أحد الافتراضات المستمرة في صناعة الذكاء الاصطناعي هو أن النمو سيُقيَّد قريبًا بسبب نقص عالمي في وحدات معالجة الرسوميات عالية الأداء.
ومع ذلك، قد يكون القيد الذي يشكّل المرحلة التالية من تطور الذكاء الاصطناعي أقل ارتباطًا بندرة مطلقة، وأكثر ارتباطًا بعدم الكفاءة الهيكلية.
ووفقًا لـ Render Network وتريفور هاريس-جونز، فإن معظم القدرة الحاسوبية في العالم لا تُستَخدم إطلاقًا، وهو انفصال يراه أكثر أهمية من قيود الإمداد.
نقص وحدات GPU المُساء فهمه
قال في مقابلة مع Yellow.com على هامش فعالية Breakpoint الخاصة بـ Solana: "أربعون بالمئة من وحدات معالجة الرسوميات في العالم خاملة. الناس يفترضون أن هناك نقصًا، لكن في الواقع هناك فائض من وحدات GPU القادرة على تنفيذ مهام التصيير والذكاء الاصطناعي".
يجادل هاريس-جونز بأنه رغم استمرار شدة الطلب على الرقاقات المخصصة للتدريب مثل H100 من نفيديا، فإن التدريب نفسه لا يمثل إلا جزءًا صغيرًا من أعباء عمل الذكاء الاصطناعي في الواقع.
ويلاحظ: "التدريب في الحقيقة يمثل نسبة صغيرة جدًا من استخدام الذكاء الاصطناعي. الاستدلال يستحوذ على 80 بالمئة".
ويشير إلى أن هذا الخلل يفتح الباب أمام عتاد المستهلك، ووحدات GPU الأقل فئة، وفئات جديدة من المعالجات مثل LPUs وTPUs وASICs لتحمّل قدر أكبر بكثير من الحمل الحاسوبي العالمي مما يظنه الكثيرون.
التحول الثاني الذي يبرزه هو تقارب سير عمل الرسوم ثلاثية الأبعاد التقليدية مع صيغ الأصول الجديدة الأصيلة للذكاء الاصطناعي.
المبدعون يدفعون الذكاء الاصطناعي نحو خطوط إنتاج سينمائية المستوى
تقنيات مثل Gaussian splatting، التي تحافظ على البنية ثلاثية الأبعاد الأساسية بدلًا من توليد إطارات ثنائية الأبعاد مسطّحة، وظهور نماذج العالم، بدأت تدفع أنظمة الذكاء الاصطناعي لتقترب أكثر من خط الإنتاج السينمائي.
تكتسب هذه التطورات أهميتها لأنها تجعل مخرجات الذكاء الاصطناعي قابلة للاستخدام داخل سلاسل الأدوات الاحترافية القائمة بدل أن تبقى صيغًا غريبة مستقلة.
ولا يزال حجم النماذج تحديًا، لكن هاريس-جونز يتوقع أن يستمر التكميم وضغط النماذج في تقليص الأنظمة ذات الأوزان المفتوحة إلى أن تعمل بسلاسة على أجهزة المستهلكين.
ويقول إن النماذج الأصغر ضرورية للشبكات اللامركزية التي تعتمد على ذاكرة RAM وعرض نطاق موزّعين بدلًا من عناقيد فائقة الضخامة.
Also Read: Data Shows Bitcoin Enters 'Cost-Basis Cycle' Era As ETFs Redefine Market Structure
بينما يتوقع كثيرون أن تعقّد النماذج المتزايد سيدفع التكاليف إلى الأعلى، يعتقد هو أن الديناميكية المعاكسة هي التي ستسود.
فاختراقات التدريب، مثل جهود النماذج الصينية الأخيرة التي أعطت الأولوية للكفاءة على الحجم، تشير إلى مستقبل يصبح فيه الذكاء الاصطناعي أرخص حتى مع تسارع الاستخدام.
"مع انخفاض التكلفة"، يقول، "سترى المزيد والمزيد من حالات الاستخدام تظهر".
بدلاً من ندرة القدرة الحاسوبية، يتوقع هاريس-جونز دورة على شاكلة مفارقة جيفونز: انخفاض التكاليف يخلق طلبًا أكبر، والطلب الأكبر يحفّز أنظمة أكثر كفاءة.
كما يتوقع أن يعرّف الحوسبة الهجينة، وهي مزيج من العمل على الجهاز، وعلى الشبكات المحلية، والسحب المركزية، المرحلة التالية من تطور الصناعة.
وعلى غرار نموذج الذكاء الموزّع لدى Apple، ستتولى بيئات مختلفة مهام مختلفة استنادًا إلى زمن الاستجابة والخصوصية والحساسية والحجم.
وستظل أعباء العمل الحرجة للمهام تتطلب مراكز بيانات متوافقة، لكن الأعباء غير الحساسة أو الدُفعية يمكن أن تعمل بشكل متزايد على الشبكات اللامركزية. وقد توسّع التطورات في التشفير هذه الحدود في النهاية.
موجة قادمة من المحتوى ثلاثي الأبعاد أولًا
على المدى الأطول، يرى أن تحولًا أوسع بكثير قيد الحدوث: تعميم المحتوى ثلاثي الأبعاد المدفوع بالذكاء الاصطناعي.
ويتوقع هاريس-جونز أن تتمحور الحقبة التالية من الذكاء الاصطناعي الموجّه للمستهلكين حول محتوى غامر وأصيل ثلاثي الأبعاد، بدل النصوص أو الصور المسطحة.
ويقول: "سنستهلك محتوى ثلاثي الأبعاد أكثر من أي وقت مضى"، مشيرًا إلى إشارات مبكرة من العتاد الغامر والتطور السريع لأدوات الذكاء الاصطناعي ثلاثية الأبعاد.
قد تتراجع عنق الزجاجة التقليدية للرسوم المتحركة، وسير العمل عالي التقنية الذي لا يمكن الوصول إليه إلا لخبراء متخصّصين، لصالح أدوات تمكّن ملايين المستخدمين من إنتاج مشاهد بمستوى سينمائي.
والمبدعون، الذين كانوا في السابق متحفظين تجاه الذكاء الاصطناعي، باتوا الآن يجرّبون مباشرة مع هذه الخطوط الإنتاجية، ما يسرّع وتيرة تحسين الأدوات ويشكّل تطور سير العمل الهجين.
ويجادل بأن ملاحظاتهم من المرجح أن تؤثر في اتجاه الصناعة بقدر ما تفعل اتجاهات العتاد.
Read Next: Why Gradient Thinks Trillion-Parameter Models Won’t Belong To OpenAI or Google In The Future