نقص وحدات معالجة الرسومات في الذكاء الاصطناعي لم يكن أبدا متعلقا بالشرائح. لدينا الكثير. الأزمة الحقيقية هي أننا لا نستطيع استخدام معظمها. إليك السبب 🧵

@cot_research 2/ انظر إلى الفجوة: الحوسبة التطوعية كما Folding@Home تعمل بشكل جيد على الأجهزة الاستهلاكية. حتى @pewdiepie يقوم بعمل رائع ويساهم! ومع ذلك، فإن أعباء العمل الذكاء الاصطناعي الحديثة ستفشل. نفس مجموعة الأجهزة. النتيجة مختلفة تماما. لماذا؟

3/ تفترض أوقات الذكاء الاصطناعي الحديثة (الاستنتاج أو التدريب) ظروفا عقيمة: - وحدات معالجة رسومات متطابقة - روابط منخفضة التأخير ومستقرة أما العالم الحقيقي، فهو فوضى من الأجهزة المتنوعة والإنترنت المتباطئ التكديس التقني القياسي ينهار هنا.

4/ العديد من شبكات الحوسبة المزعومة "اللامركزية" لم تصل إلى ملاءمة السوق للمنتج لأنها تتعامل مع هذه الفوضى كحالة حادة. هم يبنون أسواق لتجميع وحدات معالجة الرسوميات الخمولة، لكن التجميع ليس تنسيقا. إذا لم تستطع الأجهزة أن تتصرف كآلة واحدة متماسكة، فهي... عديم الفائدة نوعا ما

5/ التنسيق في الأعلى. في شبكات الحوسبة: إذا لم تحل تنسيق الأجهزة المجزأة أولا، فلا شيء آخر تبنيه يهم. الموثوقية وتجربة المطور هما مشكلتان لاحقتان.

6/@YottaLabs هو أول فريق أراه يتعامل مع هذا من الصفر ويحقق تقدما قويا. من خلال إعادة بناء مجموعة الذكاء الاصطناعي، من المجدول إلى طبقة الاتصالات، جلبوا أداء الحوسبة اللامركزية إلى ~15٪ من العناقيد المركزية.

7/ وما هو أكثر إثارة للاهتمام هو نموذج عمل @YottaLabs. السوق ثانوي. هم يبنون خندقا للبيانات في المرونة التشغيلية لا تستطيع جوجل تقليده - المحسن الذكي يعيد Yotta كل ارتفاع حراري وكل عقبة في الشبكة إلى المحسن الخاص بهم. المزيد عن هذا لاحقا.