انتقل إلى المحتوى الرئيسي

الدرس 1 — ما تستأجره فعلاً

قبل الحديث عن الكلفة، يجب معرفة ماذا تدفع مقابله. وهذا الدرس يوضّح المكوّنات الأربعة.

المعالج المركزي مقابل معالج الرسوميات​

الفرق يُفهَم بتشبيه واحد: المعالج المركزي عدد قليل من العمّال الأذكياء جدّاً، ومعالج الرسوميات آلاف العمّال البسطاء.

المعالج المركزي مصمَّم للمهامّ المتسلسلة المعقّدة: منطق متشعّب، وقرارات متتابعة. وأنويته قليلة وقويّة جدّاً.

ومعالج الرسوميات مصمَّم لتنفيذ العملية نفسها على بيانات كثيرة في وقت واحد. وأنويته آلاف، وكلّ واحد أبسط بكثير.

وتدريب الشبكات العصبية ضرب مصفوفات في جوهره، وهو عمل متوازٍ تماماً: كلّ عنصر في النتيجة يُحسب مستقلّاً عن غيره. ولهذا يكون معالج الرسوميات أسرع بمراتب — من عشرة إلى مئة ضعف بحسب الحالة — لا أسرع قليلاً.

متى لا تحتاج معالج رسوميات

كثير من الفرق تستأجر معالجات باهظة بلا حاجة. تعلّم الآلة الكلاسيكي على بيانات جدولية — أشجار معزَّزة، وانحدار، وتجميع — يعمل ممتازاً على معالج مركزي، وقد يكون أسرع فعلياً لأنّ نقل البيانات إلى المعالج المتخصّص يكلّف وقتاً أكثر ممّا يوفّره. والقاعدة: المعالج المتخصّص للتعلّم العميق وللنماذج الكبيرة.

المعالجات المتخصّصة​

فوق معالجات الرسوميات العامّة، توجد رقائق مصمَّمة للتعلّم الآلي تحديداً. وهي أكفأ في هذه المهامّ بعينها، وأقلّ مرونة، ومرتبطة عادةً بمزوّد بعينه — وهذه نقطة تعود في درس الاعتماد.

ذاكرة المعالج: القيد الحقيقي​

هذه أهمّ نقطة تقنية في الدرس، وأكثر ما يفاجئ الفرق.

القيد الفاصل عادةً ليس سرعة المعالج بل حجم ذاكرته. والنموذج يجب أن يدخل في هذه الذاكرة كاملاً مع بياناته الوسيطة، وإلا فالتشغيل يفشل بلا أيّ حلّ وسط.

ما يستهلك الذاكرة:

  • أوزان النموذج نفسها.
  • التنشيطات الوسيطة لكلّ طبقة، وهي غالباً أكبر من الأوزان في التدريب.
  • حالة المحسِّن، وقد تضاعف حاجة الأوزان مرّتين أو ثلاثاً.
  • حجم الدفعة: مضاعفته تضاعف حاجة الذاكرة تقريباً.

وهذا يفسّر سلوكاً معروفاً: يفشل التدريب برسالة نقص ذاكرة، فيقلّل المهندس حجم الدفعة، فيعمل. والحلول الأخرى: دقّة حسابية أدنى، وتوزيع النموذج على عدّة معالجات، وتقنيات تقايض الحساب بالذاكرة.

وفي الاستنتاج، الحاجة أقلّ بكثير لأنّ حالة المحسِّن والتنشيطات المحفوظة غير مطلوبة. ولهذا يمكن تشغيل نموذج على عتاد أصغر بكثير من الذي دربّه.

طبقات التخزين​

الخطأ الشائع: استخدام أغلى تخزين لكلّ شيء.

الطبقةالوصولالكلفةالمناسب لها
قرص سريع مرفقميلي ثانيةالأغلىبيانات التدريب النشطة
تخزين كائناتمئات الميلي ثانيةمتوسّطمجموعات البيانات، والنماذج
طبقة باردةدقائق إلى ساعاترخيص جدّاًأرشيف، ونسخ احتياطية

القاعدة العملية: بيانات التدريب النشطة على تخزين سريع، وكلّ ما عداها على تخزين كائنات أو أبرد. ونقل الأرشيف إلى طبقة باردة يخفّض بند التخزين كثيراً بلا أيّ أثر تشغيلي.

الشبكة: البند المنسيّ​

الشبكة تكلّف، وبطرق غير متوقّعة:

  • الدخول — إرسال البيانات إلى المزوّد — مجّاني عادةً.
  • الخروج — إخراج البيانات — مدفوع، وقد يكون مكلفاً جدّاً.
  • بين المناطق داخل المزوّد نفسه: مدفوع أيضاً.

وهذا التباين ليس تفصيلاً بل عنصر استراتيجية: من السهل والرخيص أن تُدخِل بياناتك، ومن المكلف أن تُخرِجها. وهذا يخلق احتجازاً اقتصادياً حقيقياً، ويعود بالتفصيل في درس الاعتماد.

والأثر العملي المباشر: قرّب الحساب من بياناتك. تدريب على بيانات مخزَّنة عند مزوّد آخر يعني دفع كلفة خروج ضخمة قبل أيّ حساب.

أنماط الشراء​

النمطالكلفةالخطرالمناسب له
بالطلبالأعلىلا شيءتجارب، وأحمال متغيّرة
بالحجز لمدّةأقلّ بكثيرالتزام طويلأحمال ثابتة معروفة
بالسعة الفائضةالأرخص بفارق كبيرقد يُسحَب في أيّ لحظةتدريب يحفظ نقاط استئناف

النمط الثالث يستحقّ الانتباه: خصم كبير جدّاً مقابل احتمال إيقاف مواردك. وهو غير مناسب لخدمة إنتاجية، ومناسب تماماً لتدريب طويل يحفظ نقاط استئناف دورية، لأنّ الإيقاف يعني استئنافاً لا خسارةً. وهذا من أكبر مصادر التوفير المتاحة، وأقلّها استخداماً.

في ثلاث جمل​

معالج الرسوميات أسرع بمراتب في التعلّم العميق لأنّ ضرب المصفوفات عمل متوازٍ تماماً، ولا يفيد في تعلّم الآلة الجدولي الذي يعمل ممتازاً على معالج مركزي. والقيد الفاصل عملياً هو حجم ذاكرة المعالج لا سرعته، لأنّ النموذج وتنشيطاته وحالة محسِّنه يجب أن تدخل كاملةً، ولهذا يحتاج الاستنتاج عتاداً أصغر بكثير من التدريب. وكلفة نقل البيانات غير متكافئة — الدخول مجّاني والخروج مدفوع — وهذا يقتضي تقريب الحساب من بياناتك، ونمط السعة الفائضة أرخص خيار للتدريب الذي يحفظ نقاط استئناف.

التالي — الدرس 2: المنصّات ←