التحديات والفرص المطروحة عند تطوير حوسبة الذكاء الاصطناعي المستدام.

أستاذ مساعد في قسم تعلم الآلة، شيرونغ هو

قيادة جهود خفض البصمة الكربونية لحوسبة الذكاء الاصطناعي

يتمتع الذكاء الاصطناعي بقدرات محتملة لابتكار ودعم حلول فاعلة من أجل مكافحة تغيّر المناخ، لكن لم يتم استثمار هذه القدرات بعد. وفي الوقت نفسه، لا تُعتبر حوسبة الذكاء الاصطناعي صديقة للبيئة ولا مستدامة. فتكلفة الطاقة اللازمة لإنشاء تطبيق كبير قائم على الذكاء الاصطناعي مثل ChatGPT تفوق تكلفة الطاقة المُستخدمة في 100 ألف منزل كل عام.

وبرأينا، يساهم استخدام تقنية أنظمة الذكاء الاصطناعي التشغيلية التي طورناها في جامعة محمد بن زايد للذكاء الاصطناعي في خفض التكاليف الثلاث الكبرى المتعلقة بحوسبة الذكاء الاصطناعي وهي: الطاقة والوقت والمواهب.

خفض متطلبات الطاقة لحوسبة الذكاء الاصطناعي

تتميّز أنظمة الذكاء الاصطناعي التشغيلية بالقدرة على خفض تكاليف الطاقة لحوسبة الذكاء الاصطناعي من خلال طريقتَين رئيستَين: أولاً، عبر تحويل النماذج إلى نماذج أصغر وأسرع وأقل اعتماداً على أجهزة إنشاء الذكاء الاصطناعي باهظة الثمن. فيستلزم تدريب الأنظمة الأصغر حجماً قدراً أقل من الطاقة الحاسوبية، وبالتالي قدراً أقل من الوقت، مقارنة مع النماذج الأكبر. علاوة على ذلك، تؤدي أنظمة الذكاء الاصطناعي التشغيلية بشكلٍ مباشر إلى تسريع العمليات الحاسوبية المعنية بتدريب وخدمة نماذج الذكاء الاصطناعي، ما يساهم في تقليص الوقت اللازم للتدريب بعد أكثر. ويعني خفض الوقت المخصص للتدريب المباشر خفض تكاليف الطاقة والكربون اللازمة للذكاء الاصطناعي، ويحوّل إمكانية استخدام الأجهزة قليلة الكلفة، التي عادةً ما يستلزم تطويرها سنوات عدة، إلى احتمال واقعي.

ثانياً، تحسّن أنظمة الذكاء الاصطناعي التشغيلية أداء نماذج الذكاء الاصطناعي وتعزز موثوقية عملياتها وتجعلها أكثر تكيفاً مع التغييرات التي يحتاجها المستخدم، كما تسمح بالحصول على معلومات في الوقت الحقيقي باستخدام موارد حاسوبية على مستوى المستهلك. وتمكّن هذه الأنظمة ضبط النماذج استناداً إلى التكلفة، على خلاف طرق الضبط التقليدية المكلفة التي تضاعف تكاليف نماذج الذكاء الاصطناعي مئات المرات. أما طريقة الضبط الجديدة هذه، فتحدّ من تكاليف الوقت والحوسبة والطاقة اللازمة من أجل “ضبط” النماذج، علماً أن الضبط يشكل خطوة أساسية وضرورية كل مرة يتم فيها تخصيص نموذج الذكاء الاصطناعي كي يلبي احتياجات المستخدمين الجدد.

هذا لأن أنظمة الذكاء الاصطناعي التشغيلية توحّد وحدات الذكاء الاصطناعي الشائعة على غرار مكعبات البناء في لعبة ليغو. وبالتالي، هي تضمن أن النماذج تُجمع وتتصرف بطريقة يمكن التنبؤ بها مثل خط تجميع السيارات المُنتَجة على نطاق واسع. إذ يمكننا، عبر توحيد طريقة إنشاء نماذج الذكاء الاصطناعي، أن نعتمد هذه النماذج بثقة ونضمن أن عملياتها موثوقة وآمنة، كما يمكننا إضافة البرمجيات إليها لأغراض المراقبة في الوقت الحقيقي.

خفض تكاليف دخول منتجات حوسبة الذكاء الاصطناعي إلى السوق

من المحتمل أن تصبح أنظمة الذكاء الاصطناعي التشغيلية الأسس التي يُبنى عليها إنتاج برمجيات الذكاء الاصطناعي من الجيل القادم، وذلك من خلال تقنيات الترميز المؤتمت، وتعلم الآلة التعاوني الذي يحترم الخصوصية، وهندسة البرمجيات الموحّدة والقابلة للاعتماد. وستبتكر هذه الأنظمة برمجيات الذكاء الاصطناعي التي سيتم استخدامها في مختلف الصناعات المستدامة مثل الطاقة والزراعة والرعاية الصحية والمياه ونقل السلع والخدمات الأساسية.

وبإمكان هذه البرمجيات أن تحلّ أصعب التحديات التي تواجه تحقيق الاستدامة ومنها: تحسين الخدمات اللوجستية، والطاقة النظيفة والشبكات الذكية، والصيانة التنبؤية، وتصميم الأدوية، والعمليات التكيفية، وأمان المركبات ذاتية القيادة، وعكس آثار تغيّر المناخ، وإدارة الإحكام، وتجنب حالات الوباء.

خفض تكاليف تأهيل المهنيين الموهوبين في مجال حوسبة الذكاء الاصطناعي

تعمل جامعة محمد بن زايد للذكاء الاصطناعي، في سياق رؤيتها لأنظمة الذكاء الاصطناعي التشغيلية، على تشكيل أقوى فريق بحثي في مجال أنظمة تعلم الآلة في العالم، على أن يكون هذا الفريق متخصصاً في هذا المجال وأن يسعى إلى ابتكار وإعادة تصميم أسس حوسبة الذكاء الاصطناعي نفسها. وتتألف هذه الأسس من البنية التحتية الأساسية للذكاء الاصطناعي مثل الأنظمة الموزّعة، وبروتوكولات التواصل، وإدارة الذاكرة، ومترجمات برامج الذكاء الاصطناعي الشاملة، والتعلم الآمن والخاص، وتصميم الآليات التعاونية، وعمليات تعلم الآلة.

ونرى أنه بإمكان أنظمة الذكاء الاصطناعي التشغيلية أن تصبح المحرّك الذي يدفع قدماً الذكاء الاصطناعي والثورة الصناعية الرابعة. وقد يدعم تحقيق إمكانيات هذه الأنظمة الإمارات العربية المتحدة في سعيها نحو التحول إلى جهة كبرى مورّدة لبرمجيات الذكاء الاصطناعي عالية الجودة.

وستضطلع هذه الأنظمة بقدرة تحويلية شبيهة بقدرة الثورة الصناعية الثالثة في صناعة رقائق الحاسوب، والتي ساهمت في احتلال دول مثل تايوان وكوريا الجنوبية مركزاً استراتيجياً في الاقتصاد العالمي.

نبذة عن شيرونغ هو

الدكتور شيرونغ هو شريك مؤسس في شركة “بيتوم” والرئيس التنفيذي للتكنولوجيا فيها، وهي شركة أحادية القرن متخصصة في الذكاء الاصطناعي والتي تم تكريمها بصفتها من رواد التكنولوجيا في المنتدى الاقتصادي العالمي. وتعمل الشركة على وضع معايير موحدة لإنشاء تقنيات الذكاء الاصطناعي بتكلفة مدروسة وأسلوب مستدام قابل للتطوير، ضمن إطار يتطلب تدريباً أقل للعاملين في مجال الذكاء الاصطناعي.

إلى جانب ذلك، إنه عضو في اللجنة الفنية للتحالف مفتوح المصدر لتقنيات التعلم التلقائي القابل للتركيب والتطوير على نطاق واسع. وحصلت أطروحة الدكتوراه الخاصة به على جائزة ثاني أفضل أطروحة من مجموعة الاهتمامات الخاصة حول اكتشاف المعرفة والتنقيب في البيانات لعام 2015.

تتمحور أبرز الاهتمامات البحثية للدكتور شيرونغ هو حول أنظمة البرمجيات المخصصة لتصنيع برامج تعلم الآلة. وتهدف أنظمة برامج تعلم الآلة هذه إلى تمكين وأتمتة وتحسين عدة مهام تشمل: تكوين برامج تعلم الآلة الأولية، واللبنات الأساسية لنظام تعلم الآلة لابتكار تطبيقات معقدة، وتوسيع نطاق البيانات الضخمة وأحجام النماذج، وتخصيص الموارد والجدولة، وضبط مُعاملات الضبط، وتطبيق الرموز على الأجهزة.

يُرجى زيارة سلسلة جلسات الذكاء الاصطناعي للحصول على معلومات إضافية حول هذه الفعالية وغيرها من الفعاليات ضمن هذه السلسلة.