وحدة المعالجة الرسومية
GPU
يُسمّى أيضًا: معالج الرسوميات، كرت الشاشة، بطاقة الرسوميات، المعالج الرسومي
شريحة إلكترونية تنفّذ آلاف العمليات الحسابية في الوقت نفسه، وهي المحرّك الذي تعمل عليه أنظمة الذكاء الاصطناعي الحديثة.
وحدة المعالجة الرسومية (GPU اختصارًا لـ Graphics Processing Unit) شريحة صُمّمت في الأصل لعرض الرسوميات في ألعاب الفيديو. لكنها تحوّلت خلال السنوات الأخيرة إلى العمود الفقري للذكاء الاصطناعي. السبب بسيط: هي قادرة على تنفيذ آلاف العمليات الحسابية الصغيرة في وقت واحد، بينما المعالج العادي في حاسوبك (CPU) ينفّذ عددًا قليلًا من العمليات المعقدة بالتتابع.
تدريب نموذج ذكاء اصطناعي يعني إجراء مليارات عمليات الضرب والجمع على أرقام كثيرة في الوقت نفسه. هذا بالضبط ما تجيده وحدة المعالجة الرسومية. لذلك تعتمد عليها الشركات في مرحلتين:
- التدريب: بناء النموذج من الصفر باستخدام كميات هائلة من بيانات التدريب، وقد يتطلب ذلك آلاف الوحدات تعمل معًا لأسابيع أو شهور.
- الاستدلال: تشغيل النموذج بعد اكتمال تدريبه ليجيب عن أسئلتك أو يولّد صورك، وهذا ما يحدث في كل مرة تستخدم فيها روبوت محادثة.
حين تكتب سؤالًا في ChatGPT أو تطلب صورة من Midjourney، لا يعالج هاتفك الطلب. يذهب طلبك إلى مراكز بيانات ضخمة مليئة بآلاف وحدات المعالجة الرسومية، أغلبها من إنتاج شركة NVIDIA (الشركة الأمريكية المسيطرة على هذا السوق). ندرة هذه الشرائح وارتفاع أسعارها هما السبب الرئيسي في التكلفة العالية لبناء أنظمة الذكاء الاصطناعي وتشغيلها.
✓ استخدام صحيح
صانع محتوى سعودي يولّد صورًا لمتجره عبر Midjourney، فيُنفَّذ طلبه على وحدات معالجة رسومية في مراكز بيانات الشركة، لا على جهازه.
لماذا: استخدام صحيح للمفهوم: توليد الصور عملية حسابية ضخمة تحدث على وحدات GPU سحابية، وجهاز المستخدم مجرد واجهة لإرسال الطلب واستقبال النتيجة.
شركة ناشئة في مصر تريد تشغيل نموذج مفتوح المصدر على خوادمها، فتستأجر وحدات معالجة رسومية من مزوّد سحابي بالساعة بدل شرائها.
لماذا: هذا هو النمط الشائع عمليًا: أسعار الوحدات القوية مرتفعة جدًا، لذا تلجأ الشركات الصغيرة إلى الاستئجار السحابي حسب الحاجة.
✕ خطأ شائع
موظف يعتقد أن حاسوبه المكتبي العادي يستطيع تدريب نموذج لغوي كبير لأنه يحتوي على كرت شاشة للألعاب.
الصواب: خطأ شائع. كرت الألعاب المنزلي يصلح لتجارب صغيرة أو تشغيل نماذج مضغوطة، أما تدريب نموذج كبير فيحتاج آلاف الوحدات المتخصصة وتكلفة بملايين الدولارات.
طالب يظن أن ChatGPT يعمل داخل هاتفه، وأن سرعة الإجابة تعتمد على قوة جهازه.
الصواب: الهاتف يرسل الطلب فقط. المعالجة كلها تحدث على وحدات GPU في مراكز بيانات بعيدة، وسرعة الرد تعتمد على تلك الخوادم وضغط المستخدمين عليها، لا على جهازك.
كيف تميّزه بسرعة
أكثر التباس شائع هو الخلط بين وحدة المعالجة الرسومية (GPU) والمعالج المركزي (CPU) الموجود في كل حاسوب. المعالج المركزي ينفّذ مهام متنوعة بالتتابع، أما الرسومية فتنفّذ آلاف العمليات المتشابهة دفعة واحدة، ولهذا تتفوق في حسابات الذكاء الاصطناعي. تجنّب الخطأ بتذكّر قاعدة بسيطة: CPU للمهام اليومية العامة، وGPU للحسابات المتوازية الضخمة كتدريب النماذج وتوليد الصور.
لماذا يهمّك؟
كل أداة ذكاء اصطناعي تستخدمها اليوم تعمل في النهاية على وحدات معالجة رسومية، وفهم ذلك يفسّر لك لماذا الاشتراكات المدفوعة أسرع ولماذا تتباطأ الخدمات وقت الازدحام. أسعار هذه الشرائح وندرتها تحدد تكلفة الخدمات التي تدفعها شركتك أو مشروعك. كما أن السباق العالمي على امتلاكها أصبح قضية اقتصادية وسياسية تمس المنطقة العربية مباشرة، مع استثمارات خليجية ضخمة في مراكز البيانات.
أدوات تستخدم هذا المفهوم
مصطلحات ذات صلة
كل ما يهمّك في الذكاء الاصطناعي، في 60 ثانية يوميًا
نرصد المئات من المصادر ونرسل لك الخلاصة فقط. بلا حشو، وبلا رسائل مزعجة.