هوش ایرانی درخدمت بهینه‌سازی هوش مصنوعی؛ ایده جذاب رامین جوادی خبرساز شد

افزایش تقاضا برای مدل‌های زبانی بزرگ مانند GPT-4 و جمنای مصرف انرژی دیتاسنترها را به‌شدت افزایش داده است. پژوهشگران دانشکده‌ی مهندسی دانشگاه ایالتی اورگن با طراحی تراشه‌ای نوآورانه، راهکار مؤثری برای مقابله با این مشکل ارائه داده‌اند؛ تراشه‌ای که نیمی از انرژی نمونه‌های رایج را مصرف می‌کند.

رامین جوادی، دانشجوی ایرانی مقطع دکتری و یکی از طراحان اصلی تراشه‌ی کاهش مصرف دیتاسنترهای هوش مصنوعی، به‌همراه استاد راهنمای خود، دکتر تیجاسوی آناند، این فناوری را در کنفرانس IEEE Custom Integrated Circuits در بوستون معرفی کردند. جوادی برای ارائه‌ی این طرح، جایزه‌ی بهترین مقاله‌ی دانشجویی را کسب کرد.

به‌گفته دکتر آناند، انرژی لازم برای ارسال هر بیت از داده، با همان سرعتی که نیاز به نرخ انتقال داده افزایش می‌یابد، کاهش پیدا نمی‌کند. همین مسئله موجب مصرف بی‌رویه‌ی برق در دیتاسنترها شده است.

به‌ نوشته‌ی ScienceDaily، تراشه‌ی جدید براساس اصول هوش مصنوعی طراحی شده است و با بهره‌گیری از الگوریتم‌های هوشمند در سطح سخت‌افزار، مصرف برق را در پردازش سیگنال‌ها کاهش چشمگیری می‌دهد.

جوادی می‌گوید: «مدل‌های زبانی بزرگ مانند GPT-4 برای عملکرد خود به انتقال حجم عظیمی از داده ازطریق لینک‌های سیمی مبتنی‌بر مس نیاز دارند که این فرایند انرژی زیادی می‌طلبد. راهکار ما طراحی تراشه‌هایی است که ارتباطات سیمی را بهینه‌تر مدیریت کنند.»

جوادی ادامه می‌دهد: «در سرعت‌های بسیار زیاد، داده‌ها در مقصد دچار خطا می‌شوند و باید اصلاح شوند. سامانه‌های سنتی از واحدی به نام Equalizer برای اصلاح این خطاها استفاده می‌کنند که بسیار پرمصرف است؛ ولی ما از الگوریتم‌های هوش مصنوعی برای آموزش دسته‌بندی‌کننده‌های داخلی تراشه استفاده کردیم تا داده‌ها را هوشمندانه‌تر بازیابی و تصحیح کنند.»

پروژه‌ی کاهش مصرف دیتاسنترهای هوش مصنوعی با حمایت سازمان‌هایی مانند DARPA (آژانس پروژه‌های تحقیقاتی پیشرفته‌ی دفاعی آمریکا) وشرکت تحقیقات نیمه‌رسانا (SRC) و مرکز اتصال فراگیر توسعه یافته است.

جوادی و آناند درحال‌حاضر روی نسخه‌ی بعدی این تراشه کار می‌کنند که انتظار می‌رود بازهم بهره‌وری انرژی را بهبود دهد.