ما بعد وحدات معالجة الرسومات: تحسين مصنع الذكاء الاصطناعي بوصفه منظومة

مصنع الذكاء الاصطناعي ليس مجرد مركز بيانات أكبر حجماً، بل يُبنى خصيصاً لإنتاج الرموز الذكية، لا لاستضافة صفحات الويب والبريد الإلكتروني. وعندما يستثمر مزوّد سحابي فائق النطاق أو شركة سحابية ناشئة متخصصة مليارات الدولارات وسنوات في بناء مصنع للذكاء الاصطناعي، تصبح وحدات معالجة الرسومات التي تنفذ الجزء الأكبر من العمليات الحسابية، بطبيعة الحال، من الأولويات. لكن تحسين وحدة معالجة الرسومات وحدها لا يعني تحسين المصنع المحيط بها. فلا بد أن تدعم أنظمة الطاقة والإدارة الحرارية هذه القدرة الحاسوبية، كما أن القرارات المتخذة في أحد الأنظمة قد تترتب عليها تداعيات كبيرة في الأنظمة الأخرى. ويهدف الذكاء الاصطناعي إلى تحسين الأنظمة المعقدة، لكن المصانع التي تنتجه غالباً ما حُسّنت مكوناً تلو الآخر. وتتيح تقنية التوأم الافتراضي للمهندسين بناء المنظومة بأكملها وتبسيطها، حتى قبل بدء التشييد.

لماذا أصبح التصميم المتحفظ الخيار الأكثر أماناً

نظراً إلى العواقب الوخيمة المحتملة لتعطل النظام أو ظهور اختناق في الأداء، زُوّدت المنشآت الأولى بهوامش أمان ومعدات تفوق الحاجة. وفي غياب خارطة طريق لهذا الجيل الجديد من مراكز البيانات، قد يبدو التشييد بحذر النهج الأكثر أماناً. وقد ساعدت هذه الهوامش على الوقاية من مشكلات مثل الارتفاعات المفاجئة في الحرارة قرب الرقائق، والتي قد لا تترك للمشغلين سوى دقيقة واحدة للاستجابة قبل تعطل المعدات. وفي بعض المنشآت الأولى، ظل ما يصل إلى 10 بالمئة من الطاقة المتاحة غير مستغل كهامش احتياطي.

تتعرض مصانع الذكاء الاصطناعي لمخاطر تقلب درجات الحرارة والطقس وأعطال المعدات وعدم كفاية القدرة وأوجه القصور في التصميم ومشكلات الصيانة. ونظراً إلى ضخامة المخاطر، وعند العمل على نطاق الغيغاواط، قد يعني كل يوم يتأخر فيه توفير القدرة خسارة إيرادات من توليد الرموز تبلغ نحو 100 مليون دولار. وكان الحذر يبدو ضرورياً في غياب أي وسيلة للتنبؤ بعواقب تلك المشكلات.

ويزداد التحدي صعوبة حين تمتد هذه المخاطر إلى أنظمة مستقلة متعددة. يعتمد مصنع الذكاء الاصطناعي على ثلاثة أنظمة مترابطة بإحكام: الحوسبة والطاقة والإدارة الحرارية. وتتطلب وحدة معالجة الرسومات سلسلة معقدة من إمدادات الطاقة لتشغيلها، ونظاماً حرارياً لا يقل تطلباً للتخلص من الحرارة التي تولدها. وعندما تُعامَل الحوسبة والطاقة والإدارة الحرارية على أنها مراحل منفصلة، ويُحسَّن كل منها ضمن مجاله الخاص، قد لا تدرك الفرق كيف يؤثر قرار في أحد الأنظمة على الأنظمة الأخرى. وينشأ عن ذلك قصور في الرؤية واختلال في التوازن، ولا سيما حين تُعامل الطاقة والتبريد على أنهما من متطلبات البنية التحتية التي يمكن تناولها بعد اتخاذ القرارات المتعلقة بالحوسبة.

لا يمكن فصل الطاقة والتبريد عن الحوسبة، فهما جزء من المنظومة التي تحدد مدى كفاءة عملها. لذلك، يتمثل التحول في الانتقال من تحسين كل نظام على حدة إلى تحسين المصنع بأكمله.

مبررات التحسين المشترك

يتطلب حل هذه المشكلة الانتقال من تحسين كل نظام بصورة مستقلة إلى تحسين المصنع بأكمله بصورة مشتركة. يفرض التشييد الفعلي تسلسلاً في اتخاذ القرارات: يُصمَّم أحد الأنظمة، ثم يُبنى نظام آخر حوله، ويُضاف نظام ثالث لدعمه. ويصعّب ذلك تحسين المصنع ككل، لأن كل قرار يضيّق الخيارات المتاحة للأنظمة التي تليه. ويتطلب التحسين المشترك نقل هذه العملية إلى بيئة افتراضية، حيث يمكن وضع نموذج للمنظومة بأكملها وتعديله وتقييمه قبل تثبيت أي شيء على أرض الواقع، بما يتيح إنشاء مخطط ديناميكي.

نمذجة المصنع قبل وجوده

وهنا تكتسب تقنية التوأم الافتراضي على مستوى المنظومة أهمية بالغة.

يستخدم التوأم الافتراضي نمذجة رسمية للأنظمة لتمثيل البنية التحتية للحوسبة والطاقة والإدارة الحرارية معاً، ويمكنه وضع نموذج لمصنع الذكاء الاصطناعي قبل وجوده فعلياً. وعلى خلاف التوأم الرقمي التقليدي الذي يركز على أصل مادي قائم، يستطيع التوأم الافتراضي نمذجة منظومة قبل وجودها فعلياً. ويتيح للمهندسين اختبار تكوينات مختلفة وفهم أثر التغييرات في جزء من المنظومة على الأجزاء الأخرى، قبل أن تتحول تلك الخيارات إلى التزامات مادية.

فعلى سبيل المثال، لا تعني زيادة كثافة وحدات معالجة الرسومات مجرد إضافة مزيد من القدرة الحاسوبية، إذ قد تؤدي إلى زيادة الأحمال الكهربائية، وتغيير متطلبات طرح الحرارة، والتأثير في مواقع المعدات، واستحداث اعتبارات جديدة عند التشغيل الأولي. وتتيح نمذجة هذه العلاقات معاً للمهندسين تقييم المفاضلات قبل التشييد، بدلاً من اكتشافها مع تقدم المشروع.

تتيح تقنية التوأم الافتراضي للمهندسين ارتكاب خطأ مكلف افتراضياً قبل أن يصبح خطأً مكلفاً في العالم المادي. فهي توفر وسيلة لتحديد المشكلات والفرص المحتملة في البيئة الافتراضية، ما يسمح للفرق بحل المشكلات قبل ظهورها في العالم المادي. كما أن اختبار التكوينات قبل التشغيل الأولي الفعلي يتيح تحديد هوامش التصميم غير الضرورية، والطاقة غير المستغلة والهدر الناجم عن هوامش الأمان، ثم استبعادها في مرحلة التصميم. وعلى نطاق واسع، قد تترجم حتى التخفيضات الصغيرة إلى وفورات رأسمالية بملايين الدولارات وإتاحة الإيرادات في وقت أبكر.

 جعل النموذج تنبؤياً

يمكن للنموذج أيضاً استخدام المحاكاة القائمة على الفيزياء للتنبؤ بسلوك المنظومة. فعندما تكون الفيزياء أو الكيمياء التي تقوم عليها مفهومة جيداً، تستطيع أدوات المحاكاة التنبؤ بسلوك المنظومة. وعندما تتيح وفرة بيانات التشغيل نهجاً أفضل، يمكن لنماذج الذكاء الاصطناعي والتعلم الآلي تعزيز تلك المحاكاة.

والنتيجة بيئة تتيح استكشاف كيفية تفاعل مكوّنات النظام المترابطة، وتنسيق القرارات عبر مجالات الهندسة. ويمكن للنموذج أن يتطور أيضًا مع توافر البيانات التشغيلية، بحيث تستفيد التصاميم والقرارات المستقبلية من الدروس المستخلصة من منشأة أو دورة تشغيل.

مخطط تصوري لمصنع الذكاء الاصطناعي

بدأت الصناعة بالفعل في إرساء أسس هذا النهج. ويعمل مخطط DSX من NVIDIA على وضع تصميم مرجعي لمصانع الذكاء الاصطناعي بمقياس الغيغاواط. وبدأت NVIDIA بتحديد جزء الحوسبة من ذلك المخطط باستخدام نمذجة الأنظمة ونهج المحاكاة بالتوأم الافتراضي، كما تدعو شركاء المنظومة العاملين في مجالات الطاقة والتبريد والإنشاءات، ومنهم شركات مثل Eaton وVertiv وJacobs، إلى الإسهام بأجزاء من التصميم كلٌّ في مجال اختصاصه. وتتحقق قابلية التشغيل البيني للتصاميم المرجعية باستخدام SysML الذي يتيح تعريف الأنظمة على مستوى النظام، فيما يوفر OpenUSD أساسًا للبيانات المتمحورة حول الأبعاد الثلاثة.

ليس الهدف أن تحسّن كل شركة مكوّنها الخاص، ثم تتوقع أن تتكامل هذه المكوّنات معًا. بل ينبغي جمع الخبرات في الحوسبة والطاقة والتبريد والمرافق، كي تسهم كل تقنية رائدة في فئتها في أداء النظام بأكمله.

يمكن لكل قطاع تحسين أدائه ضمن مجاله، لكن ابتكار منتج نهائي قوي يتطلب تحسين هذه الأنظمة معًا. ومع نضوج هذا النهج، فإنه يتيح أيضًا للبنية التحتية للذكاء الاصطناعي تجاوز المشروعات التجريبية المنفصلة والمنفذة لمرة واحدة، والانتقال إلى أنظمة بمستوى المؤسسات قادرة على إدارة بيئات تشغيلية شديدة التعقيد.

تحسين أداء المصنع بأكمله، لا وحدة معالجة الرسومات فحسب

ستظل وحدة معالجة الرسومات عنصرًا محوريًا في أداء مصانع الذكاء الاصطناعي. لكن شراء أفضل وحدات معالجة الرسومات لا يكفي وحده لتحسين أداء المصنع الذي يضمها. وسيعتمد الجيل المقبل من البنية التحتية للذكاء الاصطناعي على هندسة أنظمة الحوسبة والطاقة والأنظمة الحرارية بوصفها نظامًا متكاملًا، ونمذجة العلاقات بينها قبل الالتزام باستثمارات مادية كبيرة، والاستفادة باستمرار مما يتعلمه النظام لتحسين ما يأتي بعد ذلك. لا يمكننا التنبؤ بالمستقبل أو منع كل خطأ، لكن تقنية التوأم الافتراضي قد تساعد الفرق على الاستعداد لحالات عدم اليقين وتحسين مصانع الذكاء الاصطناعي بوصفها نظامًا متكاملًا.