دیتاسنتر هوش مصنوعی در فضا؛ گام آزمایشی گوگل برای آینده پردازش دادهها
گوگل در حال آزمایش ایدهای بلندپروازانه برای ساخت دیتاسنتر هوش مصنوعی در فضا است؛ پروژهای که هدف آن قرار دادن زیرساختهای پردازش هوش مصنوعی در مدار پایین زمین است. در نخستین مرحله، این شرکت قصد دارد یک ماهواره کوچک مجهز به تراشههای پردازشی هوش مصنوعی را به فضا بفرستد تا مشخص شود این تجهیزات چگونه در برابر شرایط سخت محیط فضایی دوام میآورند.
این پروژه که با نام Project Suncatcher شناخته میشود، هنوز در مراحل ابتدایی قرار دارد و به گفته متخصصان، ایجاد یک شبکه بزرگ از دیتاسنترهای فضایی به سالها تحقیق، هزینههای بسیار زیاد و حل چالشهای مهندسی پیچیده نیاز دارد.
دیتاسنتر هوش مصنوعی در فضا چگونه آزمایش میشود؟
گوگل قصد دارد ماهوارهای با نام MVP را در تاریخ اول اکتبر با موشک فالکون ۹ شرکت اسپیسایکس به مدار زمین ارسال کند. این ماهواره یک دیتاسنتر کامل به معنای معمول نخواهد بود، بلکه شامل چهار تراشه تخصصی پردازش هوش مصنوعی به نام Tensor Processing Unit (TPU) است.
این چهار تراشه در کنار هم قدرتی مشابه یک سرور موجود در یک دیتاسنتر معمولی ارائه میکنند. هدف اصلی این آزمایش، بررسی عملکرد سختافزارهای هوش مصنوعی در محیطی است که با زمین تفاوت زیادی دارد؛ محیطی با تابشهای شدید، نبود هوا و شرایط حرارتی دشوار.
انرژی این سامانه از پنلهای خورشیدی تأمین میشود که حدود یک کیلووات برق تولید میکنند؛ مقداری تقریباً مشابه انرژی مورد نیاز یک سشوار. گوگل برنامه دارد این ماهواره حدود یک سال به پرسشهای ساده هوش مصنوعی پاسخ دهد، هرچند خود ماهواره قرار است حدود شش سال در مدار باقی بماند.
چالش تابش فضایی برای دیتاسنتر هوش مصنوعی در فضا
یکی از بزرگترین مشکلات استفاده از تجهیزات الکترونیکی در فضا، تابشهای کیهانی است. ذرات پرانرژی موجود در فضا میتوانند عملکرد تراشهها را مختل کنند و باعث پدیدهای به نام «تغییر بیت» (Bit Flip) شوند.
در این حالت، اطلاعات دیجیتال موجود در تراشه ممکن است تغییر کند؛ یعنی یک مقدار صفر به یک یا یک مقدار یک به صفر تبدیل شود. چنین خطاهایی در سیستمهای پردازشی میتوانند باعث اختلال در عملکرد شوند.
گوگل پیش از ارسال این تراشهها به فضا، آزمایشهای مختلفی انجام داده است. این تراشهها در آزمایشگاه هستهای کراکر (Crocker Nuclear Laboratory) در معرض میزان زیادی تابش قرار گرفتند تا شرایط محیط فضایی شبیهسازی شود.
برای مقابله با خطاهای احتمالی، گوگل قصد دارد از روشی مشابه رایانههای معمولی استفاده کند: راهاندازی مجدد سیستم هنگام بروز مشکل.
خنکسازی؛ یکی از دشوارترین مشکلات در فضا
مدیریت گرما یکی دیگر از موانع مهم برای ساخت دیتاسنتر هوش مصنوعی در فضا است. روی زمین، بسیاری از مراکز داده با کمک جریان هوا و سیستمهای خنککننده بزرگ، گرمای تولیدشده توسط تراشهها را دفع میکنند؛ اما در فضا چنین امکانی وجود ندارد.
گوگل برای این آزمایش یک سیستم خنککننده ویژه طراحی کرده که از لایههای مواد رسانا برای انتقال گرما به فضای اطراف استفاده میکند. با این حال، این سیستم فعلاً تنها حدود ۱۵ دقیقه کار میکند و پس از آن تراشهها باید خاموش شوند تا خنک شوند.
این محدودیت نشان میدهد که افزایش مقیاس چنین سامانهای از یک آزمایش کوچک به یک مرکز پردازشی واقعی، بسیار پیچیده خواهد بود.
آیا دیتاسنترهای فضایی بهزودی ساخته میشوند؟
با وجود موفقیت آزمایشهای اولیه، گوگل تأکید کرده که هنوز فاصله زیادی تا ساخت یک دیتاسنتر هوش مصنوعی عملیاتی در فضا وجود دارد. جیمز مانیکا، معاون ارشد گوگل، گفته است که این شرکت انتظار ندارد چنین فناوری در چند سال آینده به شکل کاربردی مورد استفاده قرار گیرد.
براندون لوشیا، استاد مهندسی برق و کامپیوتر دانشگاه کارنگی ملون، نیز اشاره کرده که تبدیل یک ماهواره کوچک به شبکهای از ماهوارهها که مانند یک دیتاسنتر بزرگ فعالیت کنند، نیازمند سرمایهگذاری عظیم و حل مشکلات مهندسی فراوان است.
گوگل با این حال قصد دارد این مسیر را ادامه دهد. این شرکت برنامه دارد سال آینده دو ماهواره مشابه دیگر پرتاب کند و در نهایت شبکهای شامل حدود ۸۰ ماهواره ایجاد کند که در هماهنگی با یکدیگر پردازشهای هوش مصنوعی را انجام دهند. همچنین ایده ساخت ماهوارهای بسیار بزرگتر، در ابعادی نزدیک به اندازه یک زمین فوتبال، در حال بررسی است.
آینده پردازش هوش مصنوعی خارج از زمین
ایده ساخت دیتاسنتر هوش مصنوعی در فضا با هدف استفاده از انرژی خورشیدی فراوان در مدار زمین و ایجاد ظرفیتهای پردازشی جدید مطرح شده است، اما مسیر رسیدن به آن بسیار دشوار است.
هزینه بالای پرتاب تجهیزات، مشکل تأمین انرژی، آسیبهای ناشی از تابشهای فضایی و دشواری خنکسازی، از مهمترین موانع این فناوری هستند. برای مثال، تنها یک پرتاب موشک فالکون ۹ حدود ۷۴ میلیون دلار هزینه دارد.
پروژه Suncatcher در حال حاضر بیشتر یک آزمایش علمی و مهندسی برای شناخت محدودیتها و فرصتهای این فناوری است. اگرچه ساخت دیتاسنترهای عظیم در فضا هنوز دور از دسترس به نظر میرسد، این آزمایش میتواند اطلاعات ارزشمندی درباره آینده زیرساختهای هوش مصنوعی فراهم کند.
