در حوزه هوش مصنوعی، زمینه از اهمیت بالایی برخوردار است. این اصل، هوش انسانی را منعکس می‌کند و با توجه به خلق هوش مصنوعی به شباهت خودمان، ارتباط آن را با هوش مصنوعی نشان می‌دهد.
در حال حاضر، شرکت‌هایی مانند NVIDIA از کارخانه‌های هوش مصنوعی حمایت می‌کنند - اساساً، ابررایانه‌هایی که پتابایت‌ها داده را پردازش می‌کنند تا پاسخ‌های هوشمندانه ارائه دهند - به عنوان یک روش نوین برای تسریع تغییرات قابل توجه در اقتصادها و فرهنگ‌های جهانی.
اما چگونه به این نقطه رسیدیم؟ پاسخ، مثل همیشه، در یک سری پیشرفت‌های تدریجی نهفته است.
قبل از پرداختن به ویژگی‌های کارخانه‌های هوش مصنوعی و پیامدهای آنها برای آینده تجارت و جامعه، اجازه دهید برخی از زمینه‌های اساسی را مشخص کنیم.
انقلاب نوسنگی: کاشت بذر نوآوری
تقریباً 12000 سال پیش، اجداد ما از زندگی کوچ نشینی و شکار و جمع آوری غذا به کشاورزی یکجانشینی روی آوردند و گیاهان را کشت و حیوانات را برای امرار معاش پرورش دادند. کشاورزی یا زراعت، نشان دهنده یک کارخانه غذای ابتدایی است که برای رشد گیاهان و حیوانات به نور خورشید، آب و هوا متکی است. اصطلاح ‘firma’ که به معنای پرداخت اجاره ثابت برای کشت زمین در قرون وسطی است، مترادف با کشاورزی شد.
کشاورزی مستلزم ساختارهای اجتماعی سلسله مراتبی برای عملیات کشاورزی کارآمد بود. نوشتن به عنوان یک ابزار اداری ظهور کرد و پیگیری ورودی‌ها و خروجی‌ها را در این کارخانه‌های غذایی تسهیل و قوانین اجتماعی را تعیین کرد. با گذشت زمان، نوشتن گسترش یافت تا حوزه‌های گوناگون را در بر گیرد و همچنان وسیله قدرتمندی برای انتقال اطلاعات پیچیده است.
از همان لحظه‌ای که کمان و نیزه را با بیل و کلنگ و گاوآهن عوض کردیم و اولین علائم نمادین را روی خاک رس یا سنگ حک کردیم، ظهور هوش مصنوعی و در نتیجه، کارخانه هوش مصنوعی اجتناب‌ناپذیر شد. این فقط یک مسئله زمان بود.
انقلاب صنعتی: هموار کردن مسیر تولید انبوه
برای هزاره‌ها، بشریت مهارت‌های کشاورزی خود را تقویت کرد و مازاد تولید کرد که باعث ظهور طبقه بازرگان شد - افرادی که در ساخت کالا برای دیگران مشغول بودند، یا ‘تولید’، مشتق شده از لاتین ‘a work by hand’. این منجر به توسعه پول، یک رسانه مبادله‌ای شد که معامله پایاپای را تسریع و آن را به اقتصاد مدرن تبدیل کرد. جهانی شدن، اقتصادهای منطقه‌ای و ملی را پس از عصر اکتشاف به هم متصل کرد.
موج‌های بعدی جهانی شدن، هم کشاورزی و هم تولید را تغییر شکل داد. یک تغییر اساسی در کارخانه‌ها، کانون‌های تولید استاندارد شده، شامل تقسیم فرایند تولید به مراحل مجزا برای افزایش سرعت و تکرارپذیری بود. این انقلاب صنعتی با عصر روشنگری مصادف شد که با افزایش نرخ باسوادی مشخص می‌شد، زیرا کارخانه‌ها به کارگران تحصیل کرده برای به حداکثر رساندن کارایی و به حداقل رساندن ضایعات نیاز داشتند. تحصیلات به یک ضرورت تبدیل شد و به رسمیت شناختن حق رأی، حقوق مالکیت خصوصی، آزادی مذهب، ایمنی، گفتار و حق دادرسی سریع را تقویت کرد.
این اصول، در قرن بیست و یکم بدیهی هستند، پیدایش خود را مدیون قرن هجدهم هستند.
کارخانه‌ها، تولید را به داخل سالن آوردند و از بخار و برق برای به حرکت درآوردن خطوط مونتاژ و تکنیک‌های تولید ناب استفاده کردند. این امر امکان تولید کالاها را با قیمت‌های مقرون به صرفه فراهم کرد، استانداردهای زندگی را ارتقا داد و باعث رشد طبقه متوسط شد و گسترش اقتصادی را فراتر از قابلیت‌های جوامع کشاورزی پیش برد.
انقلاب هوش مصنوعی: داده به عنوان مرز جدید
ظهور اینترنت، افراد را به هم متصل کرد و منبع جدیدی را تولید کرد: داده، آماده برای تجزیه و تحلیل روشنگرانه.
انقلاب هوش مصنوعی، به دیجیتالی شدن مقادیر عظیمی از متن، تصاویر، فیلم و صدا، همراه با قدرت محاسباتی مقرون به صرفه برای پردازش این داده‌ها متکی بود. داده‌های بزرگ، هنگامی که با GPU های موازی و پهنای باند حافظه بالا ترکیب می‌شوند، ایجاد شبکه‌های عصبی را ممکن می‌سازند که درک ما از جهان را رمزگذاری می‌کنند و در نتیجه هوش مصنوعی را فعال می‌کنند.
اساساً، داده‌های بزرگ، ماده اولیه برای الگوریتم‌های هوش مصنوعی را فراهم می‌کنند که روی موتورهای GPU اجرا می‌شوند تا شبکه‌های عصبی کاربردی را بسازند.
این عناصر باید به طور همزمان همگرا شوند. در دهه 1980، محققان الگوریتم‌های شبکه عصبی را در اختیار داشتند اما فاقد منابع محاسباتی و داده برای پیاده‌سازی آنها بودند. در نتیجه، هوش مصنوعی تا حد زیادی تئوری باقی ماند تا اینکه این سه شرط برآورده شدند.
کارخانه‌های هوش مصنوعی: یک تحول واقعی
اصطلاح ‘کارخانه هوش مصنوعی’ یک استعاره صرف نیست، بلکه یک توصیفگر دقیق از یک ابررایانه هوش مصنوعی مدرن است که در یک محیط تجاری فعالیت می‌کند. این اساساً محاسبات شرکتی و تجزیه و تحلیل داده‌ها - سنتز داده‌ها به اطلاعات قابل اجرا - را تغییر می‌دهد.
کارخانه هوش مصنوعی به اندازه انقلاب کشاورزی اجتناب‌ناپذیر است، جایی که تلاش جمعی تولید غذا را تضمین می‌کرد. تغییرات اجتماعی و فرهنگی ناشی از این انقلاب، به بشریت فرصت فراغت برای تفکر و نوآوری داد. اکنون، ماشین‌ها می‌توانند به کل دانش بشری دسترسی داشته باشند و آن را پردازش کنند و جستجوهای مکالمه‌ای و کاربرد معکوس الگوریتم‌های هوش مصنوعی را برای تولید داده‌های جدید در قالب‌های مختلف فعال کنند.
کسب و کارها و افراد، یا مستقیماً یا از طریق ترتیبات تقسیم زمان، به کارخانه‌های هوش مصنوعی دسترسی خواهند داشت. این کارخانه‌های هوش مصنوعی، ایده‌ها، دیدگاه‌های جدید را تولید و قابلیت‌های خلاقانه فردی را تقویت می‌کنند.
پتانسیل تحول‌آفرین کارخانه‌های هوش مصنوعی فراگیر است. چت‌بات‌ها، توسعه‌دهندگان موتورهای محاسباتی موازی برای آموزش مدل و استنتاج، و سازندگان مدل مانند OpenAI، Anthropic، Google و Mistral توافق دارند که هوش مصنوعی هر جنبه از زندگی ما را تغییر شکل خواهد داد. علیرغم اختلافات جهانی در مورد مسائل مختلف، تأثیر تحول‌آفرین هوش مصنوعی به طور جهانی تصدیق شده است.
تولید بینش و عمل
کارخانه‌های هوش مصنوعی دو عملکرد اصلی را انجام می‌دهند. اولین مورد، آموزش مدل‌های پایه است که بینش‌هایی را برای بهبود کسب و کار و شخصی به دست می‌دهد. دومین و مهم‌تر، شامل تغذیه داده‌ها و سؤالات جدید به این مدل‌ها برای استنتاج پاسخ‌های جدید، تولید توکن‌های جدید و به حرکت درآوردن عمل است.
بخش عمده‌ای از بحث‌های پیرامون هوش مصنوعی بر آموزش مدل‌های پایه همیشه در حال گسترش، با صدها میلیارد تا تریلیون‌ها پارامتر و مجموعه‌های داده عظیم متمرکز بوده است. تعداد توکن‌ها، گستره دانش را نشان می‌دهد، در حالی که پارامترها عمق درک را منعکس می‌کنند. تعداد پارامترهای کمتر همراه با مجموعه‌های توکن بزرگ‌تر، پاسخ‌های سریع‌تر و ساده‌تری را به دست می‌دهد. برعکس، تعداد پارامترهای بزرگ‌تر و مجموعه‌های توکن کوچک‌تر، بینش‌های ظریف‌تری را در مورد یک حوزه محدود ارائه می‌دهند. مدل‌های استدلال زنجیره‌ای تفکر، چندوجهی در طبیعت، مدل‌های تخصصی را برای در نظر گرفتن خروجی‌هایی که ورودی‌های دیگر را به حرکت در می‌آورند، ترکیب می‌کنند و پاسخ‌های جامع تولید می‌کنند.
کارخانه‌های هوش مصنوعی از تمام محتوای ایجاد شده توسط بشریت و داده‌های مصنوعی تولید شده توسط مدل‌های هوش مصنوعی به عنوان ماده اولیه استفاده می‌کنند. بینش‌های به دست آمده از این داده‌ها توسط انسان‌ها و عوامل هوش مصنوعی برای به حرکت درآوردن عمل استفاده می‌شود. به جای کار کردن در کارخانه، افراد به آن متصل می‌شوند و مهارت‌های خود را با دانش و سرعت مدل‌های هوش مصنوعی افزایش می‌دهند تا نتایج بیشتر، بهتر و سریع‌تری را به دست آورند.
به گفته جنسن هوانگ، یکی از بنیانگذاران و مدیر عامل NVIDIA، ‘جهان در حال مسابقه برای ساخت کارخانه‌های هوش مصنوعی در مقیاس بزرگ و پیشرفته است.’ ایجاد یک کارخانه هوش مصنوعی، یک شاهکار مهندسی خارق‌العاده است که به منابع، نیروی انسانی و مواد زیادی نیاز دارد.
ساخت یک کارخانه هوش مصنوعی مستلزم سرمایه گذاری قابل توجهی است. یک پیکربندی معمولی شامل NVIDIA DGX SuperPOD است که بر اساس چندین رک از سیستم‌های DGX، با ویژگی‌های GPU، CPU، اتصالات پرسرعت و فضای ذخیره‌سازی ساخته شده است.
با سیستم‌های DGX متعدد، یک SuperPOD عملکرد قابل توجهی را ارائه می‌دهد و ظرفیت حافظه و پهنای باند قابل توجهی را به رخ می‌کشد. عملکرد را می‌توان با افزودن سیستم‌های بیشتر مقیاس بندی کرد.
طرح NVIDIA دیگر برای یک کارخانه هوش مصنوعی بر روی پلتفرم NVIDIA GB200 NVL72 متمرکز است، یک سیستم مقیاس رک که GPU ها، CPU ها، DPU ها، SuperNIC ها، NVLink و NVSwitch و شبکه‌های پرسرعت را ادغام می‌کند. این پلتفرم یک دامنه حافظه GPU مشترک بزرگ‌تر را برای مدل‌های هوش مصنوعی و تراکم محاسباتی بالاتر ارائه می‌دهد که نیاز به خنک‌سازی مایع دارد.
GB200 NVL72، که در حجم کامل حمل می‌شود، نشان دهنده یک سیستم مستقل است که قادر به ساخت مدل‌ها و تولید داده‌ها در قالب‌های مختلف است.
GB200 NVL72 شامل یک گره سرور MGX است که دارای یک NVIDIA Grace CPU است که با Blackwell GPU جفت شده است. دو عدد از این گره‌های سرور یک سینی محاسباتی را در رک NVL72 تشکیل می‌دهند که هجده سینی محاسباتی، GPU و CPU های متعددی را در خود جای داده است.
سیستم مقیاس رک GB200 NVL72، Grace CPU ها را با Blackwell GPU ها ترکیب می‌کند که از طریق اتصالات NVLink پرسرعت به هم متصل شده‌اند. پورت‌های NVLink و تراشه‌های NVSwitch همه GPU ها را در یک پیکربندی حافظه مشترک پیوند می‌دهند، که برای آموزش مدل پایه و استنتاج زنجیره‌ای تفکر ایده‌آل است.
ساختار NVLink، که توسط نه سینی سوئیچ NVLink تسهیل می‌شود، دسترسی به همه قالب‌های GPU را به عنوان یک GPU واحد برای برنامه‌های هوش مصنوعی امکان‌پذیر می‌کند.
سیستم‌های GB200 NVL72 دارای هسته‌های Arm متعددی برای پردازش میزبان و قدرت پردازش ممیز شناور قابل توجهی هستند. سیستم GB200 NVL72 دارای حافظه HBM3e قابل توجهی است که به GPU ها متصل است، با پهنای باند تجمیع شده بالا. CPU های Grace دارای حافظه LPDDR5X هستند که از طریق NVLink قابل دسترسی است.
NVIDIA GB200 NVL72 تأثیر تحول‌آفرین System/360 را بر پردازش تراکنش آنلاین منعکس می‌کند، تفاوت اصلی مقیاس‌پذیری NVL72 از طریق اتصالات InfiniBand است.
پیکربندی‌های DGX SuperPOD مبتنی بر سیستم‌های مقیاس رک NVL72 به قدرت قابل توجهی نیاز دارند اما قدرت محاسباتی و ظرفیت حافظه عظیمی را در چندین رک محاسباتی ارائه می‌دهند. عملکرد را می‌توان با افزودن رک‌های بیشتر مقیاس بندی کرد.
تراکم محاسباتی رک NVL72 نیاز به خنک‌سازی مایع تخصصی و زیرساخت مرکز داده دارد که نشان دهنده بازگشت به شیوه‌های گذشته است که در آن ماشین‌های خنک شونده با آب عملکرد را به حداکثر می‌رساندند.
کارخانه‌های هوش مصنوعی با تبدیل شدن استنتاج به بخشی جدایی‌ناپذیر از برنامه‌های کاربردی گوناگون، به ویژه با تغییر به سمت مدل‌های استدلال زنجیره‌ای تفکر، به قدرت محاسباتی بسیار بیشتری نیاز خواهند داشت.
کارخانه‌های هوش مصنوعی نه تنها سخت‌افزار، بلکه سیستم‌ها و نرم‌افزار توسعه را نیز در بر می‌گیرند.
سیستم‌های DGX GB200 و ابررایانه‌های هوش مصنوعی DGX SuperPOD نیاز به مدیریت و مدل‌سازی دارند که توسط ابزارهایی مانند NVIDIA Mission Control تسهیل می‌شود، که بارهای کاری هوش مصنوعی را سازماندهی و به طور خودکار مشاغل را بازیابی می‌کند. Mission Control سلامت سیستم را نظارت و مصرف انرژی را بهینه می‌کند.
NVIDIA AI Enterprise، مجموعه نرم‌افزاری سیستم‌ها، شامل کتابخانه‌ها، مدل‌ها و چارچوب‌های بهینه‌سازی شده برای GPU ها و شبکه‌های NVIDIA است. پشته کارخانه هوش مصنوعی همچنین دارای NVIDIA Dynamo، یک چارچوب متن‌باز برای اجرای استنتاج در سراسر زیرساخت NVLink و DGX SuperPOD است. DGX Expert Service and Support به مشتریان در پیاده‌سازی این فناوری‌ها کمک می‌کند و زمان رسیدن به اولین توکن را کاهش می‌دهد. NVIDIA نقشه‌های کارخانه هوش مصنوعی را برای محیط ‘دوقلوی دیجیتال’ Omniverse خود ارائه می‌دهد تا طراحی مرکز داده را شبیه‌سازی و بهینه کند.
یکی از جنبه‌های مهم کارخانه‌های هوش مصنوعی، تغییر در تفکری است که آنها ایجاد می‌کنند و NVIDIA اولویت را به فضای سر برای رشد سیستم می‌دهد.
به گفته گیلاد شاینر، معاون ارشد شبکه‌سازی در NVIDIA، ‘تولید توکن اکنون معادل تولید درآمد برای بسیاری از شرکت‌ها است.’ مراکز داده در حال تکامل از مراکز هزینه به دارایی‌های مولد هستند.
و این، در نهایت، ماهیت ساخت یک کارخانه است.