در ماههای اخیر پروژهای به نام Pearl توجه بسیاری از فعالان حوزه رمزارز و هوش مصنوعی را به خود جلب کرده بود. ایده اصلی این پروژه استفاده از توان پردازشی کارتهای گرافیک کاربران برای انجام محاسبات مرتبط با هوش مصنوعی و دریافت پاداش رمزارزی به جای ماینینگ کلاسیک بود. خبر بد اینکه ظاهراً این پروژه هیچ کار مفیدی انجام نمیدهد اما چند صد مگاوات انرژی را هدر میدهد.
بر اساس یک مقاله جدید، شبکه Pearl در حال حاضر معادل حدود 24 اگزاهش در ثانیه توان پردازشی در اختیار دارد که پژوهشگران آن را معادل حدود 320 هزار کارت گرافیک GeForce RTX 3090 برآورد کردهاند. مصرف برق چنین شبکهای هم حدود 112 مگاوات تخمین زده شده است؛
مسئله اینجاست که پژوهشگران مدعی شدهاند پلتفرم اجاره پردازنده گرافیکی Pearl هیچ کار مثبتی در حوزه هوشمصنوعی انجام نمیدهد و احتمالاً مشغول استخراج رمزارز یا همان ماینینگ است.
هوش مصنوعی یا فقط ریاضی بیهدف؟
Pearl از مکانیزمی به نام Proof-of-Useful-Work یا به اختصار PoUW استفاده میکند. برخلاف بیتکوین که بر پایه محاسبات هش SHA-256 کار میکند، در این شبکه ماینرها باید ضرب ماتریسی انجام دهند که این نوع محاسبات در آموزش و اجرای مدلهای هوش مصنوعی نیز کاربرد دارد.
مشکل از جایی آغاز میشود که پروتکل Pearl تنها صحت انجام ضرب ماتریسی را بررسی میکند، نه مفید بودن آن را. به عبارت دیگر شبکه میتواند تشخیص دهد عملیات ریاضی به درستی انجام شده، اما قادر نیست مشخص کند این محاسبات واقعاً بخشی از یک مدل هوش مصنوعی بوده یا صرفاً مجموعهای از اعداد تصادفی.
ابهینابا باسو، نویسنده این تحقیق برای اثبات ادعای خود یک ماینر اختصاصی توسعه داد که به جای پردازش مدلهای هوش مصنوعی، صرفاً ماتریسهای تصادفی تولید میکرد. نتیجه جالب بود؛ شبکه بدون هیچ مشکلی این محاسبات را پذیرفت و حتی پاداش استخراج نیز پرداخت شد.
به گفته باسو، اگر شبکه نتواند بین یک مدل واقعی هوش مصنوعی و اعداد کاملاً تصادفی تفاوتی قائل شود، ماینرها نیز هیچ انگیزهای برای انجام کار مفید نخواهند داشت.
در ادامه پژوهشگران بیش از 8 هزار ماینر فعال در یکی از استخرهای استخراج Pearl را بررسی کردند که حدود 21 درصد کل قدرت شبکه را در اختیار دارد. نتایج نشان میدهد تقریباً تمام سیستمهای فعال از سختافزار مناسب برای اجرای مدلهای هوش مصنوعی برخوردار هستند، اما در نرمافزار استخراج مورد استفاده هیچ نشانهای از فریمورکهای رایج یادگیری ماشین مشاهده نشده است.
تحلیل رفتار کارتهای گرافیک نیز نکته جالب دیگری را نشان میدهد. الگوی مصرف منابع شباهت زیادی به عملیات ریاضی خام دارد، نه اجرای مدلهای ترنسفورمر و شبکههای عصبی که معمولاً به پهنای باند حافظه بسیار بالایی نیاز دارند.
برای کاربران سختافزار، شاید مهمترین بخش این گزارش تأثیر آن بر بازار GPU باشد. پس از انتشار عمومی نرمافزار استخراج Pearl در ماه مه، میزان استفاده از کارتهای گرافیک ارزانقیمت در پلتفرم اجاره پردازش Vast.ai از 57 درصد به 94 درصد افزایش یافته است. همزمان هزینه اجاره این کارتها نیز حدود 38 درصد رشد کرده است.
به اعتقاد پژوهشگران این اتفاق سالانه حدود 600 هزار دلار هزینه اضافی به پژوهشگران مستقل و توسعهدهندگانی تحمیل میکند که برای آموزش مدلهای واقعی هوش مصنوعی به همین سختافزارها نیاز دارند.
حتی AMD و اپل هم میتوانند Pearl استخراج کنند
یکی از ادعاهای رایج پیرامون Pearl وابستگی شدید آن به کارتهای انویدیا بود. اما این تحقیق نشان میدهد چنین محدودیتی وجود ندارد.
باسو موفق شده استخراج Pearl را روی شتابدهنده AMD Instinct MI300X، پردازندههای سرور و حتی تراشه Apple M2 اجرا کند. در برخی آزمایشها نیز شتابدهنده AMD حتی عملکرد بهتری نسبت به RTX 3090 در اجرای این محاسبات ثبت کرده است.
این موضوع نشان میدهد برخلاف بسیاری از بارهای کاری هوش مصنوعی مدرن، استخراج Pearl عملاً به اکوسیستم CUDA وابسته نیست و روی طیف وسیعی از سختافزارها قابل اجرا است.
ادعای بزرگ Pearl زیر ذرهبین
شرکت Together AI که ماه گذشته همکاری انحصاری خود با Pearl را اعلام کرده بود، مدعی شده هر چرخه پردازشی شبکه استخراج میتواند همزمان برای آموزش و استنتاج مدلهای هوش مصنوعی نیز مورد استفاده قرار گیرد.
اما نویسنده تحقیق معتقد است این ادعا در عمل محقق نشده است. به گفته او سرویسهای هوش مصنوعی Together AI روی زیرساختی جداگانه اجرا میشوند و درآمد حاصل از استخراج Pearl صرفاً هزینه این سرویسها را کاهش میدهد؛ نه اینکه خود ماینرها در انجام آن محاسبات مشارکت داشته باشند.
آیا پروژه شکست خورده است؟
نویسندگان تحقیق تأکید میکنند که هدف آنها رد کامل ایده Proof-of-Useful-Work نیست. از نظر تئوری میتوان شبکهای ساخت که استخراج رمزارز را به انجام محاسبات واقعاً مفید گره بزند. اما به باور آنها طراحی فعلی Pearl یک شکاف اساسی دارد، زیرا شبکه میتواند «انجام شدن» محاسبات را تأیید کند، اما نمیتواند «مفید بودن» آنها را اثبات کند.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت