كان ولا يزال الذكاء الاصطناعي هو من أدخلنا في أزمة الذاكرة الموحلة، إلا أن شركات التكنولوجيا مؤمنة بأن الذكاء الاصطناعي هو أيضًا الوحيد القادر على الأخذ بأيدينا ليُخرجنا منها.
قبل بضعة أيام، تحدثت غوغل عن خوارزمية جديدة باسم “TurboQuant” تتيح للنماذج استهلاك مقدار أقل من الذاكرة العشوائية بفارق 6 مرات، والتي أسفرت عن انخفاض سريع في أسعار الذاكرة في عدد كبير من المناطق.
ومؤخرًا، أشارت NVIDIA أيضًا إلى تقنية مماثلة مرتبطة بالرسم العصبي وتقنية DLSS 5.0 المثيرة للجدل، واعدةً بتقليل استهلاك ذاكرة الفيديو في الألعاب بطريقة مشابهة.
تُعرف تقنية NVIDIA الجديدة باسم “Neural Texture Compression” أو “ضغط النسيج العصبي“. وقد أظهرت الشركة الأمريكية، في عرض تجريبي لإحدى الألعاب، بانخفاض معدل استهلاك ذاكرة الفيديو (VRAM) من 6.5 جيجابايت إلى أقل من 1 جيجابايت باستخدام هذه التقنية.
ومع ذلك، في مثل هذه الحالات، يكتنف الغموض دائمًا بجودة الرسومات، خاصةً بعد أن أكدت الشركة بأنه يظل أحد الجوانب القابلة للمقارنة. ولكن عند الأخذ في الاعتبار الدور الجوهري الذي تقوم به تقنية مثل DLSS، فمن السهل إصلاح ما تُفسده NTC باستخدام إعادة تحجيم الجودة عن طريق الذكاء الاصطناعي.
أشارت NVIDIA إلى أن الوصول إلى مرحلة النضج الكامل من الخوارزميات استغرق وقتًا طويلًا، إلا إنه لم يصل بعد إلى الكمال.
تقنية NVIDIA NTC تُخفّض استهلاك ذاكرة الفيديو في الألعاب من 6.5 جيجابايت إلى 970 ميجابايت
لا تقتصر مزايا “ضغط النسيج العصبي” على استهلاك الذاكرة فحسب، وإنما هي تسهم في التخفيف من عمل الموارد الأخرى أيضًا. هذا يعني إن الألعاب تتطلب مساحة تخزين أصغر، وتتعامل مع حزم أقل من البيانات، وفترات زمنية أسرع في التنزيل.
ما تُطبقه NVIDIA هنا هو أشبه بمفهوم المواد العصبية NM التي تتدخل في مرحلة التظليل. فبدلًا من إدارة قنوات متعددة من الأنسجة الكثيفة والحسابات القائمة على النماذج المعقدة، يتم تشفير المواد في تمثيلات أبسط وأكثر إحكامًا، لتتيح من إمكانية فك تشفيرها بشكل أسرع في الوقت الفعلي بمساعدة الشبكات العصبية الصغيرة في المعالج.
وبحسب ما وصفته الشركة، فقد يؤدي ذلك إلى تحسينات كبيرة في الأداء، بنسبة يتجاوز سقفها 7 مرات من سيناريوهات الأداء الخام على دقة 1080p.
ويعكس هذا النهج استراتيجية NVIDIA طويلة المدى التي تهدف إلى إقحام الذكاء الاصطناعي تدريجيًا في جميع الخطوات الرئيسية بعملية معالجة الرسومات، حيث يتم تحسين النماذج لأداء مهام محددة، مما يساعد في النهاية إلى تخفيف الأحمال وتقليل استهلاك الموارد بشكل كبير.