أعلنت شركة ميتا عن تطوير نظامها الجديد KernelEvolve، وهو إطار عمل مبتكر يهدف إلى تسريع وتيرة تدريب واستدلال نماذج التعلم العميق للتوصيات (Deep Learning Recommendation Models - DLRM) وتحقيق كفاءة عالية في الأداء. يواجه هذا النظام ثلاثة تحديات رئيسية تتعلق بتنوع عمارة النمذجة وكرنلاتها، بالإضافة إلى تباين الأجيال والهياكل المادية للأجهزة المستخدمة.

يعمل KernelEvolve على تسهيل عملية تطوير الكيرنلات من خلال تلقائية توليدها وتحسينها، مُساعدًا في تقليل الوقت المستغرق من أسابيع إلى ساعات. يعتمد النظام على عدة مستويات من التجريد البرمجي، حيث يُمكنه التعامل مع لغات تلخيص (Triton وCuTe DSL) وكذلك لغات برمجية منخفضة المستوى.

تشمل التكنولوجيا الجديدة عملية تحسين الكيرنل التي تُ وصف كبحث قائم على رسم بياني، حيث يُستخدم سياسات اختيار، ومشغلات عالمية، ودالة لياقة. وهي تستجيب ديناميكياً لظروف التنفيذ في الوقت الحقيقي عبر توليد مُعزَّزات للبرمجيات. لقد تم تصميم KernelEvolve وتنفيذه ونشره لتحسين نماذج التوصية في الإنتاج، وتحقيق أعلى مستوى من الصحة (100%) على جميع النماذج المطروحة في إطار KernelBench.

ما يميز KernelEvolve هو أنه يُمكنه أن يُخفف من حواجز القابلية للبرمجة التي كان يواجهها المطورون الجدد لأجهزة الذكاء الاصطناعي. يشكل هذا التطور نقلة نوعية في كيفية تصميم وتطوير أنظمة الذكاء الاصطناعي، حيث يسهل على المطورين العمل بكفاءة أكبر وبذكاء اصطناعي أكثر تنوعًا.

التقنيات المتقدمة مثل KernelEvolve تمثل خطوة هامة نحو المستقبل، واجهة جديدة لتحسين وتنويع أدوات التعلم العميق، مما يجعلها مؤهلة لمواجهة التحديات المتزايدة في عالم الذكاء الاصطناعي.