نوس ريسيرش تستخدم الحوسبة الموزعة العالمية لتدريب نماذج الذكاء الاصطناعي: إعادة تشكيل مستقبل الذكاء الاصطناعي

مع التطور السريع للذكاء الاصطناعي (AI)، أصبحت قوة التجزئة العامل الرئيسي الذي يقيّد كفاءة تدريب نماذج الذكاء الاصطناعي. أعلنت شركة Nous Research مؤخرًا عن تطوير طريقة مبتكرة، من خلال شبكة حواسيب موزعة على الإنترنت، لتدريب نماذج الذكاء الاصطناعي الكبيرة. لا تعد هذه النموذج فقط بتخفيض التكاليف، بل قد تسرّع أيضًا من تكرار وتطبيق نماذج الذكاء الاصطناعي.

سوف نقوم بتحليل شامل لخطة تدريب الذكاء الاصطناعي الموزعة من شركة Nous Research، والمزايا المحتملة، وتأثيرها على مستقبل بيئة الذكاء الاصطناعي.

![] ( https://img-cdn.gateio.im/social/moments-fe 48664196 f 62 b 9 e 2 f 93 c 4035 bbcf 461)

一、مفهوم شركة Nous Research المبتكر

عادةً، يعتمد تدريب نماذج الذكاء الاصطناعي على مجموعات GPU مكلفة أو مراكز حوسبة فائقة، وهو أمر مكلف جدًا للمطوّرين وفرق التطوير الصغيرة والمتوسطة. تقدم شركة Nous Research خطة تدريب موزعة تدمج الموارد الحسابية غير المستخدمة على الإنترنت في الشبكة، لتحقيق مشاركة قوة التجزئة.

تشمل المبادئ الأساسية:

• استغلال موارد الحواسيب غير المستخدمة عالميًا تجميع قوة التجزئة من أجهزة الكمبيوتر الشخصية، والخوادم، وحتى الأجهزة الطرفية، لتشكيل شبكة تدريب ذكاء اصطناعي موزعة.
• اللامركزية وضمان الأمان من خلال التشفير في الاتصال والتحقق الموزع، لضمان خصوصية البيانات وسلامة نتائج التدريب.
• الكفاءة وقابلية التوسع كلما زاد حجم الشبكة، زادت قدرة التدريب، دون الاعتماد على مجموعة واحدة مكلفة من قوة التجزئة.

二、آلية عمل التدريب الموزع للذكاء الاصطناعي

1 . تقسيم المهام والجدولة يتم تقسيم مهمة تدريب النموذج الكبير إلى مهام صغيرة، وتوزيعها على العقد المختلفة للحوسبة. 2 . تجميع النتائج والتحقق بعد إكمال الحسابات، يتم إرجاع النتائج إلى المركز أو نظام التجميع اللامركزي، من خلال آلية تحقق لضمان دقة الحساب. 3 . إدارة الموارد الديناميكية يمكن للنظام مراقبة حالة العقد في الوقت الفعلي، وتعديل توزيع المهام بشكل ديناميكي، لتحسين كفاءة التدريب الشاملة.

هذه الآلية لا تستغل موارد الحوسبة العالمية بشكل كامل فحسب، بل تقلل بشكل كبير من ضغط استثمار الأجهزة على المؤسسات الفردية.

三、المزايا المحتملة لشركة Nous Research

1 . توفير التكاليف مقارنة بمراكز البيانات التقليدية التي تعتمد على GPU أو مراكز الحوسبة الفائقة المكلفة، يمكن للحوسبة الموزعة الاستفادة من الأجهزة الموجودة، وتقليل تكاليف التدريب. 2 . تسريع تكرار النماذج مشاركة المزيد من العقد في الحساب تعني سرعة تدريب أكبر، مما يتيح للباحثين اختبار وتحسين النماذج بشكل أكثر تكرارًا. 3 . صديقة للبيئة باستخدام الموارد غير المستخدمة حاليًا بدلاً من إضافة أجهزة جديدة، تساهم في تقليل استهلاك الطاقة وانبعاثات الكربون، وتحقيق الذكاء الاصطناعي الأخضر. 4 . تعزيز التعاون المجتمعي نموذج الحوسبة الموزعة يشجع المطوّرين والباحثين على مشاركة قوة التجزئة، ودفع تطور تقنيات الذكاء الاصطناعي معًا.

四、التأثير المحتمل على صناعة الذكاء الاصطناعي

1 . ديمقراطية تدريب الذكاء الاصطناعي من خلال التدريب الموزع، تتاح الفرصة للمزيد من الفرق الصغيرة والمتوسطة والأفراد للمشاركة في تطوير نماذج الذكاء الاصطناعي عالية الأداء، وتقليل عتبة التقنية. 2 . تعزيز بيئة الذكاء الاصطناعي اللامركزية على عكس التدريب المركزي التقليدي، يمكن للتدريب الموزع بناء شبكة ذكاء اصطناعي لامركزية، وتشارك البيانات وقوة التجزئة. 3 . دفع تطبيقات جديدة يمكن أن يسرّع التدريب السريع والمنخفض التكلفة للنماذج من تطبيقات معالجة اللغة الطبيعية، والتعرف على الصور، والذكاء الاصطناعي التوليدي، مما يوفر تجارب مبتكرة للشركات والمستهلكين.

五、آفاق المستقبل

مفهوم التدريب الموزع للذكاء الاصطناعي من شركة Nous Research هو محاولة جريئة في مجال الذكاء الاصطناعي. في المستقبل، قد يصبح:

• معيارًا جديدًا لتدريب نماذج الذكاء الاصطناعي الكبيرة
• نموذجًا لمشاركة موارد الحوسبة عالميًا
• وسيلة مهمة لتعزيز ديمقراطية تقنيات الذكاء الاصطناعي

مع توسع الشبكة، وتحسين الخوارزميات، وتطوير آليات الأمان، لن يكون الذكاء الاصطناعي الموزع مجرد أداة بحث علمي، بل قد يعيد تشكيل مشهد صناعة الذكاء الاصطناعي.