سرکارخانهٔ نویدیا، جنسن هوانگ، در هنگام کنفرانس GTC ۲۰۲۴ در ایالات متحده به آمادگی سازمانها برای ادغام هوش مصنوعی پرداخت. هوانگ به شیوههایی که بدون فناوری هوش مصنوعی قادر به عملیات نیستند، تاکید کرد. نویدیا در این دورهٔ تحولی، معماری گرافیکی جدید خود به نام ‘بلکول’ را معرفی کرد که یک قفل عمده در قدرت محاسباتی و تدارک داده برای شرکتها نمایان میکند.
این معماری بلکول که دارای ۲۰۸۰ میلیارد ترانزیستور است، قادر به پردازش سریع دادههای بسیار بزرگ مدلهای زبانی بزرگ است. با این حال، گذار به سامانههای متمرکز بر هوش مصنوعی با چالشهای خود همراه است. یکی از مسائلی که وجود دارد، هزینه مرتبط با پیادهسازی زیرساخت مناسب برای پشتیبانی از برنامههای هوش مصنوعی است. مدیران مقابل تنگنا قرار دارند که چگونه ارزش حاصل از سرمایهگذاریهای هوش مصنوعی را بیشینه کنند.
تصمیمات سازمانی اکنون بر روی این است که آیا از خدمات ابری استفاده کنند یا سامانههای بر روی محل را برای استقرار هوش مصنوعی انتخاب کنند. به گفتهٔ ESG از TechTarget، نیاز قوی به سامانههای بر روی محل برای بهسرعت بهرهمندی از منابع داده وجود دارد.
شرکتهای سازنده سختافزار مانند Dell Technologies، Hitachi Vantara و Pure Storage، به همراه نویدیا، محصولات و خدماتی را برای بهرهبرداری از قابلیتهای هوش مصنوعی توسعه میدهند. در GTC ۲۰۲۴، نمونههای آزمایشی این محصولات زیرساخت بهینه سازی شده برای هوش مصنوعی معرفی شد که گستره گزینهها را برای سازمانها گسترش میدهد ولی انتخابها را پیچیده میکند.
قبل از انتقال به زیرساخت هوش مصنوعی، سازمانها باید هدف استفاده از هوش مصنوعی در عملیات خود را مشخص کنند. این شامل در نظر گرفتن میزان استفاده از داده، تعداد پارامترهای آموزش مدل هوش مصنوعی و اینکه آیا باید مدلهای هوش مصنوعی ثروتمند توسعه دهند یا از مدلهای موجود استفاده کنند میشود.
استفادههای مختلف هوش مصنوعی نیازمند تواناییهای زیرساخت مختلف هستند. مشاوره با فروشندگانی که دستهوار از محصولات مربوط به هوش مصنوعی ارائه میدهند، میتواند به تصمیمگیری اطلاعات فراوانی ارائه دهد و برای انتخاب و کاربرد محصولات به ارزش آموزشها ارائه دهد. برخی از فروشندگان ممکن است سازمانها را در شناسایی محتوای مناسب تر برای برنامههای هوش مصنوعی حمایت کنند.
با فناوری هوش مصنوعی آیندهٔ نزدیک، شرکتهایی که استراتژیهای واضحی برای استفاده از هوش مصنوعی دارند باید به تدبیر در زیرساختهای لازم سرمایهگذاری کنند. شناسایی مصارف و دادههای مورد نیاز برای هوش مصنوعی، همراه با همکاری با فروشندگان، پایههای پیادهسازی موفق را فراهم میکند.
سوالات و پاسخهای کلیدی:
– بلکول چیست؟
بلکول اخرین معماری GPU معرفی شده توسط نویدیا است که برای افزایش قدرت محاسباتی و تدارک داده طراحی شده و به ویژه برای پردازش مجموعهدادههای مدلهای زبان بزرگ (LLM) مناسب است.
– بزرگترین چالشها برای شرکتها در پذیرش هوش مصنوعی چه هستند؟
شرکتها با چالشهای هزینههای بالا برای پیادهسازی زیرساختهای هوش مصنوعی ، انجام انتخاب صحیح بین خدمات ابری و سامانههای بر روی محل و بیشینه کردن بهرهوری از سرمایهگذاریهای هوش مصنوعی روبرو هستند. همچنین باید اطمینان حاصل کنند که تمرکز و استراتژی سازمان به میزان کافی با قابلیتهای هوش مصنوعی و زیرساختی که تصمیم به سرمایهگذاری در آن بر میدارند همخوانی داشته باشد.
– همکاران سختافزار چگونه به انقلاب هوش مصنوعی پاسخ داده اند؟
شرکتهای سختافزاری مانند Dell Technologies، Hitachi Vantara و Pure Storage با نویدیا همکاری کردهاند تا محصولات زیرساخت بهینه شده برای هوش مصنوعی را توسعه دهند تا به نیازهای مختلف سازمانها پاسخ دهند.
چالشها و اختلافات کلیدی:
– هزینه: سرمایهگذاری در زیرساختهای پیشرفته هوش مصنوعی مانند اینکه برای معماری بلکول نویدیا نیاز است، گران است که ممکن است برای شرکتهای کوچک یا استارتاپها بدون سرمایه معنیدار، سخت باشد.
– نیروی کار ماهر: کمبود پرسنل ماهری که به قدرتمندی هوش مصنوعی را درک کرده و پیادهسازی کنند وجود دارد. شرکتها ممکن است پیدا کردن نیروهای درست برای بهینه کردن فناوریهای هوش مصنوعی را دشوار بیابند.
– امنیت و حریم خصوصی: با افزایش یافته اتصال هوش مصنوعی، نگرانیهای مداومی درباره حریم خصوصی و امنیت داده وجود دارد. سازمانها باید این مسائل را بررسی کنند چرا که با اینکه به سامانههای هوش مصنوعی رویکرد پیدا میکنند که اطلاعات حساس را تجزیه و تحلیل و ذخیره میکنند.
– مزایای پذیرش هوش مصنوعی:
– افزایش بهرهوری: سامانههای هوش مصنوعی قادر به به سرعت پردازش دادههای زیاد هستند و تجزیه و تحلیل ها را به سرعتتر از انسانها انجام میدهند که منجر به تصمیمگیری سریعتر و بهرهوری بیشتر میشود.
– احیای توانمندیها: هوش مصنوعی میتواند خدمات و محصولهای جدیدی را فراهم نماید، عملیات کسب و کار را تغییر میدهد و برتری رقابتی ارائه میدهد.
– نوآوری: با قدرت محاسباتی که توسط معماریهایی مانند بلکول فراهم میشود، شرکتها میتوانند تحقیقات و توسعه پیشرفته را دنبال کنند که به نوآوری منجر میشود.
معایب پذیرش هوش مصنوعی:
– هزینه: سرمایهگذاری اولیه برای زیرساختهای هوش مصنوعی و هزینههای عملیاتی مداوم میتواند بالا باشد که بر امور مالی کسبوکار تأثیرگذار است.
– پیچیدگی: مدیریت و ادغام سامانههای هوش مصنوعی در گردشهای کاری موجود ممکن است پیچیده باشد و به مهارتهای تخصصی نیاز دارد.
– وابستگی: وابستگی زیاد به فناوری هوش مصنوعی ممکن است سبب آسیبپذیری شرکتها در برابر خرابی فناوری یا حملات کیبرنتیکی شود.
مرتبط با این چالشها و برای اطلاع بیشتر از نویدیا میتوانید به وبسایت رسمی آنها با استفاده از لینک زیر مراجعه نمایید: Nvidia.
برای دسترسی به اطلاعات اضافی درباره استفاده شرکتهای از هوش مصنوعی، بازدید از وبسایتهایی مانند TechTarget یا Dell Technologies ممکن است اطلاعات ارزشمندی را فراهم کند، زیرا این فروشندگان به طور فعال با نویدیا همکاری میکنند. با این حال، باید همواره اطمینان حاصل شود که URLها قبل از بازدید جاری و معتبر هستند.