UC San Diego این هفته اعلام کرد که بنیاد ملی علوم ایالات متحده یک توافقنامه همکاری 35 میلیون دلاری در طول پنج سال به مرکز ابر رایانه سن دیگو در UC San Diego برای ایجاد و راه اندازی مرکز عملیات برای منبع تحقیقات ملی هوش مصنوعی اعطا کرده است. SDSC این تلاش را با همکاری مرکز محاسبات پیشرفته تگزاس در دانشگاه تگزاس در آستین رهبری خواهد کرد.

مرکز عملیاتی جدید NSF NAIRR یا NAIRR-OC، انتقال منبع تحقیقاتی ملی هوش مصنوعی را از یک آزمایشی موفق به چیزی که NSF به عنوان یک قابلیت ملی بلندمدت توصیف می‌کند، نشان می‌دهد - مجموعه‌ای مشترک از قدرت محاسباتی پیشرفته، مجموعه داده‌های با کیفیت بالا، مدل‌های هوش مصنوعی، نرم‌افزار، و تخصص که هر محقق آمریکایی می‌تواند بدون توجه به اینکه آیا پژوهشگر هوش مصنوعی می‌تواند از آن استفاده کند یا خیر. For more context on this story, see our ongoing AI trends.

چرا یک مرکز عملیات دائمی مهم است

کشف علمی به طور فزاینده‌ای به منابع هوش مصنوعی بستگی دارد - محاسبات در مقیاس بزرگ، داده‌های مدیریت‌شده و ابزارهای تخصصی که معمولاً از آنچه یک آزمایشگاه یا دانشگاه به تنهایی می‌تواند مدیریت کند، بیشتر است. آزمایشی NAIRR که توسط NSF در ژانویه 2024 و به دنبال یک دستور اجرایی در سال 2023 راه اندازی شد، هزاران محقق آمریکایی را به محاسبات کمکی از آژانس ها، شرکت های خصوصی و مراکز دانشگاهی متصل کرده است. چیزی که کمبود آن وجود دارد، یک ستون فقرات سازمانی دائمی است.

این جایزه دقیقاً همان را ایجاد می کند: سازمان، خدمات و هماهنگی مورد نیاز برای اتصال محققان، مربیان و دانش آموزان با محاسبات پیشرفته، داده ها، مدل های هوش مصنوعی، نرم افزار، آموزش و تخصص فنی. HPCwire گزارش داد که این مرکز به طور مشترک توسط SDSC و TACC هدایت می شود، در حالی که ExecutiveGov اشاره کرد که NAIRR به عنوان یک زیرساخت تحقیقاتی ملی پایدار به جای نمایشی محدود به زمان، موقعیت های پرتاب را نشان می دهد.

فرانک وورثواین، مدیر SDSC و محقق و مدیر اصلی NAIRR-OC، در این اطلاعیه گفت: «NAIRR-OC گام مهمی در جهت قابل استفاده کردن منابع پیشرفته هوش مصنوعی توسط محققان، مربیان و دانش آموزان در سراسر کشور است. با گسترش دسترسی، می‌توانیم ایده‌ها و اکتشافات جاه‌طلبانه‌ای را فعال کنیم که در غیر این صورت ممکن است دور از دسترس باقی بمانند.»

آنچه که مرکز عملیات در واقع انجام خواهد داد

بر اساس قرارداد همکاری، SDSC و TACC به عنوان ستون فقرات عملیاتی NAIRR عمل خواهند کرد. با توجه به UC San Diego، مرکز عملیات:

  • ارائه دهندگان منابع بخش خصوصی، فدرال و دانشگاهی را هماهنگ کنید
  • یکپارچه سازی محاسبات، داده های علمی توزیع شده، مدل های هوش مصنوعی، نرم افزار و ابزارهای تحقیقاتی
  • ساخت و راه اندازی یک پورتال ملی واحد NAIRR
  • پشتیبانی کاربر، مستندسازی، آموزش، توسعه و مشارکت را ارائه دهید
  • یک فروم کاربر NAIRR و کانال های بازخورد ایجاد کنید تا منبع با نیازهای جامعه تکامل یابد
  • انتقال کارکردهای مناسب از NAIRR Pilot به زیرساخت ملی بلندمدت را هدایت کنید
  • شناسایی چالش‌هایی که مانع از مشارکت کامل محققان، مربیان و دانش‌آموزان در اکتشافات مبتنی بر هوش مصنوعی می‌شود.

تاکید بر یک پورتال هماهنگ و لایه پشتیبان به انتقاد طولانی مدت از برنامه های محاسباتی فدرال می پردازد: اینکه محققان پذیرفته شده قبل از اجرای اولین آزمایش خود با مجموعه ای از سیستم های تخصیص ناسازگار، فرآیندهای حساب و زنجیره ابزار روبرو هستند.

نقاط قوت مکمل در زیرساخت سایبری ملی

جفت شدن عمدی است. UC San Diego خانه SDSC است و پلتفرم ملی داده و پلتفرم ملی تحقیقاتی تحت پشتیبانی NSF را رهبری می کند. UT Austin خانه TACC است که مرکز محاسباتی کلاس رهبری NSF ایالات متحده، قدرتمندترین کامپیوتر علم باز کشور را رهبری می کند. مدیر اجرایی TACC، Dan Stanzione، که همچنین معاون پژوهشی در UT Austin است، گفت NAIRR-OC "کاملاً" با مأموریت مرکز مطابقت دارد و با فراهم کردن زیرساخت‌های محاسباتی و داده‌ای که کاربران NAIRR برای کشف در مقیاس نیاز دارند، تسهیلات کلاس رهبری TACC را تکمیل می‌کند.

Stanzione گفت: "به همراه همکاران قدیمی خود در SDSC، NAIRR-OC به ما کمک می کند تا هوش مصنوعی را به محققان و کاربران جدید ارائه دهیم و یک سرویس هماهنگ و واحد ایجاد کنیم تا منابع NSF را به جامعه تحقیقاتی و عموم برساند."

زمینه گسترده تر: محاسبه هوش مصنوعی به عنوان زیرساخت عمومی

این راه اندازی در حالی آغاز می شود که دسترسی به محاسبات هوش مصنوعی به یک نگرانی استراتژیک برای علم آمریکایی تبدیل شده است. دوره‌های آموزشی در مقیاس مرزی در تعداد انگشت شماری از آزمایشگاه‌های شرکتی با بودجه‌های سرمایه‌ای تریلیون دلاری متمرکز باقی می‌ماند، در حالی که محققان دانشگاهی در مؤسسات بدون مراکز محاسباتی بزرگ می‌توانند برای تنظیم دقیق و معیار حتی مدل‌های با وزن باز مشکل داشته باشند. NAIRR پاسخ اصلی دولت فدرال است: یک منبع ملی مشترک، که توسط صنعت و آژانس ها کمک می شود، که مانع تحقیقات دانشگاهی هوش مصنوعی را کاهش می دهد.

UC San Diego این مشارکت را منعکس کننده یک استراتژی ملی گسترده تر توصیف کرد - ادغام قابلیت های پیشرو موجود به جای ایجاد زیرساخت های جدید جدا شده. برای جامعه تحقیقاتی، تغییرات عملی کوتاه مدت، یک پورتال یکپارچه، پشتیبانی کاربر هماهنگ، و مسیری روشن تر از تخصیص دوره آزمایشی به دسترسی پایدار خواهد بود.

برای رقابت‌پذیری تحقیقات هوش مصنوعی ایالات متحده، شرط این است که گسترش قیف محققان با دسترسی محاسباتی جدی، بازده ترکیبی به همراه داشته باشد - مجموعه داده‌های بیشتر منتشر شده، معیارهای بیشتر ساخته شده، مدل‌های بیشتری در خارج از آزمایشگاه‌های شرکتی تحت آزمایش استرس قرار گرفته‌اند، و دانش‌آموزان بیشتری که در زیرساخت‌های مقیاس ملی قبل از ورود به نیروی کار آموزش دیده‌اند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →