نحن نعلم جميعًا أن الذكاء الاصطناعي يعاني من مشكلة تتعلق بالطاقة. وبشكل عام، استهلك استخدام الذكاء الاصطناعي على مستوى العالم بالفعل قدرًا من الطاقة يعادل ما استهلكته دولة قبرص بأكملها في عام 2021.
لكن باحثي الهندسة في جامعة مينيسوتا توين سيتيز طوروا وأظهروا تصميمًا جديدًا لذاكرة الكمبيوتر يمكنه تقليل كمية الطاقة التي تستهلكها أنظمة الذكاء الاصطناعي بشكل كبير للمساعدة في معالجة هذه المشكلة. نُشر بحثهم مؤخرًا في مجلة Nature journal Unconventional Computing.
تعتمد أغلب أنظمة الحوسبة الحديثة على ما يُعرف بهندسة فون نيومان، حيث يتم فصل أنظمة المنطق والذاكرة الفرعية. أثناء العمليات العادية، يتم نقل البيانات ذهابًا وإيابًا بين وحدات الذاكرة والمعالجات. وهذا هو الأساس الأساسي لعمل أجهزة الكمبيوتر الحديثة.
ومع ذلك، مع تفوق سرعات المعالجة بسرعة على تكنولوجيا الإدخال/الإخراج، يصبح نقل البيانات هذا بمثابة عنق زجاجة من حيث سرعة المعالجة (المعروفة أيضًا باسم مشكلة جدار الذاكرة) واستهلاك الطاقة. وكما أشار الباحثون، فإن مجرد نقل البيانات ذهابًا وإيابًا يستهلك ما يصل إلى 200 ضعف كمية الطاقة التي تستهلكها العمليات الحسابية نفسها.
وقد سعى المطورون إلى التغلب على هذه المشكلة من خلال تقريب المنطق والذاكرة ماديًا من خلال تصميمات الحوسبة “القريبة من الذاكرة” و”الداخلية”. حيث تقوم أنظمة الحوسبة القريبة من الذاكرة بتكديس المنطق والذاكرة فوق بعضها البعض في مصفوفة ثلاثية الأبعاد، وهي عبارة عن طبقات على غرار رقائق الفول السوداني والمربى، في حين تقوم أنظمة الحوسبة الداخلية بتوزيع مجموعات من المنطق في جميع أنحاء الذاكرة على شريحة واحدة، مثل شطيرة زبدة الفول السوداني والموز.
الحل الذي توصل إليه فريق البحث في توين سيتيز هو تصميم جديد رقمي بالكامل في الذاكرة، يُطلق عليه اسم ذاكرة الوصول العشوائي الحسابية (CRAM)، حيث “يتم تنفيذ المنطق بشكل أصلي بواسطة خلايا الذاكرة؛ ولا يتعين على البيانات الخاصة بالعمليات المنطقية مغادرة الذاكرة أبدًا”، وفقًا للباحثين. حقق الفريق ذلك من خلال دمج ركيزة حوسبة إلكترونية قابلة لإعادة التكوين مباشرة في خلية الذاكرة، وهو التقدم الذي وجد الباحثون أنه يمكن أن يقلل من استهلاك الطاقة لعملية الذكاء الاصطناعي بمقدار “1000 ضعف مقارنة بحل متطور”.
وقد يكون هذا التحسن بمقدار 1000 ضعف مجرد خط الأساس. فقد اختبر فريق البحث ذاكرة CRAM على مهمة تصنيف الأرقام المكتوبة بخط اليد في MNIST ووجد أنها “أقل بمقدار 2500 مرة و1700 مرة في الطاقة والوقت، على التوالي، مقارنة بنظام معالجة قريب من الذاكرة في عقدة تكنولوجيا 16 نانومتر”.
تواجه صناعة الذكاء الاصطناعي الناشئة بالفعل مشكلات كبيرة تتعلق بالموارد. إن وحدات معالجة الرسوميات الأسرع والأكثر قوة وقدرة التي تدعم برامج الذكاء الاصطناعي تستهلك قدرًا هائلاً من الطاقة. على سبيل المثال، تستهلك أحدث معالجات Blackwell B200 من إنتاج NVIDIA ما يصل إلى 1200 وات، وتولد قدرًا كبيرًا من الحرارة المهدرة بحيث تتطلب التبريد السائل، وهي عملية أخرى كثيفة الموارد.
مع تسابق الشركات العملاقة مثل جوجل وأمازون ومايكروسوفت لبناء البنية الأساسية المادية اللازمة لتشغيل ثورة الذكاء الاصطناعي القادمة – أي مراكز بيانات بحجم جيجاوات، بعضها مزود بمحطات طاقة نووية خاصة بها – فإن إنشاء موارد حوسبة وذاكرة أكثر كفاءة في استخدام الطاقة سوف يصبح أمرًا بالغ الأهمية على نحو متزايد لضمان استمرارية تكنولوجيا الذكاء الاصطناعي على المدى الطويل.