كشفت MLCommons، وهي مجموعة تعمل على تطوير الاختبارات المعيارية لتكنولوجيا الذكاء الاصطناعي (AI)، يوم الثلاثاء عن نتائج اختبار جديد يحدد سرعات النظام عندما جاءت خوارزميات التدريب المستخدمة في برامج الدردشة الآلية مثل ChatGPT وNvidia في المقدمة.
يعتمد معيار MLPerf على GPT-3، وهو نموذج للذكاء الاصطناعي يستخدم لتدريب ChatGPT، وهو برنامج الدردشة الفيروسي الذي طورته OpenAI وبدعم من Microsoft. ومع ذلك، نظرًا لضخامة النموذج، فإن المعيار يستخدم فقط جزءًا تمثيليًا.
وقال ديفيد كانتر المدير التنفيذي لشركة MLCommons لرويترز: “كان هذا أغلى معيار لدينا حتى الآن”. “لقد أمضينا أكثر من 600 ألف ساعة من وقت الحوسبة المسرَّعة لتطويره، بالإضافة إلى بعض المهندسين الموهوبين بشكل رائع.”
ورفض كانتر الكشف عن تكلفة التطوير، مكتفيًا بالقول إنها تقدر بملايين الدولارات.
قدمت شركتان فقط من شركات الرقائق – Nvidia وHabana Labs التابعة لشركة Intel – نتائج المعيار، وجاء أسرع وقت من الأنظمة التي تستخدم أحدث شريحة H100 من Nvidia، الشركة الرائدة بلا منازع في أجهزة تدريب الذكاء الاصطناعي.
أكبر نظام لـ Nvidia تم تقديمه بالشراكة مع شركة CoreWeave الناشئة للذكاء الاصطناعي استخدم 3584 شريحة H100، مما أدى إلى وقت تدريب قدره 10.94 دقيقة. قامت شركة Habana Labs، وهي شركة شرائح الذكاء الاصطناعي التي استحوذت عليها شركة Intel، بتنفيذ الاختبار في 311.945 دقيقة باستخدام نظام أصغر بكثير مزود بـ 384 شريحة Gaudi2.
بشكل عام، المزيد من الرقائق ونظام أكبر يعني تدريبًا أسرع.
وقال جوردان بلاونر، المدير الأول لمنتجات الذكاء الاصطناعي في إنتل، إن النتائج أظهرت إمكانات Gaudi2، الذي سيكون له تحديث برمجي في سبتمبر لتعزيز السرعة.
وقال بلاونر لرويترز “سوف تحصل على سرعة 1.5X إلى 2X في نتائج هافانا. وعندها نرى أن Habana Gaudi2 تنافسية حقًا وسعرها أقل من H100”.
ورفض بلاونر تحديد تكلفة شريحة Gaudi2، لكنه قال إن الصناعة تحتاج إلى مورد ثانٍ للرقائق للتدريب على الذكاء الاصطناعي، وتظهر نتائج MLPerf أن إنتل يمكنها تلبية هذه الحاجة.
© طومسون رويترز 2023
