تقدم منظمة تقييم الذكاء الصناعي MLCommons مجموعة شاملة حديثة من الاختبارات والنتائج التي تقيم سرعة واستجابة أجهزة الكمبيوتر عالية الأداء في تشغيل تطبيقات الذكاء الاصطناعي. تركز هذه المعايير الجديدة على قياس كفاءة رقائق وأنظمة الذكاء الاصطناعي في إنتاج الردود من النماذج القوية المحسّنة ببيانات واسعة النطاق.
توفر نتائج هذه الاختبارات رؤى قيمة حول السرعة التي يمكن بها أن تقدم تطبيقات الذكاء الصناعي، مثل ChatGPT، الردود على استفسارات المستخدمين. تمثل إحدى المعايير، المسماة Llama 2، تقييمًا محددًا لسرعة سيناريوهات السؤال والجواب لنماذج اللغة الكبيرة. تم تطوير Llama 2 بواسطة Meta Platforms، ويتمتع بمعلمات تصل إلى 70 مليار.
قدمت MLCommons أيضًا أداة تقييم أخرى إلى مجموعتهم، تحمل اسم MLPerf. يركز هذا الإضافة الجديدة على توليد نص إلى صورة ويستخدم نموذج Stable Diffusion XL الخاص بـ Stability AI. عند التقييم، ظهرت الخوادم المجهزة برقائق Nvidia’s H100، التي تنتجها شركات مرموقة مثل Alphabet لـ Google و Supermicro وNvidia نفسها، كأفضل الفائزين بالأداء العالي. وعلى الجانب الآخر، قدم مصممو الخوادم المختلفة تصاميم قائمة على رقائق Nvidia’s L40S، التي رغم أقل قوتها، لكنها ما زالت تحافظ على أدائها في معيار توليد الصور.
اختارت شركة Krai، بناء الخوادم، مسارًا مختلفًا من خلال تقديم تصميم يستخدم رقاقة AI من Qualcomm لمعيار توليد الصور. هذه الرقاقة البديلة استهلكت كمية أقل بكثير من الطاقة مقارنة بمعالجات Nvidia الحديثة، مما يبرز نهجًا أكثر كفاءة في استهلاك الطاقة. قدمت إنتل أيضًا تصميمًا يضم رقائق تسريع Gaudi2 الخاصة بها، مشيدة بالنتائج كـ “ثابتة”.
على الرغم من أن الأداء العالي لا يزال عاملًا حاسمًا في تطبيقات الذكاء الصناعي، فإن استهلاك الطاقة لرقائق الذكاء الاصطناعي المتقدمة يشكل قلقًا كبيرًا للصناعة. تسعى شركات الذكاء الاصطناعي لتطوير رقائق تقدم أداءً مثاليًا مع تقليل استخدام الطاقة. ونتيجة لذلك، لدينا فئة منفصلة في MLCommons مخصصة لقياس استهلاك الطاقة.
تقدم نتائج الاختبارات الحديثة معلومات قيمة لكلاً من مصنعي أجهزة الكمبيوتر الخاصة بالذكاء الصناعي والشركات التي تسعى لتنفيذ تطبيقات الذكاء الصناعي. من خلال التركيز على السرعة والكفاءة، تعتبر هذه الاختبارات مصدرًا حيويًا في تعزيز تقدم تكنولوجيا الذكاء الاصطناعي.
لمزيد من المعلومات حول MLCommons ومعاييرهم، يُرجى زيارة موقعهم الرسمي:
[زيارة MLCommons](https://mlcommons.org)
The source of the article is from the blog xn--campiahoy-p6a.es