CAD تولیدی در راه است، اتودسک با بودجه ۶۰ میلیارد دلاری، مدلهای بزرگ CAD را داخلیسازی میکند
کاد شرکت بزرگ اتودسک هم در حال ورود به حوزه هوش مصنوعی مولد است.
در زمان انتشار این خبر، سهام Autodesk (US:ADSK) با بیش از 20 درصد افزایش نسبت به سال 2024 به 293.32 دلار در هر سهم رسیده است و ارزش کل بازار آن به 63.064 میلیارد دلار رسیده است.
راجی آراسو، معاون اجرایی رئیس و مدیر ارشد فناوری اتودسک، اخیراً در یک رویداد عمومی گفت: «ما در حال توسعه یک مدل پایه هوش مصنوعی مولد هستیم که برخلاف هر مدل دیگری است.» مدل پایهای که راجی آراسو به آن اشاره میکند و در ماه مه 2024 رونمایی شد، «برنینی» نام دارد، یک پروژه هوش مصنوعی مولد که تبدیلمتن، طرحهای دستی و غیره را به فایلهای سهبعدی تبدیل میکند.
تا جایی که به بازار بزرگ مدلهای فعلی مربوط میشود، پیادهسازی قابلیتهای سهبعدی تولید شده توسط گراف چیز جدیدی به نظر نمیرسد. گوگل دیپمایند به تازگی Genie 2، Tencent Hybrid داخلی و VoxCraft از BioDigital Technology را منتشر کرده است که همگی میتوانند قابلیتهای مشابهی را پیادهسازی کنند. اما برنینی، به عنوان یک غول جهانی CAD، اهمیت عملی زیادی برای کسبوکار واقعی اتودسک دارد.
کشف برنینی
برنینی به نام جیان لورنزو برنینی، مجسمهساز و معمار مشهور ایتالیایی قرن هفدهم نامگذاری شده است. از نظر انتخاب دادههای آموزشی، این مدل توسط آزمایشگاههای هوش مصنوعی اتودسک با همکاری دانشگاه چینی هنگ کنگ، بر روی ۱۰ میلیون شکل سهبعدی در دسترس عموم آموزش داده شد.
دلیل تفاوت برنینی با سایر مدلهای بزرگ پایه این است که برنینی در تولید تصاویر سهبعدی سه ویژگی اصلی دارد:
۱. ساختار تصویر سهبعدی تولید شده، یک ساختار سهبعدی کاربردی است. برای مثال، بطریهای آبی تولید میکند که توخالی هستند و در واقع عملکرد نگهداری آب را انجام میدهند، نه اینکه فقط مدلهایی تولید کند که شبیه به هم به نظر میرسند.
۲. جدا کردن شکلها و بافتها. توانایی تولید جداگانهی شکلها و بافتها به کاربر این آزادی را میدهد که متغیرها را تنظیم کند، آنها را با هم ترکیب کند یا طرحهای دیگری بسازد و از مشکل گیجکننده بودن بافتها و خطوط کانتور اشیاء سهبعدی جلوگیری کند.
۳. طیف گستردهای از انواع مختلف را ارائه میدهد. این نرمافزار که برای گردشهای کاری هندسه حرفهای بهینه شده است، قابلیت تولید چندین نوع شکل سهبعدی کاربردی از یک ورودی واحد را دارد و به طراحان حق انتخاب میدهد و گردش کار خلاقانه آنها را تسریع میکند.
تصویر رابط کاربری اتودسک
در این مورد، مدل پایه برای دستیابی به این ویژگیها باید بر یک مانع طبیعی در فرآیند طراحی و تولید غلبه کند، یعنی هوش مصنوعی باید کاملاً با منطق پیچیده ورودی و خروجی کار طراحی هماهنگ باشد. راجی آراسو توضیح میدهد: «با پذیرش ورودیهای چندوجهی مانند متن، طرحها، واکسلها، ابرهای نقطهای، اینها فرآیند طراحی خالق را تکرار میکنند.»
علاوه بر این، از آنجایی که تولید هندسههایی مانند CAD سهبعدی نیازمند استدلال بر اساس قوانین فیزیک از نظر فضا و ساختار است، به سطح بالایی از دقت و صحت نیز نیاز دارد.
بنابراین از نظر زمانی، به نظر نمیرسد که راهاندازی برنینی سریع بوده باشد. از ماه مه ۲۰۲۴، زمانی که پیشرفت برنینی آشکار شد، بیشتر سال گذشته است. در آن زمان، برنینی فقط بخشی از ویدیوی مفهومی را منتشر کرد. و تنها در کنفرانس کاربران اتودسک در سن دیگو در ماه اکتبر بود که اندرو آناگنوس، مدیرعامل، پیشنمایشی از برنینی را منتشر کرد.
با این حال، اندرو آناگنوس گفت که برنینی با دادههای عمومی آموزش دیده است و هنوز برای استفاده تجاری در دسترس نیست و برای جامعه هوش مصنوعی در دسترس قرار گرفته است. اما او یک طرح تجاری احتمالی برای برنینی را فاش کرد: «روش آموزش برنینی مستقل از دادهها است، بنابراین مشتریان میتوانند در صورت نیاز از دادههای خود برای بهینهسازی برنینی و بهبود مداوم مدل استفاده کنند.»
برنینی چگونه «ساخته شد»
فرآیند آموزش برنینی نیز از پردازندههای گرافیکی انویدیا استفاده میکند، اما راجی آراسو معتقد است که جدا از پردازندههای گرافیکی، پردازش و استفاده از «دادهها» در آموزش یک مدل اهمیت بیشتری دارد. راجی آراسو در سخنرانی خود اطلاعات بیشتری در مورد این فرآیند فاش کرد. او فرآیند ساخت را به مدیریت دادهها، آمادهسازی دادهها، آموزش مدل برای هزینه و کارایی و مدیریت پیچیدگی برای استنتاج مدل تقسیم کرد.
راجی آراسو گفت: «میلیاردها شیء و پتابایت داده با اندازهها، شکلها و حجمهای کاری مختلف باید پردازش شوند.»
اتودسک بر اساس حجم عظیم فایلهای طراحی بزرگ خود، نیاز به ایجاد یک پایگاه داده در فضای ابری داشت، برای همین Amazon DynamoDB را به عنوان پایگاه داده اصلی انتخاب کرد و یک مدل داده استاندارد ایجاد کرد که امکان نوشتن در صدها پارتیشن را با توان عملیاتی بالا و تأخیر نزدیک به صفر فراهم میکند.
علاوه بر حل مشکل عملکرد دادهها، اتودسک با ترکیب سرویسهای ابری مانند Amazon EMR، Amazon EKS، Amazon Glue و Amazon SageMaker که حجم زیادی از دادههای تاریخی پیچیده را نمایش، برچسبگذاری و قطعهبندی میکردند، به راحتی فرآیند آمادهسازی دادهها برای آموزش مدل پایه را تکمیل کرد.
در مرحله آموزش مدل، اتودسک با مشکلات زیادی مانند انتخاب پردازنده گرافیکی (GPU) نیز مواجه شد و در نهایت از آمازون سیجمیکر (Amazon SageMaker) برای یکپارچهسازی راهحلهایی مانند آزمایش، مدیریت زیرساخت و غیره استفاده کرد. این تیم بیشتر بر آمادهسازی دادهها، توسعه مدل و توسعه عملکرد هوش مصنوعی مشتریمحور تمرکز کرد.
راجی آراسو گفت: «هنگام مدیریت استنتاج مدل در مقیاس بزرگ، باید به طور صحیح به تأخیر، هزینه و عملکرد پرداخته شود.» «مقیاسبندی خودکار و نقاط پایانی چند مدلی آمازون SageMaker به طور یکپارچه از استنتاج بلادرنگ و دستهای برای توان عملیاتی بالا، حداقل تأخیر و حداکثر بهرهوری هزینه پشتیبانی میکنند.»
همانطور که میبینید، نسخه برنینی ساخته شده توسط اتودسک، به شدت از آمازون سیجمیکر، شناختهشدهترین سرویس هوش مصنوعی و یادگیری ماشین از شرکت آمازون کلود تکنولوژیز، استفاده میکند. تعدادی از سازمانهای برجسته، از جمله اتودسک، از آمازون سیجمیکر هایپرپاد برای آموزش مدل استفاده میکنند. آمازون سیجمیکر هایپرپاد اخیراً بهطور رسمی چندین بهروزرسانی سنگین منتشر کرده است، مانند طرحهای آموزشی انعطافپذیر برای ایجاد مشاغل آموزشی خودکارتر که با استفاده کارآمد از طیف وسیعی از منابع محاسباتی مقرونبهصرفهتر، هزینهها را بهینه میکنند، و مدیریت وظایف که وظایف آموزشی مختلف را برای به حداکثر رساندن آموزش مدل، تنظیم دقیق و استدلال در طول فرآیند استفاده از منابع، اولویتبندی میکند.
بر اساس این نوآوریها، اتودسک در نهایت زمان استقرار مدل پایه را به نصف کاهش داد. این امر باعث افزایش 30 درصدی بهرهوری هوش مصنوعی شد و در عین حال هزینههای عملیاتی را ثابت نگه داشت. راجی آراسو همچنین فاش کرد که اتودسک شروع به ارائه قابلیتهای هوش مصنوعی ساخته شده بر روی این مدلهای پایه به مشتریان کرده است.
راجی آراسو گفت: «ما به عنوان یک شریک طراحی برای مشتریان خود عمل میکنیم و به آنها کمک میکنیم تا پارامترهایی مانند مقاومت مصالح و هزینه را متعادل کنند تا بتوانند بهترین طراحی را تعیین کنند. همه این کارها برای به حداقل رساندن کارهای خستهکننده و به حداکثر رساندن خلاقیت انجام میشود.»
دادههای صحیح، فرضیه آموزش مدلهای بزرگ
پس از ChatGPT، پردازندههای گرافیکی انویدیا به هدف محبوبی برای شرکتهای بزرگ هوش مصنوعی تبدیل شدهاند و اینکه یک شرکت بزرگ چه تعداد پردازنده گرافیکی انویدیا در سال سفارش میدهد، حتی میتواند به تیتر اول رسانهها تبدیل شود. با این حال، برای خلاصه کردن فرآیند تولد برنینی، پردازنده گرافیکی قطعاً مهم است، اما دادهها کیفیت آموزش مدلهای بزرگ را تعیین میکنند.
و آموزش یک مدل بزرگ که واقعاً بتواند در کسبوکار کار کند، یک مسئله سیستمی تمامعیار است که جنبههای زیادی را در بر میگیرد.
رویسانگ چو، معاون جهانی آمازون و رئیس فناوری ابری آمازون در چین بزرگ، در یک سخنرانی نظرات مشابهی را بیان کرد: «مدلهای بزرگ تنها بخشی از نوآوری در برنامههای کاربردی هوش مصنوعی مولد هستند. اگر قرار است نوآوری در برنامههای کاربردی هوش مصنوعی مولد به خوبی انجام شود، قابلیتهای دیگری نیز وجود دارد که باید تقویت شوند. اول و مهمتر از همه، باید مطمئن شوید که هوش مصنوعی مولد میتواند قابلیتهای مدلهای بزرگ برنامههای کاربردی هوش مصنوعی مولد را با دادههای خود سازمان تقویت کند.»
در مورد مشکل خطای دید، که اکنون نگرانی بزرگی برای مدلهای بزرگ است، میتوان آن را از منظر «فراداده» نیز حل کرد، که عبارت است از اطمینان از کیفیت دادههای موجود در پایگاه دانش قبل از آموزش مدلهای بزرگ. «فراداده در پایگاه داده، یعنی دادههای با کیفیت بالا که بررسی و تأیید شدهاند، به کاهش تأخیر و بهبود پاسخ مدل بزرگ کمک میکند.» مای-لان تامسن بوکووچ، معاون فناوری در فناوریهای ابری آمازون، گفت که به سازمانهایی که مدلهای بزرگ را آموزش میدهند، هشدار میدهد که مراقب باشند بین آنچه توسط انسانها ایجاد میشود و آنچه توسط هوش مصنوعی تولید میشود، تمایز قائل شوند.
به دلیل اهمیت دادهها است که مدلهای بزرگ، نحوهی تحقق داراییهای دادهای شرکتها را تسریع میکنند. دو ماه پیش، شرکت Qunar Technology، شرکت مادر Cool Spaces، یک پلتفرم طراحی فضایی سهبعدی از چین، نیز از یک طرح تجاری جدید رونمایی کرد و یک پلتفرم آموزش داده برای هوش تجسمی و سایر موارد را راهاندازی کرد تا بزرگترین مجموعه داده یادگیری عمیق آگاهی از صحنههای داخلی جهان را راهاندازی کند. این شرکت فاش کرد که این پلتفرم در حال حاضر بیش از ۳۲۰ میلیون مدل سهبعدی با میانگین ۷۷.۸ میلیون بازدیدکننده فعال ماهانه دارد. این شرکت داراییهای داده فضایی سهبعدی با صحت فیزیکی، راهحلهای شناخت فضایی و خدمات مرتبط با آموزش هوش فضایی را برای AIGC، هوش تجسمی، AR/VR و سایر شرکتها راهاندازی خواهد کرد.
دادهها نشان میدهد که حدود ۷۷ درصد از شرکتها ظرف ۳ سال سرمایهگذاری خود را در هوش مصنوعی و فناوریهای نوظهور افزایش یا به طور قابل توجهی افزایش خواهند داد و ۳ حوزهای که هوش مصنوعی اولین حوزهای خواهد بود که شاهد بهرهوری در آنها خواهد بود عبارتند از: اتوماسیون، تجزیه و تحلیل و تقویت (اتوماسیون، تجزیه و تحلیل دادهها و تقویت کمکی).
«هوش مصنوعی در حال تغییر شکل همه صنایع است» دیگر یک شعار نیست. «صنایع بیشتر و بیشتری در فضای هوش مصنوعی مولد فعالتر میشوند.» اووم اوکپون، معاون خدمات جهانی در فناوریهای ابری آمازون، گفت که حوزه کاربرد صنعتی هوش مصنوعی مولد به تدریج از صنعت مالی در همان ابتدا به طیف وسیعی از صنایع، از جمله بخش دولتی، صنایع سنتی، سازمانهای دولتی و همچنین صنایعی مانند علوم زیستی و مراقبتهای بهداشتی گسترش یافته است. در عین حال، هوش مصنوعی مولد فرصتهای تجاری جدیدی را برای شرکتها فراهم میکند، اتودسک روی CAD مولد مبتنی بر داده در مقیاس بزرگ، یک بازار بالقوه آینده، شرطبندی میکند.