معالج Intel Xeon 6 يسجل أداء مميزا في الذكاء الاصطناعي
تاريخ النشر: 5th, September 2024 GMT
نشرت MLCommons، اليوم نتائج مجموعة معايير أداء الذكاء الاصطناعي القياسية في الصناعة MLPerf Inference v4.1، حيث حققت انتل نتائج متميزة عبر ستة معايير MLPerf لمعالجات الجيل الخامس Intel®️ Xeon®️ Scalable، وللمرة الأولى، معالجات Intel®️ Xeon®️ 6 ذات نوى الأداء (P-cores) فقد حققت معالجات Intel Xeon 6 ذات نوى الأداء تحسنًا في الأداء بمقدار 1.
قالت بالافي ماهاجان، نائب رئيس شركة إنتل والمدير العام لمركز البيانات وبرامج الذكاء الاصطناعي إن أحدث نتائج MLPerf أظهرت مدى أهمية الاستثمار المستمر وتوفير الموارد لتحسين أداء الذكاء الاصطناعي، فعلى مدار السنوات الأربع الماضية، رفعنا مستوى أداء الذكاء الاصطناعي على معالجات Intel Xeon بما يصل إلى 17 ضعفًا استنادًا إلى MLPerf" مؤكدة أن الشركة نتطلع إلى زيادة إنتاج Xeon 6 .
لماذا تعد نتائج MLPerf مهمة: تتطلب أنظمة الذكاء الاصطناعي وحدات المعالجة المركزية كمكون أساسي لنشر الحلول بنجاح عبر مجموعة متنوعة من السيناريوهات ويوفر Intel Xeon حلاً رائعًا لاستنتاج الذكاء الاصطناعي، بما في ذلك التعلم الآلي الكلاسيكي وتضمين البحث المتجهي.
وكانت شركة انتل قد قدمت معالجات Intel Xeon من الجيل الخامس ومعالجات Xeon 6 مع P-Cores على ResNet50 وRetinaNet و3DUNet وBERT وDLRM v2 وGPT-J إلى 1.MLPerf Inference v4.
وبالمقارنة مع الجيل الخامس من Intel Xeon، يوفر Xeon 6 متوسط أداء أفضل بنحو 1.9 مرة في استنتاج الذكاء الاصطناعي عبر هذه المعايير الستة ،وتظل شركة انتل هي بائع معالجات الخوادم الوحيد الذي يقدم نتائج وحدة المعالجة المركزية إلى MLPerf.
وعلى مدار السنوات الأربع الماضية، حققت شركة إنتل مكاسب كبيرة في أداء الذكاء الاصطناعي مع وحدات المعالجة المركزية منذ أن قدمت نتائج MLPerf لأول مرة.
وبالمقارنة مع معالجات الجيل الثالث Intel®️ Xeon®️ القابلة للتطوير في عام 2021، فإن أداء Xeon 6 أفضل بما يصل إلى 17 مرة في معالجة اللغة الطبيعية (BERT) وأفضل بما يصل إلى 15 مرة في أحمال عمل الرؤية الحاسوبية (ResNet50).
كما تواصل إنتل الاستثمار في الذكاء الاصطناعي لخريطة طريق وحدات المعالجة المركزية الخاصة بها. على سبيل المثال، تواصل الابتكار مع Intel®️ Advanced Matrix Extensions (AMX) من خلال أنواع بيانات جديدة وكفاءة متزايدة.
كيف تدعم Intel عملاء الذكاء الاصطناعي: تسلط أحدث معايير MLCommons الضوء على كيفية تقديم معالجات Xeon حلول خادم الذكاء الاصطناعي القوية لوحدة المعالجة المركزية لمصنعي المعدات الأصلية (OEMs).
ومع تزايد الحاجة إلى الحوسبة القائمة على الذكاء الاصطناعي وتشغيل العديد من العملاء لأحمال عمل الذكاء الاصطناعي جنبًا إلى جنب مع أحمال عمل المؤسسات الخاصة بهم، تعطي شركات تصنيع المعدات الأصلية الأولوية لعمليات تقديم MLPerf لضمان تقديم أنظمة Xeon عالية الأداء ومُحسّنة لأحمال عمل الذكاء الاصطناعي للعملاء.
كما دعمت شركة انتل خمسة شركاء من شركات تصنيع المعدات الأصلية - Cisco وDell Technologies وHPE وQuanta وSupermicro - من خلال تقديماتهم لـ MLPerf في هذه الجولة حيث قدم كل عميل نتائج MLPerf باستخدام معالجات Xeon Scalable من الجيل الخامس، مما يدل على دعم أنظمتهم لمجموعة متنوعة من أحمال عمل الذكاء الاصطناعي ونشرها.
فالخطوة التالية، ستقوم شركة Intel بتقديم المزيد من المعلومات حول معالجات Xeon 6 ذات نوى P خلال حدث الإطلاق في سبتمبر الجاري.
المصدر: بوابة الوفد
كلمات دلالية: أداء الذکاء الاصطناعی المعالجة المرکزیة الجیل الخامس معالجات Intel معالجات Xeon
إقرأ أيضاً:
هل يخفي الذكاء الاصطناعي عنصرية خلف خوارزمياته الذكية؟
مؤيد الزعبي
بما أننا مقبلون على مرحلة جديدة من استخدامات الذكاء الاصطناعي وجعله قادرًا على اتخاذ القرارات بدلًا عنَّا يبرز سؤال مهم؛ هل سيصبح الذكاء الاصطناعي بوابتنا نحو مجتمع أكثر عدلًا وإنصافًا؟ أم أنه سيعيد إنتاج تحيزاتنا البشرية في قالب رقمي أنيق؟ بل الأخطر من ذلك: هل سيغدو الذكاء الاصطناعي أداة عصرية تمارس من خلالها العنصرية بشكل غير مُعلن؟
قد تحب- عزيزي القارئ- تصديق أن هذه الأنظمة "ذكية" بما يكفي لتكون حيادية، لكن الحقيقة التي تكشفها الدراسات أكثر تعقيدًا؛ فالذكاء الاصطناعي في جوهره يتغذى على بياناتنا وتاريخنا، وعلى ما فينا من تحامل وتمييز وعنصرية، وبالتالي فإن السؤال الحقيقي لا يتعلق فقط بقدرة هذه الأنظمة على اتخاذ قرارات عادلة، بل بمدى قدرتنا نحن على برمجتها لتتجاوز عيوبنا وتاريخنا العنصري، ولهذا في هذا المقال نقترب من هذه المنطقة الرمادية، حيث تتقاطع الخوارزميات مع العدالة، وحيث قد تكون التقنية المنقذ أو المجرم المتخفي.
لنقرّب الفكرة بمثال واقعي: تخيّل شركة تستخدم الذكاء الاصطناعي لفرز السير الذاتية واختيار المتقدمين للوظائف. إذا كانت خوارزميات هذا النظام مبنية على بيانات تحمل انحيازًا ضد جنس أو لون أو جنسية معينة، فقد يستبعد المرشحين تلقائيًا بناءً على تلك التحيزات. وهذا ليس ضربًا من الخيال؛ فقد وجدت دراسة حديثة أجرتها جامعة واشنطن (أكتوبر 2024) أن نماذج لغوية كبيرة أظهرت تفضيلًا واضحًا لأسماء تدلّ على أصحاب البشرة البيضاء بنسبة 85%، مقابل 11% فقط لأسماء مرتبطة بالنساء، و0% لأسماء تعود لأشخاص من ذوي البشرة السوداء، تُظهر هذه الأرقام المقلقة كيف أن خوارزميات الذكاء الاصطناعي، والتي تستخدمها نحو 99% من شركات "فورتشن 500"، يمكن أن تؤثر سلبًا على فرص ملايين الأشخاص الباحثين عن عمل، لا لسبب سوى أنهم وُلدوا بهوية مختلفة، أي أن تحيّز هذه الأنظمة يمكن أن يمس ملايين الباحثين عن العمل.
الأمر يزداد خطورة عند الحديث عن أنظمة التعرف على الوجوه، والتي تُستخدم حاليًا في تعقب المجرمين ومراقبة الأفراد. دراسات عديدة أثبتت أن هذه الأنظمة تخطئ بنسبة تصل إلى 34% عند التعامل مع النساء ذوات البشرة الداكنة، كما تُسجَّل أخطاء في التعرف على الوجوه الآسيوية، ما قد يؤدي إلى اعتقالات خاطئة أو مراقبة غير مبررة لأشخاص أبرياء، فقط لأن الخوارزمية لم تتعلم بشكل عادل، وتخيل الآن كيف سيكون الأمر عندما يدخل الذكاء الاصطناعي- بكل تحيزاته- إلى قاعات المحاكم، أو إلى أنظمة القضاء الإلكترونية، ليصدر أحكامًا أو يوصي بعقوبات مشددة، وحينها بدلًا من أن نصل لقضاء عادل سنصل لعدالة مغلفة بواجهة من الحياد الزائف.
ولننتقل إلى السيناريو الأكثر رعبًا: الذكاء الاصطناعي في المجال العسكري. ما الذي قد يحدث إذا تم برمجة أنظمة قتالية لتحديد "العدو" بناءً على لون بشرة أو جنسية؟ من يتحمل المسؤولية حين ترتكب هذه الأنظمة مجازر على أساس تحيز مبرمج مسبقًا؟ تصبح هذه الأنظمة أداة للقتل بعنصرية عقل إلكتروني، ومن هنا ستتفاقم العنصرية، وستصبح هذه الأنظمة بلا شك أداة لقتل كل ما تراه عدوًا لها ليأتي اليوم الذي تجدنا فيه نحن البشر ألذ أعدائها.
في قطاع الرعاية الصحية أيضًا يمكن للذكاء الاصطناعي أن يكون عنصريًا خصوصًا لو تم برمجتها لتتحكم بمستحقي الدعم الصحي أو حتى استخدامها في أنظمة حجز مواعيد العمليات، فلو وجد أي عنصرية بهذه الأنظمة؛ فبالطبع ستعطي الأولوية لأصحاب بشرة معينة أو جنسية معينة مما سيحرم الكثيرين من الوصول للعلاج في الوقت المناسب.
حتى نكون منصفين هنا نحتاج إلى تمييز دقيق بين نوعين من عنصرية الذكاء الاصطناعي: العنصرية المقصودة: الناتجة عن برمجة متعمدة تخدم مصالح أو توجهات محددة، والعنصرية غير المقصودة: الناتجة عن تغذية الأنظمة ببيانات غير عادلة أو تمثل واقعًا عنصريًا، فتُصبح الخوارزميات انعكاسًا له.
وأيضًا هناك مشكلة مهمة يجب معالجتها فلو عدنا لموضوع الرعاية الصحية؛ فلو قمنا بإدخال بيانات المرضى على هذه الأنظمة وكان حجم البيانات لفئة معينة أكثر من فئة أخرى فربما يعالج الذكاء الاصطناعي هذا الأمر على أن فئة معينة لا تحتاج للعلاج أو تحتاج لرعاية صحية أقل من غيرها وبالتالي يستثنيها من علاجات معينة أو مطاعيم معينة مستقبلًا، ولهذا يجب أن نعمل على تنقيح بيناتنا من العنصرية قدر الإمكان لتجنب تفاقم الأزمة مستقبلا.
يجب ألا نعتقد أبدًا بأن الذكاء الاصطناعي سيكون منصفًا لمجرد أنه آلة لا تفاضل شيء على شيء، فهذا سيمكن الصورة النمطية الموجودة حاليًا في مجتمعاتنا، فالذكاء الاصطناعي تقنية مازالت عمياء وليست واعية بما يكفي لتميز أية التمييز وتحذفه من برمجياتها، إنما تأخذ الأنماط الموجودة وتبني عليها، وسنحتاج وقت أطول لمعالجة هذه الفجوة كلما مضى الوقت.
إذا سألتني عزيزي القارئ ما هي الحلول الممكنة نحو ذكاء اصطناعي عادل وشامل، فالحلول كثيرة أهمها أن نوجد أدوات ذكاء اصطناعي قادرة على إيجاد العنصرية وتبدأ بمعالجتها واستثنائها في خوارزمياتها، وهذه مسؤولية الشركات الكبرى التي تبني نماذج الذكاء الاصطناعي، وثانيًا يجب أن نطور أنظمة ذكاء اصطناعي مبنية على العنصرية فهذه الأنظمة ستطور من نفسها وستكون عدوة للبشرية في قادم الأيام، أيضًا يجب أن يكون هناك تنويع في البيانات فكلما انعكس التنوع في البيانات والتصميم، كلما انخفضت احتمالية انتشار النتائج العنصرية وحققنا الإنصاف المطلوب.
في النهاية يجب القول إن الذكاء الاصطناعي ليس عدوًا بالضرورة، لكنه قد يكون كذلك إذا تركناه يتغذّى على أسوأ ما فينا وأقصد هنا العنصرية.
رابط مختصر
«التعليم» تحقق في تداول امتحان اللغة الأجنبية الثانية للثانوية العامة 2025 على تليجرام