Unconventional AI تهدف إلى خفض استهلاك الطاقة في الذكاء الاصطناعي بمقدار 1,000 ضعف

في وقت يهدد فيه الطلب العالمي على الذكاء الاصطناعي بتجاوز إمدادات الطاقة المتاحة، تحاول شركة ناشئة جديدة إعادة كتابة قواعد بنية الأجهزة (hardware architecture). وبقيادة Naveen Rao، الرئيس السابق لقسم الذكاء الاصطناعي في Databricks، تراهن Unconventional AI على طريقة حوسبة جذرية جديدة لحل أزمة الطاقة التي تلوح في الأفق في هذا القطاع.

تجاوز بنيات السيليكون التقليدية

يكمن جوهر مهمة Unconventional AI في ابتعادها عن الرقائق التقليدية التي تشغل حاليًا النماذج اللغوية الكبيرة (LLMs) ونماذج الانتشار (diffusion models). وبينما ركزت الصناعة إلى حد كبير على تحسين بنيات GPU و TPU الحالية، يعمل Rao وفريقه على البناء من الصفر باستخدام بنية حاسوبية تعتمد على المذبذبات (oscillator-based computer architecture).

يختلف هذا النهج جوهريًا عن الترانزستورات المستخدمة في الحوسبة الرقمية القياسية. ومن خلال الاستفادة من المذبذبات، تهدف الشركة إلى إجراء عمليات الاستدلال (inference processing) بكفاءة غير مسبوقة. ويرى Rao أن هذا التحول قد يؤدي في النهاية إلى تقليل استهلاك الطاقة المطلوب لاستدلال الذكاء الاصطناعي بمقدار يصل إلى 1,000 ضعف، مما يحول الذكاء الاصطناعي من عبء كثيف الاستهلاك للطاقة إلى مرفق مستدام.

Un0: "Hello World" للحوسبة القائمة على المذبذبات

لإثبات جدوى هذا المفهوم الجذري للأجهزة، كشفت الشركة مؤخرًا عن نموذجها الأول، Un0. وعلى الرغم من أن Un0 يعمل حاليًا عبر محاكاة برمجية لرقائق المذبذبات التي تعتزم الشركة تصنيعها، إلا أن النتائج كبيرة. فالنموذج عبارة عن نظام لتوليد الصور يحاكي أداء أحدث نماذج الانتشار مثل Stable Diffusion أو GPT Image 1 من OpenAI.

وفي وصفه لهذا الإصدار بأنه "hello world" لنوع جديد من الحواسيب، أكد Rao أن الهدف كان إثبات أن منطق الأجهزة المختلف تمامًا لا يزال قادرًا على إنتاج مخرجات عالية الجودة والدقة. وتفصل الورقة البحثية المرفقة كيف يمكن لهذه البنية المحاكاتية التعامل بنجاح مع المهام التوليدية المعقدة، مما يوفر خارطة طريق للأجهزة المادية التي ستتبعها.

حل عنق زجاجة الطاقة في توسيع نطاق الذكاء الاصطناعي

توقيت هذا التطور بالغ الأهمية. فمع توسع نماذج الذكاء الاصطناعي من حيث عدد المعلمات (parameters) والتعقيد، ينتقل القيد الأساسي للنمو من توفر البيانات إلى توفر الطاقة. ويجادل Rao بأن الطاقة ستصبح "الحد الأساسي" للذكاء الاصطناعي في السنوات القادمة، مما يضع سقفًا حازمًا لمقدار الذكاء الذي يمكن نشره.

تخطط Unconventional AI لمعالجة ذلك من خلال بناء حزمة استدلال (inference stack) كاملة. وتتضمن خارطة الطريق ما يلي:

• تطوير رقائق مادية تعتمد على المذبذبات وإصدار مخططاتها التقنية.
• بناء أنظمة كاملة تتكون من هذه الرقائق المملوكة للشركة.
• توفير قدرة حوسبية كخدمة، حيث يرسل المستخدمون الأوامر (prompts) عبر كابل شبكة ويتلقون نتائج الاستدلال بتكلفة طاقة تعادل 1/1000 من التكلفة الحالية.

وبينما تظل الشركة رشيقة بعدد يقل عن 50 موظفًا، فإن مهمتها تعالج أكبر عقبة اقتصادية كلية تواجه قطاع الذكاء الاصطناعي بأكمله: التكلفة غير المستدامة للكهرباء.

النقاط الرئيسية

• تحول جذري في الأجهزة: تبتعد Unconventional AI عن السيليكون التقليدي نحو بنية تعتمد على المذبذبات لتحسين استدلال الذكاء الاصطناعي.
• أداء مثبت: يثبت نموذج Un0 الخاص بالشركة أن هذه البنية الجديدة يمكن أن تضاهي قدرات توليد الصور لدى الشركات الرائدة في الصناعة مثل Stable Diffusion.
• حل أزمة الطاقة: الهدف النهائي هو تقليل استهلاك الطاقة في الذكاء الاصطناعي بمقدار 1,000 ضعف، ومعالجة عنق زجاجة الطاقة الذي يلوح في الأفق ويهدد بتقييد توسع الذكاء الاصطناعي.