في علامة فارقة للحوسبة الشخصية، تعمل Nvidia على تمكين الذكاء الاصطناعي بشكل أفضل على أجهزة الكمبيوتر من خلال تمكين معالجة الذكاء الاصطناعي التوليدية على أجهزة الكمبيوتر التي تعمل بنظام Windows باستخدام وحدات معالجة الرسومات (GPUs) المستندة إلى RTX.
في العام الماضي، برز الذكاء الاصطناعي التوليدي باعتباره اتجاهًا تحويليًا. بفضل نموها السريع وزيادة إمكانية الوصول، أصبح لدى المستهلكين الآن واجهات مبسطة وأدوات سهلة الاستخدام تستفيد من قوة الذكاء الاصطناعي المحسّن لوحدة معالجة الرسومات، والتعلم الآلي، وبرامج الحوسبة عالية الأداء (HPC).
لقد أحدثت Nvidia ثورة الذكاء الاصطناعي هذه في مراكز البيانات التي تحتوي على الكثير من وحدات معالجة الرسومات، وهي الآن تقدم وحدات معالجة الرسومات المستندة إلى RTX إلى أكثر من 100 مليون جهاز كمبيوتر يعمل بنظام Windows في جميع أنحاء العالم. يعد دمج الذكاء الاصطناعي في تطبيقات Windows الأساسية رحلة مدتها خمس سنوات، مع معالجات الذكاء الاصطناعي المخصصة التي تسمى Tensor Cores، الموجودة في وحدات معالجة الرسوميات GeForce RTX وNvidia RTX، مما يؤدي إلى بناء قدرات الذكاء الاصطناعي في أجهزة الكمبيوتر الشخصية ومحطات العمل التي تعمل بنظام Windows.
قال جيسي كلايتون، مدير إدارة المنتجات وتسويق المنتجات لنظام Windows AI في Nvidia، في مقابلة مع GamesBeat أننا في لحظة كبيرة.
“بالنسبة للذكاء الاصطناعي على أجهزة الكمبيوتر، نعتقد أنها إحدى أهم اللحظات في تاريخ التكنولوجيا. لا أعتقد أنه من المبالغة القول إن الذكاء الاصطناعي يقدم تجارب جديدة – للاعبين، والمبدعين، ومشغلي الفيديو، والعاملين في المكاتب، والطلاب، وحتى مستخدمي الكمبيوتر الشخصي العاديين. إنه يفتح الإبداع. ويسهل على الجميع القيام بالمزيد. الذكاء الاصطناعي مضمن في كل التطبيقات المهمة. ويؤثر على كل مستخدم للكمبيوتر الشخصي. إنه يغير حقًا طريقة استخدام الأشخاص لأجهزة الكمبيوتر.
تم إخطار مراكز البيانات مسبقًا، TensorRT-LLM، وهي مكتبة مفتوحة المصدر مصممة لتسريع أداء الاستدلال لنماذج اللغات الكبيرة (LLMs)، وهي الآن في طريقها إلى Windows. يمكن لهذه المكتبة، المُحسّنة لوحدات معالجة الرسومات Nvidia RTX، تحسين أداء LLMs الحديثة مثل Llama 2 وCode Llama بما يصل إلى أربع مرات.
بالإضافة إلى ذلك، أصدرت Nvidia أدوات لمساعدة المطورين على تسريع برامج LLM الخاصة بهم، بما في ذلك البرامج النصية التي تتيح التوافق مع TensorRT-LLM، والنماذج مفتوحة المصدر المحسنة لـ TensorRT، ومشروع مرجعي للمطورين يوضح سرعة وجودة استجابات LLM.
وقال كلايتون: “ما لا يدركه الكثير من الناس هو أن حالات استخدام الذكاء الاصطناعي في الحوسبة راسخة بالفعل. وقد بدأت نفيديا هذا منذ خمس سنوات في عام 2018″، واعتقدنا أن ذلك سيكون مهمًا. لذلك، مع تقديم ما يسمى بوحدات معالجة الرسوميات RTX، قدمنا أيضًا تقنية الذكاء الاصطناعي للألعاب.
عرض انتشار ثابت
تم دمج TensorRT Acceleration مع Static Diffusion، وهي واجهة مستخدم ويب شائعة من خلال توزيع Automatic1111.
يأخذ الحيز القياسي سطرًا نصيًا وينشئ صورة بناءً عليه. يستخدمها المبدعون لإنشاء بعض الأعمال الفنية المذهلة. لكن جلب كل صورة يستغرق وقتًا وموارد كمبيوتر. هذا يعني أنه عليك الانتظار حتى يكتمل. يمكن لأحدث وحدات معالجة الرسومات من Nvidia مضاعفة الأداء على نطاق قياسي مقارنة بالتطبيقات السابقة، وأسرع بأكثر من سبع مرات من أحدث شرائح Apple. لذلك يمكن لجهاز مزود ببطاقة رسومات GeForce RTX 4090 إنتاج 15 صورة بتوزيع ثابت في الوقت الذي يستغرقه جهاز Apple في عمل اثنتين.
يعتمد DLSS على أبحاث الرسومات حيث يلتقط الذكاء الاصطناعي صورة منخفضة الدقة ويقوم بترقيتها إلى دقة أعلى، مما يزيد من معدلات الإطارات ويساعد اللاعبين في الحصول على قيمة أكبر من وحدات معالجة الرسومات الخاصة بهم. يمكن لمطوري الألعاب أيضًا إضافة المزيد من الفنون المرئية إلى ألعابهم. يوجد الآن أكثر من 300 لعبة DLSS وقد أصدرت Nvidia للتو الإصدار 3.5 من التقنية.
وقال كلايتون: “لقد وصل الذكاء الاصطناعي التوليدي إلى نقطة يفتح فيها فئة جديدة تمامًا من حالات الاستخدام مع فرص لجلب الذكاء الاصطناعي للكمبيوتر الشخصي إلى الاتجاه السائد”. “لذلك سيستمتع اللاعبون بالصور الرمزية المدعومة بالذكاء الاصطناعي. يستخدم موظفو المكاتب والطلاب نماذج اللغات الكبيرة، أو LLMs، لرسم المستندات والشرائح واستخراج الرؤى بسرعة من بيانات CSV. يستخدم المطورون LLMs للمساعدة في الترميز وتصحيح الأخطاء. وسيستخدم المستخدمون يوميًا LLMs للقيام بكل شيء بدءًا من تصفح محتوى الويب وحتى التخطيط لرحلة واستخدام الذكاء الاصطناعي في النهاية كمساعد رقمي.
فيديو فائق الدقة
كما أن إصدار الإصدار 1.5 من RTX Video Supersolution (VSR) كجزء من برنامج تشغيل Game Ready يعزز القدرات التي تعمل بالذكاء الاصطناعي. يعمل VSR على تحسين جودة محتوى الفيديو المتدفق عن طريق تقليل تأثيرات الضغط وشحذ الحواف وتحسين التفاصيل. يوفر الإصدار الأحدث من VSR جودة بصرية أفضل مع نماذج محسنة، وإلغاء تشويش المحتوى الذي يتم تشغيله بدقة أصلية، ودعم كل من وحدات معالجة الرسومات الاحترافية من سلسلة RTX وGeForce RTX 20 المستندة إلى بنية Turing.
تم دمج هذه التقنية في أحدث برنامج تشغيل Game Ready وسيتم تضمينها في برنامج Nvidia Studio Driver القادم المقرر إصداره في أوائل نوفمبر.
يفتح الجمع بين تسريع TensorRT-LLM وقدرات LLM إمكانيات جديدة في الإنتاجية، مما يتيح لـ LLMs العمل بشكل أسرع بما يصل إلى أربع مرات على أجهزة الكمبيوتر التي تعمل بنظام Windows والتي تعمل بنظام RTX. يعمل هذا التسريع على تحسين تجربة المستخدم لحالات استخدام LLM المتطورة مثل مساعدي الكتابة والترميز الذين يقدمون نتائج متعددة فريدة للإكمال التلقائي في وقت واحد.
العثور على آلان ويك 2
إن دمج TensorRT-LLM مع التقنيات الأخرى مثل الجيل المعزز للاسترجاع (RAG) يسمح لـ LLMs بتقديم استجابات مستهدفة بناءً على مجموعات بيانات محددة.
على سبيل المثال، عندما سئل عن تكامل تكنولوجيا Nvidia في Alan Wake 2، أجاب نموذج LLaMa 2 بأن اللعبة لم يتم الإعلان عنها في البداية. ومع ذلك، عندما تم استخدام RAG مع مقالات أخبار GeForce الأخيرة، قدم نموذج LLaMa 2 الإجابة الصحيحة بسرعة، موضحًا السرعة والكفاءة التي تم تحقيقها من خلال تسريع TensorRT-LLM.
وقال كلايتون إنه إذا كانت البيانات موجودة بالفعل في السحابة وتم تدريب النموذج بالفعل على تلك البيانات، فمن المنطقي تشغيلها في السحابة.
ومع ذلك، إذا كانت مجموعة بيانات خاصة، أو مجموعة بيانات لا يمكنك الوصول إليها إلا أنت، أو لم يتم تدريب النموذج في السحابة، فيجب عليك إيجاد طريقة أخرى للقيام بذلك، على حد تعبيره.
“تمثل إعادة تدريب النماذج تحديًا كبيرًا من منظور حسابي. وهذا يسمح لك بالقيام بذلك دون الاضطرار إلى السير في هذا الطريق. وأنا أدفع 20 دولارًا شهريًا لاستخدامها الآن. [AI services]. ما هو عدد هذه الخدمات السحابية التي سأدفع مقابلها إذا كان بإمكاني القيام بالكثير من العمل محليًا باستخدام وحدة معالجة الرسومات القوية؟
يمكن للمطورين المهتمين بتطوير TensorRT-LLM تنزيله من Nvidia Developer. بالإضافة إلى ذلك، تتوفر نماذج مفتوحة المصدر محسنة بواسطة TensorRT وعرض RAG التجريبي المدرب على GeForce News على ngc.nvidia.com وGitHub.com/NVIDIA.
مسابقة؟
يستخدم المنافسون مثل Intel وAdvanced Micro Devices وQualcomm وApple تقنيات منافسة لتحسين الذكاء الاصطناعي في أجهزة الكمبيوتر والأجهزة الذكية. قال كلايتون إن هذه الحلول مفيدة لأحمال عمل الذكاء الاصطناعي خفيفة الوزن والتي تعمل بطاقة منخفضة. وقال إن هذه تشبه Table Stakes AI، وهي مكملة لما تفعله وحدات معالجة الرسوميات من Nvidia.
تتمتع وحدات معالجة الرسوميات RTX بأداء أعلى بـ 20 إلى 100 مرة من وحدات المعالجة المركزية في أحمال عمل الذكاء الاصطناعي، ولهذا السبب تبدأ التكنولوجيا مع وحدة معالجة الرسومات. إن الرياضيات الموجودة في قلب الذكاء الاصطناعي الحديث هي مضاعفة المصفوفات، وفي قلب منصة Nvidia توجد وحدات معالجة الرسومات RTX مع نوى موتر مصممة لتسريع مضاعفة المصفوفات. يمكن لوحدات معالجة الرسوميات GeForce RTX الحالية حساب 1,300 تريليون عملية موتر في الثانية، مما يجعلها أسرع مسرعات الذكاء الاصطناعي للكمبيوتر الشخصي.
وقال كلايتون: “إنهم يمثلون أيضًا أكبر قاعدة تثبيت في العالم لأجهزة الذكاء الاصطناعي المخصصة، مع أكثر من 100 مليون وحدة معالجة رسومات RTX للكمبيوتر الشخصي في جميع أنحاء العالم”. “لذلك، فإنهم يتمتعون بالفعل بالأداء والمرونة اللازمة ليس فقط للتعامل مع مهام اليوم، ولكن أيضًا حالات استخدام الذكاء الاصطناعي في المستقبل.”
يمكن لجهاز الكمبيوتر الخاص بك أن يلجأ إلى السحابة لأية مهام تعمل بالذكاء الاصطناعي والتي تتطلب الكثير من وحدة معالجة الرسومات (GPU) بجهاز الكمبيوتر الخاص بك. يوجد اليوم أكثر من 400 تطبيق ولعبة للكمبيوتر الشخصي تدعم الذكاء الاصطناعي.
عقيدة سرعة اللعبة “حيث تجتمع العاطفة مع العمل،” عند تغطية صناعة الرياضة. ماذا يعني هذا؟ نريد أن نخبرك بمدى أهمية الأخبار بالنسبة لك – ليس فقط باعتبارك صانع قرار في استوديو الألعاب، ولكن كمشجع للألعاب. سواء كنت تقرأ مقالاتنا، أو تستمع إلى ملفاتنا الصوتية، أو تشاهد مقاطع الفيديو الخاصة بنا، فإن Gamespeed تساعدك على التعرف على الصناعة والاستمتاع بالمشاركة. اكتشف ملخصاتنا.
