يشهد مشهد الذكاء الاصطناعي تحولًا كبيرًا. لسنوات، كانت المتطلبات الحسابية الهائلة لنماذج الذكاء الاصطناعي المتطورة، وخاصة نماذج اللغة الكبيرة (LLMs)، تربط تشغيلها بشكل أساسي بخوادم قوية ومستهلكة للطاقة ومخبأة في مراكز بيانات واسعة. كان الوصول يتضمن عادةً إرسال الاستعلامات عبر الإنترنت وانتظار الردود التي تتم معالجتها عن بُعد. ومع ذلك، يكتسب التحول المقنع نحو الحوسبة المحلية زخمًا، مدفوعًا بالتقدم في تكنولوجيا المعالجات والمخاوف المتزايدة بشأن خصوصية البيانات وزمن الاستجابة. تتبنى شركة Advanced Micro Devices (AMD)، وهي لاعب هائل في ساحة أشباه الموصلات، هذا الاتجاه بنشاط، ساعيةً لتمكين المستخدمين من تسخير قدرات الذكاء الاصطناعي التوليدي مباشرة على أجهزة الكمبيوتر الشخصية الخاصة بهم. أحدث مبادرة للشركة في هذا المجال هي مشروع مفتوح المصدر يحمل اسمًا مثيرًا للاهتمام هو GAIA، وهو اختصار لعبارة ‘Generative AI Is Awesome’.
الدخول في عصر معالجة الذكاء الاصطناعي المحلية
إن جاذبية تشغيل نماذج الذكاء الاصطناعي التوليدي محليًا متعددة الأوجه. أولاً، تعالج مخاوف الخصوصية المتزايدة. عندما تتم معالجة البيانات على جهاز المستخدم الخاص، يتم التخلص من الحاجة إلى نقل المعلومات الحساسة المحتملة إلى خوادم طرف ثالث، مما يوفر نموذجًا تشغيليًا أكثر أمانًا بطبيعته. ثانيًا، يمكن للتنفيذ المحلي أن يقلل بشكل كبير من زمن الاستجابة؛ يتم تقليل التأخير بين الإدخال والإخراج إلى الحد الأدنى عندما تحدث العمليات الحسابية الثقيلة على بعد ملليمترات قليلة من واجهة المستخدم، بدلاً من عبور القارات المحتمل. ثالثًا، يضفي طابعًا ديمقراطيًا على الوصول. بينما غالبًا ما يتضمن الذكاء الاصطناعي القائم على السحابة رسوم اشتراك أو حدود استخدام، تستفيد المعالجة على الجهاز من الأجهزة التي يمتلكها المستخدم بالفعل، مما قد يقلل من حاجز الدخول لتجربة أدوات الذكاء الاصطناعي واستخدامها.
إدراكًا لهذه الإمكانات، قامت AMD بدمج نوى معالجة متخصصة مصممة خصيصًا لأعباء عمل الذكاء الاصطناعي بشكل استراتيجي في بنيات معالجاتها. تتجلى ذروة هذه الجهود في أحدث معالجاتها من سلسلة Ryzen AI 300، والتي تتميز بوحدات معالجة عصبية (NPUs) محسّنة. تم تصميم هذه الـ NPUs للتعامل مع الأنواع المحددة من العمليات الرياضية السائدة في مهام تعلم الآلة، والقيام بذلك بكفاءة أكبر بكثير - سواء من حيث السرعة أو استهلاك الطاقة - مقارنة بنوى وحدة المعالجة المركزية (CPU) التقليدية. هذا هو بالضبط الجهاز المخصص الذي تهدف AMD إلى إتاحته للمستخدمين العاديين من خلال مشروع GAIA الخاص بها. أكدت Victoria Godsoe، مديرة تمكين مطوري الذكاء الاصطناعي في AMD، على هذا الهدف، قائلة إن GAIA ‘يستفيد من قوة وحدة المعالجة العصبية (NPU) في Ryzen AI لتشغيل نماذج لغوية كبيرة (LLMs) خاصة ومحلية’. وسلطت الضوء كذلك على الفوائد: ‘يتيح هذا التكامل معالجة أسرع وأكثر كفاءة - أي طاقة أقل - مع الحفاظ على بياناتك محلية وآمنة’.
تقديم GAIA: تبسيط نشر LLM على الجهاز
يظهر GAIA كإجابة AMD على السؤال: كيف يمكن للمستخدمين الاستفادة بسهولة من قدرات NPU لأجهزتهم الجديدة التي تعمل بنظام Ryzen AI لتشغيل نماذج الذكاء الاصطناعي المتطورة؟ يتم تقديم GAIA كتطبيق مفتوح المصدر، ويوفر واجهة مبسطة مصممة خصيصًا لنشر نماذج LLMs صغيرة الحجم والتفاعل معها مباشرة على أجهزة الكمبيوتر التي تعمل بنظام Windows والمجهزة بأحدث أجهزة AMD. يعتمد المشروع بوعي على أطر عمل مفتوحة المصدر الحالية، مشيرًا بشكل خاص إلى Lemonade كأساس، مما يدل على روح التعاون داخل مجتمع التطوير الأوسع.
تتمثل الوظيفة الأساسية لـ GAIA في تجريد الكثير من التعقيد المرتبط عادةً بإعداد وتشغيل LLMs. يتم تقديم بيئة أكثر سهولة للمستخدمين، محسّنة من الألف إلى الياء لبنية Ryzen AI من AMD. هذا التحسين أمر بالغ الأهمية؛ فهو يضمن أن البرنامج يستخدم NPU بشكل فعال، مما يزيد من الأداء ويقلل من استهلاك الطاقة. في حين أن الهدف الأساسي هو سلسلة Ryzen AI 300 مع NPU القوية، لم تستبعد AMD تمامًا مستخدمي تكوينات الأجهزة الأقدم أو المختلفة.
يدعم المشروع عائلات LLM الشائعة والمدمجة نسبيًا، بما في ذلك النماذج القائمة على بنيات Llama و Phi التي يمكن الوصول إليها على نطاق واسع. هذه النماذج، على الرغم من أنها قد لا تمتلك الحجم الهائل لعمالقة مثل GPT-4، إلا أنها قادرة بشكل ملحوظ على مجموعة متنوعة من المهام على الجهاز. تقترح AMD حالات استخدام محتملة تتراوح من روبوتات الدردشة التفاعلية القادرة على المحادثة الطبيعية إلى مهام الاستدلال الأكثر تعقيدًا، مما يدل على التنوع المتصور للذكاء الاصطناعي المحلي المدعوم من GAIA.
استكشاف قدرات GAIA: الوكلاء والطاقة الهجينة
لعرض التطبيقات العملية وجعل التكنولوجيا مفيدة على الفور، يأتي GAIA مع مجموعة مختارة من ‘الوكلاء’ المحددين مسبقًا، كل منهم مصمم لوظيفة محددة:
- Chaty: كما يوحي الاسم، يوفر هذا الوكيل تجربة ذكاء اصطناعي محادثة، ويعمل كروبوت دردشة للتفاعل العام والحوار. يستفيد من قدرة LLM الأساسية على توليد استجابات نصية شبيهة بالبشر.
- Clip: يركز هذا الوكيل على مهام الإجابة على الأسئلة. بشكل ملحوظ، يتضمن قدرات التوليد المعزز بالاسترجاع (RAG)، مما يسمح له بجلب المعلومات من مصادر خارجية مثل نصوص YouTube لتقديم إجابات أكثر استنارة أو ذات صلة بالسياق. تعمل وظيفة RAG هذه على تعزيز قاعدة معارف الوكيل بشكل كبير بما يتجاوز بيانات التدريب الأولية لـ LLM.
- Joker: وكيل آخر قائم على RAG، تم تصميم Joker خصيصًا للفكاهة، ومكلف بتوليد النكات. يوضح هذا الإمكانات للتطبيقات المتخصصة والإبداعية لنماذج LLMs المحلية.
- Simple Prompt Completion: يوفر هذا خطًا مباشرًا أكثر إلى LLM الأساسي، مما يسمح للمستخدمين بإدخال المطالبات وتلقي إكمالات مباشرة دون الطبقات الحوارية أو الخاصة بالمهام للوكلاء الآخرين. إنه بمثابة واجهة أساسية للتفاعل المباشر مع النموذج.
يتم التعامل مع تنفيذ هؤلاء الوكلاء، وتحديداً عملية الاستدلال حيث يولد النموذج الاستجابات، بشكل أساسي بواسطة NPU على رقائق سلسلة Ryzen AI 300 المتوافقة. وهذا يضمن التشغيل الفعال ومنخفض الطاقة. ومع ذلك، أدرجت AMD أيضًا وضعًا ‘هجينًا’ أكثر تقدمًا لبعض النماذج المدعومة. يشغل هذا النهج المبتكر ديناميكيًا وحدة معالجة الرسومات المدمجة (iGPU) للمعالج جنبًا إلى جنب مع NPU. من خلال الاستفادة من قوة المعالجة المتوازية لـ iGPU، يمكن لهذا الوضع الهجين أن يوفر دفعة كبيرة في الأداء لمهام الذكاء الاصطناعي الصعبة، مما يوفر للمستخدمين طريقة لتسريع الاستدلال بما يتجاوز ما يمكن أن تحققه NPU وحدها.
إدراكًا لمشهد الأجهزة المتنوع، توفر AMD أيضًا خيارًا احتياطيًا. يوجد متغير من GAIA يعتمد فقط على نوى CPU للحوسبة. على الرغم من أنه أبطأ بكثير وأقل كفاءة في استخدام الطاقة من أوضاع NPU أو الهجين، إلا أن هذا الإصدار المعتمد على CPU فقط يضمن إمكانية وصول أوسع، مما يسمح للمستخدمين الذين لا يمتلكون أحدث أجهزة Ryzen AI بتجربة GAIA، وإن كان ذلك مع عقوبة في الأداء.
التموضع الاستراتيجي وميزة المصدر المفتوح
يمكن النظر إلى إطلاق GAIA في السياق الأوسع لسوق أشباه الموصلات التنافسي، لا سيما فيما يتعلق بتسريع الذكاء الاصطناعي. لفترة طويلة، تمتعت NVIDIA بمكانة مهيمنة في مجال الذكاء الاصطناعي، ويرجع ذلك إلى حد كبير إلى وحدات معالجة الرسومات (GPUs) القوية ونظام برمجيات CUDA (Compute Unified Device Architecture) الناضج، والذي أصبح معيارًا فعليًا لتعلم الآلة عالي الأداء. غالبًا ما كان تشغيل النماذج الأكبر بكفاءة على أجهزة المستهلك يوجه المطورين والمتحمسين نحو عروض NVIDIA.
تمثل مبادرة GAIA من AMD، جنبًا إلى جنب مع أجهزة NPU المخصصة في رقائق Ryzen AI، خطوة استراتيجية لتحدي هذه الهيمنة، خاصة في السوق المزدهر للذكاء الاصطناعي على الأجهزة في أجهزة الكمبيوتر المحمولة والمكتبية. من خلال توفير أداة سهلة الاستخدام ومحسّنة ومفتوحة المصدر، تهدف AMD إلى بناء نظام بيئي حول قدرات أجهزة الذكاء الاصطناعي الخاصة بها، مما يجعل منصات Ryzen AI أكثر جاذبية للمطورين والمستخدمين النهائيين المهتمين بتنفيذ الذكاء الاصطناعي المحلي. يميز التركيز الصريح على تحسين NPU عن الأساليب التي تركز على GPU ويسلط الضوء على فوائد كفاءة الطاقة الكامنة في المعالجات العصبية المخصصة لمهام الذكاء الاصطناعي المحددة.
يعد قرار إصدار GAIA بموجب ترخيص MIT مفتوح المصدر المتساهل أمرًا ذا أهمية استراتيجية أيضًا. إنه يدعو إلى التعاون والمساهمة من مجتمع المطورين العالمي. يمكن لهذا النهج تسريع تطوير المشروع، ويؤدي إلى دمج ميزات ونماذج جديدة، ويعزز مجتمعًا مستثمرًا في منصة الذكاء الاصطناعي من AMD. ترحب AMD صراحة بطلبات السحب لإصلاح الأخطاء وتحسينات الميزات، مما يشير إلى الالتزام بتطوير GAIA من خلال الجهد الجماعي. يقلل فتح المصدر من حاجز المطورين للتجربة والتكامل وربما بناء تطبيقات تجارية فوق إطار عمل GAIA، مما يزيد من تحفيز النظام البيئي حول Ryzen AI.
بينما يركز الإصدار الحالي على نماذج LLMs الأصغر المناسبة للتنفيذ على الجهاز، فإن الأساس الذي وضعه GAIA يمكن أن يمهد الطريق لدعم نماذج وتطبيقات أكثر تعقيدًا مع استمرار تقدم تقنية NPU. إنه يمثل بيانًا واضحًا للنوايا من AMD: أن تكون قوة رئيسية في عصر الذكاء الاصطناعي الشخصي والمحلي، وتوفير الأجهزة وأدوات البرامج التي يمكن الوصول إليها اللازمة لجلب قدرات الذكاء الاصطناعي مباشرة إلى أيدي المستخدمين، بشكل آمن وفعال. إن لقب ‘Generative AI Is Awesome’، على الرغم من أنه قد يكون غير رسمي، يؤكد حماس الشركة وطموحها في هذه الحدود التكنولوجية سريعة التطور.