تستأجر مثيلًا بوحدة معالجة رسوميات (GPU) محددة، لكن الأداء الذي تحصل عليه هو بمثابة يانصيب. يصنف المصنعون رقاقاتهم في فئات وفقًا لجودة السيليكون، وتقوم شركات الحوسبة السحابية بتوزيع وحدات المعالجة الرسومية هذه بشكل غير متساوٍ. يتسبب هذا في أن نفس طراز وحدة المعالجة الرسومية قد يعطي أداءً أقل بنسبة تصل إلى 30% في مهام الذكاء الاصطناعي، مما يؤثر على كل من أوقات التدريب والتكلفة النهائية للمشروع.
تصنيف الرقاقات وتأثيره على تطوير الذكاء الاصطناعي 🎲
تخصص NVIDIA لكل وحدة معالجة رسومية تصنيفًا بناءً على كفاءتها في استهلاك الطاقة وقدرتها على رفع تردد التشغيل. تُخصص الوحدات ذات الجودة الأعلى للعملاء المميزين أو التطبيقات عالية الأداء، بينما تذهب الوحدات ذات الجودة الأقل إلى المثيلات الاقتصادية. هذا يعني أن مطورين اثنين لديهما نفس المثيل المستأجر قد يواجهان تجارب مختلفة تمامًا: أحدهما ينفذ تدريبه في 10 ساعات، والآخر، بحظ أسوأ، يحتاج إلى 13 ساعة. التباين حقيقي ويصعب التنبؤ به دون أدوات مراقبة متقدمة.
الروليت الروسي للسيليكون: هل حصلت على وحدة المعالجة الرسومية الجيدة؟ ⚡
استئجار وحدة معالجة رسومية في السحابة يشبه شراء تذكرة يانصيب، ولكن دون الجائزة الكبرى. قد تدفع نفس المبلغ الذي يدفعه زميلك وتنتهي بوحدة معالجة رسومية أداؤها كآلة حاسبة من التسعينيات. الأسوأ أنك لا تستطيع الشكوى: العقد ينص على أن الخدمة مكافئة. لذا، فبينما يدرب البعض النماذج في وقت قياسي، ينظر الآخرون إلى شريط التقدم ويتساءلون عما إذا لم يكن إجراء الحساب يدويًا أسرع.