ماذا يحدث لنماذج الذكاء الاصطناعي عند انقطاع الكهرباء؟

أصبحت مراكز البيانات التي تشغّل النماذج الكبيرة تستهلك كميات هائلة من الكهرباء، ما يطرح سؤالًا غير معتاد: ماذا يحدث لنموذج الذكاء الاصطناعي إذا انقطعت الكهرباء عن الخوادم التي تشغّله؟ وهل يمكن أن يؤدي توقف الطاقة إلى تغيير سلوك النموذج أو جعله يتصرف بطريقة غير متوقعة؟

الإجابة الأساسية هي أن انقطاع الكهرباء لا يجعل نموذج الذكاء الاصطناعي يفسد أو يغيّر شخصيته من تلقاء نفسه.

فالنموذج، في الأساس، عبارة عن مجموعة ضخمة من الأوزان الرقمية المخزنة على وحدات التخزين.

وعند تشغيله، تُحمّل هذه الأوزان إلى ذاكرة وحدات معالجة الرسوميات أو غيرها من المعالجات لتوليد الإجابات، بحسب تقرير نشره المعهد الوطني الأميركي للمعايير والتكنولوجيا NIST.

ماذا يحدث لحظة انقطاع الكهرباء؟
إذا حدث انقطاع مفاجئ ولم تكن هناك أنظمة احتياطية، تتوقف الخوادم ووحدات معالجة الرسوميات عن العمل، وبالتالي تتوقف عمليات الاستدلال التي تقدم الإجابات للمستخدمين. وعند عودة الكهرباء، يمكن تحميل نسخة النموذج المخزنة وإعادة تشغيل الخدمة.

لكن الأمر يصبح أكثر تعقيدًا أثناء تدريب نموذج جديد. فالتدريب قد يستمر أيامًا أو أسابيع ويعتمد على حفظ ما يعرف باسم نقاط التحقق أو Checkpoints.

وإذا حدث انقطاع قبل حفظ آخر حالة للتدريب، فقد تضيع بعض مراحل العمل أو تتعرض بيانات الحالة للتلف، ما يجبر النظام على العودة إلى آخر نسخة سليمة محفوظة.

وتوضح تقنيات الحوسبة المخصصة للذكاء الاصطناعي أهمية الـ Checkpointing لاستعادة عمليات التدريب بعد الأعطال، بحسب تقرير نشره موقع "coresite".

هل يمكن أن يؤدي انقطاع الكهرباء إلى خروج الذكاء الاصطناعي عن السيطرة؟
ليس بهذه الصورة. لا يوجد مسار معروف يجعل فقدان الكهرباء بحد ذاته يمنح نموذجًا قدرة جديدة أو يدفعه إلى التمرد.

الخطر الحقيقي يكمن في كيفية تصميم النظام للتعامل مع الفشل. فإذا أدى انقطاع مفاجئ إلى تلف ملف أو حالة تشغيل أو قاعدة بيانات، فقد تظهر أخطاء برمجية أو تتوقف بعض الوظائف.

وفي الأنظمة التي تمنح وكلاء الذكاء الاصطناعي صلاحيات لتنفيذ إجراءات حقيقية، يمكن أن تصبح استعادة الخدمة بطريقة غير صحيحة مصدرًا للمشكلات، خصوصًا إذا لم تكن العمليات قابلة للتراجع أو التحقق.

ولهذا توصي ممارسات البنية التحتية الحديثة بتصميم الأنظمة على أساس أن الأعطال ستحدث، وليس افتراض أنها لن تحدث.

وتشمل الخطة تحديد هدف زمن الاستعادة RTO ونقطة الاستعادة RPO، مع الاحتفاظ بنسخ مكررة من البيانات والخدمات في مناطق مختلفة.

كيف نضمن عدم حدوث مشكلات؟
الحماية تبدأ على مستوى مركز البيانات نفسه. تستخدم المنشآت أنظمة UPS لتوفير الطاقة فور انقطاع الشبكة، إلى جانب مولدات احتياطية وأنظمة توزيع كهرباء متعددة.

وتوضح وثائق "إنفيديا" الخاصة بمراكز بيانات DGX أن تصميم الطاقة والUPS يمثل جزءًا أساسيًا من استمرارية تشغيل أنظمة الذكاء الاصطناعي.

لكن الكهرباء وحدها لا تكفي. يجب أيضًا حفظ Checkpoints بصورة متكررة، والتحقق من سلامة الملفات قبل استخدامها، والاحتفاظ بنسخ مستقلة من أوزان النماذج، مع إمكانية تحويل الخدمة تلقائيًا إلى مركز بيانات آخر عند فشل الموقع الأساسي.

أما على مستوى النموذج نفسه، فتحتاج الأنظمة إلى مراقبة مستمرة بعد تشغيلها، واختبارات للتأكد من أن سلوكها لم يتغير بصورة غير متوقعة.

ويشير المعهد الوطني الأميركي للمعايير والتكنولوجيا NIST إلى أن المراقبة بعد نشر أنظمة الذكاء الاصطناعي ضرورية لرصد المشكلات غير المتوقعة وتدهور الأداء، مع أهمية وجود آليات للتدخل البشري وإيقاف النظام عندما ينحرف عن السلوك المطلوب.

في النهاية، انقطاع الكهرباء لا يحوّل نموذج الذكاء الاصطناعي إلى نظام خطير أو مستقل الإرادة؛ المشكلة الحقيقية هي فقدان الحالة التشغيلية أو البيانات أو الخدمة، وما قد يترتب على ذلك إذا كانت البنية التحتية أو آليات الاستعادة مصممة بصورة سيئة.

لذلك فإن الجمع بين الطاقة الاحتياطية، والنسخ المتعددة، والCheckpointing، والمراقبة المستمرة، والصلاحيات المحدودة، وآليات الإيقاف البشري، يمثل خط الدفاع الأساسي أمام أعطال مراكز بيانات الذكاء الاصطناعي.