مقابلات
لودوفيك لارزول، المؤسس والرئيس التنفيذي لشركة Mipsology – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
لودوفيك لارزول هو المؤسس والرئيس التنفيذي لشركة Mipsology، وهي شركة رائدة في مجال تسريع عمليات التعلم العميق. لقد طوّروا تكنولوجيا لتسريع حسابات الشبكات العصبية وتحويل معالجات الأجهزة إلى مستخدمي الذكاء الاصطناعي. Zebra من Mipsology هي أول معزز تجاري يحتوي على هذه التكنولوجيا لتقديم أداء عالي وسهولة استخدام.
ما الذي جعلتك مهتمًا بالذكاء الاصطناعي والرقائق الإلكترونية؟
عملت في تصميم نوع معين من الحواسيب العالية الأداء لمدة 20 عامًا مع شركتي السابقة EVE، قبل أن تتم استحواذها من قبل Synopsys في عام 2012. تلك الحواسيب، التي تسمى أيضًا محاكيات ASIC، تستخدمها العديد من الشركات التي تصمم ASICs حول العالم. لقد استمتعت بالتعقيد والتنوع في ذلك العمل. للنجاح، عليك أن تفهم الإلكترونيات والبرمجيات والخوارزميات المعقدة وكيفية تصميم الشبكات العصبية وكيفية جعلها تعمل بشكل جيد، وهندسة الشبكات العصبية والطاقة والمزيد من التكنولوجيا المتقدمة. بعد 20 عامًا من النجاح، كنت أبحث عن تحد جديد. في ذلك الوقت، بدأ الذكاء الاصطناعي في الظهور مرة أخرى. AlexNet قد قفز إلى الأمام في فهم الصور (ونظرًا إلى ذلك، كان لا يزال في مرحلة الطفولة). التعلم العميق كان جديدًا ولكن واعدًا (من يذكر عندما استغرق الحصول على نتيجة على شبكة بسيطة يومًا؟). وجدت ذلك ممتعًا، لكني أدركت أن هناك تحديات كثيرة.
ما هو التحفيز وراء إطلاق Mipsology؟
لا أعرف إذا كنت سأستخدم كلمة “التحفيز”. كان في البداية أكثر مثل: “هل يمكننا القيام بشيء مختلف وأفضل؟” بدأ ذلك مع افتراضات حول ما يريد الناس الذكاء الاصطناعي القيام به، والسنوات القليلة التالية تم قضاؤها في العثور على حلول أفضل وأفضل بناءً على ذلك. أعتقد أكثر من التحفيز، سأقول أن الأشخاص الذين أعمل معهم يحبون أن يكونوا الأفضل فيما يخترعون، في موقف إيجابي من المنافسة. ذلك يجعل فريقًا قويًا يمكنه حل المشكلات التي يفشل الآخرون في حلها بشكل كافٍ.
ما هي FPGA؟
FPGA هي مكونات إلكترونية يمكن برمجة على مستوى الأجهزة. يمكنك تخيلها كعبة لего – بضعة ملايين منها. كل كتلة صغيرة تقوم بعمليات بسيطة مثل الاحتفاظ بقيمة أو عمليات أكثر تعقيدًا مثل الإضافة. من خلال تجميع جميع هذه الكتل، من الممكن إنشاء سلوك معين بعد تصنيع الشريحة. هذا هو العكس من GPUs ومعظم الرقائق الأخرى، التي يتم تصميمها لمهام محددة ولا يمكن تغييرها بعد ذلك.
البعض، مثل CPUs وGPUs، يمكن برمجمته، لكنه ليس متوازي مثل FPGAs. في أي لحظة معينة، يقوم FPGA ببضع ملايين من العمليات البسيطة. وهذا يمكن أن يحدث ستة أو سبعة مائة مليون مرة في الثانية. بسبب قابليتها للبرمجة، يمكن تغيير ما تفعله في أي وقت لتكيف مع مشاكل مختلفة، لذلك يمكن أن يكون القدرة الحاسوبية غير العادية فعالة. FPGAs موجودة تقريبًا في كل مكان، بما في ذلك محطات قواعد الهواتف المحمولة والشبكات والأقمار الصناعية والسيارات، إلخ. الناس لا يعرفونهم جيدًا لأنهم ليسوا مرئيين مثل المعالج في جهاز الكمبيوتر المحمول.
ما الذي يجعل هذه اللوحات FPGA هي الحل الأفضل مقارنةً باللوحات GPU الأكثر شهرة؟
FPGAs متفوقة في العديد من الجوانب. دعونا نركز على بضع جوانب مهمة.
GPUs مصممة لتحسين الصور، بشكل رئيسي للألعاب. تم العثور عليها لتطابق جيدًا مع بعض الحسابات في الذكاء الاصطناعي بسبب التشابه في العمليات. لكنها لا تزال في الأساس مخصصة للألعاب، مما يعني أنها تأتي مع قيود لا تتناسب جيدًا مع الشبكات العصبية.
برمجة GPUs محدودة بالتعليمات التي تم تحديدها قبل عامين أو ثلاثة قبل توفرها. المشكلة هي أن الشبكات العصبية تتطور بشكل أسرع من تصميم الرقائق، وGPUs هي رقائق. لذلك، من الصعب التنبؤ بالمستقبل: لا يسهل أن تكون على حق. يمكنك رؤية الاتجاهات، لكن التفاصيل هي ما يؤثر حقًا على النتائج، مثل الأداء. في المقابل، بسبب أن FPGAs قابلة للبرمجة على مستوى الأجهزة، يمكننا مواكبة تقدم الذكاء الاصطناعي بشكل أفضل. هذا يسمح لنا بتسليم منتج أفضل مع أداء أعلى، وتلبية احتياجات العملاء بدون الحاجة إلى الانتظار لجيل السيليكون التالي.
علاوة على ذلك، GPUs مصممة لتكون منتجات استهلاكية. مدتها الزمنية قصيرة عمدًا، لأن الشركات المصممة لGPUs تريد بيع جديدة بعد بضع سنوات لللاعبين. هذا لا يعمل جيدًا في الأنظمة الإلكترونية التي تحتاج إلى أن تكون موثوقة لسنوات عديدة. FPGAs مصممة لتكون قوية ومتوافرة 24/7 لسنوات عديدة.
من بين المزايا الأخرى المعروفة جيدًا لFPGAs:
- هناك العديد من الخيارات التي يمكن أن تناسب مناطق محددة مثل الشبكات أو معالجة الفيديو
- يعملون جيدًا في مراكز البيانات وكذلك في الحواف أو المضمنة
- لا يحتاجون إلى تبريد خاص (أقل من تبريد الماء مثل GPUs الكبيرة)
من العيوب الرئيسية هو أن FPGAs صعبة البرمجة. يتطلب ذلك معرفة محددة. على الرغم من أن الشركات التي تبيع FPGAs قد بذلت جهدًا كبيرًا في جسر الفجوة المعقدة، إلا أنها لا تزال ليست بسيطة مثل المعالج. في الواقع، GPUs ليست بسيطة أيضًا. لكن البرمجيات التي تخفي برمجة GPUs للذكاء الاصطناعي تجعل تلك المعرفة غير ضرورية. هذا هو المشكلة التي تحلها Mipsology لأول مرة: إزالة الحاجة إلى برمجة أو معرفة FPGA للحسابات الذكية.
هل هناك أي قيود حالية للوحات FPGA؟
بعض لوحات FPGA مثل لوحات GPU. يمكن وضعها في فتحات PCIe للحاسوب. أحد المزايا المعروفة جيدًا، بالإضافة إلى العمر الذي ذكرتُه من قبل، هو أن استهلاك الطاقة عادةً أقل من GPUs. آخر واحد أقل شهرة هو أن هناك مجموعة أكبر من لوحات FPGA مقارنةً بلوحات GPU. هناك المزيد من FPGAs لأسواق أكثر، مما يؤدي إلى المزيد من اللوحات التي تناسب مناطق مختلفة من الأسواق. هذا يعني ببساطة أن هناك المزيد من الإمكانيات للحسابات الذكية في كل مكان بتكلفة أقل. GPUs محدودة؛ تناسب مراكز البيانات، ولكن ليس الكثير غير ذلك.
Mipsology’s Zebra هي أول معزز تجاري يحتوي على لوحات FPGA لتوفير أداء عالي وسهولة استخدام. يمكنك وصف ما هي Zebra؟
لأولئك الذين يعرفون الذكاء الاصطناعي وGPUs، الوصف الأسهل هو أن Zebra هي لFPGA ما هي Cuda/CuDNN لGPU. إنه مكدس برمجي يخفي تمامًا FPGA خلف الإطارات المعتادة مثل PyTorch أو TensorFlow. نحن نستهدف بشكل رئيسي الاستدلال لصور وفيديوهات. Zebra يبدأ مع شبكة عصبية تم تدريبها عادةً في النقطة العائمة، وبدون أي جهد يدوي أو أداة مملوكة، يجعلها تعمل على أي بطاقة تعتمد على FPGA. كما هو بسيط مثل: وضع لوحة FPGA، وتحميل برنامج التشغيل، وتحميل بيئة Zebra، وتنفيذ تطبيق الاستدلال نفسه مثل الذي يعمل على CPUs أو GPUs. لدينا كمية التكميم الخاصة بنا التي تحتفظ بالدقة، والأداء خارج الصندوق. لا توجد أداة مملوكة التي يجب على المستخدم تعلمها، ولا يحتاج إلى ساعات من وقت الهندسة للحصول على إنتاجية عالية أو تأخير منخفض. هذا يعني انتقالات سريعة، مما يقلل التكلفة ووقت التسويق.
ما هي أنواع التطبيقات المختلفة التي تم تصميم Zebra لأدائها؟
Zebra هو محرك تسريع عام، لذلك يمكنه تسريع الحسابات لأي تطبيق يحتاج إلى حساب الشبكات العصبية، مع التركيز الأساسي على الصور والفيديو لأن احتياجات الحساب أكبر لنوع البيانات هذا. لدينا طلبات من أسواق مختلفة جدًا، لكنها جميعًا متشابهة عندما يتعلق الأمر بحساب الشبكات العصبية. جميعها تتطلب عادةً التصنيف والتقسيم والتحويل العالي الدقة والتحديد الجسدي، إلخ.
由于 Zebra يعمل على FPGA، يمكن استخدام أي نوع من اللوحات. بعضها له إنتاجية عالية ويستخدم عادةً في مراكز البيانات. البعض الآخر أكثر ملاءمة للاستخدام في الحواف أو المضمنة. رؤيتنا هي أنه إذا كان FPGA يمكن أن يناسب، يمكن للمستخدمين استخدام Zebra لتسريع حسابات الشبكات العصبية على الفور. وإذا تم استخدام GPUs أو CPUs، يمكن لـ Zebra استبدالها وتقليل تكاليف البنية التحتية للذكاء الاصطناعي. معظم الشركات التي نتحدث معها تواجه مشاكل مشابهة: يمكنهم نشر تطبيقات أكثر تعتمد على الذكاء الاصطناعي، لكن التكلفة تقييدًا لهم.
لشركة تريد استخدام Zebra، ما هي العملية؟
ببساطة، اتبع هذه الخطوات: support@mipsology.com وسنقوم ببدء تشغيلك.
هل هناك أي شيء آخر تود مشاركته حول Mipsology؟
نحن مشجعون جدًا من ردود الفعل التي نحصل عليها من مجتمع الذكاء الاصطناعي لحل Zebra. على وجه التحديد، يُقال لنا أن هذا ربما يكون أفضل معزز في السوق. بعد بضعة أشهر فقط، نواصل إضافة إلى نظام بيئي متزايد من الشركاء المهتمين، بما في ذلك Xilinx وDell وWestern Digital (WDC ) وAvnet وTUL وAdvantech، على سبيل المثال لا الحصر.
لقد استمتعت حقًا بتعلم هذه التكنولوجيا المبتكرة. يُرجى زيارة Mipsology لمعرفة المزيد.
