دعم NVIDIA لـ NAIRR يوضح حاجة أبحاث الذكاء الاصطناعي العامة إلى حوسبة مخصصة
تقول NVIDIA إن برنامج NAIRR التجريبي دعم أكثر من 700 مشروع، ما يوضح أن وصول الأبحاث العامة إلى بنية DGX أصبح جزءاً من نقاش حوسبة الذكاء الاصطناعي.
الأبحاث العامة تحصل على حوسبة ذكاء اصطناعي مخصصة
تقول NVIDIA إن البرنامج التجريبي National Artificial Intelligence Research Resource التابع لـ U.S. National Science Foundation دعم أكثر من 700 مشروع خلال العامين الماضيين، ما يضع وصول الأبحاث العامة إلى بنية الذكاء الاصطناعي ضمن النقاش نفسه حول بناء مصانع الذكاء الاصطناعي التجارية.
قدمت الشركة مورداً سحابياً للبرنامج يمنح الباحثين وصولاً مخصصاً إلى حد أدنى من أربع عقد NVIDIA DGX لمدة شهر على الأقل. وقالت NVIDIA أيضاً إنها قدمت دعماً تقنياً لمساعدة الباحثين على بدء مشاريعهم وتشغيلها.
بالنسبة للجامعات والمختبرات، يهم ذلك لأن الوصول إلى وحدات GPU متقدمة وروابط داخلية ودعم هندسي يمكن أن يحدد ما إذا كانت فكرة بحثية ستبقى نظرية أم ستتحول إلى نموذج عامل. ويظهر مثال NAIRR مساراً عاماً للوصول إلى الحوسبة في وقت تتنافس فيه مختبرات الذكاء الاصطناعي الخاصة وعملاء السحابة على الفئة نفسها من البنية التحتية.
مشاريع علمية تكشف الطلب على الحوسبة
تشمل المشاريع التي ذكرتها NVIDIA عدة مجالات تقنية وليس منتج ذكاء اصطناعي واحداً. تستخدم Polymathic AI، وهي ائتلاف يضم Flatiron Institute وCambridge University وLawrence Berkeley National Lab، وحدات NVIDIA GPU وتقنية NVLink لمحاكاة سلوكيات شبيهة بالسوائل ونموذج أساس باسم Walrus.
ويعمل باحثون في University of Michigan بقيادة Professor Venkat Viswanathan على إطار دمج نماذج يجمع بين الذكاء الاصطناعي الجزيئي ونماذج اللغة الكبيرة العامة لأبحاث تخزين الطاقة وتحويلها. وتشير NVIDIA أيضاً إلى عمل Rutgers University على إطار DOLPHIN لتحليل البروتين، وإلى أبحاث University of California, San Diego التي تستخدم الذكاء الاصطناعي لفهم حركة الملوثات عبر المياه الجوفية.
تنوع هذه المشاريع هو نقطة البنية التحتية الأساسية. فأبحاث الذكاء الاصطناعي العامة لا تحتاج إلى الوصول إلى النماذج فقط؛ بل تحتاج إلى حوسبة كافية وحركة ذاكرة ودعم تقني لتشغيل المحاكاة وسير عمل الكيمياء والتحليل البيولوجي على نطاق مفيد.
الوصول يبقى سؤال السياسة
تقدم NVIDIA برنامج NAIRR كطريقة لتوسيع القدرة البحثية، لكنها لا تعرض نموذج تكلفة كاملاً للبرنامج ولا تقول كم عدد الباحثين الذين لم يحصلوا على فرصة. كما لا تصف هيكل تمويل دائماً للحفاظ على حوسبة مماثلة متاحة للفرق الأكاديمية.
تبقى المسألة التشغيلية لدى صناع السياسات ووكالات البحث. فإذا أرادت برامج الذكاء الاصطناعي الوطنية أن تعمل الجامعات على الرعاية الصحية والزراعة والطاقة وعلوم البيئة، فإنها لا تزال بحاجة إلى طريقة قابلة للتكرار لتمويل وتخصيص البنية التحتية خلف تلك المشاريع.
