رؤیای ایلان ماسک؛ مرز باریک میان پیشرفت تا فاجعه

به گزارش مجله خبری نگار،، در ابتدای ماه جاری، ایلان ماسک اعلام کرد که دو شرکت او یعنی اسپیس‌ایکس و xAI در حال ادغام هستند و به طور مشترک صورت فلکی متشکل از یک میلیون ماهواره را برای فعالیت به عنوان مراکز داده مداری پرتاب خواهند کرد. شهرت ماسک شاید این کار را دور از ذهن و غیرممکن نشان دهد، اما به گفته کارشناسان، چنین طرحی به طور کامل خیالی نیست. با این حال، اگر در مقیاسی که پیشنهاد شده اجرا شود، برخی معتقدند که اثرات ویرانگری بر محیط زیست و پایداری مدار پایین زمین خواهد داشت.

به نقل از انگجت، ماسک و دیگران استدلال می‌کنند که قرار دادن مراکز داده در فضا، عملی است، با توجه به اینکه صفحات خورشیدی دور از جو زمین بسیار کارآمدتر هستند. در فضا، ابر یا رویداد‌های آب‌وهوایی برای پوشاندن خورشید وجود ندارد و در مدار مناسب، صفحات خورشیدی می‌توانند در بخش عمده‌ای از روز، نور خورشید را جمع‌آوری کنند. در ترکیب با کاهش هزینه‌های پرتاب موشک و هزینه تأمین انرژی مراکز داده هوش مصنوعی روی زمین، ماسک گفته است که ظرف سه سال، فضا ارزان‌ترین راه برای تولید توان محاسباتی هوش مصنوعی خواهد بود.

پیش از اعلام این میلیاردر، اسپیس‌ایکس درخواست هشت‌صفحه‌ای نزد کمیسیون فدرال ارتباطات آمریکا ثبت کرد و طرح خود را شرح داد. این شرکت امیدوار است ماهواره‌های خود را در این خوشه عظیم در ارتفاعاتی بین ۵۰۰ تا ۲۰۰۰ کیلومتر مستقر کند. آنها با یکدیگر و با صورت‌فلکی استارلینک اسپیس‌ایکس از طریق «پیوند‌های نوری» لیزری ارتباط برقرار خواهند کرد. برای تأمین انرژی کل این تلاش، اسپیس‌ایکس پیشنهاد کرده صورت فلکی جدیدی را در مدار خورشیدآهنگ قرار دهد، به این معنا که فضاپیما‌ها در امتداد خط جدا کننده نیمکره روز و شب سیاره پرواز خواهند کرد.

تقریبا بلافاصله این طرح با تردید روبه‌رو شد. برای نمونه، اسپیس‌ایکس چگونه میلیون‌ها واحد پردازش گرافیکی را در فضا خنک خواهد کرد؟ در ظاهر با توجه به این که بخش زیادی از فضا حدود منفی ۴۵۰ درجه فارنهایت است، شاید این سوال عجیب باشد، اما واقعیت پیچیده‌تر است. در خلأ تقریبا کامل فضا، تنها راه دفع گرما، تابش آهسته آن به بیرون است و در نور مستقیم خورشید، اجسام می‌توانند به راحتی بیش‌ازحد داغ شوند.

اسکات منلی (Scott Manley) که پیش از ایجاد یکی از محبوب‌ترین کانال‌های یوتیوب دربارهٔ فضا، مهندس نرم‌افزار بود و فیزیک محاسباتی و نجوم خوانده است، استدلال می‌کند اسپیس‌ایکس این مشکل را در مقیاس کوچک‌تر با استارلینک حل کرده است. او به مدل جدید V ۳ این شرکت اشاره می‌کند که حدود ۳۰ متر مربع پنل خورشیدی دارد. آنها مجموعه‌ای از تجهیزات الکترونیکی در وسط دارند که آن توان را می‌گیرد و با آن کار انجام می‌دهد. حالا بخشی از آن توان به صورت امواج رادیویی ارسال می‌شود، اما مقدار زیادی توان حرارتی تولید می‌شود که باید دفع شود؛ بنابراین آنها از پیش سکویی دارند که تجهیزات الکترونیکی را با برق راه‌اندازی می‌کند و تبدیل آن به چیزی که محاسبه انجام دهد، جهش بزرگی نیست.

کوین هیکس (Kevin Hicks)، مهندس سابق سامانه‌ها در ناسا که روی مأموریت مریخ‌نورد کنجکاوی کار کرده، بدبین‌تر است. او می‌گوید: ماهواره‌هایی که هدف اصلی‌شان پردازش حجم عظیمی از درخواست‌های محاسباتی است، گرمای بیشتری نسبت به تقریبا هر نوع ماهواره دیگری تولید خواهند کرد. خنک کردن آنها جنبه دیگری از طراحی است که از نظر تئوریک ممکن است، اما به کار و پیچیدگی اضافی فراوانی نیاز دارد و من درباره دوام چنین سامانه خنک‌کننده‌ای تردید دارم.

پس تابش کیهانی چه می‌شود؟ دلیلی وجود دارد که ناسا به سخت‌افزار‌های قدیمی مانند واحد پردازش گرافیکی مدل PowerPC ۷۵۰ در مریخ‌نورد استقامت تکیه می‌کند. تراشه‌های قدیمی‌تر ترانزیستور‌های بزرگ‌تری دارند و بنابراین در برابر «برگشت بیت» که خطا‌های پردازشی هستند که اغلب بر اثر تابش کیهانی رخ می‌دهد، مقاوم‌ترند. بنجامین لی (Benjamin Lee)، استاد علوم رایانه و اطلاعات در دانشگاه پنسیلوانیا توضیح می‌دهد: یک و صفر دودویی درباره حضور یا عدم حضور الکترون‌ها هستند و مقدار بار لازم برای نمایش یک با کوچک‌تر شدن ترانزیستور‌ها کاهش می‌یابد. فضا پر از ذرات پرانرژی است که با سرعت‌های باورنکردنی حرکت می‌کنند و جدیدترین واحد‌های پردازش گرافیکی بر کوچک‌ترین و پیشرفته‌ترین گره‌های پردازشی ساخته شده‌اند تا سیلیکونی متراکم از ترانزیستور ایجاد کنند. این ترکیب چندان خوبی نیست.

لی می‌گوید: نگرانی من درباره تابش این است که نمی‌دانیم هنگام استقرار پیشرفته‌ترین تراشه‌ها و صد‌ها گیگابایت حافظه در آن بالا، چند برگشت بیت رخ خواهد داد. او به پژوهش‌های مقدماتی گوگل در این زمینه اشاره می‌کند. به‌عنوان بخشی از پروژه سان‌کچر، تلاش خود گوگل برای بررسی امکان‌پذیری ساخت مراکز دادهٔ فضایی، این شرکت یکی از واحد‌های پردازش تِنسور خود را در برابر پرتو پروتون قرار داد تا آن را با تابش بمباران کند. نتیجه این بود که سیلیکون به‌طرز شگفت‌آوری در برابر تابش برای کاربرد‌های فضایی مقاوم است.

با وجود امیدبخش بودن این نتایج، لی اشاره می‌کند که هنوز نمی‌دانیم واحد‌های پردازش گرافیکی در این مقیاس چقدر در برابر تابش مقاوم‌اند. او می‌گوید: حتی اگر معماری‌های مدرن رایانه‌ای بتوانند این خطا‌ها را شناسایی و گاهی اصلاح کنند، مجبور بودن به انجام این کار بار‌ها و بارها، سرعت را کاهش می‌دهد یا بار اضافی به محاسبات فضایی اضافه می‌کند.

اندرو مک‌کالیپ (Andrew McCalip)، مهندس فضایی که بررسی عمیقی دربارهٔ اقتصاد مراکز داده مداری انجام داده، خوش‌بین‌تر است و به تاب‌آوری ذاتی مدل‌های هوش مصنوعی اشاره می‌کند. او توضیح می‌دهد: آنها به اجرای صد در صد بی‌نقص و بدون خطا نیاز ندارند. ذاتا بسیار پرنویز و تصادفی هستند و اضافه می‌کند بخشی از آموزش سامانه‌های مدرن هوش مصنوعی شامل تزریق نویز تصادفی به لایه‌های مختلف است.

حتی اگر اسپیس‌ایکس بتواند واحد‌های پردازش گرافیکی‌اش را در برابر تابش مقاوم کند، باز هم ماهواره‌هایی را به دلیل خرابی واحد‌های پردازش گرافیکی از دست خواهد داد. اگر درباره مراکز داده زمینی چیزی بدانید، می‌دانید که آنها به نگهداری مداوم نیاز دارند.

اجزایی مانند واحد‌های پردازش گرافیکی دائما از کار می‌افتند. ماسک ادعا کرده ماهواره‌های هوش مصنوعی اسپیس‌ایکس به هزینه عملیاتی یا نگهداری «اندکی» نیاز خواهند داشت. این تنها در صورتی درست است که خوش‌بینانه‌ترین تفسیر ممکن از نگهداری یک ناوگان ماهواره هوش مصنوعی را بپذیرید.

مک‌کالیپ می‌گوید: فکر می‌کنم هیچ حالتی وجود ندارد که تعمیر منطقی باشد. سناریو این است: پرواز کن تا بمیری. از منظر اقتصادی، او استدلال می‌کند نرخ مرگ پیش‌بینی‌شده واحد‌های پردازش گرافیکی در فضا، یکی از بزرگ‌ترین عدم قطعیت‌ها در مدل مرکز داده مداری است. او این رقم را ۹ درصد برآورد کرده، اما واقعیت این است که هیچ‌کس نمی‌داند نرخ فرسایش آن تراشه‌ها در فضا چه خواهد بود تا زمانی که واقعا در فضا قرار گیرند.

مراکز داده مداری احتمالا جایگزین مستقیم همتایان زمینی خود نخواهند بود. درخواست اسپیس‌ایکس به‌طور خاص «استنتاج» را به‌عنوان کاربرد اصلی صورت‌فلکی جدید ذکر می‌کند. استنتاج بخش عملی اجرای یک سامانه هوش مصنوعی است؛ جایی که مدل آموخته‌هایش را بر داده‌هایی که پیش‌تر ندیده مانند پرامپتی که در چت جی‌پی‌تی می‌نویسید، اعمال می‌کند تا پیش‌بینی کند و محتوا تولید کند. به عبارت دیگر، مدل‌های هوش مصنوعی همچنان باید روی زمین آموزش ببینند و مشخص نیست بتوان این فرایند را به صورت‌فلکی‌ای از ماهواره‌ها واگذار کرد. لی می‌گوید: فکر اولیهٔ من این است که محاسباتی که به هماهنگی زیادی نیاز دارند، مانند آموزش هوش مصنوعی، ممکن است در آن بالا در مقیاس بزرگ دشوار باشند.