سازوکار شتاب‌دهی هوش مصنوعی: مقایسه پردازنده‌های گرافیکی (GPU)، تنسور (TPU) و مدارهای مجتمع خاص منظوره (ASIC) برای آموزش و استنتاج

تصور رایج این است که «تراشه هوش مصنوعی» صرفاً نسخه‌ای بسیار قدرتمندتر از پردازنده‌ای است که درون یک لپ‌تاپ استاندارد قرار دارد. در واقع، پردازنده‌هایی که رونق هوش مصنوعی را هدایت می‌کنند، لزوماً از CPUهای سنتی باهوش‌تر نیستند؛ بلکه به طرز عمیقی ساده‌ترند، اما هزاران واحد از آن‌ها به صورت هماهنگ کار می‌کنند. داستان شتاب‌دهی هوش مصنوعی در مورد ساخت یک ماشین حساب سریع‌تر نیست، بلکه در مورد طراحی مجدد اساسی نحوه حرکت داده‌ها در سیلیکون برای حل یک مشکل ریاضی خاص است: ضرب ماتریسی.[3][6]

برای درک اینکه چرا سخت‌افزار تخصصی ضروری است، باید به واحد پردازش مرکزی سنتی (CPU) نگاه کرد. CPU یک متخصص عمومی است که برای اجرای سریع دستورالعمل‌های پیچیده و متوالی طراحی شده است. این واحد شبیه یک سرآشپز ماهر است که می‌تواند هر غذایی را به بهترین شکل بپزد، اما تنها یک غذا را در یک زمان. هنگامی که وظیفه آموزش یک شبکه عصبی به آن محول می‌شود، که نیازمند میلیون‌ها عملیات حسابی ساده به طور همزمان است، CPU به یک گلوگاه جدی تبدیل می‌شود.[3][5]

واحدهای پردازش گرافیکی (GPU) در ابتدا برای رندر کردن گرافیک بازی‌های ویدیویی با محاسبه همزمان رنگ میلیون‌ها پیکسل طراحی شدند. این معماری که به عنوان «یک دستور، داده‌های چندگانه» (SIMD) شناخته می‌شود، دقیقاً همان چیزی بود که یادگیری عمیق به آن نیاز داشت. یک GPU مدرن شامل ده‌ها هزار هسته ساده است. اگر CPU یک سرآشپز ماهر باشد، GPU ارتشی از کارگران فست‌فود است: هر کدام به تنهایی توانایی کمتری دارند، اما می‌توانند در زمانی که سرآشپز یک غذا آماده می‌کند، ده هزار همبرگر تولید کنند.[1][5]

با این حال، GPUها با یک محدودیت فیزیکی به نام «دیوار حافظه» روبرو هستند. در حجم کاری هوش مصنوعی، محاسبه واقعی – یعنی ضرب دو عدد در یکدیگر – فوق‌العاده سریع است، اما بازیابی آن اعداد از حافظه تراشه زمان می‌برد و مقادیر زیادی انرژی مصرف می‌کند. GPU همچنان به یک معماری سنتی متکی است که در آن داده‌ها باید دائماً بین ثبات‌های حافظه و هسته‌های محاسباتی جابه‌جا شوند و این امر باعث ایجاد ترافیک سنگین روی سیلیکون می‌شود.[1][4]

این ناکارآمدی باعث شد گوگل واحد پردازش تنسور (TPU) را توسعه دهد. برخلاف GPU، که هنوز به اندازه کافی انعطاف‌پذیر است تا گرافیک رندر کند یا ارز دیجیتال استخراج کند، TPU یک مدار مجتمع خاص منظوره (ASIC) است که منحصراً برای ریاضیات تنسور زیربنای شبکه‌های عصبی طراحی شده است. این واحد، تطبیق‌پذیری گسترده GPU را با کارایی فوق‌العاده در یک حوزه خاص معاوضه می‌کند.[2][4]

نوآوری اصلی TPU، «آرایه سیستولیک» (Systolic Array) است. به جای بازیابی داده‌ها از حافظه برای هر محاسبه، TPU داده‌ها را از طریق یک شبکه عظیم از واحدهای منطق و محاسبات (ALU) – که اغلب ۲۵۶ در ۲۵۶ واحد عرض دارند – پمپاژ می‌کند. همانطور که داده‌ها مانند جریان خون در قلب از این شبکه عبور می‌کنند، هر ALU یک محاسبه را انجام داده و نتیجه را مستقیماً به همسایه خود منتقل می‌کند. این امر دسترسی به حافظه را به شدت کاهش می‌دهد، در مصرف انرژی صرفه‌جویی کرده و توان عملیاتی را افزایش می‌دهد.[2][5]

الزامات سخت‌افزاری برای هوش مصنوعی به وضوح به دو فاز تقسیم می‌شوند: آموزش (Training) و استنتاج (Inference). آموزش یک مدل شبیه ساختن یک مغز است. این کار مستلزم پردازش تریلیون‌ها کلمه یا تصویر و به‌روزرسانی مداوم وزن‌های داخلی مدل است. این فاز به انعطاف‌پذیری شدید و ریاضیات با دقت بالا، معمولاً اعداد ممیز شناور ۱۶ بیتی یا ۳۲ بیتی، نیاز دارد، زیرا مدل دائماً در حال تنظیم پارامترهای خود است.[1][3]

GPUها در حال حاضر بر فاز آموزش تسلط دارند زیرا ماهیت قابل برنامه‌ریزی آن‌ها به محققان اجازه می‌دهد تا معماری‌های جدید مدل را آزمایش کنند. اگر یک آزمایشگاه تحقیقاتی راه جدیدی برای ساختاردهی یک شبکه عصبی ابداع کند، یک GPU می‌تواند برای اجرای آن مجدداً برنامه‌ریزی شود. اما یک ASIC که برای یک معماری خاص سیم‌کشی شده است، برای هر چیز دیگری بی‌فایده خواهد بود.[1][4]

از سوی دیگر، استنتاج (Inference) عمل استفاده از مدل آموزش‌دیده برای تولید پاسخ است. این فرآیند تنها یک گذر رو به جلو است و وزن‌ها ثابت شده‌اند. استنتاج به دقت ریاضی مشابه آموزش نیاز ندارد. مدل‌ها می‌توانند «کوانتیزه» شوند – یعنی فشرده‌سازی شوند تا از اعداد صحیح ۸ بیتی یا حتی ۴ بیتی استفاده کنند – بدون اینکه کیفیت خروجی به طور قابل توجهی کاهش یابد.[3][5]

از آنجایی که استنتاج یک وظیفه ثابت و تکراری است، هدف ایده‌آلی برای ASICهای سفارشی محسوب می‌شود. یک ASIC معماری خاص شبکه عصبی را مستقیماً در سیلیکون سیم‌کشی می‌کند. با حذف تمام منطق کنترلی مورد نیاز برای انعطاف‌پذیری، یک ASIC می‌تواند تقریباً تمام بودجه ترانزیستوری خود را به محاسبات خالص اختصاص دهد و در نتیجه، به دستاوردهای کارایی عظیمی منجر شود.[2][4]

این معاوضه بسیار سخت است: یک ASIC ممکن است برای اجرای یک مدل خاص بسیار کم‌مصرف‌تر از GPU باشد، اما اگر صنعت هوش مصنوعی فردا یک معماری ریاضی جدید اختراع کند، آن ASIC به یک وزنه‌کاغذ گران‌قیمت تبدیل می‌شود. یک GPU می‌تواند به سادگی یک به‌روزرسانی نرم‌افزاری جدید دانلود کند؛ در حالی که یک ASIC باید به صورت فیزیکی بازطراحی و تولید شود، فرآیندی که سال‌ها و ده‌ها میلیون دلار هزینه دارد.[1][2][4]

آرایه‌های گیت قابل برنامه‌ریزی میدانی (FPGAs) یک راه حل میانی در این نبرد معماری ارائه می‌دهند. آن‌ها مدارهای مجتمعی هستند که گیت‌های منطقی داخلی‌شان می‌توانند پس از تولید توسط کاربر پیکربندی مجدد شوند. اگرچه FPGAها به اندازه یک ASIC خالص سریع یا به اندازه یک GPU در دسترس نیستند، اما به مهندسان سخت‌افزار اجازه می‌دهند تا تراشه را به صورت فیزیکی برای مطابقت با یک مدل هوش مصنوعی جدید، بدون نیاز به انتظار برای یک چرخه ساخت جدید، بازسیم‌کشی کنند.[1][3]

تفاوت‌های معماری، اقتصاد صنعت هوش مصنوعی را دیکته می‌کنند. شرکت‌های بزرگ مقیاس (Hyperscalers) به شدت انگیزه دارند تا حجم کاری استنتاج را از GPUهای گران‌قیمت به ASICهای سفارشی خود منتقل کنند تا هزینه‌های سرسام‌آور برق برای ارائه خدمات هوش مصنوعی به میلیون‌ها کاربر را کاهش دهند. با تثبیت معماری بنیادی مدل‌ها، ریسک مالی قفل کردن این طراحی‌ها در ASICهای سیم‌کشی شده کاهش می‌یابد و راه را برای تراشه‌های فوق‌کارآمدی که در همه جا، از مراکز داده عظیم گرفته تا تلفن‌های هوشمند مصرف‌کننده، مستقر می‌شوند، هموار می‌کند.[4][5][6]