شركات ناشئة تريد استئجار حواسيب الألعاب الخاملة لتشغيل الذكاء الاصطناعي

غالباً ما تُعامل حواسيب الألعاب الخاملة باعتبارها أجهزة شخصية لا تُستخدم إلا للترفيه. لكن مجموعة جديدة من شركات الذكاء الاصطناعي تريد التعامل معها باعتبارها بنية تحتية موزعة: تجنيد أصحاب هذه الأجهزة، وتشغيل مهام على وحدات معالجة الرسوميات أو المعالجات المركزية غير المستغلة، ثم دفع مقابل الحوسبة التي تُنجز وتُتحقق منها. وتركز Far Labs وEvolving Edge على الاستدلال، أي استخدام نموذج مدرَّب مسبقاً للرد على الطلبات، بدلاً من تدريب نماذج ضخمة من الصفر. 26

الفكرة جذابة لأنها تستفيد من عتاد موجود بالفعل، وتوزع أحمال الذكاء الاصطناعي على مواقع متعددة. لكن السؤال الأصعب ليس ما إذا كانت بطاقة رسوميات منزلية قادرة على تشغيل نموذج مفتوح المصدر؛ بل ما إذا كان بإمكان آلاف الأجهزة المتنوعة والمتقطعة الاتصال تقديم خدمة آمنة وسريعة ومتوقعة، وبسعر يرضي العملاء وأصحاب الأجهزة معاً.

كيف تعمل شبكة الاستدلال الموزعة؟

يتكون النظام عادةً من ثلاثة عناصر: طلب من العميل، وطبقة تنسيق تختار الجهاز المناسب لتنفيذه، وبرنامج يُثبت على جهاز المضيف لتشغيل المهمة. وعلى المشغّل أن يطابق كل طلب مع العتاد المتاح، مع مراعاة حجم النموذج وذاكرته وزمن الاستجابة ومدة الاتصال وحدود الموارد التي يفرضها صاحب الجهاز.

Far Labs: توجيه الطلبات وتوزيع النماذج

تصف FAR AI نفسها بأنها طبقة موزعة للاستدلال تربط وحدات معالجة الرسوميات اليومية، وتوجه الطلبات في الوقت الفعلي إلى العقد الأنسب. وتهدف الشركة، وفقاً لما تعلنه، إلى دعم المهام التفاعلية من دون الاعتماد الكامل على العناقيد المركزية. 1112

وتشير المواد المتاحة إلى أن مجدول Far Labs يستطيع تقسيم عمل النموذج بين عدة أجهزة عندما لا تتسع ذاكرة جهاز واحد للنموذج كاملاً. وقد يوسع ذلك نطاق العتاد القابل للاستخدام، لكنه يضيف في المقابل عمليات تنسيق واتصال بين العقد. وكل عملية نقل إضافية قد تؤثر في سرعة الرد والموثوقية.

تحدثت Far Labs عن هدف مستقبلي يتمثل في إبقاء زمن الاستدلال التفاعلي دون ١٠٠ مللي ثانية. وهذا هدف معلن، وليس دليلاً على أداء محقق من طرف إلى طرف. فالزمن الفعلي قد يشمل توجيه الطلب، والانتظار في الطوابير، وتحميل النموذج، والاتصال بين العقد، وإعادة النتيجة إلى المستخدم.

Evolving Edge: بيئة تشغيل مبنية على Ray

تُوصف Evolving Edge بأنها تستخدم Ray، وهو إطار للحوسبة الموزعة، لتوزيع مهام تقديم النماذج بين أجهزة المشاركين. وفي Ray يمكن تمثيل أعباء العمل بوصفها «ممثلين» مُدارين، ثم جدولتها عبر عنقود من الأجهزة. 56

يوفر Ray أدوات مهمة للتنفيذ الموزع، لكن استخدامه لا يحل تلقائياً مشكلات السوق الأكثر تعقيداً. فما زال على المشغّل اكتشاف العقد المتوقفة أو المزدحمة، ووضع النماذج بكفاءة، والتعامل مع اختلاف تكوينات العتاد، وتحديد متى ينبغي إعادة المهمة أو تشغيل نسخة احتياطية منها.

كيف يمكن تأمين المهام على الحواسيب المنزلية؟

إن السماح بتشغيل تعليمات برمجية أو استقبال بيانات تابعة لجهات خارجية على جهاز يملكه مستهلك ينشئ مشكلة أمنية أكبر بكثير من تثبيت لعبة أو تطبيق مكتبي. ويحتاج نظام المضيف الموثوق إلى تقييد ما يمكن للمهام الوصول إليه، ومقدار موارد الجهاز التي يمكنها استهلاكها.

وتشمل الضوابط المحتملة:

• تشغيل المهام داخل بيئات معزولة أو حاويات آمنة؛
• تشفير البيانات أثناء انتقالها عبر الشبكة؛
• وضع حدود لاستخدام المعالج ووحدة معالجة الرسوميات والذاكرة والتخزين والشبكة؛
• تحديد مدة المهمة وإنهائها تلقائياً عند الحاجة؛
• توفير برنامج مضيف يمكن فحصه وتحديثه.

وتستخدم بنية Ray الموثقة للعزل بيئات خفيفة معزولة على مستوى النواة لتشغيل التعليمات البرمجية غير الموثوقة ومهام الوكلاء. أما التطبيق التجريبي فيعتمد على gVisor وبيئات حاويات OCI، فيما تستطيع «الممثلون» الذين يديرهم Ray جدولة موارد البيئة المعزولة والتحكم فيها. 17182021

تُظهر هذه القدرات أن آليات الحماية اللازمة موجودة ضمن منظومة البرمجيات الأوسع. لكنها لا تثبت أن Far Labs أو Evolving Edge تطبق الحماية نفسها في بيئة إنتاج، أو أن إعداداتها آمنة على أنظمة التشغيل الاستهلاكية، أو أن العقدة الفعلية تشغل النسخة التي فحصها صاحب الجهاز.

وقد يزيد نشر برنامج العقدة كمصدر مفتوح من الشفافية، إذ يتيح للمضيفين فحص ضوابط الموارد وسلوك الوصول إلى البيانات. لكنه ليس ضماناً أمنياً كاملاً. فلا يزال المشغّلون بحاجة إلى نسخ قابلة لإعادة البناء، وتحديثات موقعة، وصلاحيات واضحة، واستجابة للثغرات، وأدلة تثبت أن النسخة المنشورة مطابقة للكود المعلن.

كيف تقارن المنصات بشبكة Salad؟

تُعد Salad المقارنة الأوضح، لأنها تدير بالفعل سوقاً تربط بطاقات الرسوميات الاستهلاكية بالجهات التي تبحث عن قدرة حوسبية. ولا يعتمد نموذجها على بلوكتشين أو طبقة تنسيق قائمة على الرموز. 13

تركز Far Labs على التوجيه الفوري والاستدلال الموزع، بما في ذلك احتمال تقسيم عمل النموذج بين عدة عقد. أما Evolving Edge فتبرز بيئة تشغيل موزعة مبنية على Ray، إلى جانب نسخة تجريبية مفتوحة. وتملك Salad أفضلية الخبرة التشغيلية في سوق وحدات معالجة الرسوميات الاستهلاكية، بينما يتعين على الوافدين الجدد إثبات قدرتهم على تقديم توافر وطلب ودعم واقتصاديات مماثلة.

وهنا تبرز نقطة مهمة: اللامركزية بنية معمارية، وليست نتيجة أداء. فقد تضم الشبكة آلاف الأجهزة، ومع ذلك تظل مُدارة مركزياً أو غير موثوقة أو غير مجدية اقتصادياً.

التحدي الأكبر: هل يحقق أصحاب الأجهزة ربحاً؟

يمثل المبلغ الإجمالي الذي يحصل عليه المضيف نقطة البداية فقط عند حساب العائد. فعلى صاحب الجهاز أيضاً تحمل تكلفة الكهرباء والحرارة والتبريد وخدمة الإنترنت والصيانة واستهلاك قيمة العتاد، إضافة إلى انخفاض توافر الحاسوب لاستخدامه الشخصي.

كما أن تسجيل الجهاز في الشبكة لا يعني أنه سيُستخدم فعلياً. فقد تكون وحدة معالجة الرسوميات متصلة وتتلقى عدداً قليلاً من المهام المدفوعة، فتدر دخلاً محدوداً بينما تواصل استهلاك الكهرباء أو تفرض تكاليف إدارية وتكاليف مرتبطة بالاستهلاك. ومن دون نشر معدلات الدفع، وافتراضات الاستخدام، ومدة المهام، وتقديرات استهلاك الطاقة، لن يستطيع المضيفون المحتملون حساب عائد موثوق على الاستثمار.

وقد يؤدي تشغيل الاستدلال لفترات طويلة إلى مزيد من الحرارة وعمل المراوح واستخدام ذاكرة الرسوميات. وتعتمد جدوى ذلك اقتصادياً على نوع البطاقة، وسعر الكهرباء محلياً، ومدة التشغيل، وشدة الحمل، وقيمة إعادة البيع. ولا تثبت المواد المتاحة أن المشاركة تمثل دخلاً سلبياً أو أنها ستكون مربحة للمالك العادي.

لماذا تحتاج ادعاءات السرعة والتكلفة إلى بيانات إنتاج؟

قد تمتلك الأجهزة الاستهلاكية الموزعة ميزة محتملة من ناحية التكلفة، لأن العتاد موجود أصلاً، وقد يرغب بعض المالكين في تحقيق دخل من قدرات خاملة. لكن الشبكة لا تزال مطالبة بتمويل التنسيق، وعرض النطاق، والمراقبة، والمهام الفاشلة، والتكرار، والدعم، والأمن، وتعويض المضيفين.

وينطبق الأمر نفسه على زمن الاستجابة. فبدء تشغيل بيئة معزولة بسرعة في عملية نشر محددة على Kubernetes لا يساوي تحقيق استدلال من طرف إلى طرف في أقل من ١٠٠ مللي ثانية عبر شبكات منزلية. ويرتبط رقم أقل من ١٠٠ مللي ثانية في وثائق Ray ببدء تشغيل البيئة المعزولة ضمن إعداد محدد، وليس بضمان لشبكة إنترنت واسعة من العقد الاستهلاكية. 17

وتعتمد أنظمة الذكاء الاصطناعي الموزعة عموماً على حوسبة خارج السلسلة. فالبلوكشينات العامة المصممة للأغراض العامة غير مناسبة عادةً لتنفيذ أحجام الحوسبة والبيانات الخاصة بأحمال تعلم الآلة، ولذلك تؤدي غالباً دور طبقة للتنسيق أو الدفع، لا لتشغيل النماذج مباشرة. 1

هل يمكن للشبكة تحمل فقدان عدد كبير من العقد؟

قد تكون الشبكة الموزعة أكثر قدرة على الصمود من جهاز واحد إذا امتلكت سعة احتياطية كافية، واستطاعت نقل المهام بسرعة عند اختفاء بعض العقد. وتصف أبحاث مرتبطة بـ Ray إعادة بناء تبعيات المهام المفقودة عند إزالة العقد، واستعادة معدل الإنجاز عند عودة العقد. 30

لكن هذه الفائدة مشروطة وليست تلقائية. إذ ستحتاج شبكة استدلال إنتاجية إلى قدر كافٍ من التكرار، ونسخ متعددة من النماذج، ووضع ذكي للمهام، واكتشاف سريع للأعطال. كما قد تؤدي الأعطال المترابطة—مثل انقطاع مزود الإنترنت، أو اضطراب الكهرباء في منطقة، أو تحديث برمجي معيب، أو تراجع الحوافز المالية للمضيفين—إلى إسقاط عدد كبير من العقد في وقت واحد.

وقد يخلق تقسيم النموذج مفاضلة إضافية. فتوزيع النموذج على عدة حواسيب قد يجعل العتاد الذي لم يكن قادراً على تشغيله بمفرده مفيداً، لكنه قد يزيد حركة البيانات عبر الشبكة ويضيف نقاط فشل جديدة. وسيعتمد التوازن العملي على طبيعة المهمة واستراتيجية الجدولة التي يتبعها المشغّل.

ما الذي ينبغي لمالكي بطاقات الرسوميات التحقق منه؟

إلى أن تنشر هذه الشبكات أدلة أقوى، من الأفضل التعامل مع المشاركة باعتبارها خدمة تجريبية ذات عائد متغير، لا مصدراً مضموناً لدخل سلبي. وقبل تثبيت برنامج العقدة، ينبغي البحث عن:

١. معادلة دفع واضحة وسجل فعلي للمدفوعات؛
٢. معدلات استخدام مقاسة، لا مجرد عدد الأجهزة المسجلة؛
٣. تقديرات واقعية للكهرباء والتبريد؛
٤. صلاحيات موثقة وحدود محددة للموارد؛
٥. اختبارات أو تدقيقات أمنية مستقلة؛
٦. بيانات مقاسة عن زمن الاستجابة والتوافر ومعدل فشل المهام؛
٧. طريقة بسيطة لإيقاف العقدة أو إزالتها.

تختبر Far Labs وEvolving Edge فكرة قابلة للتصديق: استخدام العتاد الاستهلاكي المتناثر لتكميل قدرة الذكاء الاصطناعي المركزية. وقد تنجح التقنية مع نماذج أصغر وأحمال عمل محددة. لكن الجدوى التجارية الأوسع ستظل غير محسومة إلى أن تثبت الشركتان أن الشبكة آمنة وسريعة ومرنة، وأن معدل استخدامها كافٍ لتعويض المضيفين بعد خصم تكاليفهم الحقيقية.