Kernel-Smith: A Unified Recipe for Evolutionary Kernel Optimization
يُعد Kernel-Smith إطار عمل موحداً يجمع بين وكيل تطوري مستقر مدفوع بالتقييم وبين وصفة تدريب لاحق متخصصة لتوليد نوى معالجة رسومية عالية الأداء، محققاً بذلك تسريعاً في الأداء من فئة الحالة الراهنة على منصتي NVIDIA وMetaX مع إثبات كفاءة النشر العملي في أنظمة الإنتاج.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول بناء أسرع محرك لسيارة سباق. لديك مخطط (الكود القياسي)، لكنك تعلم أنه من خلال بعض التعديلات الذكية، يمكنك جعلها تسير أسرع بمرتين.
لفترة طويلة، كانت نماذج الذكاء الاصطناعي التي تحاول القيام بذلك تشبه الميكانيكيين المبتدئين. كانوا ينظرون إلى المخطط، ويخمنون بعض التغييرات، ثم يقولون: "هذا هو محركي الجديد!" إذا نجح الأمر، فهذا رائع. وإذا لم ينجح، فإنهم يحاولون مجددًا من البผลิต البداية. لقد كانوا سيئين في التكرار — لم يستطيعوا التعلم من أخطائهم لجعل النسخة التالية أفضل قليلاً.
Kernel-Smith هو إطار عمل جديد يغير قواعد اللعبة. إنه لا يعامل الذكاء الاصطناعي كمجرد مُخمن من محاولة واحدة، بل كـ فريق من الميكانيكيين الخبراء يعملون في ورشة عمل، مستخدمين وصفة محددة لتطوير المحرك المثالي.
إليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:
1. الورشة: البحث التطوري (المرآب "الدارويني")
بدلاً من ميكانيكي واحد يخمن حلاً، يقوم Kernel-Smith بإنشاء مرآب مليء بنماذج المحركات الأولية.
- المجتمع (The Population): يقوم الذكاء الاصطناعي بتوليد نسخ مختلفة من الكود (المحركات).
- حلبة الاختبار: يتم وضع كل نموذج أولي على حلبة اختبار (وحدة معالجة الرسومات - GPU) لمعرفة مدى سرعته وما إذا كان سيتعطل.
- الأرشيف: يحتفظ النظام بـ "قاعة مشاهير" لأسرع المحركات و"متحف للتنوع" للمحركات التي جربت أشياء غريبة وفريدة.
- التطور: ينظر الذكاء الاصطناعي إلى الفائزين والفاشلين المثيرين للاهتمام، ويمزج أفكارهم، ويبني جيلاً جديداً من المحركات. إنه لا يخمن فحسب؛ بل يطور. عبر 40 جولة، تصبح المحركات أسرع وأسرع، تمامًا كما تتطور الأنواع عبر ملايين السنين.
2. الحكم: التقييم المستقر (القاضي العادل)
في سباق حقيقي، إذا كانت ساعة التوقيت معطلة أو الحلبة متعرجة، فلا يمكنك معرفة من هو الأسرع حقًا.
- المشكلة: شرائح الكمبيوتر "صاخبة". أحيانًا يبدو البرنامج بطيئًا لمجرد أن الكمبيوتر كان مشغولاً بشيء آخر، وليس لأن الكود سيئًا.
- الحل: بنى Kernel-Smith نظام حكم صارم للغاية. فهو يقوم بتشغيل الاختبارات عدة مرات، ويقوم بـ "تسخين" المحرك أولاً، ويستخدم أدوات خاصة لتجاهل "الضجيج". هذا يضمن أنه إذا تم إعلان أن الكود "أسرع"، فهو بالفعل أسرع، وليس مجرد ضربة حظ. هذا يمنع الذكاء الاصطناعي من الارتباك بسبب البيانات السيئة.
3. المعلم: التدريب "خطوة بخطوة" (المدرب)
هذا هو السر الحقيقي. عادةً، يتم تدريب نماذج الذكاء الاصطناعي لكتابة مقال مثالي في خطوة واحدة. لكن كتابة محرك مثالي أمر صعب.
- الطريقة القديمة: "هذا محرك سيئ. اكتب محركًا جيدًا." (غالبًا ما يفشل الذكاء الاصطعي هنا).
- طريقة Kernel-Smith: راقب الباحثون عملية تطور "المرآب". نظروا إلى اللحظات المحددة التي انتقل فيها المحرك من حالة "جيد" إلى حالة "مذهل". لقد علموا الذكاء الاصطناعي تلك الخطوات المحددة فقط.
- التشبيه: تخيل مدرب شطرنج. بدلاً من إظهار مباراة كاملة للذكاء الاصطناعي وقول "فُز"، يقول المدرب: "انظر إلى هذه النقلة المحددة حيث استوليت على الملكة. كانت تلك هي النقلة الرابحة. تعلم تلك النقلة".
- من خلال تدريب الذكاء الاصطناعي ليكون سيد التحسينات الصغيرة بدلاً من سيد القفزة الواحدة الكبيرة، يصبح الذكاء الاصطناعي بارعًا للغاية في صقل الكود مرارًا وتكرارًا.
4. النتائج: هزيمة العمالقة
اختبر الفريق هذا النظام ضد أكبر وأغلى نماذج الذكاء الاصطناعي في العالم (مثل Gemini من Google و Claude من Anthropic).
- لوحة النتائج: في اختبار قياسي يسمى "KernelBench"، لم يكتفِ Kernel-Smith بمواكبة الآخرين فحسب؛ بل انتصر. لقد أنتج كودًا أسرع بكرًا بشكل ملحوظ من غيره.
- إثبات من الواقع: ليس هذا مجرد تجربة مخبرية. فقد أخذ الفريق الكود الذي ولده الذكاء الاصطناعي ودمجه فعليًا في برمجيات حقيقية يستخدمها الملايين (مثل SGLang و LMDeploy).
- في إحدى الحالات، جعلوا جزءًا معينًا من لعبة فيديو أو نظام دردشة ذكاء اصطناعي يعمل أسرع بـ 4.7 مرة.
- في حالة أخرى، جعلوا أداً بحثية معقدة تعمل أسرع بـ 14.5 مرة.
لماذا يهم هذا؟
فكر في شرائح الذكاء الاصطناعي في هاتفك أو الخوادم التي تشغل تطبيقاتك المفضلة كأنها سيارات رياضية عالية الأداء.
- قبل ذلك: كان الذكاء الاصطناعي مثل ميكانيكي يمكنه فقط تغيير الزيت.
- الآن: Kernel-Smith هو ميكانيكي يمكنه إعادة تصميم المحرك بالكامل لاستخراج كل قطرة سرعة ممكنة.
هذا يعني أنه في المستقبل، يمكن لأنظمة الذكاء الاصطناعي التي نستخدمها كل يوم أن تعمل بشكل أسرع بكثير، وتستهلك بطارية أقل، وتكلف أقل للتشغيل، وكل ذلك لأن هذه "الوصفة" الجديدة علمت الذكاء الاصطناعي كيفية تطوير الكود الخاص به بدلاً من مجرد التخمين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.