Runtime telemetry from evolutionary and static resource policies on a Jetson Nano
تقدم هذه الورقة مجموعة بيانات شاملة لـ 108 ساعات من القياس عن بُعد لوقت التشغيل من جهاز NVIDIA Jetson Nano، حيث تقارن بين متحكم تطوري بمساعدة بديلة وبين سياسات موارد ثابتة عبر ثماني عشرة مهمة مدة كل منها ست ساعات لتوفير سجلات موثقة وقابلة للتتبع لأداء النظام، واستهلاك الطاقة، وقرارات التحكم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في عالم الإلكترونيات الحديثة، يُطلب من الحواسيب الصغيرة بشكل متزايد القيام بالأعمال الشاقة. هذه الأجهزة، التي توجد غالبًا في الروبوتات أو الطائرات بدون طيار أو الكاميرات الذكية، يجب أن تعالج مهامًا معقدة مثل التعرف على الأشياء في تدفق فيديو مع العمل بقدرة محدودة من البطارية. التحدي يكمن في أن هذه المهام تولد حرارة، وإذا ارتففت حرارة الجهاز، يجب عليه إبطاء سرعته أو إيقاف أجزاء من نفسه ليبرد، مما يضر بالأداء. ولحل هذه المشكلة، يستخدم المهندسون مديرين برمجيين يقررون باستمرار أي جزء من الحاسوب يجب أن يقوم بالعمل: المعالج المركزي، أو معالج الرسوميات، أو مزيج من كليهما. يحاول هؤلاء المديرون موازنة السرعة واستهلاك الطاقة ودرجة الحرارة، لكنهم يعملون في بيئة فوضوية حيث تتغير ضغوط العمل في كل ثانية. والسؤال الكبير هو ما إذا كان هؤلاء المديرون الأذكياء قادرين حقًا على اتخاذ القرارات الصحيحة في الوقت الفعلي، وما إذا كانت الأرقام التي يبلغون عنها بخصوص قراراتهم جديرة بالثقة.
لقد وضع فريق من الباحثين في الاتحاد الفيدرالي في أمازونس (Federal University of Amazonas) هدفًا للإجابة على هذه الأسئلة من خلال تسجيل سجل مفصل وضخم لحاسوب صغير يعمل لعدة أيام. استخدموا لوحة "NVIDIA Jetson Nano"، وهي لوحة مدمجة بذاكرة سعة اثنين جيجابايت، وجعلوها تشغل سلسلة مستمرة من مهام معالجة الصور لمدة مائة وثماني ساعات. صُممت التجربة لتكون مثل رحلة طيران طويلة المدى مع توقفات مجدولة. تنقل الحاسوب عبر أربعة أنواع مختلفة من تحليل الصور — موازنة السطوع، إيجاد الحواف، تمويه الصور، وتصفية الضوضاء — يستغر كل منها ثلاثين دقيقة. تكررت هذه الدورة اثنتي عشرة مرة في مهمة واحدة مدتها ست ساعات، وقام الفريق بتشغيل ثماني عشرة مهمة في المجمل. نُفذت بعض المهام باستخدام قاعدة ثابتة وغير متغيرة لكيفية استخدام أجزاء الحاسوب، بينما نُفذت مهام أخرى باستخدام متحكم ذكي ومتطور يحاول تعلم وتكييف استراتيجيته كل ثمانمائة مللي ثانية.
كان المتحكم الذكي هو نجم العرض. لقد عمل مثل طيار يعدل محركات الطائرة باستمرار بناءً على حالة الطقس. كل بضع ثوانٍ، ينظر إلى درجة الحرارة الحالية ونوع مهمة معالجة الصور، ثم يقترح خطة جديدة. تضمنت هذه الخطة أي معالج يجب استخدامه، وبأي سرعة يعمل، وكمية الطاقة المسموح بها. ولاتخاذ هذه القرارات، استخدم نموذجًا مبسطًا، أو "نموذجًا بديلًا" (surrogate)، يتنبأ بكيفية تأثير الاختيار على السرعة والحرارة. والأهم من ذلك، لم يكتفِ الباحثون بتسجيل ما "ظن" المتحكم أنه فعله؛ بل سجلوا ما أمر به بالفعل، وما أبلغ عنه برنامج الحاسوب، وما قاسته المستشعرات الفيزيائية فعليًا. كان هذا النظام للتحقق الثلاثي ضروريًا لأن الفحوصات السابقة كشفت أن المتحكم غالبًا ما يدعي أنه وضع حدًا للسرعة لم يطبقه الحاسوب في الواقع.
وفرت نتائج هذه الرحلة الماراثونية نظرة نادرة وعالية الدقة لكيفية سلوك هذه الأنظمة تحت الضغط. وجد الباحثون أن المتحكم الذكي نجح في الحفاظ على حالته الداخلية واستمر في التعلم حتى مع تغير المهام من نوع إلى آخر في معالجة الصور. كما حافظ على عدٍّ جارٍ لقراراته وملاحظاته دون إعادة ضبط، مما أظهر شكلًا من أشكال الاستمرارية الضرورية للتكيف طويل الأمد. ومع ذلك، سلطت البيانات الضوء أيضًا على الفجوة بين النية والواقع. فبينما طلب المتحكم بنجاح حدود سرعة محددة، أظهرت التقارير الداخلية للحاسوب أحيانًا قيمًا مختلفة قليلاً عما طُلب، وهو خلل ناتج عن كيفية تقريب الأجهزة للأرقام لتتناسب مع إعداداتها المتاحة. والأهم من ذلك، أكدت البيانات أن المشرف الحراري للمتحكم عمل تمامًا كما صُمم: فكلما ارتفعت درجة الحرارة فوق خط تحذير معين، يقوم النظام تلقائيًا بتعطيل معالج الرسوميات ليبرد، بغض النظر عما أراده المتحكم الذكي.
هذه المجموعة من البيانات ليست مجرد سجل لتجربة واحدة؛ بل هي مورد عام لأي شخص يدرس كيفية إدارة الطاقة والحرارة في الحواسيب الصغيرة. لقد أطلق الباحثون أكثر من ثمانية ملايين سجل فردي لإطارات الكاميرا، إلى جانب سجلات لكل قرار اتخذه المتحكم وكل قراءة لدرجة الحرارة تم أخذها. كما تضمنوا البيانات الخام من مقياس طاقة خارجي، والذي قاس الكهرباء المتدفقة إلى اللوحة، بشكل منفصل عن تقديرات الحاسوب الداخلية. يسمح هذا الفصل للعلماء الآخرين بالتحقق من كمية الطاقة المستخدمة فعليًا مقابل الكمية التي اعتقد الحاسوب أنه استهلكها. كما كشفت البيانات أنه تحت أكثر إعدادات الحرارة عدوانية، قضى الجهاز تقريبًا كل وقته فوق عتبة درجة الحرارة الآمنة لمعالج الرسوميات، مما أجبر النظام على الاعتماد بشكل شبه كامل على المعالج المركزي لفترات طويلة.
كما أوضحت الدراسة ما يمكن وما لا يمكن تعلمه من هذه السجلات. فقد كان الباحثون حذرين في الإشارة إلى أنه بينما سجلوا الوقت الذي استغرقته معالجة كل إطار، فإنهم لم يتحققوا مما إذا كانت المعالجات المختلفة تنتج نتائج متطابقة لكل مهمة. في بعض الحالات، كان المعالج المركزي ومعالج الرسوميات يشغلان إصدارات مختلفة قليلاً من نفس الدالة الرياضية. لذلك، تُظهر البيانات سرعة تشغيل الإصدارات المختلفة، لكنها لا تثبت أنها متكافئة رياضيًا. علاوة على ذلك، أكد الباحثون أن البيانات تمثل مسارًا محددًا اتخذه المتحكم؛ فهي توضح ما حدث عندما اتخذ النظام سلسلة من الاختيارات، لكنها لا تثبت أن تلك الاختيارات كانت الوحيدة الممكنة أو أنها كانت الأفضل على الإطلاق.
من خلال فصل الطلب، والتأكيد البرمجي، والقياس الفيزيائي، يوفر هذا العمل خريطة واضحة لمكان انهيار الثقة في الأنظمة المؤتمتة. إنه يوضح أنه بينما يمكن للمتحكمات الذكية التكيف مع أعباء العمل المتغيرة وإدارة الحرارة بفعالية، فإنها لا تزال مقيدة بالخصائص الغريبة للأجهزة التي تتحكم فيها. لقد جعل الباحثون مجموعة بياناتهم بأكملها، بما في ذلك النصوص البرمجية المستخدمة لتحليلها، متاحة للجمهور. وتسمح هذه الشفافية للعلماء الآخرين باختبار نظرياتهم الخاصة مقابل نفس الظروف الواقعية، مما يضمن أن التحسينات المستقبلية في كيفية إدارة الحواسيب الصغيرة تُبنى على أساس من الحقائق المتحقق منها وليس الافتراضات. إن هذا العمل يمثل سجلًا مفصلًا وغير منمق لآلة تحاول التفكير في ذاتها بينما تحاول البقاء باردة في عالم ساخن.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.