GPU وChip وModel وCompute: كلمات العتاد خلف ضجيج الذكاء الاصطناعي

أنت تقرأ مقالًا عن نظام ذكاء اصطناعي جديد، وخلال ثلاث جمل يكون الكاتب قد ذكر chip وGPU وmodel و«compute» وكأنه شيء يمكنك سكبه في كوب. تهز رأسك موافقًا، لكن في زاوية ما من ذهنك يسألك صوت صغير: مهلًا، أيٌّ من هذه هو الدماغ الفعلي، وأيها مجرد الصندوق الذي يعيش فيه؟

هذا الارتباك طبيعي تمامًا. هذه الكلمات تسافر معًا، وتبدو تقنية، وكثير من النصوص التسويقية يستعملها بتساهل متعمَّد. الخبر الجيد أنك حين تفصل العتاد (hardware) عن البرمجيات (software)، تنتظم المفردات كلها في مكانها.

الإجابة السريعة

الـchip(الشريحة) قطعة صغيرة من العتاد؛ والـGPU نوع خاص من الشرائح بارع في إجراء حسابات صغيرة كثيرة في آنٍ واحد. أما الـcompute فكلمة عامية تشير إلى قدرة المعالجة الخام أو الموارد. والـmodel(النموذج) ليس عتادًا على الإطلاق — إنه النظام البرمجي المدرَّب الذي يعمل على تلك الشرائح. الشرائح تؤدي العمل؛ والنموذج هو الشيء الذي يجري تشغيله.

الكلمات المفتاحية

• Chip — قطعة صغيرة من العتاد، تُسمى أيضًا دائرة متكاملة، تحتوي مكوّنات إلكترونية. إنها كائن مادي. كلمتا «processor» و«chip» تتداخلان، لكن «processor» تشدد على الجزء الذي يجري الحسابات، بينما «chip» هي الوحدة المادية العامة.
• Processor — المكوّن الذي ينفّذ التعليمات. الـCPU(وحدة المعالجة المركزية) هو المعالج العام الموجود في معظم الأجهزة. وهو بارع في معالجة مهمة معقّدة واحدة في كل مرة، بالترتيب.
• GPU — وحدة معالجة الرسوميات. بُنيت أصلًا لرسم الصور على الشاشات، لكن تبيّن أن الـGPU ممتازة في تشغيل حسابات بسيطة كثيرة بالتوازي، وهو تمامًا ما تحتاجه أنظمة الذكاء الاصطناعي. لذلك صارت الـGPU نجمة عتاد الذكاء الاصطناعي.
• Compute — تُستعمل هنا اسمًا، بمعنى قدرة المعالجة أو الموارد اللازمة لتشغيل مهمة. «هذا يحتاج الكثير من compute» تعني «هذا يحتاج قدرًا كبيرًا من سعة المعالجة». إنها اختصار، لا وحدة تقنية دقيقة.
• Model — نظام برمجي مدرَّب يأخذ مدخلًا وينتج مخرجًا. إنه برمجيات. تشكّل النموذج عبر البيانات؛ وهو لا يوجد كـchip يمكنك حمله.
• Training — عملية بناء النموذج بتغذيته بالبيانات كي يضبط إعداداته الداخلية.
• Inference — عملية استعمال نموذج مدرَّب سلفًا لإنتاج إجابة.
• Accelerator — كلمة عامة لشريحة مصمَّمة لتسريع نوع معيّن من العمل. الـGPU نوع واحد من الـaccelerator. وسترى أيضًا مسرّعات أخرى مبنية خصيصًا لمهام الذكاء الاصطناعي. الكلمة تخبرك أن للشريحة عملًا محدّدًا، لا أنها غامضة.
• Cluster — مجموعة من شرائح كثيرة موصولة معًا لتعمل كمورد واحد كبير. حين يقول الناس إن نموذجًا دُرِّب «على cluster»، فهم يعنون أن غرفة كاملة من العتاد المتصل اشتغلت عليه، لا شريحة واحدة.

الأخطاء الشائعة

أكبر خطأ هو اعتبار الـchip هو «الذكاء الاصطناعي». يقول الناس «هذه الشريحة هي الذكاء الاصطناعي» أو «بنوا الذكاء الاصطناعي داخل الشريحة». الـchip عتاد. سلوك الذكاء الاصطناعي يأتي من model، وهو برمجيات تعمل على ذلك العتاد. الشريحة تتيح الذكاء الاصطناعي؛ لكنها ليست الذكاء الاصطناعي.

الخطأ الثاني هو الخلط بين GPU وchip وكأنهما فئتان مختلفتان. الـGPU هي chip — لكنها متخصصة. قولك «هل نستخدم chip أم GPU؟» يشبه قليلًا أن تسأل «أأحضر مركبة أم دراجة؟». الدراجة مركبة. السؤال الأوضح هو «CPU أم GPU؟».

ثالثًا، اعتبار «compute» شيئًا معدودًا. سترى «نحتاج المزيد من compute». لا بأس بهذا كاستعمال عامي، لكن لاحظ أنها غير معدودة هنا. لن تقول «ثلاثة computes». عاملها مثل «المزيد من قدرة المعالجة».

رابعًا، الخلط بين training وinference. الـtraining يبني النموذج وهو مكلِّف وبطيء. والـinference يشغّل النموذج المنتهي وهو سريع نسبيًا. حين يقول مقال إن نظامًا «تعلّم» شيئًا جديدًا، فذلك training. وحين يجيب عن سؤالك، فذلك inference. واستعمالهما بالتبادل يجعل وصفك غامضًا.

خامسًا، افتراض أن شريحة أسرع تعني تلقائيًا نموذجًا أذكى. العتاد الأفضل يتيح للنموذج أن يعمل أسرع، أو يتيح وجود نموذج أكبر، لكن الشريحة لا تجعل النموذج أكثر حكمة. السلوك الشبيه بالذكاء يأتي من كيفية تدريب النموذج، لا من سرعة المعالِج.

والخطأ السادس هو الخلط بين «model» و«app». التطبيق الذي تنقر عليه هو الغلاف الودود؛ أما النموذج فهو المحرّك الذي يدندن تحته، وغالبًا يعمل على شرائح بعيدة لا تراها أبدًا. حين يقول عنوان إن شركة «أطلقت نموذجًا جديدًا»، فهو يتحدث عن ذلك المحرّك، حتى لو لم يظهر تطبيق جديد على شاشتك. وإبقاء المحرّك ولوحة القيادة منفصلين في ذهنك يجعل الأخبار أسهل قراءة.

والخطأ السابع الجدير بالذكر هو العبارة العامية «runs on the cloud». هذا لا يعني أن العمل يطفو في الهواء؛ بل يعني أنه يحدث على شرائح شخص آخر في مركز بيانات، ثم تُرسَل النتيجة إليك. «السحابة» مجرد عتاد لأشخاص آخرين، يُوصَل إليه عبر شبكة. وقولك إن نموذجًا «يعيش في السحابة» يعني فعليًا أنه يعيش على شرائح في مكان آخر.

أمثلة طبيعية مقابل ركيكة

ركيك: Their new chip can write essays and answer questions.

طبيعي: Their new model can write essays and answer questions; it runs on their latest chips.

ركيك: We should switch from a chip to a GPU for this.

طبيعي: We should switch from a CPU to a GPU for this, since the task runs in parallel.

أقل طبيعية: The AI is trained every time you ask it something.

أفضل: The model was trained once; each question you ask is just inference.

أقل طبيعية: This will require many computes.

أفضل: This will require a lot of compute.

أقل طبيعية: The cloud thinks about your question and replies.

أفضل: The model runs on chips in a data center and sends the reply back.

لاحظ كيف تُبقي النسخ الطبيعية العتاد (chip وGPU) منفصلًا عن البرمجيات (model)، وتعامل «compute» كموردٍ غير معدود. وينطبق الانضباط نفسه على «السحابة»: سمِّ العتاد الذي يؤدي العمل بدل أن تدع كلمة غامضة تحل محله.

الجدول المختصر

تدريب سريع

حاول إعادة الصياغة أو الإجابة عن كل مطالبة. الإجابات المقترحة تأتي بعدها.

1. املأ الفراغ: "The ______ runs on thousands of GPUs." (كلمة عتاد أم برمجيات؟)
2. صح أم خطأ: الـGPU والـchip فئتان مختلفتان تمامًا.
3. أعد الصياغة لتبدو طبيعية: "We bought more computes for the project."
4. أي كلمة تناسب: "Answering your question is an example of ______ (training / inference)."
5. اكتشف الخطأ: "Their faster chip made the AI much smarter."

الإجابات: (1) model — فهو برمجيات تعمل على العتاد. (2) خطأ — الـGPU نوع من الـchip. (3) "We bought more compute for the project." (4) inference. (5) الشريحة الأسرع قد تجعل النموذج يعمل أسرع أو تتيح نموذجًا أكبر، لكنها لا تجعل النموذج أذكى مباشرة؛ الصياغة تبالغ في دور الشريحة.

الخلاصة

أسرع طريقة لتبدو واضحًا بشأن عتاد الذكاء الاصطناعي هي أن تُبقي خطًا واحدًا راسخًا في ذهنك: الشرائح والـGPU أشياء مادية، والـmodel هو البرمجيات المدرَّبة التي تعمل عليها، بينما «compute» مجرد اختصار لقدرة المعالجة. ما إن تمسك بهذا الخط حتى يكفّ النص التسويقي عن كونه ضبابًا. ستلتقط اللحظة التي يسمّي فيها أحدهم الشريحة «الذكاء الاصطناعي»، وستعرف أن تستبدل الكلمة الصحيحة ذهنيًا. لا يتطلب أيٌّ من هذا شهادة هندسة — يتطلب فقط إبقاء العتاد والبرمجيات كلٌّ في مساره، ومعاملة «compute» موردًا لا أداةً.