لهذا السبب ستلعب محركات الأقراص ذات الحالة الثابتة (SSD) التي تزيد سعتها عن 100 تيرابايت دورًا كبيرًا في نماذج اللغات الكبيرة جدًا في المستقبل القريب

Abdul Ghani Jan 20, 2025 Jan 20, 2025 1 min read

تكشف Kioxia عن مشروع جديد يسمى AiSAQ والذي يريد استبدال ذاكرة الوصول العشوائي (RAM) بمحركات أقراص الحالة الصلبة (SSD) لمعالجة بيانات الذكاء الاصطناعي
يمكن لمحركات أقراص الحالة الصلبة الأكبر حجمًا (اقرأ: 100 تيرابايت +) تحسين RAG بتكلفة أقل من استخدام الذاكرة فقط
لم يتم تحديد جدول زمني، ولكن من المتوقع أن يقدم منافسو Kioxia تقنية مماثلة

غالبًا ما تولد النماذج اللغوية الكبيرة مخرجات معقولة ولكنها غير صحيحة في الواقع – وبعبارة أخرى، فإنها تختلق الأشياء. يمكن لهذه “الهلوسة” أن تلحق الضرر بالموثوقية في المهام الحيوية للمعلومات مثل التشخيص الطبي، والتحليل القانوني، وإعداد التقارير المالية، والبحث العلمي.

يعمل الجيل المعزز للاسترجاع (RAG) على تخفيف هذه المشكلة من خلال دمج مصادر البيانات الخارجية، مما يسمح لـ LLMs بالوصول إلى المعلومات في الوقت الفعلي أثناء الإنشاء، وتقليل الأخطاء، ومن خلال ترسيخ المخرجات في البيانات الحالية، وتحسين الدقة السياقية. يتطلب تنفيذ RAG بشكل فعال ذاكرة كبيرة وموارد تخزين، وهذا ينطبق بشكل خاص على البيانات والمؤشرات المتجهة واسعة النطاق. تقليديًا، تم تخزين هذه البيانات في ذاكرة DRAM، والتي على الرغم من سرعتها إلا أنها باهظة الثمن ومحدودة السعة.

ولمواجهة هذه التحديات، خدمة المنزل تشير التقارير إلى أنه في معرض CES لهذا العام، قدمت شركة الذاكرة اليابانية العملاقة Kioxia AiSAQ – البحث التقريبي لأقرب جار (ANNS) الشامل في التخزين مع تحديد كمية المنتج – الذي يستخدم محركات أقراص SSD عالية السعة لتخزين بيانات المتجهات والمؤشرات. تدعي Kioxia أن AiSAQ يقلل بشكل كبير من استخدام DRAM مقارنة بـ DiskANN، مما يوفر نهجًا أكثر فعالية من حيث التكلفة وقابلية للتطوير لدعم نماذج الذكاء الاصطناعي الكبيرة.

أكثر سهولة وفعالية من حيث التكلفة

(حقوق الصورة: كيوكسيا)

يتيح التحول إلى التخزين القائم على SSD التعامل مع مجموعات البيانات الأكبر حجمًا دون التكاليف المرتفعة المرتبطة بالاستخدام المكثف لذاكرة الوصول العشوائي الديناميكية (DRAM).

في حين أن الوصول إلى البيانات من محركات أقراص الحالة الصلبة قد يؤدي إلى زمن انتقال طفيف مقارنة بذاكرة الوصول العشوائي الديناميكية (DRAM)، فإن المقايضة تتضمن تكاليف نظام أقل وتحسين قابلية التوسع، مما يمكن أن يدعم أداء أفضل للنموذج ودقة حيث توفر مجموعات البيانات الأكبر أساسًا أكثر ثراءً للتعلم والاستدلال.

ومن خلال استخدام محركات أقراص SSD عالية السعة، تعالج AiSAQ متطلبات التخزين لـ RAG مع المساهمة في الهدف الأوسع المتمثل في جعل تقنيات الذكاء الاصطناعي المتقدمة أكثر سهولة وفعالية من حيث التكلفة. لم تكشف Kioxia عن موعد خططها لطرح AiSAQ في السوق، ولكن من الآمن المراهنة على المنافسين مثل Micron وSK Hynix سيكون لديهم شيء مماثل في الأعمال.

خدمة المنزل ويختتم قائلاً: “كل شيء يعتمد على الذكاء الاصطناعي هذه الأيام، وكيوكسيا تدفع بهذا أيضًا. من الناحية الواقعية، سيكون RAG جزءًا مهمًا من العديد من التطبيقات، وإذا كان هناك تطبيق يحتاج إلى الوصول إلى الكثير من البيانات، ولكن لا يتم استخدامه بشكل متكرر، فستكون هذه فرصة عظيمة لشيء مثل Kioxia AiSAQ.