تسريع الذكاء الاصطناعي في الأجهزة: كيف يغير Neural Engine و DLSS 4 ونوى الذكاء الاصطناعي في بطاقة الرسومات والمعالج أداء الكمبيوتر

قلب الذكاء الاصطناعي في الأجهزة: من المعالجات المساعدة إلى معالجات الشبكة العصبية

فكرة مسرع مخصص للمهام المحددة ليست جديدة. ومع ذلك، فإن الاتجاه الحديث هو إنشاء كتل موفرة للطاقة محسّنة حصريًا لحسابات الشبكة العصبية. هذه الكتل، المعروفة باسم Neural Processing Unit (NPU) أو نواة الذكاء الاصطناعي، تحرر وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) من مهام التعلم الآلي كثيفة الموارد، مما يسمح لها بالتركيز على وظائفها الأساسية.

• نوى الذكاء الاصطناعي في المعالج: تدمج شركات مثل Intel و AMD NPU في أحدث معالجاتها. هذه المعالجات المساعدة منخفضة الطاقة مصممة للعمل في الخلفية مع الذكاء الاصطناعي: معالجة الصوت والفيديو في المؤتمرات عن بُعد، وإدارة أنظمة الأمان، وتحسين استهلاك الطاقة. مهمتها الرئيسية هي زيادة كفاءة سير العمل اليومية دون إرهاق الكتل الحسابية الرئيسية.
• Tensor Cores في بطاقة الرسومات: في بطاقات الرسومات NVIDIA GeForce RTX، يتم تنفيذ تسريع الذكاء الاصطناعي في الأجهزة من خلال Tensor Cores—نوى متخصصة للحسابات المصفوفية. إنها الأساس "الجهازي" لتقنية DLSS (Deep Learning Super Sampling) الثورية، التي تغير تجربة الألعاب بشكل أساسي. كل جيل جديد، مثل Tensor Cores من الجيل الخامس في بنية Blackwell، يزيد بشكل أسي من أداء عمليات الشبكة العصبية، مما يتيح تشغيل نماذج الذكاء الاصطناعي الأكثر تعقيدًا وذكاءً في الوقت الفعلي.
• Neural Engine من Apple: في نظام Apple البيئي، يتم تنفيذ هذا الدور بواسطة Neural Engine مخصص مدمج في رقائق Apple Silicon. يوفر تنفيذًا سريعًا للغاية لمهام التعلم الآلي مباشرة على الجهاز، من معالجة الصور إلى مساعد Siri الصوتي.

العمل المشترك لهذه الكتل المتخصصة يشكل الأساس لنوع جديد من أجهزة الكمبيوتر—ما يسمى "AI PC"، حيث يصبح الذكاء الاصطناعي ليس ميزة إضافية، بل جزءًا أساسيًا من البنية، مما يؤثر مباشرة على الأداء وسرعة الاستجابة وجودة النتيجة النهائية في جميع مجالات الاستخدام.

ثورة الرسومات: كيف يضاعف DLSS 4 أداء الألعاب

إذا كانت نوى الذكاء الاصطناعي في المعالج تتعامل مع التحسين في الخلفية، فإن تأثير الذكاء الاصطناعي في الأجهزة في مجال الرسومات يكون ثوريًا وملموسًا. ألمع مثال هو تقنية DLSS من NVIDIA، التي حققت قفزة نوعية في جيلها الرابع. DLSS 4 ليست تقنية واحدة، بل مجمع كامل من طرق عرض الشبكة العصبية التي تعمل بالتنسيق.

المكونات الرئيسية لـ DLSS 4:

• Super Resolution (التكبير الفائق): التقنية الأساسية التي تعرض الصورة بدقة أقل ثم تستخدم الذكاء الاصطناعي لزيادة دقتها إلى الدقة الأصلية للشاشة. هذا يقلل على الفور من الحمل على بطاقة الرسومات، مما يحرر الموارد لإعدادات رسومات أعلى أو معدلات إطارات أعلى.
• Ray Reconstruction (إعادة بناء الأشعة): هذا المكون يستبدل خوارزميات تقليل الضوضاء اليدوية الكلاسيكية في تتبع الأشعة بنموذج ذكاء اصطناعي واحد. نتيجة لذلك، تتحسن تفاصيل الإضاءة والانعكاسات والظلال، مما يجعل الصورة أكثر وضوحًا وواقعية.
• Frame Generation (توليد الإطارات): ابتكار يستخدم الذكاء الاصطناعي لإنشاء إطارات جديدة تمامًا بين تلك التي تعرضها اللعبة. هذا يسمح بمضاعفة أو حتى مضاعفة ثلاث مرات عدد FPS.

كان الابتكار الأكثر أهمية في DLSS 4 هو Multi Frame Generation (توليد الإطارات المتعددة). إذا كان الجيل السابق ينشئ إطار ذكاء اصطناعي واحد بين إطارين حقيقيين، فإن التقنية الجديدة يمكنها توليد ما يصل إلى ثلاثة إطارات إضافية في تمريرة واحدة. بفضل هذا، في الألعاب مع تتبع الأشعة الكامل المفعّل على بطاقات الرسومات الرائدة، أصبح من الممكن تحقيق 240 إطارًا في الثانية بشكل مذهل بدقة 4K. كان هذا نتيجة التآزر بين نموذج ذكاء اصطناعي جديد أسرع بنسبة 40% وتحسينات الأجهزة في بنية Blackwell، مثل التخلي عن كتلة Optical Flow Accelerator الأجهزة المنفصلة لصالح شبكة عصبية أكثر كفاءة.

من المهم ملاحظة أنه للحصول على أقصى تأثير، يتطلب DLSS 4 أجهزة حديثة: Multi Frame Generation متاح فقط على بطاقات الرسومات من سلسلة GeForce RTX 50. ومع ذلك، التحسين الرئيسي في جودة الصورة—الانتقال إلى نموذج ذكاء اصطناعي محول جديد—متاح لجميع مالكي بطاقات الرسومات RTX، بدءًا من السلسلة 20. هذا النموذج، المبني على بنية مشابهة لـ ChatGPT، يحسن بشكل كبير استقرار الصورة الزمني، ويقلل من القطع الأثرية "الشبحية" (ghosting)، ويزيد من تفاصيل الكائنات المتحركة. حتى إذا لم يتم تحديث اللعبة رسميًا إلى DLSS 4، يمكن للمستخدمين تفعيل النماذج الجديدة قسريًا من خلال إعدادات برنامج التشغيل في تطبيق NVIDIA.

• مثال عملي: في لعبة Cyberpunk 2077 مع الإعدادات القصوى وتتبع الأشعة (RT Overdrive)، يظهر DLSS 4 مع Multi Frame Generation زيادة في الأداء بأكثر من 8 مرات مقارنة بالعرض الكلاسيكي، مع تقليل زمن انتقال الإدخال أيضًا للحصول على لعب أكثر استجابة.
• تحسين استهلاك الطاقة: نماذج الذكاء الاصطناعي الجديدة ليست أقوى فحسب، بل أكثر كفاءة أيضًا. نموذج توليد الإطارات في DLSS 4 يستخدم ذاكرة فيديو أقل بنسبة 30%، مما يقلل من الحمل الإجمالي على النظام ويساهم في تشغيل أكثر استقرارًا.

خارج الألعاب: كيف يحول تسريع الذكاء الاصطناعي مهام العمل

امتد تأثير الذكاء الاصطناعي في الأجهزة إلى ما هو أبعد من صناعة الألعاب. وجود مسرع عصبي مخصص (NPU) و Tensor Cores قوية يفتح عصرًا جديدًا للمهنيين المبدعين والمستخدمين العاديين، مما يوفر سرعة وخصوصية غير مسبوقة.

• معالجة البيانات المحلية: تشغيل نماذج اللغة (مثل Llama)، والشبكات العصبية التوليدية لإنشاء الصور (Stable Diffusion، FLUX)، أو أدوات معالجة الفيديو أصبح الآن ممكنًا مباشرة على الكمبيوتر، دون إرسال البيانات السرية إلى السحابة. هذا ليس أسرع فحسب، بل أكثر أمانًا أيضًا. تدعي NVIDIA بتسريع 10 أضعاف في توليد الصور على بطاقات RTX GPU مقارنة بالأنظمة بدون مثل هذا التسريع.
• التطبيقات الإبداعية: البرامج الرائدة للتحرير (DaVinci Resolve، Adobe Premiere Pro)، وعرض 3D (Blender، V-Ray)، ومعالجة الصور تستخدم الآن واجهات برمجة التطبيقات لتفريغ حسابات الذكاء الاصطناعي إلى Tensor Cores أو NPU. هذا يسمح بتطبيق التأثيرات المعقدة في الوقت الفعلي، أو زيادة دقة الفيديو، أو تسريع العرض النهائي.
• الإنتاجية اليومية: يحسّن الذكاء الاصطناعي أيضًا المهام الروتينية: يحسن جودة الفيديو في المكالمات بإزالة الضوضاء واستبدال الخلفية (NVIDIA Broadcast)، ويزيد من حدة الفيديو المتدفق في المتصفح (RTX Video)، ويسمح بالبحث الفوري في المستندات والملاحظات باستخدام روبوت محادثة محلي (ChatRTX).

مستقبل الكمبيوتر: الذكاء المدمج كمعيار

الاتجاه واضح: مستقبل أجهزة الكمبيوتر الشخصية مرتبط بشكل لا ينفصم بالتكامل العميق للذكاء الاصطناعي في الأجهزة. هذا لم يعد مجرد خطوة تسويقية، بل ضرورة تكنولوجية تحدد تطور الصناعة.

• تقارب التقنيات: الحدود بين المعالج وبطاقة الرسومات و NPU ستستمر في التلاشي. سيسعى المصنعون إلى إنشاء بنيات غير متجانسة موحدة حيث يتم توزيع المهام ديناميكيًا وبأكبر قدر من الكفاءة بين أنواع مختلفة من النوى.
• إمكانية الوصول والانتشار: اليوم، تسريع الذكاء الاصطناعي هو مجال الرقائق وبطاقات الرسومات الرائدة. ومع ذلك، كما هو الحال مع أي تقنية، بمرور الوقت سينزل إلى القطاعات المتوسطة والميزانية، ليصبح ميزة قياسية لأي كمبيوتر جديد.
• نماذج التطوير الجديدة: البرمجيات وأنظمة التشغيل (خاصة Windows 12 المتوقع) ستُبنى حول افتراض أن المستخدمين لديهم NPU. سيفتح هذا الطريق لواجهات جديدة تمامًا، وطرق التحكم، والتحسين في الخلفية للنظام بأكمله.

الخلاصة

تسريع الذكاء الاصطناعي في الأجهزة هو تحول أساسي في صناعة الكمبيوتر، قابل للمقارنة من حيث الأهمية بالانتقال إلى المعالجات متعددة النوى أو ظهور مسرعات الرسومات المنفصلة. من Neural Engine ونوى الذكاء الاصطناعي في المعالجات إلى Tensor Cores و DLSS 4 في بطاقات الرسومات—الكتل المتخصصة لحسابات الشبكة العصبية تغير بشكل أساسي تصور الأداء. لا تضاعف فقط FPS في الألعاب، مما يخلق صورًا سلسة ومفصلة بشكل لا يصدق، بل تحول أيضًا سير العمل، مما يجعل التنفيذ المحلي لنماذج الذكاء الاصطناعي المعقدة سريعًا، والأهم من ذلك، خاصًا. توقف الكمبيوتر الحديث عن كونه مجرد أداة للحوسبة؛ بفضل الذكاء الاصطناعي في الأجهزة، يصبح شريكًا ذكيًا قادرًا على التنبؤ والتحسين والإبداع.