پرتاب محاسبات به فضا

بر اساس آنچه اپل مگزین نوشته است، سازمان‌های دیگری نیز در این حوزه فعالیت می‌کنند؛ از جمله استارت‌آپ‌هایی تحت حمایت انویدیا که مشغول توسعه ماهواره‌هایی با پردازنده‌های گرافیکی H۱۰۰ هستند و شرکت اسپیس‌ایکس به رهبری ایلان ماسک که در اظهارنظرهای عمومی اعلام کرده نسخه V۳ از منظومه استارلینک می‌تواند به بستری برای ایجاد زیرساخت مراکز داده مداری تبدیل شود. انگیزه اصلی این تغییر مسیر افزایش شدید تقاضا برای توان محاسباتی هوش مصنوعی است.

روی زمین، آموزش مدل‌های عظیم و اجرای بارهای کاری استنتاجی نیازمند مصرف انرژی فزاینده سیستم‌های خنک‌کننده پیچیده و منابع گسترده‌ای از زمین و آب است. تحقیقات گوگل و دیگر شرکت‌ها نشان می‌دهد که پلتفرم‌های مداری می‌توانند بسیاری از این محدودیت‌ها را از میان بردارند؛ از جمله تامین برق خورشیدی بدون وقفه، دور زدن محدودیت‌های شبکه برق زمینی و کاهش مصرف منابع محلی. اگر هزینه‌های پرتاب و نگهداری به اندازه کافی کاهش یابد اقتصاد محاسبات هوش مصنوعی مستقر در فضا می‌تواند در نهایت به سطح برابری (Parity) با مراکز داده زمینی نزدیک شود.

این گزارش توضیح می‌دهد که رشد کنونی مراکز داده به مرزهای فیزیکی و زیست‌محیطی رسیده است. پردازنده‌های گرافیکی و تنسور پیشرفته گرمای قابل‌توجهی تولید می‌کنند؛ گرمایی که صرفا با فناوری‌های خنک‌کننده پیشرفته که خود به مقادیر زیادی برق و آب نیاز دارند قابل مدیریت است. همزمان، ردپای زمینی مراکز داده رو به افزایش است و در برخی مناطق دسترسی به برق و زمین مناسب به یک گلوگاه بدل شده است. در مقابل در مدار-به‌ویژه مدار پایین زمین- آرایه‌های خورشیدی با بازدهی بسیار بیشتری عمل می‌کنند، زیرا از تداخلات جوی، چرخه‌های شب و روز و پوشش ابر در امان‌اند.

یکی از مقالاتی که گوگل به آن استناد کرده است، ادعا می‌کند بازده پنل‌های خورشیدی در فضا می‌تواند هشت برابر بازده آنها روی زمین باشد. با قرار دادن ماهواره‌های محاسباتی در نزدیکی یکدیگر و اتصال آنها از طریق پیوندهای نوری بین‌ماهواره‌ای فضای آزاد سخت‌افزار می‌تواند بارهای محاسباتی در مقیاس بزرگ را مدیریت کند و در عین حال وابستگی‌های زمینی را کاهش دهد. این گزارش همچنین اشاره می‌کند که گوگل پردازنده‌های نسل تریلیوم خود را در معرض تابش شبیه‌سازی‌ شده مدار پایین زمین آزمایش کرده و هیچ آسیب دائمی پس از دوزهای تقریبی پنج سال قرارگیری در مدار مشاهده نشده است.

چندین بازیگر بین‌المللی نیز در حال پیشبرد این حوزه‌اند. برنامه Starcloud انویدیا با هدف قرار دادن ماهواره‌هایی حامل پردازنده‌های گرافیکی H۱۰۰ در مدار قصد دارد ظرفیت محاسبات فضایی را نسبت به نمونه‌های پیشین «صدها برابر» افزایش دهد. ماسک نیز در پست‌های عمومی خود اظهار کرده است که ماهواره‌های استارلینک V۳ قابلیت مقیاس‌پذیری برای تبدیل شدن به مراکز داده مداری را دارند. در همین حال جف بزوس، بنیان‌گذار آمازون، پیش‌بینی کرده است که ایستگاه‌های داده فضایی در مقیاس گیگاوات می‌توانند طی ۱۰ تا ۲۰ سال آینده به واقعیت تبدیل شوند. هر یک از این نشانه‌ها حاکی از یک جداسازی بالقوه میان محاسبات هوش مصنوعی و زیرساخت‌های زمینی است.

   ملاحظات فنی و اقتصادی

اگرچه این مفهوم از منظر تئوریک مزایای مهمی ارائه می‌دهد، گزارش حاضر موانع مهندسی و لجستیک قابل‌توجهی را نیز تشریح می‌کند. نخستین مانع مساله اتصال متقابل است؛ آموزش مدل‌های پیشرفته هوش مصنوعی اغلب نیازمند ارتباطی با تاخیر فوق‌العاده کم و پهنای باند بسیار بالا میان واحدهای پردازشی است.

روی زمین فیبر نوری چنین عملکردی را فراهم می‌کند؛ اما در فضا شرکت‌ها صورت‌های فلکی پرواز آرایشی (formation flight) را پیشنهاد می‌دهند که در آن ماهواره‌ها در فاصله صدها متری از هم حرکت می‌کنند و داده‌ها را از طریق پیوندهای لیزری با سرعت ترابیت بر ثانیه منتقل می‌کنند. شبیه‌سازی‌های گوگل نرخ داده‌های دوطرفه ۱.۶ ترابیت بر ثانیه (Tbps) را در شرایط آزمایشگاهی گزارش کرده‌اند.

چالش بعدی تابش (Radiation) و مدیریت حرارتی است. فضا سخت‌افزار را در معرض ذرات پرانرژی و چرخه‌های حرارتی شدید قرار می‌دهد؛ شرایطی که قطعات را تخریب می‌کند مگر اینکه به‌طور ویژه مقاوم‌سازی شده باشند. آزمایش‌های گوگل روی TPUها تحت پرتوهای پروتون نشان می‌دهد که این تراشه‌ها می‌توانند چندین سال قرارگیری در مدار را تحمل کنند، اما قابلیت اطمینان یک سامانه کامل ماهواره‌های محاسباتی هنوز اثبات نشده است.

مدیریت حرارت نیز آسان نیست. در غیاب هوا دفع گرما فقط از طریق رادیاتورها و ساختارهای تابشی انجام می‌شود که این مساله جرم و پیچیدگی طراحی را افزایش می‌دهد. متغیر سوم اقتصاد است.

مدل‌های هزینه پرتاب که گوگل به آنها استناد می‌کند قیمت‌هایی در حدود ۲۰۰ دلار برای هر کیلوگرم تا اواسط دهه ۲۰۳۰ پیش‌بینی می‌کنند، آستانه‌ای که برای رقابتی شدن محاسبات مداری با مراکز داده زمینی ضروری است. تا آن زمان محاسبات مبتنی بر فضا احتمالا فقط برای بارهای کاری تخصصی یا با تحمل تاخیر بالا مناسب خواهد بود. ملاحظات دیگری نیز وجود دارد؛ از جمله نیاز به سرویس‌دهی، کاهش ضایعات فضایی، قوانین مرتبط با حاکمیت داده و اثرات زیست‌محیطی پرتاب‌های انبوه.

 این روند چه معنایی برای آینده زیرساخت هوش مصنوعی دارد؟

حرکت تدریجی به سمت محاسبات هوش مصنوعی در فضا نشان می‌دهد که سخت‌افزار و زیرساخت در عصر هوش مصنوعی به اندازه الگوریتم‌ها و گاه حتی بیشتر ماهیتی استراتژیک یافته‌اند. برای شرکت‌هایی مانند گوگل، انویدیا، آمازون و اسپیس‌ایکس کنترل نه‌تنها نرم‌افزار مدل‌ها بلکه بستر محاسباتی و منبع انرژی به محور جدید رقابت تبدیل شده است.

طراحی شبکه‌هایی از مراکز داده که در مدار فعالیت می‌کنند مجموعه‌ای متفاوت از معادلات مبادله‌ای را به همراه دارد. اتکا به نصب خورشیدی به جای شبکه برق زمینی، استفاده از پیوندهای نوری به جای فیبر زمینی و به‌کارگیری ماژول‌هایی مقاوم در برابر تابش به جای سرورهای استاندارد.

اگر فضا به یک گزینه واقعی برای مقیاس‌دهی محاسبات تبدیل شود شرکت‌ها ممکن است نسل جدیدی از سخت‌افزار را طراحی کنند که مختص عملیات مداری است. از جمله GPUها و TPUهای مقاوم‌سازی‌شده زیرسیستم‌های نوری پیشرفته و ماژول‌هایی با قابلیت سرویس‌دهی خودکار. این تحول می‌تواند پیامدهای گسترده‌ای برای اقتصاد پرتاب ماهواره، نقشه استقرار مراکز داده روی زمین و توزیع جهانی قدرت محاسباتی هوش مصنوعی داشته باشد.

در عین حال این حرکت پرسش‌های نظارتی، زیست‌محیطی و لجستیک مهمی را مطرح می‌کند. آیا گسترش مراکز داده مداری، مشابه صورت‌های فلکی مخابراتی، خطر برخورد ماهواره‌ها یا ازدحام مدار پایین را افزایش می‌دهد؟ تکلیف حوزه‌های قضایی برای داده‌هایی که در فضا ذخیره شده‌اند چیست؟ و چگونه باید قوانین حریم خصوصی و حاکمیت داده را برای زیرساختی تعریف کرد که خارج از قلمرو زمینی عمل می‌کند؟ به‌طور کلی گرچه این پروژه‌ها هنوز در مراحل اولیه توسعه هستند مجموعه نمونه‌های مطرح‌ شده در این گزارش نشان می‌دهد که انتقال محاسبات هوش مصنوعی به فضا دیگر صرفا یک فرضیه نیست. ترکیب تقاضای فزاینده زمینی، تکامل سخت‌افزار و کاهش هزینه پرتاب ممکن است مدار را نه یک محل آزمایش، بلکه به جبهه بلندمدت زیرساخت هوش مصنوعی در آینده تبدیل کند.