تحديات الذكاء الصناعي في جعل الربوت له مشاعر مثل البشر

 أسرع كمبيوتر عملاق في العالم:-

 Aurora. (Image by Argonne National Laboratory.) 

https://www.anl.gov/article/the-hightech-evolution-of-scientific-computing-a-slight-return

إنشاء برنامج يطلق العنان لقوة الإكساسكيل

أداء exaFLOP لنظام Aurora -يساوي كوينتيليون من حسابات في الثانية -سيعطي الباحثين مجموعة غير مسبوقة من الأدوات لمعالجة المشكلات العلمية في الإكساسكيل

تتعاون المؤسسات البحثية الرائدة والشركات المصنعة للكمبيوتر في الولايات المتحدة في بناء أسرع أجهزة الكمبيوتر العملاقة في العالم -أنظمة إكساسكيل القادرة على أداء أكثر من مليار مليار عملية في الثانية. مليار مليار (يُعرف أيضًا باسم quintillion أو 10 قوة18) هو عدد الخلايا العصبية لعشرة ملايين دماغ بشري.

 

أسرع الحواسيب العملاقة اليوم تحل المشاكل في بيتاسكال، مما يعني أنها تستطيع أداء أكثر من كوادريليون عملية في الثانية. بالمعنى الأساسي، فإن الإكساسكيل أسرع بألف مرة وأكثر قوة. سيؤدي امتلاك هذه الأجهزة الجديدة إلى تمكين العلماء والمهندسين بشكل أفضل من الإجابة على الأسئلة الصعبة حول الكون والرعاية الصحية المتقدمة والأمن القومي و....

 

في نفس الوقت الذي تتجمع فيه أجهزة الأنظمة معًا، وكذلك التطبيقات والبرامج التي سيتم تشغيلها عليها. قام العديد من الباحثين الذين طوروها -أعضاء في مشروع حوسبة إكساسكيل (ECP) التابع لوزارة الطاقة الأمريكية -بنشر بحث يسلط الضوء على التقدم الذي أحرزوه حتى الآن.

 

يعتبر مختبر أرجون الوطني التابع لوزارة الطاقة، والذي يعد موطنًا مستقبليًا لنظام Aurora exascale، شريكًا رئيسيًا في ECP؛ لا يشارك باحثوها في تطوير التطبيقات فحسب، بل يشاركوا أيضًا في تصميم البرامج اللازمة لتمكين التطبيقات من العمل بكفاءة.

 

حساب الكون على نطاقات قصوى

أحد التطبيقات المثيرة هو تطوير الشفرة لمحاكاة "الأكوان الافتراضية" بكفاءة عند الطلب وبدقة عالية. يمكن لعلماء الكونيات استخدام هذه الشفرة للتحقيق في كيفية تطور الكون منذ بداياته المبكرة.

عمليات المحاكاة عالية الدقة مطلوبة بشكل خاص لأن المزيد من المسح لمساحات كبيرة من السماء يتم إجراؤها بأطوال موجية متعددة، مما يوفر المزيد والمزيد من طبقات البيانات التي لا تستطيع أنظمة الحوسبة عالية الأداء (HPC) التنبؤ بها بتفاصيل كافية.

من خلال مشروع ECP المعروف باسم ExaSky، يقوم الباحثون بتوسيع قدرات اثنين من رموز المحاكاة الكونية الحالية: HACC وNyx.

قال سلمان حبيب، مدير قسم العلوم الحاسوبية في Argonne: "لقد اخترنا HACC وNyx عن عمد لأن لديهما طريقتان مختلفتان لإدارة نفس المشكلة". "عندما تحل مشكلة معقدة، يمكن أن تسوء الأمور. في هذه الحالات، إذا كان لديك رمز واحد فقط، فسيكون من الصعب معرفة الخطأ الذي حدث. ولهذا السبب تحتاج إلى رمز آخر لمقارنة النتائج به."

للاستفادة من موارد الإكساسكيل، يضيف الباحثون أيضًا إمكانيات ضمن رموزهم لم تكن موجودة من قبل. حتى الآن، كان عليهم استبعاد بعض الفيزياء المرتبطة في تكوين الهياكل التفصيلية في الكون. لكن لديهم الآن الفرصة لإجراء عمليات محاكاة أكبر وأكثر تعقيدًا تتضمن المزيد من المدخلات العلمية.

 

قال حبيب: "نظرًا لأن هذه الآلات الجديدة أكثر قوة، فنحن قادرون على تضمين الفيزياء الذرية وديناميكيات الغاز والتأثيرات الفيزيائية الفلكية في عمليات المحاكاة لدينا، مما يجعلها أكثر واقعية بشكل ملحوظ".

 

حتى الآن، نجح المشاركون في ExaSky في دمج فيزياء الغاز ضمن شفراتهم وإضافة تقنية برمجية متقدمة لتحليل بيانات المحاكاة. تتمثل الخطوات التالية للفريق في الاستمرار في إضافة المزيد من الفيزياء، ومتى تجهز، سيتم اختبار برامجهم على أنظمة الجيل التالي.

تحليل البيانات عبر الإنترنت.

في نفس الوقت الذي يتم فيه تطوير تطبيقات مثل ExaSky، يشارك الباحثون أيضًا في تصميم البرامج اللازمة لإدارة البيانات التي ينشئونها بكفاءة. اليوم، تنتج تطبيقات HPC بالفعل كميات هائلة من البيانات، أكثر من اللازم لتخزينها وتحليلها بكفاءة في شكلها الأولي. لذلك، يجب تقليل البيانات أو ضغطها بطريقة ما. تعد عملية تخزين البيانات على المدى الطويل، حتى بعد تقليلها أو ضغطها، بطيئة أيضًا مقارنة بسرعات الحوسبة.

قال إيان فوستر، مدير قسم علوم البيانات والتعلم في Argonne: "تاريخيًا عندما تقوم بتشغيل محاكاة، سترسل البيانات إلى التخزين، ثم يكتب شخص ما الرمز الذي سيقرأ البيانات ويقوم بإجراء التحليل، إن القيام بذلك خطوة بخطوة سيكون بطيئًا جدًا في أنظمة الإكساسكيل. ستكون المحاكاة بطيئة لأنك تقضي كل وقتك في كتابة البيانات والتحليل سيكون بطيئًا لأنك تقضي وقتك في قراءة جميع البيانات مرة أخرى. "

 

يتمثل أحد الحلول لذلك في تحليل البيانات في نفس الوقت الذي يتم فيه تشغيل عمليات المحاكاة، وهي عملية تُعرف باسم تحليل البيانات عبر الإنترنت أو التحليل في الموقع.

يقوم مركز ECP المعروف باسم مركز التصميم المشترك لتحليل البيانات عبر الإنترنت وخفضها (CODAR) بتطوير طرق تحليل البيانات عبر الإنترنت، بالإضافة إلى تقنيات تقليل البيانات وضغطها لتطبيقات الإكساسكيل. ستتيح أساليبهم المحاكاة والتحليل أن يحدث المزيد بشكل أكثر كفاءة.

يعمل CODAR بشكل وثيق مع مجموعة متنوعة من فرق التطبيقات لتطوير طرق ضغط البيانات، والتي تخزن نفس المعلومات ولكنها تستخدم مساحة أقل، وطرق تقليل التي تزيل البيانات غير ذات الصلة.

 

قال فوستر: "إن السؤال حول ما هو مهم يختلف كثيرًا من تطبيق إلى آخر، وهذا هو السبب في أننا نعمل عن كثب مع فرق التطبيق لتحديد ما هو مهم وما هو ليس كذلك". "ممكن ان تفقد المعلومات، لكن نحتاج ان نكون أكثر تحكم فيها.

 

من بين الحلول التي طورها فريق CODAR هو Cheetah ، وهو نظام يمكّن الباحثين من مقارنة مناهج التصميم المشترك الخاصة بهم. آخر هو Z-checker، وهو نظام يتيح للمستخدمين تقييم جودة طريقة الضغط من وجهات نظر متعددة.

المجال الصحي

تمتلك حوسبة الإكساسكيل أيضًا تطبيقات مهمة في مجال الرعاية الصحية، وتستفيد وزارة الطاقة والمعهد الوطني للسرطان (NCI) والمعاهد الوطنية للصحة (NIH) منها لفهم السرطان والعوامل الرئيسية التي تؤثر على النتائج. للقيام بذلك، يعمل مشروع Exascale Deep Learning Enabled Precision Medicine for Cancer على تطوير إطار عمل يسمى CANDLE (بيئة التعلم الموزعة CANcer) لمعالجة تحديات البحث الرئيسية في السرطان ومجالات الرعاية الصحية الحرجة الأخرى.

CANDLE هو شفرة يستخدم نوعًا من خوارزمية التعلم الآلي المعروفة باسم الشبكات العصبية للعثور على أنماط في مجموعات البيانات الكبيرة. يتم تطوير CANDLE لثلاثة مشاريع تجريبية موجهة نحو (1) فهم تفاعلات البروتين الرئيسية، (2) توقع الاستجابة للأدوية و (3) أتمتة استخراج معلومات المريض لإبلاغ استراتيجيات العلاج.

كل من هذه المشاكل على نطاق مختلف -الجزيئ molecular ومستويات المريض والسكان -ولكن جميعها مدعومة من نفس بيئة التعلم العميق القابلة للتطوير في CANDLE. تتكون مجموعة برامج CANDLE على نطاق واسع من ثلاثة مكونات: مجموعة من الشبكات العصبية العميقة التي تلتقط وتمثل المشكلات الثلاث، ومكتبة من التعليمات البرمجية المعدلة للحوسبة على مستوى الإكساسكيل ومكون ينظم كيفية توزيع العمل عبر نظام الحوسبة.

قال ريك ستيفنز، مدير مختبر Argonne المساعد للحوسبة والبيئة وعلوم الحياة: "ستسمح البيئة حقًا للباحثين الأفراد بتوسيع نطاق استخدامهم لأجهزة الكمبيوتر العملاقة التابعة لوزارة الطاقة في التعلم العميق بطريقة لم يتم القيام بها من قبل".

تطبيقات مثل هذه هي مجرد نقطة تحول. بمجرد أن تصبح هذه الأنظمة على الإنترنت، فإن إمكانات القدرات الجديدة ستكون بلا حدود.

ترجمة sciencenews003

المصدر الاصلي

By Joan Koka, Argonne National Laboratory

الموقع: techxplore