🚨 يا إلهي. جينسن هوانغ حمل للتو بيتافلوبًا من قوة الذكاء الاصطناعي في يد واحدة. والمقارنة التي أجرتها هي مجنونة تمامًا. في عام 2016، قام جينسن هوانغ بتوصيل نظام NVIDIA DGX 1 إلى شركة صغيرة تُدعى OpenAI. كان جهازًا ضخمًا مصممًا خصيصًا لحسابات الذكاء الاصطناعي. وقدم أداءً بقوة بيتافلوب واحد، مع 128 جيجابايت من الذاكرة. وأشار جينسن إلى تفصيل واحد فقط. استغرق نقل هذا الجهاز إلى الطابق العلوي شخصين. الآن، بعد عشر سنوات، يحمل جينسن جهاز كمبيوتر ذكي صغير في يد واحدة، ويعرض نفس الأرقام الرئيسية. بيتافلوب واحد. 128 جيجابايت من الذاكرة. دع هذا يترسخ في ذهنك للحظة. تم تطوير سلسلة RTX Spark الجديدة عبر أربع سنوات من العمل مع مايكروسوفت وصناعة أجهزة الكمبيوتر على نطاق أوسع. وفقًا لجينسن، شمل المشروع شريحة جديدة تُدعى N1X وعائلة جديدة تمامًا من أجهزة الكمبيوتر، تشمل أجهزة سطح المكتب وأجهزة الكمبيوتر المحمولة ومحطات العمل. الهدف هو جلب قوة حوسبة الذكاء الاصطناعي الجادة إلى حجم أصغر بكثير. وهنا تصبح الأمور مثيرة للاهتمام. لسنوات، كان الوصول إلى أجهزة الذكاء الاصطناعي القوية يعني الاعتماد على بنية تحتية سحابية باهظة الثمن أو أجهزة متخصصة كانت خارج نطاق معظم المطورين الأفراد. تشير الأنظمة المدمجة مثل هذه إلى نهج مختلف تمامًا. تخيل تطوير وكلاء ذكاء اصطناعي، واختبار النماذج، وتشغيل أحمال عمل الذكاء الاصطناعي المكثفة على مكتبك الخاص. تقليل الاعتماد على البنية التحتية عن بُعد. مزيد من التحكم في بيئة التطوير الخاصة بك. وربما تقليل التكاليف المتكررة السحابية للأحمال التي يمكن تشغيلها محليًا. بالطبع، هناك فرق مهم. مطابقة نفس الرقم القصوى للبيتافلوب لا تعني تلقائيًا أن جهازين يقدمان أداءً متطابقًا في العالم الحقيقي. الدقة المستخدمة وهندسة الذاكرة وحمل العمل كلها عوامل مهمة. لكن التحول المادي لا يزال مذهلاً. في عام 2016، كانت هذه الفئة من حوسبة الذكاء الاصطناعي موجودة في جهاز كان يتطلب شخصين لنقله. الآن، يمكن لجينسن هوانغ أن يحمل نظامًا بمواصفات رئيسية مماثلة في يد واحدة. هذا ما يجعل هذا الأمر أكثر من مجرد إطلاق جهاز كمبيوتر آخر. أصبحت أجهزة الذكاء الاصطناعي لا تقتصر على أن تصبح أكثر قوة فحسب، بل أصبحت أكثر قابلية للوصول بشكل كبير. وربما لا يحتاج الجيل القادم من مطوري الذكاء الاصطناعي إلى غرفة خوادم لبدء العمل.