Daga horo na farko zuwa ƙungiyoyin wakilan AI: Dalilin da ya sa zagayen faɗaɗawa huɗu na Jensen Huang suke sauya tambayar lissafin kwamfuta
Gabatarwa: Me yake girma idan basirar wucin gadi ta ƙara ƙwarewa?
Tattaunawa kan basirar wucin gadi [AI] sau da yawa tana farawa da girman samfurin [Model]. Sigar lissafi [Parameters] nawa yake da su? Nawa ne bayanan da aka yi amfani da su wajen horar da shi? Yaya girman tsarin lissafin kwamfuta [Computing System] da yake bayansa?
Waɗannan tambayoyi suna bayyana wani ɓangare na tsarin ne kawai. Babbar hujjar Jensen Huang ita ce AI na iya girma a matakai da yawa: lokacin koyon tushensa, lokacin inganta halayensa, lokacin warware wata matsala da lokacin raba aiki tsakanin wakilai [Agents]. Fahimtar alaƙar waɗannan matakai tana sauya yadda muke tunani kan buƙatar lissafin kwamfuta [Computing Demand].
Muhimmin bambanci shi ne tsakanin gina samfurin da amfani da tsari mai basira. Ayyuka ne masu alaƙa, amma nauyin aikinsu [Workload] ba ɗaya ba ne.
1. Horo na farko yana gina tushe, ba ma'aikacin da ya gama shiri ba
Horo na farko [Pre-training] yana haɓaka faɗin ƙwarewar samfurin ta hanyar nuna masa bayanai masu yawa. Samfurin yana koyon tsari da alaƙoƙin da za su taimaka wa ayyukan gaba.
Ƙarin bayanai da ƙarfin lissafin kwamfuta [Computing] na iya inganta wannan tushe. Amma babban zagayen horo [Training Run] ba cikakken bayani ba ne na basira mai amfani. Samfurin na iya mallakar ilimin gama-gari mai yawa amma har yanzu yana buƙatar kyakkyawan hukunci, ƙwarewar takamaiman aiki ko samun bayanan da bai gani a horo ba.
Shi ya sa tambayar ba za ta tsaya kan ko wadatar rubutun mutane za ta zama ƙuntatawa a ƙarshe ba. Matakai na gaba na iya sauya hanyar koyon tsarin da aikin da yake yi.
2. Horo na baya yana sauya yadda ake amfani da tushen
Horo na baya [Post-training] yana inganta samfurin bayan koyonsa na farko. Hankali yana koma wa hali, ayyukan zahiri da irin amsoshin da mutane suke buƙata.
Bayanan ƙirƙira [Synthetic Data] na iya taimakawa wannan tsari. Tsari na iya samar da misalai, bincika nau'o'i daban-daban da samar da abin da zai amfani ƙarin koyo. Darajar tana cikin ingancin ƙwarewar da aka samu, ba kawai cewa na'ura ce ta samar da ita ba.
Wannan bambanci yana da muhimmanci. Samar da ƙarin abubuwa ba ya tabbatar da cewa abubuwan daidai ne. Zagaye mai amfani yana zaɓar ƙwarewar da ta cancanci adanawa, sannan ya yi amfani da ita wajen inganta halayen gaba. Yawan da babu zaɓi na iya maimaita rauni maimakon gyara shi.
3. Lissafin lokacin gwaji yana sa samar da amsa ya zama matsala mafi wuya
Wani lokaci ana ɗaukar samar da amsa [Inference] a matsayin matakin ƙarshe mai sauƙi: samfurin ya riga ya koya, don haka samar da amsa bai kamata ya buƙaci ƙarin aiki mai yawa ba.
Faɗaɗawa a lokacin gwaji [Test-time Scaling] yana ƙalubalantar wannan tunani. Aiki mai wuya na iya buƙatar tsarin ya raba matsala zuwa ƙananan sassa, ya kwatanta hanyoyi, ya nemi bayanai kuma ya sake nazarin yunƙurin da bai yi nasara ba.
Sai buƙatar lissafin kwamfuta [Computing Requirement] ta dogara da abin da tsarin zai yi kafin ya dawo da amsa mai amfani. Gajeriyar amsa ma na iya biyo bayan aiki mai yawa. Haka kuma doguwar amsa ba hujjar tunani cikin kulawa ba ce.
Ga kasuwanci, wannan yana haɗa jinkirin amsa [Latency], ingancin amsa da kuɗin gudanarwa a matsayin zaɓuɓɓuka masu alaƙa. Amsa ta nan take mafi arha ba kullum ce aikin da aka kammala da nasara cikin mafi ƙarancin kuɗi ba.
4. Faɗaɗawa ta wakilai tana ƙara daidaitawa kan ƙwarewa
Faɗaɗawa ta wakilai [Agentic Scaling] tana kawo wata hanya: tsari na iya raba aiki tsakanin wakilai [Agents] da yawa maimakon neman samfurin guda ya yi komai a jere.
Wani wakili na iya bincika kundin bayanai yayin da wani yake kwatanta zaɓuɓɓuka. Abubuwan da suka gano za su iya tallafa wa sakamako na haɗin gwiwa. Wannan girma ne daban da ƙara girman samfurin guda ko ba shi ƙarin lokaci.
Kwatanta shi da ƙungiya yana da amfani. Ƙarin ma'aikata na iya ƙara ƙarfin aiki, amma sai an fayyace alhaki, sadarwa da hukuncin ƙarshe. Haka ƙarin wakilai suna haifar da aikin daidaitawa, sasanta bambancin sakamako da dubawa. Yawansu abin shigarwa ne, ba ma'aunin nasara ba.
5. Matakai huɗu suna samar da zagayen koyo
Mafi muhimmancin alaƙa ita ce abin da yake faruwa bayan tsarin ya yi aiki. Ƙwarewar wakilai mai amfani na iya zama kayan horon gaba. Samfurorin da aka inganta za su iya taimakawa kyakkyawan tunani da wakilai masu tasiri.
Don haka horo na farko [Pre-training], horo na baya [Post-training], aikin lokacin gwaji [Test-time Work] da ayyukan wakilai [Agentic Activity] ba sai sun kasance a akwatuna daban ba. Za su iya ciyar da juna.
Wannan yana sauya tambayar ababen more rayuwa [Infrastructure] ma. Horar da samfurin, binciken fayiloli da daidaita ma'aikata da yawa suna ɗora buƙatu daban kan na'urorin sarrafawa [Processors], ma'adanar ƙwaƙwalwa [Memory], ajiyar bayanai [Storage] da sadarwar kwamfuta [Networking]. Tsarin da aka tsara kan gwajin aiki mai ƙunci guda [Benchmark] na iya kasa dacewa da cikakken tsarin tafiyar aiki [Workflow].
Kammalawa: Auna aikin, ba samfurin kaɗai ba
Tsarin Huang mai sassa huɗu yana wuce tunanin cewa ci gaban AI yana nufin babban samfurin da aka horar sau ɗaya kan babban tarin bayanai [Dataset] kawai.
Darasin zahiri shi ne gano inda ƙarin lissafin kwamfuta [Computing] yake samar da sakamako mafi kyau. Shin aikin yana buƙatar tushe mafi kyau, ingantawa mai amfani, tsawon lokacin warware matsala ko rarraba aiki cikin daidaitawa?
Kamfani ya kamata ya kimanta amsar ta ayyukan da aka kammala, inganci, lokaci da jimillar kuɗi. Wannan mafari ne mafi amfani fiye da ƙidayar sigogin lissafi [Parameters] ko wakilai [Agents] kaɗai. Tambayar lissafin kwamfuta ta gaba tana shafar dukkan tsarin koyo da aiki.
Powered By K7