مقدمه
فناوری هوش مصنوعی بهسرعت درحالتوسعه است. به جرات میتوان گفت که در آینده بسیاری از مشاغل جدید شامل برنامههای کاربردی یادگیری ماشین (ML) و هوش مصنوعی (AI) خواهند بود. برخی از نمونههای این مشاغل عبارتاند از انجام وظایف یادگیری ماشینی مانند پردازش مدلهای رگرسیون، اجرای مقادیر عظیمی از دادهها از طریق مدلهای آماری پیشرفته، اجرای فرآیندها و الگوریتمهای یادگیری عمیق و موارد دیگر.
امروزه، بیشتر اپلیکیشنهای مجهز به هوش مصنوعی یا مبتنی بر وب هستند یا نیاز به اتصال به اینترنت دارند. برای استفاده از هوش مصنوعی تاکنون، بهطور مجازی به سروری که هوش مصنوعی روی آن پیادهسازی شده وصل میشوید و از قابلیتهای پردازش بسیار قدرتمند سرور استفاده میکنید. قابلیتهای بیشتر هوش مصنوعی در آینده نزدیک بهصورت آفلاین در دسترس خواهد بود. بهعنوانمثال، در نرمافزار فتوشاپ، قابلیتهای هوش مصنوعی از طرف شرکت سازنده به کار گرفته میشود تا ویرایش تصاویر با استفاده از آن سریعتر انجام شود. برای استفاده از چنین قابلیتهایی، به یک سیستم رایانهای نیاز دارید که آماده پردازش وظایف پیچیده مبتنی بر هوش مصنوعی باشد.
اگر قصد ورود به چنین کاری را دارید باید سختافزار مناسب آن را تهیه کنید. در این پست از دیجی راهنما درباره نحوه انتخاب و خرید سیستم رایانهای برای کارهای هوش مصنوعی و یادگیری ماشینی را ارائه میدهیم . امیدواریم که در پایان، انتخاب آگاهانهای داشته باشید.
توجه داشته باشید که بین سیستم مجهز به هوش مصنوعی و سیستم مخصوص پردازشهای هوش مصنوعی و یادگیری ماشینی تفاوت وجود دارد.
سیستم مجهز به هوش مصنوعی یعنی در قسمتهای مختلف این سیستم از هوش مصنوعی برای ارتقا کیفیت و کارایی استفادهشده است. بهعنوانمثال برندهای تولیدکننده لپ تاپ حذف نویز و کیفیتبخشی به تصویر دوربین لپ تاپ را با استفاده هوش مصنوعی انجام میدهند. اما سیستم مناسب برای پردازشهای هوش مصنوعی و یادگیری ماشینی مربوط به قدرت پردازش سیستم میشود.
چرا به چنین سیستمی نیاز دارم؟
با کمک قابلیتهای پردازش هوش مصنوعی، میتوانید فایلها را بسیار سریعتر ویرایش و پردازش کنید. با در دسترس قرار گرفتن ابزارهای آفلاین هوش مصنوعی، یک سیستم کامپیوتری جدید شما را در این مسیر یاری میکند.
ابزارهای مانند Microsoft Copilot میتوانند برای شما دستیار بسیار مناسبی باشند و در یافتن پاسخ سریع سؤالات و افزایش بهرهوری به شما کمک کنند.
امروزه تولیدکنندگان قطعات کامپیوتری، بهسرعت خط تولید سختافزار مجهز به قابلیتهای هوش مصنوعی را راهاندازی میکنند تا از قافله عقب نمانند.
دسکتاپ یا لپ تاپ
اولین موردی که هنگام انتخاب سیستم کامپیوتری برای کار با هوش مصنوعی و ML باید در نظر قرار دهید، خرید دسکتاپ یا لپ تاپ است. هرکدام مزایا و معایبِ خود را دارد.
دسکتاپها گزینهای عالی هستند زیرا بهراحتی قابل ارتقا هستند و سیستم خنککننده قویتری دارند، به این معنی که میتوانید عملکرد قطعات را بدون آسیب رساندن به سایر قطعات ارتقاء دهید. اگر یک کیسِ بهاندازه کافی بزرگ داشته باشید، میتوانید از چندین پردازنده گرافیکی نیز استفاده کنید، که میتواند به پردازش کارهای سنگین کمک کند.
نقطهضعف یک کامپیوتر رومیزی این است که بزرگ است و متحرک نیست. از سوی دیگر، لپتاپها قابلیت تحرک دارند و قابلحمل هستند. برخی به قطعات بسیار قدرتمند مجهز هستند و دارای سیستمهای خنککننده هستند که میتوانند کارهای بسیار سنگین را انجام دهند. درحالیکه اکثر اجزای لپتاپ قابل ارتقا نیستند (CPU و GPU معمولاً روی مادربرد ثابت میشوند)، برخی از لپتاپهای قدرت زیادی برای انجام طیف وسیعی از کارهای مرتبط با هوش مصنوعی ارائه میدهند.
اگر به قدرت پردازش در سطح سرور نیاز دارید، باید از کامپیوترهای دسکتاپ استفاده کنید. بااینحال، برای اکثریتقریببهاتفاق کارهای مرتبط با هوش مصنوعی سطح پایه، لپتاپهای با قدرت زیاد و با قابلیت حمل در بازار موجود هستند.
سختافزار مناسب
وقتی صحبت از سیستم رایانهای مخصوص پردازشهای هوش مصنوعی میشود یعنی سخت افزار مناسب برای پردازشهای سنگین. بدون تردید برای این کار به سختافزارهای خاصی نیاز داریم تا این وظایف را انجام دهند.
ریزپردازنده (CPU)
بهترینCPU برای هوش مصنوعی و یادگیری ماشینی کدام است؟
CPU مهمترین عامل در انتخاب سیستم کامپیوتری برای کار با هوش مصنوعی و یادگیری ماشینی است. مهمترین گزینه برای انتخاب سی پی یو سیستم رایانهای مناسب برای این کار، قابلیت پردازش موازی و همچنین مجهز بودن CPU آن به واحد پردازش عصبی (NPU) است. NPU یک موتور اختصاصی هوش مصنوعی است که در پردازندهها بهطور خاص برای انجام وظایف هوش مصنوعی طراحیشده است. اینتل و AMD هر دو اکنون CPUهایی با NPUهای یکپارچه ارائه میدهند. هستههای NPU که هوش مصنوعی لپتاپ یا دسکتاپ شما را تأمین میکنند نیز به افزایش عمر باتری کمک میکنند.
کدام برند CPU برای پردازش هوش مصنوعی و یادگیری ماشینی مناسب است؟
هر دو برند سازنده سی پی یو یعنی Intel و AMD در ریزپردازندههای جدید، قسمت پردازش عصبی را نیز تعبیه کردهاند تا وظایف پردازش هوش مصنوعی و یادگیری ماشینی را انجام دهند.
آیا هستههای بیشتر به پردازش هوش مصنوعی و یادگیری ماشینی کمک میکند؟
به حداقل 16 هسته نیاز دارید، اما اگر بتوانید 24 هسته تهیه کنید، بهترین کار است. Clock Speed نیز مهم است. در حالت ایده آل، این لپتاپ در صورت تقویت، حداکثر تا 5 گیگاهرتز یا بیشتر کار میکند. یک گزینه عالی CPU لپ تاپ برای کار با هوش مصنوعی، نسل سیزدهم Intel® Core™ i9-13980HX است - یک CPU قدرتمند با 24 هسته، 32 رشته و سرعت کلاک Boost تا 5.6 گیگاهرتز. هر لپتاپ یا دسکتاپی که چنین مشخصاتی یا فراتر از آن را داشته باشد برای کارهای هوش مصنوعی عالی است.
چرا سی پی یو های Intel Xeon یا AMD Threadripper Pro برای پردازشهای هوش مصنوعی و یادگیری ماشینی بیشتر توصیه میشوند؟
دلیل عمده این کار این است که این سی پی یو ها از PCI Express های زیادی پشتیبانی میکنند. بنابراین با استفاده از این سی پی یو ها میتوانید کارتهای گرافیکی مجزای نسبتاً زیادی را روی سیستم نصب کنید. همچنین این نوع سی پی یو ها از 8 کانال رم (RAM) نیز پشتیبانی میکنند که تأثیر بسیار چشمگیری در مدیریت روند کاری میتواند داشته باشد.
پردازنده گرافیکی (GPU)
از اواسط سال ۲۰۱۰، شتابدهنده گرافیکی (GPU Acceleration) به یک عامل مهم در کارهای هوش مصنوعی و یادگیری ماشینی تبدیلشده است. این قطعه میتواند بر عملکرد سیستم تأثیر بسزایی داشته باشد.
پردازنده گرافیکی مجزا با هستههای تنسوری GPU
بسیاری از کارهای حرفهای مانند تولید محتوا و کارهای گرافیکی سنگین با نرمافزارهای هوش مصنوعی سروکار دارند. بنابراین نیازمند یک کارت گرافیکی مجزا(GPU) هستند، بنابراین شما به یک سیستم لپ تاپ یا دسکتاپ با یک GPU مجزای قدرتمند نیاز دارید. بهعنوانمثال، NVIDIA® GeForce RTX™ با هستههای تنسوری (هستههای ویژهای که برای محاسبات پویا و محاسبات با دقت ترکیبی طراحیشدهاند) عرضه میشود. این هستهها میتوانند چندین عملیات را در یک چرخه ساعت انجام دهند و کارتهای گرافیکی را قادر به پردازش سریع دادهها و موقعیت مناسبی برای کار با شتاب GPU میکنند.
حافظه VRAM مناسب برای هوش مصنوعی و یادگیری ماشینی چقدر است؟
بسته به نیازتان و کارهایی که انجام میدهید ممکن است این مقدار متفاوت باشد. یکی از نمونههای GPU که تمام این الزامات را برآورده میکند، NVIDIA® GeForce RTX™ 4070 است. 12 تا 24 گیگابایت منطقی است اما اگر پردازشهای سنگینی دارید، NVIDIA RTX 6000 گزینه بسیار مناسبی است و این عدد تا 48 گیگابایت نیز قابل ارتقا است.
آیا کارتهای گرافیکی متعدد میتواند عملکرد سیستم را در پردازشهای هوش مصنوعی و یادگیری ماشینی افزایش دهد؟
امروزه استفاده از کارتهای گرافیکی متعدد به یک امر عادی تبدیلشده است. اما نکته مهمی که باید به آن توجه کنید این است که آیا Framework هوش مصنوعی و یادگیری ماشینی که با آن کار میکنید از کارتهای گرافیکی متعدد نیز پشتیبانی میکند یا نه؟
هنگام استفاده از چندین کارت گرافیکی به NVLink نیاز دارم؟
NVIDIA’s NVLink بین کارتهای گرافیکی پل زده و باعث افزایش سرعت و بهبود چشمگیر عملکرد میشود. اما باید توجه داشت که این قضیه هم بستگی به نوع کاری دارد که انجام میدهیم برای برخی مدلهای یادگیری نیازی به این کار نیست. اما برخی مدلها مانند RNNs, LSTM و سریهای زمانی استفاده از NVLINK میتواند بر بهبود عملکرد بسیار مؤثر باشد.
نکته مهم: همه کارتهای گرافیکی NVIDIA از NVlink پشتیبانی نمیکنند و بیرون از DGX فقط از دو کارت گرافیکی پشتیبانی میشود.
کارتهای گرافیکی کدام برند برای هوش مصنوعی و یادگیری ماشینی مناسباندAMD- INTEL- NVIDIA))؟
شرکتهای مختلف اقدام به تولید کارت گرافیکی مخصوص پردازشهای هوش مصنوعی و یادگیری ماشینی کردهاند. اما NVIDIA ثابت کرده است که در سالهای گذشته با تولید محصولات استاندارد پیروز این میدان بوده است.
حافظه اصلی (RAM)
با اینکه عملکرد یک سیستم مخصوص پردازشهای هوش مصنوعی و یادگیری ماشینی به حجم وظایف و پردازشها بستگی دارد اما در مورد حافظه رم باید برخی نکات مهم را در نظر گرفت. دو موردی که در انتخاب رم باید در نظر گرفت ظرفیت حافظه و فناوری آن است.
ظرفیت رم مناسب برای AI و ML چقدر است؟
بهطورکلی، برای انجام راحتتر بیشتر وظایف، بهتر است که رم سیستم حداقل دو برابر حافظه VRAM در پردازنده گرافیکی لپ تاپ باشد. بنابراین، اگر 8 گیگابایت VRAM دارید، حداقل 16 گیگابایت رم نیاز دارید. اما هر چه بیشتر، بهتر است. همچنین اگر قصد خرید لپ تاپ دارید بررسی کنید که آیا لپتاپ برای ارتقاء حافظه رم دارای اسلات رم است؟ برای پردازش سریع دادهها، به آخرین فناوری DDR5 نیاز دارید.
حافظه جانبی
درحالیکه برخی از دادههای پردازششده را میتوان بهصورت خارجی، در فضای ابری یا در درایوهای متصل به شبکه (NAS) ذخیره کرد، اما بهتر است دادههای کلیدی را که الگوریتم شما مستقیماً از آنها یاد میگیرد، بر روی حافظههای ذخیرهسازی محلی حفظ کنید. برای این کار 1 ترابایت حداقل است و 2 ترابایت خیلی بهتراست. همچنین به فناوری SSD نیز توجه کنید. برای انتقال سریع داده، SSD با فناوری M.2 NVMe® را انتخاب کنید و بررسی کنید که آیا اسلات های M.2 2280 PCIe وجود دارد تا بتوانید حافظه ذخیرهسازی را ارتقا دهید.
در کنار SSD با فناوری NVME میتوانید از SSD های مبتنی بر SATA نیز برای ذخیره سر ریز اطلاعات استفاده کنید.
اتصالات
بهتر است یک سیستم مناسب برای کارهای هوش مصنوعی و یادگیری ماشینی، انواع گذرگاهها را داشته باشد. برای اتصالات سیمی، به مجموعهای از پورتهای ورودی و خروجی نیاز دارید. شما احتمالاً دو پورت Thunderbolt™ 4 (با پشتیبانی از نمایشگر و تحویل برق)، حداقل دو پورت USB Type-A و یک پورت HDMI® برای یک صفحهنمایش خارجی میخواهید (ازآنجاییکه همه نمایشگرها از اتصال USB Type-C پشتیبانی نمیکنند، ممکن است HDMI مفید باشد). یک پورت اترنت سریع RJ45 گیگابیتی نیز یک مزیت بزرگ خواهد بود، و بدون آن، ممکن است به یک مبدل نیاز داشته باشید.
برای اتصال بیسیم، باید مطمئن شوید که لپ تاپ دارای آخرین فناوری Wi-Fi مانند Wi-Fi 6E دو بانده باشد.
توجه به نیازها و بودجه
قبل از هر چیز سعی کنید لیست کاملی از نیازهای خودتان درباره سیستم کامپیوتری مناسبِ پردازشهای هوش مصنوعی و یادگیری ماشینی را تهیه کنید و همچنین بودجه موجود را نیز در نظر بگیرید.
توجه داشته باشید که چنین دستگاههایی به سختافزار سطح بالا و درنتیجه بودجه زیاد نیاز دارند.
نتیجهگیری
اکنون به پایان پست راهنمای خرید سیستم رایانهای مخصوص هوش مصنوعی و یادگیری ماشینی رسیدهایم. امیدواریم که مطالب این پست برایتان مفید بوده باشد. امیدواریم در انتخاب سیستم کامپیوتری دسکتاپ یا لپ تاپ و سختافزار مناسب برای کارهای هوش مصنوعی اطلاعات کافی کسب کرده باشید. اگر مطلب خاصی مدنظر شماست که در این پست ذکر نشده، لطفاً آن را برای ما بفرستید تا این پست کامل شود.
دیدگاهها ۰