مختبر أرغون الوطني يطلق خدمة استدلال كبيرة الحجم لعلوم مفتوحة

منذ سنوات، كانت السباق لإنشاء نماذج أكبر للذكاء الاصطناعي تحتل العناوين الرئيسية، ولكن واحدة من أكبر التحديات في الحوسبة العلمية ظلت دون حل إلى حد كبير: كيف يمكن للباحثين استخدام أنظمة الذكاء الاصطناعي المتقدمة على نطاق واسع دون بناء البنية التحتية التكلفة الخاصة بهم.

هذا هو المشكلة التي يهدف مختبر أرغون الوطني إلى حلها من خلال إطلاق ما وصفه بأنه أول خدمة استدلال كبيرة الحجم مصممة خصيصًا للعلوم المفتوحة.

تتيح الخدمة الجديدة، التي تم تطويرها من خلال مرفق أرغون للقيادة الحاسوبية (ALCF)، للباحثين الوصول إلى نماذج لغة كبيرة، ونماذج أساسية علمية، ونظم رؤية حاسوبية تعمل مباشرة على بنية الحوسبة عالية الأداء في أرغون. بدلاً من تدريب نماذجهم الخاصة أو إدارة مجموعات أجهزة متخصصة، يمكن للعلماء الاستفادة من منصة استدلال مشتركة محسنة للبحث على نطاق واسع.

لماذا يهم استدلال الذكاء الاصطناعي للعلوم

تتمحور معظم محادثات الذكاء الاصطناعي حول تدريب النماذج، ولكن الاستدلال هو حيث تصبح أنظمة الذكاء الاصطناعي مفيدة بشكل عملي. استدلال الذكاء الاصطناعي هو المرحلة التي تحليل فيها النماذج المدربة البيانات، وتوليد التنبؤات، وتفسير النتائج، أو المساعدة في اتخاذ القرارات في الوقت الفعلي.

对于 البحث العلمي، يمكن أن يسرع الاستدلال بشكل كبير من وتيرة التجارب. غالبًا ما تُغمر مجموعات بيانات ضخمة من معجلات الجسيمات، والتلسكوبات، وتجارب الاندماج النووي، ومشاريع الجينوميات، ومحاكاة الجزيئات أنابيب تحليل تقليدية. يمكن لأنظمة استدلال الذكاء الاصطناعي تفسير هذه المجموعات من البيانات بسرعة، مما يساعد الباحثين على تحديد الأنماط أو الشذوذ التي لولا ذلك لاستغرق اكتشافها أسابيع أو أشهر.

تتمثل الخدمة الجديدة لأرغون في القضاء على عرقلة كبيرة من خلال جعل القدرات المتقدمة للاستدلال متاحة كموارد مركزية بدلاً من требة كل مؤسسة إلى نشر كومة الذكاء الاصطناعي الخاصة بها.

ووصف مايكل بابكا، مدير ALCF، المبادرة بأنها تحول بعيدًا عن ببساطة تقديم الطاقة الحاسوبية الخام إلى تقديم خدمات علمية قادرة على الذكاء الاصطناعي.

بنية ذكاء اصطناعي وطنية للبحث

ترتبط خدمة الاستدلال ارتباطًا وثيقًا بمهمة جينيسيس التابعة لوزارة الطاقة الأمريكية، وهي مبادرة وطنية تركز على تسريع الاكتشاف العلمي من خلال البنية التحتية للذكاء الاصطناعي. تهدف المهمة إلى ربط الحواسيب الفائقة والأدوات العلمية ومجموعات البيانات الكبيرة في نظام بيئي ذكاء اصطناعي موحد يمكنه دعم البحث الجيل التالي.

دعم نظام أرغون بالفعل باحثين من معامل وطنية متعددة تابعة لوزارة الطاقة، بما في ذلك مختبر بروكهافن الوطني، ومختبر لورنس بيركلي الوطني، ومختبر أوك ريدج الوطني، ومختبر لوس ألاموس الوطني. الرؤية الأوسع هي إنشاء منصة بحث وطنية متصلة حيث يمكن للأدوات الذكية، والبيانات التجريبية، وموارد الحوسبة الفائقة العمل معًا بسلاسة.

هذا مهم بشكل خاص لأن العملاء العلميين للذكاء الاصطناعي ي涉ون بشكل متزايد سلاسل عمل وكلية، حيث تتفاعل النماذج بشكل متكرر مع أنظمة المحاكاة، وقواعد البيانات، وأدوات التحليل. يمكن أن تولد هذه السلاسل عملاء كبيرين لاستهلاك العلامات والكلف الحاسوبية عند تشغيلها على منصات الذكاء الاصطناعي التجارية. تم تصميم بنية أرغون لدعم هذه العملاء داخليًا للتطبيقات العلمية.

التكنولوجيا وراء المنصة

تتيح الخدمة الوصول إلى عائلات نموذجية متعددة، بما في ذلك نموذج جيما من جوجل، ونموذج LLaMA من ميتا، ونموذج GPT-OSS من OpenAI، إلى جانب نماذج أساسية علمية محددة المجال ونماذج مطورة داخليًا مثل AuroraGPT.

AuroraGPT ملحوظ بشكل خاص لأنها تمثل طموح أرغون الأوسع لإنشاء أنظمة ذكاء اصطناعي مدربة بشكل خاص على الأدب العلمي، ومجموعات البيانات، والمدخلات البحثية متعددة الوسائط. قام المشروع باستكشاف هياكل كبيرة الحجم للغاية محسنة للتفكير العلمي وبيئات الحوسبة عالية الأداء.

تُشغل البنية التحتية نفسها على أنظمة ALCF المخصصة، بما في ذلك Sophia و Metis، مع خطط لتوسيعها في المستقبل إلى أنظمة مدعومة من NVIDIA تحمل أسماء Tara و Minerva.

ما وراء المساعدين المحادثين: تطبيقات علمية حقيقية

في حين أن المناقشات العامة حول الذكاء الاصطناعي غالبًا ما تدور حول المساعدين المحادثين، فإن تركيز أرغون يركز بشكل قوي على تسريع البحث.

في بحث الطاقة الاندماجية، يمكن لنموذج الاستدلال مراقبة سلوك البلازما في الوقت الفعلي وتنبؤ بالاضطرابات المحتملة قبل حدوثها. في علم الفلك وفيزياء الجسيمات، يمكن لأنظمة الذكاء الاصطناعي تحليل تيارات هائلة من بيانات التلسكوب أو معجل الجسيمات لتحديد الأحداث النادرة بشكل أكثر كفاءة. في الكيمياء وعلوم المواد، يمكن لأنظمة الاستدلال تنسيق محاكاة جزيئية معقدة وتنفيذ سلاسل عمل حاسوبية كبيرة النطاق.

واحدة من الأمثلة التي أبرزها أرغون هي ChemGraph، وهو إطار مدعوم بالذكاء الاصطناعي مصمم لتبسيط سلاسل عمل محاكاة الجزيئات. يستخدم النظام تفاعلات متكررة لاستدعاء أدوات الذكاء الاصطناعي لتوجيه المحاكاة، وتحليل البيانات، والتجارب التكرارية في سير عمل أكثر اتصالا.

التأثير الأوسع هو أن الحوسبة العلمية تتطور من مهام الحوسبة الفائقة المنفصلة إلى بيئات بحث مدعومة بالذكاء الاصطناعي بشكل مستمر.

دور أرغون المتزايد في بنية الذكاء الاصطناعي

تأسس مختبر أرغون الوطني في عام 1946، وقد كان واحدًا من أهم المؤسسات البحثية العلمية في الولايات المتحدة، ولا سيما في الحوسبة عالية الأداء، والأنظمة الطاقوية، وعلوم المواد، والبحوث النووية. يعمل المختبر تحت إشراف وزارة الطاقة الأمريكية وقد لعب دورًا مركزيًا في عدة أجيال من مبادرات الحوسبة الفائقة الأمريكية.

في السنوات الأخيرة، أصبح أرغون أكثر تأثيرًا في تطوير الذكاء الاصطناعي للعلوم من خلال مشاريع مرتبطة بالحوسبة على مستوى الإكساسكال ونموذج الأساس العلمي الكبير. يحتوي مرفق ALCF نفسه على بعض أنظمة الحوسبة الأكثر تقدمًا في البلاد، بما في ذلك Aurora، واحدة من أسرع الحواسيب الفائقة في العالم.

يُظهر إطلاق خدمة الاستدلال تحولًا أكبر يحدث عبر كل من القطاعين الأكاديمي والشركات: الانتقال من نماذج الذكاء الاصطناعي المنفصلة إلى منصات البنية التحتية للذكاء الاصطناعي المتكاملة القادرة على دعم عملاء الاستدلال الكبير على نطاق واسع.

对于 البحث العلمي، يمكن أن ي缩ز هذا التحول بشكل كبير الفترة الزمنية بين توليد البيانات الخام واكتشاف المعاني.