کاوش پتانسیل هوش مصنوعی عمومی: هم‌افزایی سخت‌افزار و نرم‌افزار

آیریس کلمن
1404/09/27 06:09

دن فو از together.ai استدلال می‌کند که هوش مصنوعی عمومی (AGI) از طریق بهینه‌سازی طراحی هم‌افزای نرم‌افزار-سخت‌افزار، افزایش استفاده از تراشه‌های فعلی و غلبه بر محدودیت‌های سخت‌افزاری درک‌شده قابل دستیابی است.

بحث پیرامون پتانسیل دستیابی به هوش مصنوعی عمومی (AGI) در حال تشدید است، با دن فو، معاون بخش Kernels در together.ai، که دیدگاه خوش‌بینانه‌ای ارائه می‌دهد. طبق گفته together.ai، فو این تصور را به چالش می‌کشد که پیشرفت‌های هوش مصنوعی توسط محدودیت‌های سخت‌افزاری مختل شده است. در عوض، او اظهار می‌دارد که تراشه‌های فعلی به‌طور قابل‌توجهی کم استفاده هستند و یک رویکرد استراتژیک برای طراحی هم‌افزای نرم‌افزار-سخت‌افزار می‌تواند بهبود عملکرد قابل‌توجهی را رقم بزند.

محدودیت‌های فعلی و پتانسیل آینده

همانطور که چشم‌انداز هوش مصنوعی در حال تکامل است، نگرانی‌ها درباره رسیدن به حد محاسبات دیجیتال بیشتر شده است. برخی از کارشناسان پیشنهاد می‌کنند که محدودیت‌های سخت‌افزاری، به‌ویژه در GPUها، ممکن است پیشرفت به سمت توسعه هوش مصنوعی مفید عمومی را مختل کند. در مقابل، فو دیدگاه امیدوارکننده‌تری در انتشار خود با عنوان "بله، AGI می‌تواند اتفاق بیفتد - یک دیدگاه محاسباتی" ارائه می‌دهد که استدلال می‌کند سقف قابلیت‌های هوش مصنوعی هنوز به آن نرسیده است.

استفاده کم از سخت‌افزار موجود

فو تأکید می‌کند که آموزش‌های پیشرفته هوش مصنوعی، مانند DeepSeek-V3 یا Llama-4، اغلب تنها حدود 20% میانگین استفاده از FLOP (MFU) را به دست می‌آورند، با استفاده از استنتاج گاهی اوقات در رقم‌های تک‌رقمی. این ارقام فرصت قابل‌توجهی را برای افزایش کارایی از طریق یکپارچه‌سازی بهتر نرم‌افزار و سخت‌افزار، و همچنین نوآوری‌هایی مانند آموزش FP4 نشان می‌دهند.

پیشرفت‌ها در مدل‌های محاسباتی

مدل‌های فعلی هوش مصنوعی بر اساس سخت‌افزار قدیمی‌تر هستند، و پتانسیل منابع محاسباتی جدیدتر به‌طور کامل محقق نشده است. فو تأکید می‌کند که خوشه‌های عظیم GPUهای نسل آخر، با تعداد بیش از 100,000 واحد، هنوز به‌طور کامل در فرآیندهای توسعه هوش مصنوعی یکپارچه نشده‌اند، که نشان‌دهنده افق امیدوارکننده‌ای برای پیشرفت‌های آینده است.

کاربرد امروزی و پیامدهای آینده

علی‌رغم محدودیت‌های درک‌شده، مدل‌های هوش مصنوعی موجود در حال حاضر گردش‌های کاری پیچیده، مانند نوشتن کرنل‌های GPU با کارایی بالا با کمک انسان، را متحول می‌کنند. این تحول بر کاربرد فوری فناوری‌های هوش مصنوعی تأکید می‌کند و به پتانسیل گسترده برای کاربردهای آینده اشاره دارد.

برای علاقه‌مندان به تلاقی مهندسی سیستم‌ها، کارایی سخت‌افزار و مقیاس‌پذیری هوش مصنوعی، تحلیل فو بینش‌های ارزشمندی ارائه می‌دهد. تحلیل کامل در وب‌سایت together.ai قابل دسترسی است.

منبع تصویر: Shutterstock