تخيّل أنك تعدّ عدد ضربات الفرشاة التي يستطيع رسّام تنفيذها في الثانية الواحدة. تفعل FLOPs الشيء نفسه مع الحاسوب: فهي تقيس عدد عمليات الفاصلة العائمة (الجمع والضرب على الأعداد العشرية) التي يمكن للآلة إجراؤها. إنها الوحدة الأساسية لقياس قوة الحوسبة في الذكاء الاصطناعي.
معنيان وحرف واحد
انتبه للفخّ: الحرف «s» يغيّر كل شيء.
- FLOPs (عمليات) = إجمالي العمل في عملية حسابية. نقول إن تدريب نموذج كبير كلّف «10²⁵ FLOPs».
- FLOP/s (في الثانية) = سرعة الشريحة. تبلغ وحدات المعالجة الرسومية الحديثة عشرات الـ PetaFLOP/s (10¹⁵ عملية في الثانية).
الأولى كمية عمل، والثانية معدّل سرعة — تماماً كالتمييز بين طول الرحلة وسرعة السيارة.
سلّم البادئات
| البادئة | الرمز | القيمة |
|---|---|---|
| تيرا | TFLOPs | $10^{12}$ |
| بيتا | PFLOPs | $10^{15}$ |
| إكسا | EFLOPs | $10^{18}$ |
لماذا تهم في الذكاء الاصطناعي
يمكن تقدير كلفة تدريب نموذج بسهولة. فلنموذج يضمّ $N$ من المعاملات ويُدرَّب على $D$ من الرموز:
$$C \approx 6 \times N \times D$$
تفسّر هذه الصيغة لماذا تتطلب النماذج المتقدمة ميزانيات حوسبة هائلة: فمضاعفة المعاملات والبيانات تكاد ترفع الكلفة أربعة أضعاف. وهكذا أصبحت الـ FLOPs عملة استراتيجية، حتى إن التشريعات باتت تنظّم النماذج التي تتجاوز عتبات حوسبة معيّنة.
لا تخبرك الـ FLOPs إن كان الذكاء الاصطناعي ذكياً — بل فقط بمقدار الجهد الخام الذي بُذل في بنائه.