سخنرانی افتتاحیه در Data Center World 2024 شامل سخنرانانی از AMD و Intel بود که در مورد تأثیر تحول آفرین هوش مصنوعی – و واحدهای پردازش گرافیکی پیشرفته (GPU) – بر صنعت مرکز داده بحث کردند. آنها به طیف وسیعی از موضوعات از جمله آخرین پیشرفتها در الگوریتمهای هوش مصنوعی و معماریهای GPU، چگونگی افزایش بهرهوری انرژی، نقش اتوماسیون مبتنی بر هوش مصنوعی و چگونگی تغییر چشمگیر زیرساختهای مرکز داده برای پشتیبانی از حجم کاری در حال رشد هوش مصنوعی پرداختند.
جنیفر ماجرنیک هافستلرمدیر ارشد پایداری محصول در اینتل، با توضیح این که فقط پردازندهها نیستند که انقلاب هوش مصنوعی را تسهیل میکنند، شروع کرد. به ترکیبی از موارد زیر نیاز دارد:
- پردازنده های بزرگتر و متراکم تر با هسته های بسیار بیشتر.
- سخت افزار و نرم افزار بهینه سازی شده برای بهره وری انرژی برای استفاده از قابلیت های هوش مصنوعی.
- مدلهای هوش مصنوعی (GenAI) بهینهسازی شده برای موارد استفاده خاص و حجم کاری.
نیاز به مدل های اختصاصی دامنه
در حالی که ChatGPT ممکن است فراگیر شده باشد، طبق گفته ها، بهترین مدل برای شرکت نیست هافستلر. 80 درصد از داده ها در محل باقی می ماند و بخش عمده ای از آنها استفاده نشده است.
هافستلر گفت: «برای رفع نیازهای کسب و کار، مدلهای کوچکتری در حال تکامل هستند که مختص دامنه هستند.
او مثالی ارائه کرد: یک شرکت دارای مخزن 50000 سند داخلی بود. متخصصان هوش مصنوعی مدلی را بر روی آن محتوا آموزش دادند تا بینشی را برای مشاوران خود فراهم کنند. مدل هوش مصنوعی در داخل فایروال کار میکرد، بنابراین بسیاری از نگرانیهای مربوط به امنیت، حفظ حریم خصوصی و دقت مربوط به مدلهای مبتنی بر اینترنت را از بین برد. از آنجایی که این مدل صرفاً بر اسناد داخلی نوشته شده توسط متخصصان در طول سالیان متمادی تمرکز داشت، از سردردهای توهمآمیزی که مدلهای گستردهتر GenAI را گرفتار میکند، جلوگیری کرد.
او افزود که مدلها بزرگ باشند یا کوچک، در مورد قدرت پردازش، چگالی، قدرت و خنککننده نیاز به بازنگری کامل دارند.
هافستلر میگوید: «راهحلهای نرمافزاری و سختافزاری جدید که از خنککننده مایع استفاده میکنند، میتوانند مصرف انرژی را تا ۴۰ درصد کاهش دهند، اما به نوآوری بیشتری نیاز است». “از طریق همکاری، ما می توانیم مصرف انرژی را کاهش دهیم و عملکرد را افزایش دهیم.”
او خواستار صبر و شکیبایی در عجله شدید برای آینده هوش مصنوعی شد. فراگیر شدن فناوری مجازی سازی نزدیک به یک دهه طول کشید. در این مدت، دستاوردهای ثابت و گاه تماشایی به وقوع پیوست.
هافستلر گفت: “بلوغ GenAI بسیار سریعتر خواهد رسید، اما چالش هایی وجود دارد که باید بر آنها غلبه کرد.” آنچه واضح است این است که خنککننده مایع برای برنامهها و رکهای GenAI با عملکرد بالا مورد نیاز است، زیرا ما نمیتوانیم به تراکم به روش دیگری دست یابیم.
هوش مصنوعی متقابل
ممکن است کارهای زیادی برای آماده سازی مراکز داده برای میزبانی برنامه های کاربردی هوش مصنوعی مورد نیاز باشد، اما این یک ترتیب متقابل است. می توان از هوش مصنوعی برای به دست آوردن بینش هایی استفاده کرد که می تواند مصرف انرژی را کاهش داده و کارایی را افزایش دهد. ابزارهای نرم افزاری در حال حاضر وجود دارند که می توانند مصرف انرژی را در پردازش های پیشرفته بین 20 تا 30 درصد کاهش دهند. هافستلر گفت. همانطور که هوش مصنوعی در حال توسعه است، انتظار داشته باشید که استفاده از انرژی را بیشتر افزایش دهد – حتی در مراکز داده قدیمی. به عنوان مثال، رباتیک مبتنی بر هوش مصنوعی می تواند ظرف چند سال آینده به یک تغییر دهنده بازی تبدیل شود.
هوش مصنوعی امواج زیادی خواهد داشت. ده سال دیگر به گذشته نگاه خواهیم کرد و به سختی مرکز داده را تشخیص خواهیم داد. “نرم افزار بزرگترین اهرم برای کارایی بیشتر است. تخمین زده می شود که 30 درصد از قابلیت های پردازش مدرن در حال حاضر به دلیل عدم یکپارچگی و هماهنگ سازی نرم افزار به هدر رفته است.
ساختهای جدید در مقابل تقویتکنندههای هوش مصنوعی
در طول سخنرانی اصلی مرکز داده جهان، لورا اسمیت، CVP راه حل های مهندسی در AMD، توضیح داد که مراکز داده فعلی برای اهداف هوش مصنوعی مناسب نیستند. با این حال، تلاشهای نوسازی با محدودیتهای ذاتی مواجه میشوند.
اسمیت گفت: “مراکز داده فعلی زیرساخت مناسبی برای پذیرش فناوری جدید ندارند، به همین دلیل است که فشار زیادی برای مدرن کردن آنها وجود دارد.” فضا، نیرو، سرمایش، طراحی کف و محدودیت های بودجه کار را دشوار می کند.
با وجود مشکلات آشکاری که در پیش است، اسمیت معتقد است که این سفر ارزشش را دارد. ارتقاها می توانند تراکم را به سمت بالا هدایت کنند تا تسهیلات بتوانند از فضای موجود بهره بیشتری ببرند.
قبل از اینکه کسی دست به ارتقاء مبتنی بر هوش مصنوعی بزند، او توصیه کرد که با مدیریت ارشد ارتباط برقرار کند تا بازگشت سرمایه ناشی از سرمایه گذاری بزرگی را توضیح دهد. برخی از سازمان ها هم اکنون برای سرمایه گذاری از رونق هوش مصنوعی اقدام خواهند کرد. دیگران شرط های خود را پوشش خواهند داد. اما هر دو کمپ باید امکانات خود را طراحی کرده و ارتقاء خود را با در نظر گرفتن آینده برنامه ریزی کنند.
اسمیت میگوید: «حتی اگر شما اولین پذیرنده نیستید، با نگاهی به آنچه که احتمالاً به آن نیاز دارید، طراحی کنید.
او گفت که مهم است که فراتر از آخرین فناوری نگاه کنیم. توصیه او این بود که به چند سال آینده نگاه کنید تا مطمئن شوید که گرفتار ارتقاء دائمی نمی شوید. سرعت پیشرفت به حدی است که احتمالاً چیز جدیدی از هوش مصنوعی، پردازنده گرافیکی، خنککننده یا بخش برق به وجود میآید که ممکن است نیاز به دور دیگری از ارتقاء داشته باشد. تکالیف کامل و بررسی دقیق میتواند به مراکز داده کمک کند تا از سناریویی که در آن یک طرح مدرنسازی را تکمیل میکنند و مجبور میشوند مستقیماً وارد مرحله بعدی شوند، اجتناب کنند.
اسمیت گفت: بازار به سرعت در حال تغییر است. هیچکس نمیداند که معماری ایدهآل چگونه خواهد بود، اما ما هنوز باید آماده شویم.»
هوش مصنوعی بهتر از انسان است؟ نه خیلی سریع
ولاد گالبوف، رئیس مرکز داده در Omdia، سخنرانی افتتاحیه را با تاکید بر محیط امروزی با تغییرات مداوم و پیشرفتهای تکنولوژیکی تکمیل کرد. چیزی که امروز به نظر می رسد یک ابتکار بزرگ هوش مصنوعی است، ممکن است در چند سال آینده بسیار کم باشد.
او گفت: “علم هوش مصنوعی به سرعت در حال پیشرفت است که ساخت مدل مختل شده است.”
گالبوف این ایده را قبول نمیکند که هوش مصنوعی جایگزین انسانها میشود – حداقل به زودی. او معتقد است که توسعه عظیمی در مرحله بعدی هوش مصنوعی باید انجام شود.
ابتدا هوش مصنوعی پیش بینی کننده وجود داشت. اکنون در مرحله GenAI هستیم. او گفت که مرحله هوش مولد مصنوعی (AGI) دنبال می شود. AGI را می توان به عنوان هوش انسان مانند با توانایی خودآموزی و انجام بسیار بیشتر از آنچه در آن آموزش داده شده است، تعریف کرد.
گالابوف گفت: AGI این پتانسیل را دارد که در 20 سال از هوش و توانایی های انسانی فراتر رود. این تنها در صورتی اتفاق میافتد که ما الگوریتمهای هوش مصنوعی را چهار بار در هر سال به مدت دو دهه همراه با پیشرفتهای عمده در بهینهسازی نرمافزار و سختافزار بهبود دهیم.
Data Center World توسط Informa Tech، شرکت مادر Data Center Knowledge اداره می شود.