استراتژی هوش مصنوعی بریتانیا یک بخش مهم را از دست داده است: محاسبه

بریتانیا شروع به برخورد با هوش مصنوعی به عنوان یک موضوع امنیت ملی و همچنین رشد اقتصادی کرده است. هفته گذشته در مجمع عمومی سازمان ملل، اندی برنهام، نخست وزیر، همکاری هوش مصنوعی جدید بین بریتانیا و ایالات متحده را اعلام کرد که برای محافظت از زیرساخت های مهم ملی از خطوط دریایی تا حریم هوایی طراحی شده است.

این یک پیشرفت مهم است، به ویژه زمانی که هوش مصنوعی از چت بات ها و ابزارهای بهره وری به سیستم های دفاعی و دیگر سیستم هایی که قابلیت اطمینان واقعا اهمیت دارد، حرکت می کند. اما در زیر آن یک سوال نسبتا اساسی وجود دارد که بسیار کمتر مورد توجه قرار می گیرد: قدرت محاسباتی از کجا می آید؟

ما عادت کرده ایم که در مورد هوش مصنوعی از نظر مدل صحبت کنیم. بریتانیا دانشگاه‌های قوی، اکوسیستم استارت‌آپی سالم و مجموعه‌ای در حال رشد از شرکت‌هایی دارد که محصولاتی پیرامون این فناوری تولید می‌کنند.

با این حال همه کار آنها به یک چیز بستگی دارد: دسترسی قابل اعتماد به محاسبات. مدل‌ها باید در جایی آموزش داده شوند، استنتاج باید در جایی اتفاق بیفتد و GPUهایی که این کار را انجام می‌دهند باید در زمانی که شرکت‌ها به آنها نیاز دارند در دسترس باشند.

چرا شرکت های کوچکتر تحت فشار قرار می گیرند

بزرگ‌ترین ارائه‌دهندگان ابری پول زیادی را برای زیرساخت‌های هوش مصنوعی متعهد می‌شوند و بزرگترین شرکت‌های هوش مصنوعی سال‌ها آینده ظرفیت GPU را تامین می‌کنند. از منظر تجاری، این منطقی است. یک hyperscaler تقاضای قابل پیش‌بینی می‌خواهد، و یک شرکت بزرگ هوش مصنوعی می‌خواهد بداند که قدرت محاسباتی مورد نیازش با شروع دوره آموزشی بعدی آن وجود خواهد داشت. این مشکل به سمت پایین‌تر بازار می‌آید، جایی که تعداد فزاینده‌ای از شرکت‌ها برای هر ظرفیتی که باقی مانده با هم رقابت می‌کنند.

و فقط شرکت ها نیستند. یک مطالعه دانشگاه آکسفورد نشان داد که فقط 32 کشور میزبان مراکز داده تخصصی هوش مصنوعی هستند که شرکت های آمریکایی و چینی بیش از 90 درصد از آنها را اداره می کنند. غول های فناوری آمریکایی 87 مرکز اصلی هوش مصنوعی در سراسر جهان را اداره می کنند، در حالی که شرکت های اروپایی تنها شش مرکز را اداره می کنند. کل کشورها عملا در همان صف استارت‌آپ‌ها ایستاده‌اند و قدرت محاسباتی را بر اساس شرایط دیگران اجاره می‌دهند.

برای یک شرکت انگلیسی هوش مصنوعی که چند میلیون پوند جمع‌آوری کرده است و به 500 پردازنده گرافیکی برای هشت هفته نیاز دارد، اقتصاد بسیار متفاوت از شرکتی است که قادر به امضای قرارداد زیرساختی چند میلیارد پوندی است. نیازی به داشتن مرکز داده ندارد. لزوما نمی خواهد تعهدی پنج ساله بدهد. برای محاسبه برای یک پروژه خاص، در یک لحظه خاص، نیاز به دسترسی دارد و باید بداند که این دسترسی چقدر هزینه دارد.

در حال حاضر، این دقیقا همان چیزی است که برای به دست آوردن آن تلاش می کند. قیمت اجاره آخرین تراشه‌های انویدیا تنها در دو ماه اوایل امسال تقریبا به نصف افزایش یافت و CoreWeave، یکی از بزرگترین ارائه‌دهندگان متخصص، قیمت‌ها را افزایش داد و حداقل قراردادهای خود را از یک سال به سه سال افزایش داد. Andreessen Horowitz یکی از استارت‌آپ‌های خود را در حال امضای قرارداد برای GPU توصیف کرده است، اما در آخرین لحظه به او گفته شد که باید سه ماه دیگر صبر کند زیرا یک مشتری بزرگ‌تر سه برابر قیمت پیشنهاد داده است.

اشتها واضح است: وقتی صندوق هوش مصنوعی دولتی محاسبات را برای استارت‌آپ‌ها باز کرد، بیش از 200 درخواست دریافت کرد که بیش از 67 میلیون ساعت GPU را تنها در سه ماه درخواست می‌کردند. با این حال، بسیاری از بازار هنوز برای این نوع مشتری ضعیف طراحی شده است.

پارادوکس ظرفیت کمیاب و بیکار

پارادوکس عجیبی در زیرساخت های هوش مصنوعی در حال توسعه است. ما دائما در مورد کمبود پردازنده‌های گرافیکی می‌شنویم، با این حال بسیاری از شرکت‌های ظرفیت از قبل برای نشستن‌های بلااستفاده پرداخت می‌کنند. یک تجزیه و تحلیل از حدود 23000 خوشه ابری نشان داد که استفاده از GPU به طور متوسط ​​5٪ است، به این معنی که سازمان ها برای ظرفیت تقریبا 20 برابر بیشتر از حجم کاری خود هزینه می کنند.

شرکت‌ها که نگران کوتاهی‌شان هستند، برای شلوغ‌ترین روز ممکن خرید می‌کنند، قبل از اینکه بدانند دقیقا برای چه کاری از آن استفاده خواهند کرد، ظرفیت خود را قفل می‌کنند و در صورتی که بعدا به آن نیاز پیدا کنند، آن را نگه می‌دارند، بنابراین در بیشتر مواقع، سخت‌افزار گران‌قیمت به سادگی بیکار می‌ماند. نتیجه بازاری است که در آن ظرفیت ممکن است برای یک شرکت کمیاب باشد در حالی که در جای دیگری بیکار بنشیند.

بنابراین در یک طرف شرکت هایی وجود دارند که به شدت در جستجوی محاسبات هستند و در طرف دیگر، ظرفیتی که عمدتا استفاده نشده است. اتصال این دو مرحله آشکار به نظر می رسد. انتقال بیشتر ظرفیت GPU در مراکز داده، ارائه‌دهندگان زیرساخت و محیط‌های سازمانی به یک بازار مشترک، به شرکت‌های هوش مصنوعی بریتانیایی راه دیگری برای دستیابی به قدرت محاسباتی مورد نیازشان می‌دهد، به‌ویژه زمانی که برای مذاکره مستقیم با بزرگترین ارائه‌دهندگان بسیار کوچک هستند یا نمی‌خواهند خود را در یک ابر محصور کنند.

همچنین به قلب مسئله حاکمیتی می رود که برنهام مدام به آن باز می گردد. قدرت محاسباتی زیادی در حال حاضر در خاک بریتانیا قرار دارد، در خوشه‌های دانشگاهی، اتاق‌های سرور شرکت، مراکز داده منطقه‌ای و ارائه‌دهندگان متخصص پراکنده شده است، اما در قطعات بسیار کوچک که به خودی خود اهمیتی ندارند.

در کنار هم، این ظرفیت به شرکت‌های بریتانیایی یک منبع محاسباتی تحت صلاحیت بریتانیا می‌دهد، نه منبعی که وابسته به برنامه‌های توسعه چند غول ابری آمریکایی باشد. از آنجایی که این هوش مصنوعی به جای اینکه در تعداد کمی از سایت‌ها متمرکز شود، در سراسر کشور پخش شده است، مزایای هوش مصنوعی را فراتر از لندن و جنوب شرق خواهد داشت، دقیقا همان نوع رشد منطقه‌ای که برنهام شهرت خود را بر آن بنا کرد.

دولت و سیاست چه باید بکند

بریتانیا می خواهد شرکت های هوش مصنوعی ایجاد کند که بتوانند در سطح جهانی رقابت کنند. این شرکت ها به پژوهشگران، سرمایه و مشتریان نیاز دارند، اما به جایی نیز نیاز دارند تا حجم کاری خود را انجام دهند. اگر دسترسی به محاسبات به اندازه ترازنامه یک شرکت یا رابطه آن با تعداد انگشت شماری از ارائه دهندگان ابر وابسته شود، بریتانیا در خطر ایجاد یک اقتصاد هوش مصنوعی است که زیرساخت آن عملا برای بزرگترین بازیگران محفوظ است.

در اینجا نقش دولت وجود دارد. بیش از 2 میلیارد پوند به محاسبات عمومی متعهد شده است، از جمله توسعه 20 برابری منابع تحقیقاتی هوش مصنوعی تا سال 2030، و از این سرمایه گذاری استقبال می شود. اما بخش اعظم آن صرف تعداد کمی از ابررایانه‌های ملی می‌شود، در حالی که تقاضا از سوی استارت‌آپ‌ها در حال حاضر بسیار بیشتر از چیزی است که ارائه می‌شود.

این به یک ایده ساده تر اشاره می کند. در کنار ساخت ابررایانه‌های جدید، دولت باید برای استفاده حداکثری از محاسبات موجود سرمایه‌گذاری کند. برنامه‌ریزی، اتصال به شبکه و پر شدن با تراشه‌ها، سال‌ها طول می‌کشد و هر کدام به یک سایت ظرفیت اضافه می‌کنند. فناوری اتصال پردازنده‌های گرافیکی از مکان‌های مختلف به یک شبکه قابل استفاده از قبل وجود دارد، و می‌تواند بدون انتظار برای بالا رفتن یک ساختمان جدید، ظرفیت بی‌کار را به کار بیاندازد.

بودجه عمومی می‌تواند مستقیما از این نوع تجمیع حمایت کند، برای مثال با خرید زمان برای استارت‌آپ‌های بریتانیایی. تدارکات دولتی همچنین می‌تواند به شرکت‌های کوچک‌تر هوش مصنوعی مسیری برای محاسبات بدهد، بدون اینکه آنها را ملزم به انجام تعهدات زیرساختی مورد انتظار کسب‌وکارهای بسیار بزرگ‌تر کند.

اگر شرکت‌ها بتوانند حجم کار را بین ارائه‌دهندگان بدون بازسازی کل پشته فناوری خود جابه‌جا کنند، انتخاب بیشتری دارند و ارائه‌دهندگان باید سخت‌تر بر سر قیمت و خدمات رقابت کنند. این برای شرکت هایی که محاسبات می خرند و در نهایت برای اقتصاد بریتانیا خوب است.

سیاست هوش مصنوعی زمان زیادی را صرف این سوال کرده است که بریتانیا چه چیزی باید بسازد. سوال فوری‌تر ممکن است این باشد که آیا شرکت‌های بریتانیایی می‌توانند محاسبات کافی برای ساخت آن داشته باشند یا خیر. این مشکلی است که ارزش حل کردن را دارد.

بهترین فضای ذخیره سازی ابری: توسط کارشناسان تست شده، بررسی و رتبه بندی شده است

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit