يقول نائب رئيس شركة Nvidia Manuvir Das إن الذكاء الاصطناعي للمؤسسات في “ نقطة انعطاف ” مع انطلاق GTC

وسط مجموعة مذهلة من إعلانات المنتجات في Nvidia GTC اليوم ، كنت مهتمًا بشكل خاص بمعرفة كيف يمكن أن تؤثر الأخبار على اعتماد وتطبيق الذكاء الاصطناعي في المؤسسة في عام 2023.

كان من دواعي سروري الحصول على السبق الصحفي مباشرة من Manuvir Das ، نائب رئيس حوسبة المؤسسات في Nvidia ، الذي تحدثت معه الشهر الماضي من أجل الغوص العميق في صعود Nvidia إلى هيمنة الذكاء الاصطناعي على مدار العقد الماضي. تم تحرير هذه المقابلة الفردية وتكثيفها من أجل الوضوح.

>> تابع تغطية Nvidia GTC المستمرة لربيع 2023 من VentureBeat <<

VentureBeat: كيف يمكنك وصف إعلانات GTC من حيث كيفية تأثيرها على الذكاء الاصطناعي في المؤسسة؟

مانوفير داس: أود أن أقول أن مؤسسة الذكاء الاصطناعي في نقطة انعطاف. لقد جعل الذكاء الاصطناعي التوليدي و ChatGPT الأمر واضحًا للغاية الآن بحيث يمكن للذكاء الاصطناعي تحويل كل عمل تجاري. لقد رأينا هذا قادمًا لبعض الوقت ، و [have pushed] الشركات التي تتبنى الذكاء الاصطناعي ، لكنني أعتقد أن ChatGPT قد أوجدت حقًا لحظة iPhone تلك ، إذا صح التعبير ، لشركات المؤسسات لتقول “أنا بحاجة إلى تبني هذا في أعمالي ومنتجاتي ، وإلا فسوف أتخلف عن الركب.”

إذا نظرت إلى العديد من إعلاناتنا ، فهي تتماشى مع هذه اللحظة. سحابة DGX [which democratizes Nvidia DGX AI supercomputers and is optimized to run Nvidia AI Enterprise] هو مكان يمكنك من خلاله الحصول على القدرة على أداء تدريبك.

Nvidia AI Foundations هو مكان يمكنك فيه تخصيص الذكاء الاصطناعي التوليدي لشركتك ثم نشره. توفر Nvidia Enterprise البرنامج ، إطار عمل NeMo الذي يمكنك استخدامه لتدريب النماذج الخاصة بك في السحاب.

مجموعة الرقائق الجديدة التي أعلنا عنها تدور حول الاستدلال على الذكاء الاصطناعي التوليدي. تم تصميم Hopper H100 في جزء كبير منه خصيصًا للقيام بعمل جيد حقًا في نماذج Transformer هذه التي تقف وراء الذكاء الاصطناعي التوليدي ، و Hopper قيد الإنتاج بالكامل ويبدأ في أن يصبح متاحًا من خلال قنوات مختلفة مثل السحب المختلفة ومصنعي المعدات الأصلية.

لذا ، على صعيد الذكاء الاصطناعي للمؤسسات ، يتمثل الموضوع الرئيسي لـ GTC في القول بأن هذه هي اللحظة المناسبة للمؤسسات لتبني الذكاء الاصطناعي حقًا. بالنسبة لجميع تلك الشركات التي تعمل على الحياد وتشتغل وتفكر ، هل هناك حالة استخدام تجارية مقنعة لتبرير الاستثمار في الذكاء الاصطناعي؟ أعتقد أنه يحدق بهم الآن في وجوههم.

VB: ما هي أكبر نقاط الضعف للمؤسسات التي تناولتها هذه الإعلانات المختلفة؟

داس: نقطة الألم الأولى هي أن الذكاء الاصطناعي شيء معقد. بالنسبة للشركة الصغيرة جدًا أو لعالم البيانات الفردي ، هناك حلول جاهزة جيدة جدًا. يمكنك استخدام SageMaker على AWS أو Vertex AI على Azure والبدء بسرعة كبيرة. لكن في اللحظة التي تتجاوز فيها مثل وحدة معالجة رسومات واحدة ، أو عقدة واحدة ، فإن الحلول لا تتسع حقًا.

من ناحية أخرى ، يمكنك أن تكون ممارسًا كبيرًا للذكاء الاصطناعي الذي يستهلك آلاف وحدات معالجة الرسومات ، مثل Meta أو OpenAI ولديك فريقك الخاص المكون من مئات المهندسين الذين يمكنهم التعامل مع جميع التعقيدات والقيام بكل الأعمال الهندسية اللازمة لاستخدام تلك البيئة واسعة النطاق بالفعل.

الفجوة هي بالنسبة لشركة مؤسسة نموذجية تحاول تبني الذكاء الاصطناعي. أنت بحاجة إلى حل في المنتصف ، مثل 50 أو 100 وحدة معالجة رسومات ، لذا فهي تتوسع ولكنها جاهزة نسبيًا. لذلك يمكنك فقط القيام بعلوم البيانات الخاصة بك ولكن ليس عليك القيام بالهندسة. هذا ما تناولناه مع DGX Cloud.

النقطة المؤلمة الثانية هي أن الذكاء الاصطناعي التوليدي يبدو رائعًا. ChatGPT رائع. إنه مجرد نموذج عملاق واحد للعالم كله. لكن شركة المؤسسة تحتاج إلى نموذج مفيد في سياقها ، مع بياناتها ومعلومات العملاء وموظفيها. لذا فهم بحاجة إلى طريقة لبناء نماذجهم المخصصة ، لكن لا يمكنهم البدء من الصفر.

يتطلب نوع النموذج الذي يحتاجون إليه المعلومات من تلك الشركة حتى يتمكنوا من الإجابة على الأسئلة بالإجابات الصحيحة ، ولكنه يحتاج أيضًا إلى الذكاء العام لكيفية التحدث التي تعلمتها ChatGPT من الإنترنت.

لذا فإن ما هو مطلوب في السوق ، في اعتقادنا ، هو نظام لعملاء المؤسسات. لدينا بعض النماذج التي تم تدريبها مسبقًا والتي قمنا بتدريبها على ما يكفي من الإنترنت حتى يكون لديهم الذكاء العام والقدرة على المحادثة للذهاب ذهابًا وإيابًا. ومن ثم نقدم لك طريقة لتخصيص هذه الأشياء ببياناتك ، بحيث يمكن استخدام النموذج بالفعل في عملياتك لتقديم الإجابات الصحيحة والتعبير عنها بشكل صحيح وذكاء. لهذا السبب قمنا ببناء أسس Nvidia.

كانت نقطة الألم الثالثة هي أنه بالنسبة لشركات المؤسسات بشكل عام ، إذا كانت تتبنى الذكاء الاصطناعي في الإنتاج ، فإنها تحتاج إلى بعض المنصات الموثوقة. بالنسبة لي كعميل مؤسسي ، أستخدم SAP HANA أو VMware أو Microsoft Office 365 أو Windows Server أو ما لديك. هذه هي الأنظمة الأساسية التي يمكنني الاعتماد عليها – سيتم إصلاح الأخطاء ، وهناك إيقاع إطلاق ، والأشياء معتمدة. في حين أن الكثير منه اليوم هو أنني التقطت هذا من المصدر المفتوح ، ذلك من المصدر المفتوح ، اربطه جميعًا معًا وأتمنى نوعًا من الأمل في الأفضل.

نتعامل مع ذلك من خلال أخذ منصة برامج Nvidia Enterprise الخاصة بنا ووضعها في السحابة ، بحيث يمكنك استهلاكها عند تدوير المثيلات – Google أو Azure أو AWS أو في أي مكان تختاره للقيام بعملك. لذا يمكنك في الواقع تشغيل برنامج موثوق به قام بكل الأعمال التي جمعت كل الأجزاء معًا.

VB: أي من إعلانات Nvidia GTC اليوم أنت متحمس لها شخصيًا؟

داس: من الصعب اللعب بالمفضلات ، لكنني أعتقد بالتأكيد أن DGX Cloud ستكون ذات فائدة كبيرة لعملاء المؤسسات لأنه سيكون من الأسهل عليهم القيام بالعمل في هذا النطاق المتوسط. لا أحد يهتم بهم حقًا لأنهم ليسوا مثل وحيد القرن الذي يستأجر 10000 وحدة معالجة الرسومات ويركز الجميع عليها. لكني أعتقد أن عملاء المؤسسات هم الذين سيحققون فوائد الذكاء الاصطناعي لعملائهم حقًا. إنهم بحاجة إلى بعض الحب ، يحتاجون إلى حلول أفضل.

VB: من الواضح أن GTC من الناحية التاريخية تتحدث مع ملايين المطورين الذين سيستخدمون هذه الأدوات. لكنني أشعر بالفضول – إذا كان لديك مجموعة من القادة التنفيذيين في الغرفة ، أشخاص يعرفون أكثر أو أقل عن Nvidia ، فماذا ستقول لهم حول ما يحتاجون إلى معرفته حول مؤسسة AI و Nvidia في الوقت الحالي؟

داس: أعتقد أن ما يحتاجون إلى معرفته هو ، أولاً ، إنها مشكلة متكاملة. لا يتعلق الأمر فقط بالأجهزة. أنت بحاجة إلى تحسين الأجهزة والبرامج المناسبة معًا لجعلها تعمل. وسأخبرهم أن Nvidia ، غير معروف لهم ، قد أمضت العقد الماضي في استكشاف جميع حالات الاستخدام المختلفة التي يمكن للذكاء الاصطناعي تمكينها ، وبناء حزم البرامج لتمكين كل حالات الاستخدام هذه.

لذلك إذا كانوا يبحثون عن شركة متكاملة للتحدث معها أو للعمل معها لمعرفة كيفية إجراء رحلة الذكاء الاصطناعي ، فلا يوجد رهان أفضل لهم من Nvidia ، لأننا من فعلنا ذلك كل شيء. أنت تتحدث عن شركة مثل OpenAI ، التي لديها ChatGPT ، ومجد لهم. كيف حصلوا على ذلك؟ لأنهم عملوا عن كثب مع Nvidia لتصميم الهندسة المعمارية المناسبة التي يمكن أن تتوسع ، حتى يتمكنوا من القيام بكل تدريبهم وبناء نماذجهم.

VB: ماذا عن الأشخاص الموجودين هناك الذين يذوبون وحدات معالجة الرسومات الخاصة بهم الآن؟ أعني ، هل هناك ما يكفي من وحدات معالجة الرسومات لتحقيق كل هذا؟

داس: مهمتنا هي توفير الكثير من وحدات معالجة الرسومات. لكن من المثير للاهتمام أن تقوله عن الذوبان ، لأنني أعتقد أن شيئًا آخر مختلفًا في حوسبة الشركات التقليدية على مر السنين هو وجود هذه الحكمة التقليدية العامة التي تفرط في توفيرها. لا تريد أن تعمل وحدة المعالجة المركزية الخاصة بك بأكثر من 50 إلى 60٪ من سعتها. تترك مساحة كبيرة هناك. وفكر فقط في النفايات التي تأتي من ذلك.

ولكن نظرًا لتصميم وحدات معالجة الرسومات من البداية لحل مشكلة الأداء ، فإننا نضع دائمًا وحدات معالجة الرسومات في وضع حيث يتم تصميمها للأشخاص لاستخدامها حقًا. عندما نجري جميع اختبارات العبء الخاصة بنا لكل وحدة معالجة رسومات جديدة نخرجها ، قبل أن نضعها في الإنتاج ، فإننا نعرض هذه الأشياء لحمل مكثف ، حيث يتم تشغيلها بأقصى حمل لفترات طويلة من الوقت ، لأننا نعلم أن هذه هي الطريقة الناس سوف يستخدمونها. لذلك أعتقد أن هذه ستكون الفائدة الأخرى مع دخول وحدات معالجة الرسومات. أنا متأكد من أن الناس سيحاولون تذويبها ولكني أعتقد أننا جيدون.