![چگونه مایکروسافت یک ابررایانه برای OpenAI جمعآوری کرد](https://gsxr.ir/wp-content/uploads/2023/03/da86daafd988d986d987-d985d8a7db8cdaa9d8b1d988d8b3d8a7d981d8aa-db8cdaa9-d8a7d8a8d8b1d8b1d8a7db8cd8a7d986d987-d8a8d8b1d8a7db8c-openai-d8ac_64123fda1f818.jpeg)
چگونه مایکروسافت یک ابررایانه برای OpenAI جمعآوری کرد
نزدیک به پنج سال پیش، یک شرکت کمتر شناخته شده به مایکروسافت با درخواستی ویژه برای همکاری به منظور افزایش مقیاس قدرت محاسباتی در مقیاسی که قبلا هرگز انجام نشده بود، نزدیک شد. سپس مایکروسافت چند صد میلیون دلار را صرف ساختن دهها هزار تراشه قدرتمند برای ساخت یک ابررایانه کرد.
این شرکت موسوم به OpenAI از این ابررایانه برای آموزش مدل زبانی بزرگ خود یعنی GPT استفاده کرد و همانطور که اکنون همه میدانیم، تاریخساز شد.
به گزارش gsxr از ایسنا، مایکروسافت با ساخت مدلهای هوش مصنوعی که به کاربران کمک میکند کارآمدتر کار کنند، غریبه نیست. غلطگیر املای خودکار که تاکنون به میلیونها کاربر کمک کرده است، نمونهای از یک مدل هوش مصنوعی آموزشدیده در مدل زبانی است. با این حال شرکت OpenAI به دنبال توسعه چنین چیزی نبود. این شرکت میخواست اساساً نحوه تعامل مردم با رایانهها را تغییر دهد و به چیزی عظیم نیاز داشت.
چگونه مایکروسافت یک ابررایانه برای OpenAI جمعآوری کرد
وقتی OpenAI جزئیات مقیاسی را که میخواست محاسبه کند، به مایکروسافت ارائه کرد، مایکروسافت متوجه شد که این شرکت باید برای مدتی طولانی به خدمات رایانش ابری آن دسترسی داشته باشد.
بنابراین مایکروسافت شروع به ترکیب دهها هزار تراشه گرافیکی A100 از شرکت NVIDIA کرد که قدرت محاسباتی بالایی دارند و اغلب برای توسعه مدلهای هوش مصنوعی استفاده میشوند. با این حال، موضوع فقط اتصال تراشهها به یکدیگر نبود.
هنگام آموزش مدلهای هوش مصنوعی، کار بین هزاران واحد پردازشی تقسیم میشود که به یکباره فعال میشوند و به مدیریت دقیق انرژی نیاز دارند. فراتر از آن، پردازندهها همچنین باید با یکدیگر ارتباط برقرار کنند تا کارهای انجام شده را که مایکروسافت باید برای آن نرمافزار ویژه بنویسد، به اشتراک بگذارند.
وقتی که OpenAI مدل خود را آموزش داد، چالش بزرگتر و مهمتر، در دسترس قرار دادن آن برای بسیاری از کاربران بود، بنابراین مایکروسافت موتور جستجوی Bing جدید خود را راهاندازی کرد که از GPT-4، نسخه پیشرفته مدل زبانی OpenAI استفاده میکند و کاربران را در لیست انتظار قرار میدهد تا بتواند سرورهای خود را قبل از ارائه سرویس مدیریت کند.
مایکروسافت همچنین از طریق سرویسهای هوش مصنوعی Azure خود، زیرساختهای محاسباتی را نیز در اختیار سایر کاربران قرار میدهد تا مدلهای هوش مصنوعی خود را بسازند.
تیم مایکروسافت Azure باید تمام جزئیات کوچک از تراشهها تا سرورها و مواد سازنده سازهها را زیر نظر داشته باشد؛ زیرا اختلال در هر یک از اجزای سازنده میتواند برنامههای آنها را برای افزایش مقیاس سریع مختل کند.
آنچه که مایکروسافت چند سال پیش برای OpenAI گردآوری کرد، کاربران را شگفتزده کرده است.
اکنون چیزی که این شرکت در حال ساخت آن است، حتی بزرگتر و پیچیدهتر از نسخه قبلی است و فقط باید منتظر ماند و تصور کرد که چه مدلهای هیجان انگیزی را به نمایش خواهد گذاشت.
به نظر میرسد عصر هوش مصنوعی تازه شروع شده است.