هوش مصنوعی و تأثیر آن بر مراکز دیتای ما:
ممکن است به کشف سطوح کارایی بیشتری را کمک شود اما بده‌بستان، افزایش زیادی در تقاضا برای پهنای باند است. تونی رابینسون، بازیگر:
تعجب می‌کنیم که چطور فیلم‌سازان می‌توانند مفاهیمی را که معرفی کنند که در زمان خودشان، از واقعیت بسیار دور به نظر می‌رسند اما به مرور زمان آن مفاهیم، وارد زندگی روزمره‌مان می‌شوند. در دهه 1990، آرنولد شواردزنگر در فیلم «بازیابی کامل»، به ما «جانی کاب» را نشان داد که وسیله‌ی نقلیه‌ی بدون راننده‌ای بود که سرنشینانش را هر جا که می‌خواستند، می‌برد. اکنون اکثر شرکتهای بزرگ میلیون‌ها دلار خرج می‌کنند تا این فناوری را به تولید انبوه برسانند. و به لطف فیلم «بازگشت به آینده‌ی 2»، که در آن«مارتی مک‌فلای»با استفاده از یک تخته‌ی پرنده از دست دزدان فرار می‌کند، کودکان ما اکنون لوازم منزل را خراب می‌کنند، مشابه چیزی که در این فیل در سال 1989 مشاهده کردیم. این مساله به سال 1968 بازمی‌گردد (که برخی از ما هنوز به خاطر می‌آوریم) که فیلم‌های هوش مصنوعی مانند HAL 9000 که یک رایانه‌ی دارای احساس بود،
پخش می‌شدند و کشف فضاپیما را که قرار بود در سال 2001 رخ دهد، در قالب فیلم یک ادیسه‌ی فضایی، تجربه کردیم. HAL می‌توانست صحبت کند چهره‌ها را تشخیص دهد و می‌توانست زبان طبیعی را پردازش کند، لب‌خوانی کند و هنر را درک می‌کرد، رفتارهای عاطفی را تفسیر می‌کرد،استدلال می‌کرد البته حقه‌ی مورد علاقه‌ی هالیود برای رایانه‌ها، یعنی شطرنج‌بازی نیز می‌کرد. اکنون شما می‌توانید مشاهده کنید که هوش مصنوعی به بخشی ضروری از زندگی روزمره‌مان تبدیل شده است. می‌توانید از گوشی هوشمندتان بپرسید که آب و هوا در مقصد سفر بعدی‌تان چطور خواهد بود، دستیار مجازی‌تان می‌تواند موسیقی مورد علاقه‌تان را برایتان بنوازد و اکانتی که در رسانه‌های اجتماعی دارید، اخبار و تبلیغاتی را برایتان فراهم می‌کند که با توجه به اولویت‌های شخصی‌تان بطور اختصاصی تهیه شده‌اند. بدون توهین به شرکتهای فناوری، این AI 101 است. اما تغییر و تحولات زیادتری در پس‌زمینه رخ می‌دهد که ما نمی‌بینیم و در بهبود و حتی نجات زندگی‌ها به ما کمک می‌کنند. ترجمه زبان، فیدهای خبری، تشخیص چهره، تشخیص دقیق‌تر بیماری‌های پیچیده ،تسریع در کشف داروها، صرفاً برخی از کاربردهایی هستند که بر اساس آنها شرکتها در حال توسعه و بکارگیری هوش مصنوعی هستند. بر اساس نظر گارتنر، پیش‌بینی می‌شود که ارزش تجاری حاصل از هوش مصنوعی ، به 3.9 ترلیون دلار در سال 2022 برسد.
مشاهده می‌کنید که هوش مصنوعی تا چه اندازه بر مراکز دیتا تأثیرگذار است؟
خب اگر به سال 2014 بازگردیم، متوجه می‌شویم که گوگل از هوش مصنوعی دیپ‌مایند (استفاده از یادگیری ماشینی، کاربردی از هوش مصنوعی) در یکی از امکاناتش استفاده کرده است.
نتیجه:
گوگل توانست مستمراً 40 درصد از مقدار انرژی مورد استفاده در سرمایش را کاهش دهد که به 15 درصد کاهش توان مصرفی موثر، پس از احتساب تلفات الکتریکی و سایر نواقص غیرسرمایشی، انجامید. این کار همچنین باعث شد که توان مصرفی موثر به پایین‌ترین مقدار خود برسد. بر مبنای این صرفه‌جویی‌های قابل‌توجه، گوگل به دنبال بکارگیری این فناوری در سایر سایت‌های خود شد و به سایر شرکتها نیز استفاده از این فناوری را پیشنهاد کرد. ماموریت فیسبوک این است که به افراد قدرت ساختن جامعه را بدهد و جهان را به یکدیگر نزدیکتر سازد، موضوعی که در گزارش جامع فیسبوک منتشر شده است،
با عنوان یادگیری ماشینی بکاررفته در فیسبوک:
یک چشم‌انداز زیرساختاریِ دیتاسنتر. این گزارش جامع توصیفی از زیرساخت نرم‌افزاری و سخت‌افزاری است که از یادگیری ماشینی در مقیاسی جهانی می‌پردازد. برای اینکه به شما ایده‌ای دهیم از اینکه هوش مصنوعی و ML به چه مقدار توان رایانشی نیاز دارند، اندرو ان‌جی رییس آزمایشگاه سیلیکون والیِ بایدو، گفته است که آموزش یکی از مدل‌های تشخیص زبان چینیِ بایدو، هم نیازمند چهار ترابایت دیتای آموزشی است. هم نیازمند 20 ایگسافلاپ محاسبه یا 20 میلیارد میلیارد عملیات ریاضی در سراسر چرخه‌ی آموزش است.
اما زیرساخت مرکز دیتای ما چطور؟
هوش مصنوعی تا چه اندازه بر طراحی و بکارگیری تمام امکاناتی که ما می‌خواهیدر سایزها و اَشکال مختلف بسازیم، اجاره کنیم یا نوسازی کنیم تأثیر می‌گذارد تا بتواند این فناوری نوآورانه، کم‌مصرف و زندگی‌بخش را در خود جای دهند. ML را می‌توان در یک ماشین واحد جای داد اما به لطف حجم بالای دیتا، بطور معمول ماشین‌های متعدد بکار می‌روند، ماشین‌هایی که تمامشان به هم متصل هستند تا ارتباط مستمر آنها طی فازهای آموزش و پردازش دیتا تضمین شود، دارای تأخیر پایین هستند و در ارائه‌ی خدمات به وسایلی که به آنها متصلند، هیچ وقفه‌ای ندارند. تمایل ما برای دستیابی به مقادیر بیشتری از دیتا، باعث رشد نمایی در مقدار پهنای باند مورد نیاز جهت برآورده ساختن نیازهای ساده‌مان شده است. این پهنای باند باید با استفاده از طراحی‌های معماری پیچیده‌ای درون و میان امکانات متعددی توزیع شود. که شبکه‌های اسپاین-اند-لیف دیگر آنرا قطع نکنند- ما درباره‌ی شبکه‌های سوپراسپاین و سوپرلیف صحبت می‌کنیم که بزرگراهی برای تمام رایانش‌های الگوریتمیِ پیچیده ارائه می‌دهد که بین وسایل مختلف جریان می‌یابد و نهایتاً به گیرندگان خودشان بازمی‌گردند.
دیگر مطالب :
