استكشاف تنسيقات الأرقام المبتكرة لكفاءة الذكاء الاصطناعي

لقد أدى الذكاء الاصطناعي إلى ظهور انفجار في تنسيقات الأرقام الجديدة، وهي الطرق التي يتم بها تمثيل الأرقام رقميًا. يبحث المهندسون عن كل الطرق الممكنة لتوفير الوقت والطاقة في العمليات الحسابية، بما في ذلك تقليل عدد البتات المستخدمة لتمثيل البيانات. لكن ما يصلح للذكاء الاصطناعي لا يصلح بالضرورة للحوسبة العلمية، سواء كان ذلك في الفيزياء الحاسوبية، أو علم الأحياء، أو ديناميكيات الموائع، أو المحاكاة الهندسية. IEEE الطيف تحدث مع لاسلو هونهولد، الذي انضم مؤخرًا إلى شركة Openchip ومقرها برشلونة كمهندس للذكاء الاصطناعي، حول جهوده لتطوير تنسيق أرقام مخصص للحوسبة العلمية.

ما الذي يجعل تنسيقات الأرقام مثيرة للاهتمام بالنسبة لك؟

لاسلو هوهولد: لا أعرف مثالاً آخر لمجال لا يهتم به إلا القليل ولكن له تأثير كبير. إذا قمت بإنشاء تنسيق أرقام فهذا يزيد بنسبة 10 بالمائة [energy] كفاءة، يمكن أن تترجم إلى أن جميع التطبيقات أكثر كفاءة بنسبة 10 بالمائة، ويمكنك توفير الكثير من الطاقة.

لماذا يوجد الكثير من تنسيقات الأرقام الجديدة؟

هونهولد: لعقود من الزمن، كان الأمر سهلاً للغاية بالنسبة لمستخدمي الكمبيوتر. يمكنهم فقط شراء أنظمة جديدة كل بضع سنوات، وسيكون لديهم مزايا الأداء مجانًا. لكن هذا لم يكن الحال خلال السنوات العشر الماضية. في أجهزة الكمبيوتر، لديك عدد معين من البتات المستخدمة لتمثيل رقم واحد، وكان الرقم الافتراضي لسنوات هو 64 بت. وبالنسبة للذكاء الاصطناعي، لاحظت الشركات أنها لا تحتاج إلى 64 بت لكل رقم. لذلك كان لديهم حافز قوي للنزول إلى 16 أو 8 أو حتى 2 بت [to save energy]. المشكلة هي أن المعيار السائد لتمثيل الأرقام في 64 بت ليس مصممًا بشكل جيد لعدد البتات الأقل. لذلك، في مجال الذكاء الاصطناعي، توصلوا إلى تنسيقات جديدة أكثر ملاءمة للذكاء الاصطناعي.

لماذا يحتاج الذكاء الاصطناعي إلى تنسيقات أرقام مختلفة عن الحوسبة العلمية؟

هونهولد: تحتاج الحوسبة العلمية إلى نطاق ديناميكي عالي: تحتاج إلى أرقام كبيرة جدًا، أو أرقام صغيرة جدًا، ودقة عالية جدًا في كلتا الحالتين. يحتوي معيار 64 بت على نطاق ديناميكي مفرط، وهو أكبر بكثير مما تحتاج إليه في معظم الأوقات. الأمر مختلف مع الذكاء الاصطناعي. تتبع الأرقام عادةً توزيعًا محددًا، ولا تحتاج إلى قدر كبير من الدقة.

ما الذي يجعل تنسيق الأرقام “جيدًا”؟

هونهولد: لديك أعداد لا حصر لها ولكن فقط تمثيلات بت محدودة. لذلك عليك أن تقرر كيفية تعيين الأرقام. الجزء الأكثر أهمية هو تمثيل الأرقام التي ستستخدمها بالفعل. لأنه إذا قمت بتمثيل رقم لا تستخدمه، فقد أضعت تمثيلاً. أبسط شيء يجب النظر إليه هو النطاق الديناميكي. التالي هو التوزيع: كيف يمكنك تعيين البتات الخاصة بك لقيم معينة؟ هل لديك توزيع موحد، أو أي شيء آخر؟ هناك احتمالات لا حصر لها.

ما الذي دفعك إلى تقديم تنسيق أرقام تاكوم؟

هونهولد: Takums مبنية على المواقف. في الوضعيات، يمكن تمثيل الأرقام التي يتم استخدامها بشكل متكرر بكثافة أكبر. لكن الافتراضات لا تصلح للحوسبة العلمية، وهذه مشكلة كبيرة. لديهم كثافة عالية ل [numbers close to one]، وهو أمر رائع بالنسبة للذكاء الاصطناعي، ولكن الكثافة تنخفض بشكل حاد بمجرد النظر إلى قيم أكبر أو أصغر. لقد اقترح الناس العشرات من تنسيقات الأرقام في السنوات القليلة الماضية، ولكن التاكوم هو تنسيق الأرقام الوحيد المصمم بالفعل للحوسبة العلمية. لقد وجدت النطاق الديناميكي للقيم التي تستخدمها في الحسابات العلمية، إذا نظرت إلى جميع الحقول، وصممت التاكوم بحيث أنه عندما تزيل البتات، فإنك لا تقلل من هذا النطاق الديناميكي

تظهر هذه المقالة في عدد مارس 2026 المطبوع باسم “Laslo Hunhold”.