HPC
رایانش ابری و HPC

با HPC حجم کاری خود در حوزه هوش مصنوعی را مقیاس‌بندی کنید

0

رایانش سریع HPC High-performance computing به قابلیتِ پردازش داده و انجام محاسبات پیچیده با سرعت بالا اطلاق می‌شود. رایانش سریع از چند خوشه ماشین متصل به‌هم برای پردازش همزمان حجم‌کاری استفاده می‌کند. ابررایانه، یکی از مشهورترین راهکارهای رایانش سریع است. ابررایانه حاوی حاوی هزاران گِره می‌باشد که به اتفاق یکدیگر برای انجام چند کار فعالیت می‌کنند. با تکامل هرچه بیشترِ هوش مصنوعی، اندازه و مقدار داده‌هایی که سازمان‌ها با آن سر و کار دارند، رشد چشمگیری تجربه کرده است. هوش مصنوعی در بسیاری از حوزه‌ها از مقادیر عظیمی داده استفاده می‌کند؛ از جمله آنها می‌توان به تحلیل داده، پخش زنده مسابقات ورزشی، بررسی وضعیت آب و هوا، آزمایش محصولات جدید یا تحلیل روندهای بازار بورس اشاره کرد.

بنابراین، قابلیت پردازش داده در زمان واقعی از اهمیت خارق‌العاده‌ای در این حوزه‌ها برخوردار است. در همین راستا، سازمان‌ها برای مقیاس‌بندی حجم‌کاری خود در حوزه هوش مصنوعی به استفاده از رایانش سریع روی آورده‌اند زیرا این ابزار به سازمان‌ها و توسعه‌دهندگان این فرصت را می‌دهد تا الگوریتم‌های یادگیری ماشین بسیار پیچیده‌ای را آموزش دهند. افزون بر این، کسب‌وکارها می‌توانند داده‌ها را با استفاده از رایانش سریع در زمان واقعی پردازش کنند. محققان نیز می‌توانند با ابزار مذکور به تحلیل و پیش‌بینی بپردازند.

پلتفرم ابری آژور مایکروسافت Microsft’s Azure قادر است حجم‌کاری بالای یادگیری عمیق را در شبکه InfiniBand یا ابررایانه Cray مقیاس‌بندی کند. بخش خودران شرکت خودروسازی آلمانی آئودی یکی از مطالعات موردی در آژور بوده است. هوش مصنوعی نقش بسیار موثری در وسایل نقلیه خودران ایفا می‌کند. شرکت آئودی شبیه‌سازی‌های خود را با مطالعه پیرامون جنبه‌های مختلف خودرو انجام می‌دهد. در این شبیه‌سازی‌ها، حجم عظیم داده‌های تولید شده توسط حسگرهای وسایل نقلیه مورد استفاده قرار می‌گیرد. این حسگرها باید عاری از هر گونه عیب و ایرادی باشند و بتوانند بهترین عملکرد را در حین رانندگی ارائه دهند. برای نمونه، شناسایی عابران‌پیاده باید به طور دقیق و صرف‌نظر از نور، وضعیت جوی یا ترافیکی انجام گیرد.

با توجه به اینکه میزان خوکارسازیِ (اتوماسیونِ) فعالیت‌ها رو به افزایش است و خودروهای بدون سرنشین محبوبیت چشمگیری پیدا کرده‌اند، نحوه همکاری این حسگرها نیز روز به روز پیشرفته‌تر خواهد شد. در چنین شرایطی، باید از رایانش سریع برای مقیاس‌بندی این کاربردها استفاده شود. در همین راستا، شرکت آئودی باید حدود ۲۰۰ پِتابایت ظرفیت ذخیره‌سازی داده و ظرفیت رایانش داشته باشد تا فرایندهای شبیه‌سازی را در زمان واقعی انجام دهد.

HPC

هوش مصنوعی می‌تواند تا حد زیادی از سیستم‌های رایانش سریع برای مقیاس‌بندی حجم‌کاری استفاده کند. بکارگیری یادگیری عمیق در حجم‌کاری رایانش سریع با عنوان «رایانش سریع در هوش مصنوعی HPC-on-AI» شناخته می‌شود. یادگیری عمیق ابزار بسیار خوبی برای بررسی مسائلی است که عمدتاً با رایانش سریع حل می‌شوند. این مسائل با مجموعه‌داده‌های چندبُعدی و بسیار بزرگی سر و کار دارند. از جمله آنها می‌توان به طبقه‌بندی الگو، خوشه‌بندی الگو و تشخیص ناهنجاری اشاره کرد. برای نمونه، یادگیری عمیق در سامانه‌های رایانش سریع می‌تواند تراکنش‌های غیرقانونی با کارت‌های اعتباری را شناسایی کند و نقش موثری در شناسایی بیمارانی که در معرض ابتلا به بیماری قلبی هستند، داشته باشد.

شرکت اینتل نیز یکی از بازیگردان‌های اصلی در این حوزه به شمار می‌رود. به بخشی از گزارش این شرکت توجه کنید: «برخلاف روش‌های گذشته، هوش مصنوعی قادر است سیستم‌های رایانش ابری سریع را فراتر از دستورالعمل‌های قانون‌مند و ساده‌انگارانه ارتقاء بخشد. هوش مصنوعی داده‌ها را با مجموعه‌ای از نظریه‌ها و الگوریتم‌ها ارزیابی می‌کند. هوش مصنوعی با یاد گرفتن از این نظریه‌ها می‌تواند بافت را بهتر پیش‌بینی و درک کند. در این صورت، خلاء موجود در داده‌ها رفع می‌شود. مدل‌های هوش مصنوعی از راهکارهای سنتی رایانش سریع نیز برای کسب سریع بینش استفاده می‌کنند. این عمل به شکل جامع‌تری نسبت به پردازش داده و تحلیل صورت می‌گیرد.»

یکی از شرکت‌های برترِ این حوزه، «Northern Data» نام دارد که رایانش سریع پایدار و سبز را از طریق هوش مصنوعی اختصاصی امکان‌پذیر کرده است. در این پروژه، هزاران پردازنده به طور همزمان مشغول پردازش میلیاردها داده در زمان واقعی هستند. آروش تیلای‌ناتان – مدیرعامل شرکت Northern Data – بیان کرد: «امروزه، تلفیق رایانش سریع و هوش مصنوعی به مقوله هیجان‌انگیز و نوآورانه‌ای تبدیل شده است. سازمان‌های فناوری اطلاعات در حال طراحی معماری‌های رایانش سریع (HPC) هستند تا نیازهای عملکردی خود را برطرف سازند. بنابراین، شرایط مساعدی برای پردازش حجم عظیمی از داده‌ها مهیا می‌شود. امروزه، توجهات به زیرساخت‌های مبتنی بر هوش مصنوعی افزایش چشمگیری یافته است زیرا سازمان‌ها در صددِ بکارگیری سیستم‌هایی هستند که قابلیت تلفیق قابلیت‌های رایانش سریع، تحلیل داده و هوش مصنوعی را داشته باشند.»

بی‌تردید، هوش مصنوعی در آینده تعریف تازه‌ای برای رایانش سریع ارائه خواهد کرد. با توجه به اینکه تولید داده در سطح جهانی به طرز قابل‌ملاحظه‌ای رو به افزایش است، انتظار می‌رود داده‌های بسیار عظیمی با استفاده از فناوری رایانش سریع بررسی و مقیاس‌بندی شود.

اجرای فوری در Tensorflow 2.0

مقاله قبلی

رونمایی از ابررایانه سیمرغ در حضور وزیر ارتباطات و فناوری اطلاعات؛ ابررایانه «مریم» در راه است

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *