في مجال الحوسبة عالية الأداء، يوجد انفصال واضح بين احتياجات الذكاء الاصطناعي واحتياجات العلم التقليدي. الصيغ ذات الدقة المنخفضة مثل FP8، المفيدة لتدريب الشبكات العصبية، تُدخل أخطاء غير مقبولة في المحاكيات الفيزيائية أو المناخية. لسد هذه الفجوة، يطور الباحث لاسلو هونهولد صيغة محددة تُعطي الأولوية للدقة الرقمية دون إهمال الأداء وكفاءة الطاقة التي تتطلبها هذه الحسابات.
تطوير معيار للحوسبة العلمية الدقيقة ⚙️
يركز عمل هونهولد على إنشاء صيغة نقطة عائمة تحسن استخدام البتات للنطاق والدقة التي تتطلبها النماذج العلمية. بخلاف صيغ الذكاء الاصطناعي، التي تضحي بالدقة الديناميكية من أجل السرعة، تسعى هذه الاقتراح لضمان الاستقرار الرقمي في التكرارات الطويلة. الهدف هو تصميم يتكامل في الأجهزة المتخصصة، مما يقلل من استهلاك الطاقة في الحواسيب الخارقة دون المساس بموثوقية النتائج في الأبحاث الحرجة.
عندما تفضل محاكاة المناخ عدم 'الهلوسة' بالنتائج 😅
هذا مفهوم. بينما يمكن للذكاء الاصطناعي إنشاء صورة لقطة بست أرجل ولا يفاجئ ذلك أحداً، فإن نموذج اندماج نووي ييخترع حالة جديدة من المادة قد يثير ضجة في المختبر. يبدو أن العلماء يفضلون أن تكون حساباتهم غير إبداعية، بل عنيدة في دقتها. لذا، لنترك FP8 لأحلام الشبكات العصبية ولنستخدم بتات حقيقية للمشكلات الحقيقية.