پشت پرده هوش مصنوعی | قسمت 12: چرا مدل‌های بزرگ هوش مصنوعی به سخت‌افزار قدرتمند نیاز دارند؟

وقتی یک سؤال از ChatGPT می‌پرسید و در چند ثانیه یک پاسخ کامل دریافت می‌کنید، شاید این فرآیند ساده به نظر برسد. اما پشت همین پاسخ کوتاه، حجم بسیار زیادی از محاسبات در حال انجام است.

یک مدل هوش مصنوعی بزرگ باید در مدت‌زمان بسیار کوتاه، میلیون‌ها یا حتی میلیاردها عملیات ریاضی را انجام دهد تا بتواند پاسخ مناسب را تولید کند.

اما چرا این مدل‌ها به سخت‌افزارهای معمولی محدود نیستند؟

چرا اجرای مدل‌های بزرگ هوش مصنوعی به سخت‌افزار قدرتمند نیاز دارد؟

در قسمت قبل از مجموعه «پشت پرده هوش مصنوعی» گفتیم که مکانیزم Attention به مدل کمک می‌کند ارتباط بین توکن‌های مختلف را بررسی کند و روی بخش‌های مهم‌تر متن تمرکز داشته باشد.

اما انجام این محاسبات در مقیاس بزرگ، به قدرت پردازشی بسیار زیادی نیاز دارد.

چرا هوش مصنوعی به محاسبات زیادی نیاز دارد؟

مدل‌های زبانی مانند ChatGPT از میلیاردها پارامتر تشکیل شده‌اند. هنگام تولید یک پاسخ، مدل باید این پارامترها را پردازش کند و ارتباط بین بخش‌های مختلف متن را بررسی کند.

وقتی یک کاربر یک سؤال کوتاه ارسال می‌کند، پشت صحنه اتفاقات زیادی رخ می‌دهد:

• متن به توکن‌ها تقسیم می‌شود.
• ارتباط بین توکن‌ها بررسی می‌شود.
• محاسبات مربوط به پارامترهای مدل انجام می‌شود.
• احتمال پاسخ‌های مختلف بررسی می‌شود.
• خروجی نهایی تولید می‌شود.

تمام این مراحل باید در زمان بسیار کوتاهی انجام شوند تا کاربر بتواند یک پاسخ روان دریافت کند.

چرا CPU برای مدل‌های بزرگ کافی نیست؟

پردازنده‌های معمولی یا CPU برای انجام بسیاری از کارهای روزمره کامپیوتر طراحی شده‌اند.

CPU در اجرای وظایف مختلف بسیار قدرتمند است، اما مدل‌های هوش مصنوعی نیاز به انجام تعداد بسیار زیادی محاسبه مشابه به‌صورت هم‌زمان دارند.

در مدل‌های بزرگ، بخش زیادی از عملیات‌ها به شکل موازی انجام می‌شوند؛ یعنی هزاران محاسبه باید در یک زمان مشخص پردازش شوند.

اینجاست که سخت‌افزارهای تخصصی‌تر مانند GPU اهمیت پیدا می‌کنند.

نقش GPU در هوش مصنوعی چیست؟

GPU یا واحد پردازش گرافیکی در ابتدا برای پردازش تصاویر، بازی‌های کامپیوتری و محاسبات گرافیکی توسعه پیدا کرد.

اما ساختار آن باعث شد برای هوش مصنوعی نیز بسیار مناسب باشد.

GPU می‌تواند تعداد زیادی عملیات مشابه را به‌صورت هم‌زمان انجام دهد؛ قابلیتی که برای آموزش و اجرای مدل‌های هوش مصنوعی بسیار مهم است.

به زبان ساده، اگر CPU شبیه یک متخصص باشد که چند کار پیچیده را پشت سر هم انجام می‌دهد، GPU بیشتر شبیه گروه بزرگی از افراد است که می‌توانند تعداد زیادی کار مشابه را هم‌زمان انجام دهند.

آیا فقط تعداد پارامترها باعث سنگینی مدل می‌شود؟

خیر.

یکی از تصورهای رایج این است که هرچه تعداد پارامترهای یک مدل بیشتر باشد، اجرای آن همیشه سخت‌تر است.

تعداد پارامترها قطعاً اهمیت زیادی دارد، اما تنها عامل تعیین‌کننده نیست.

عوامل دیگری مانند:

• معماری مدل
• روش بهینه‌سازی
• نوع سخت‌افزار
• نحوه اجرای مدل

نیز روی سرعت و مصرف منابع تأثیر می‌گذارند.

به همین دلیل، دو مدل با اندازه مشابه ممکن است روی یک سخت‌افزار، عملکرد متفاوتی داشته باشند.

سخت‌افزار چگونه روی تجربه کاربر تأثیر می‌گذارد؟

وقتی یک مدل هوش مصنوعی روی سخت‌افزار قدرتمند اجرا شود، پاسخ‌ها سریع‌تر تولید می‌شوند و کاربران تجربه روان‌تری خواهند داشت.

اما اگر همان مدل روی یک سیستم ضعیف اجرا شود، ممکن است تولید هر پاسخ زمان زیادی طول بکشد.

به همین دلیل، شرکت‌هایی که مدل‌های بزرگ هوش مصنوعی ارائه می‌دهند، از مراکز داده قدرتمند با هزاران پردازنده تخصصی استفاده می‌کنند.

آیا هوش مصنوعی فقط به GPU وابسته است؟

GPU یکی از مهم‌ترین سخت‌افزارهای مورد استفاده در هوش مصنوعی است، اما تنها گزینه نیست.

امروزه سخت‌افزارهای تخصصی دیگری مانند شتاب‌دهنده‌های هوش مصنوعی نیز برای اجرای سریع‌تر مدل‌ها توسعه پیدا کرده‌اند.

هدف همه این فناوری‌ها یکسان است:

انجام محاسبات پیچیده هوش مصنوعی با سرعت بیشتر و مصرف انرژی کمتر.

جمع‌بندی

پس پاسخ سؤال «چرا مدل‌های بزرگ هوش مصنوعی به سخت‌افزار قدرتمند نیاز دارند؟» این است:

زیرا مدل‌هایی مانند ChatGPT برای تولید هر پاسخ باید حجم بسیار زیادی از محاسبات را روی میلیاردها پارامتر انجام دهند. انجام سریع این محاسبات نیازمند سخت‌افزارهایی است که بتوانند عملیات زیادی را به‌صورت هم‌زمان پردازش کنند.

GPUها و پردازنده‌های تخصصی هوش مصنوعی به همین دلیل نقش مهمی در توسعه و اجرای مدل‌های مدرن دارند.

در قسمت بعدی مجموعه «پشت پرده هوش مصنوعی» بررسی می‌کنیم که CPU و GPU دقیقاً چه تفاوتی دارند و چرا GPU برای هوش مصنوعی مناسب‌تر است.

نظر شما چیست؟
آیا فکر می‌کردید یک پاسخ ساده از ChatGPT نیازمند این حجم از پردازش و محاسبات باشد؟

درباره فیلاگر | جامعه هوش مصنوعی ایران

فیلاگر، جامعه هوش مصنوعی ایران، مرجعی برای آموزش، تحلیل و بررسی فناوری‌های نوین هوش مصنوعی است. در مجموعه «پشت پرده هوش مصنوعی» تلاش می‌کنیم مفاهیم پیچیده AI را با زبانی ساده برای علاقه‌مندان فارسی‌زبان توضیح دهیم.

پشت پرده هوش مصنوعی | قسمت ۱
پشت پرده هوش مصنوعی | قسمت ۲
پشت پرده هوش مصنوعی | قسمت ۳
پشت پرده هوش مصنوعی | قسمت ۴
پشت پرده هوش مصنوعی | قسمت ۵
پشت پرده هوش مصنوعی | قسمت ۶
پشت پرده هوش مصنوعی | قسمت ۷
پشت پرده هوش مصنوعی | قسمت ۸
پشت پرده هوش مصنوعی | قسمت ۹
پشت پرده هوش مصنوعی | قسمت ۱۰
پشت پرده هوش مصنوعی | قسمت ۱۱