TechTube 𝕏 تک توب

گوگل در رویداد Next 25 از نسل هفتم شتاب‌دهنده اختصاصی خودش با نام Ironwood رونمایی کرد؛ قوی‌ترین و مقیاس‌پذیرترین TPU تاریخ این شرکت که به‌طور ویژه برای اجرای مدل‌های Inference طراحی شده. این چیپ جدید قراره پایه‌گذار «عصر Inference» باشه؛ دورانی که مدل‌های هوش مصنوعی نه فقط به سوال‌ها پاسخ می‌دن، بلکه خودشون به تولید و تفسیر داده هم می‌پردازن.

‏Ironwood در دو پیکربندی ۲۵۶ و ۹۲۱۶ چیپ عرضه می‌شه و در حالت کامل، قدرت پردازشی‌اش به ۴۲.۵ اگزافلاپس می‌رسه؛ یعنی بیش از ۲۴ برابر قوی‌تر از ابررایانه El Capitan. هر چیپ هم تا ۴۶۱۴ ترافلاپس قدرت داره و بهره‌وری انرژی اون نسبت به نسل قبل (Trillium) دو برابر شده. این نسل از سیستم خنک‌کننده مایع استفاده می‌کنه و به گفته گوگل، ۳۰ برابر کم‌مصرف‌تر از Cloud TPU v2ـه.

از نظر فنی، Ironwood از حافظه ۱۹۲ گیگابایتی HBM (۶ برابر بیشتر از Trillium) با پهنای باند ۷.۲ ترابیت بر ثانیه بهره می‌بره. شبکه ارتباطی Inter-Chip Interconnect هم با پهنای باند ۱.۲ ترابیت دوطرفه، اتصال سریع بین هزاران چیپ رو ممکن کرده. ماژول SparseCore در این نسل بهبود پیدا کرده و حالا می‌تونه در حوزه‌هایی مثل محاسبات مالی و علمی هم استفاده بشه.

همچنین گوگل از نرم‌افزار اختصاصی Pathways برای اجرای توزیع‌شده مدل‌ها روی صدها هزار چیپ Ironwood استفاده کرده؛ کاری که توسعه سریع‌تر مدل‌های بزرگ مولد مثل Gemini 2.5 و AlphaFold رو ممکن می‌کنه. Ironwood از اواخر امسال در اختیار توسعه‌دهنده‌ها و مشتریان Google Cloud قرار می‌گیره.

@aipulse24

💎 سومین دوره جایزه سالانه هوش مصنوعی ایران (iAAA) آغاز شد! 💎

💯 یاد بگیر، مهارت پیدا کن، رقابت کن، و برای جایزه ۵۰,۰۰۰ دلاری بجنگ!

📚 دوره‌ای جامع از پایه تا پیشرفته
👨‍💻 همراه با پروژه‌های واقعی و چالش‌های عملی
🏆 و در پایان، شرکت در بزرگ‌ترین رقابت هوش مصنوعی کشور!

🎯 این مسیر برای توئه اگه:
🟣 تازه‌کاری و دنبال یادگیری اصولی هستی
🟣 یا حرفه‌ای هستی و آماده‌ای وارد رقابت بشی!

✨ مزایای ویژه:
✔️ آموزش تخصصی با اساتید برتر
✔️ تجربه عملی با داده‌های واقعی صنعت
✔️ گواهینامه معتبر قابل ترجمه
✔️ فرصت ورود به بازار کار و همکاری با شرکت‌های برتر
✔️ ۶۰٪ تخفیف ویژه تا انتهای فروردین!

📍 همین حالا ثبت‌نام کن و آینده حرفه‌ایت رو بساز!

⏳ httb.ir/0BPYe ◀️

🧑‍💻@iaaa_event 
🔸 پشتیبانی:  
📞 02191096992

آقای Andrej Karpathy، پژوهشگر برجسته‌ی حوزه‌ی هوش مصنوعی و از چهره‌های تأثیرگذار سابق در تیم هوش مصنوعی تسلا و OpenAI، در تازه‌ترین مقاله‌ی خودش به یک پدیده‌ی جالب توجه اشاره کرده: انقلاب مدل‌های زبانی بزرگ (LLMها) برخلاف مسیر همیشگی گسترش فناوری‌ها، از پایین به بالا اتفاق افتاده، نه از بالا به پایین.

‏Karpathy توضیح می‌ده که فناوری‌های بزرگ در طول تاریخ معمولاً اول در دولت‌ها یا ارتش‌ها توسعه پیدا می‌کردن، بعد به شرکت‌های بزرگ می‌رسیدن و نهایتاً راهشون به دست مصرف‌کننده‌های عادی باز می‌شده. مثلاً برق، اینترنت، کامپیوتر و حتی GPS همگی این مسیر رو طی کردن. چون فناوری‌های نو در ابتدای مسیرشون پرهزینه، کمیاب و نیازمند تخصص بالا بودن. اما حالا ما با یک استثنای تاریخی طرفیم: LLMها مثل ChatGPT و Claude مستقیماً و اول از همه به مردم رسیدن و تأثیرشون روی زندگی فردی، خیلی سریع‌تر و گسترده‌تر از سازمان‌ها و دولت‌ها بوده.

او به این نکته اشاره می‌کنه که ChatGPT با بیش از ۴۰۰ میلیون کاربر هفتگی، به یکی از پرکاربردترین ابزارهای روزمره تبدیل شده. افراد ازش برای کارهایی مثل نوشتن، کدنویسی، ترجمه، تحقیق، خلاصه‌نویسی، تولید محتوا، و حتی آموزش استفاده می‌کنن. چیزی که Karpathy روش تأکید می‌کنه اینه که LLMها نه فقط یک ابزار جدید، بلکه یک "اهرم برای قدرت فردی" هستن؛ چون به افراد این امکان رو می‌دن که کارهایی رو انجام بدن که قبلاً از عهده‌شون خارج بوده. اون می‌گه: «حالا هر کسی می‌تونه یک اپ بنویسه، یک مقاله‌ علمی رو بفهمه، یا حتی قرارداد حقوقی رو تحلیل کنه، بدون این‌که متخصص اون حوزه باشه.»

در مقابل، Karpathy دلایلی رو مطرح می‌کنه که چرا سازمان‌ها و دولت‌ها هنوز نتونستن از این ابزارها به اندازه‌ افراد بهره ببرن؛ دلیل اول اینه که مدل‌های زبانی گستره‌ زیادی از دانش دارن، ولی در هر حوزه‌ای فقط در سطح نیمه‌تخصصی عمل می‌کنن. در حالی که شرکت‌ها خودشون با استخدام متخصص‌ها، از قبل این توانایی رو داشتن. در نتیجه، استفاده از LLMها تو سازمان‌ها بیشتر در حد افزایش بهره‌وری کارمنده، نه ایجاد توانمندی جدید. دلیل دوم، پیچیدگی بالای کار در سازمان‌هاست که از جمله اونها هماهنگی بین سیستم‌های قدیمی، قوانین سخت‌گیرانه، نیاز به امنیت بالا، رعایت سبک برند و خطرات حقوقی هست. و دلیل سوم هم مقاومت طبیعی سازمان‌های بزرگ در برابر تغییر سریعه؛ موانعی مثل فرهنگ داخلی، بوروکراسی، و چالش‌های آموزش نیروهای زیاد و پراکنده، موانعی هستن که در هنگام پذیرش تغییرات جدید دست و پاگیر میشن.

در ادامه، Karpathy به آینده‌ این روند هم اشاره می‌کنه. اون می‌گه یکی از ویژگی‌های جالب LLMهای امروزی اینه که با سرمایه‌ کم می‌تونی به بهترین نسخه‌ها دسترسی داشته باشی. به‌عبارت دیگه، بیل گیتس هم همون GPT-4o رو داره که یک دانش‌آموز ساده داره. اما هشدار می‌ده که ممکنه در آینده دوباره فاصله ایجاد بشه؛ اگه شرکت‌ها بتونن مدل‌هایی بخرن یا بسازن که به‌مراتب بهتر از نسخه‌های عمومی باشن، اون وقت دوباره طبقه‌ی ثروتمند از بقیه جدا می‌شه. بچه‌ی ثروتمندها با GPT-8-Pro درس می‌خونه، بقیه با نسخه‌ی ارزان‌تر.

در پایان، Karpathy این وضعیت رو "بی‌سابقه" توصیف می‌کنه و می‌گه که برخلاف تصور داستان‌های علمی‌تخیلی، انقلاب هوش مصنوعی نه از پروژه‌های نظامی و محرمانه، بلکه از اپلیکیشنی شروع شده که یه‌شبه و به‌صورت رایگان روی گوشی همه‌ی مردم اومده. با نقل‌قول از ویلیام گیبسون که می‌گفت "آینده همین حالاست، فقط هنوز همه‌جا پخش نشده"، Karpathy می‌نویسه: «این‌بار آینده نه‌تنها اینجاست، بلکه به طرز عجیبی همگانی شده. قدرت به مردم رسیده. و من عاشق این اتفاقم.»

نسخه کامل این مقاله رو از اینجا میتونید مشاهده کنید.

@aipulse24