تخيّل عاملاً فائق التخصّص لا يُتقن سوى مهمّة واحدة — ضرب وجمع جداول من الأرقام — لكنه ينجزها أسرع بآلاف المرّات من أي عامل متعدّد المهام. هذه هي فكرة وحدة المعالجة التنسورية (TPU)، وهي شريحة صمّمتها جوجل عام 2015 لتسريع تعلّم الآلة. إنها دارة متكاملة مخصّصة (ASIC): مصمَّمة لغرض واحد فقط، خلافاً للمعالج المركزي متعدّد الأغراض.
لماذا «تنسورية»؟
في الذكاء الاصطناعي، يكاد كل شيء يُختزل إلى عمليات ضرب المصفوفات. تُجري الشبكة العصبية سلسلة عمليات على الشكل:
$$ Y = X \cdot W + b $$
حيث $X$ هو المُدخَل، و$W$ الأوزان، و$b$ الانحياز. تعتمد الـ TPU على مصفوفة انقباضية (systolic array): شبكة من آلاف الوحدات الحسابية الصغيرة تتناقل البيانات يداً بيد، دون العودة المتكرّرة إلى الذاكرة. وهذا يقلّص اختناق الطاقة ويسرّع المعالجة بشكل هائل.
الفرق بين TPU وGPU وCPU
| المعيار | CPU | GPU | TPU |
|---|---|---|---|
| الغرض | عام | رسوميات / متوازٍ | ذكاء اصطناعي (مصفوفات) |
| المرونة | عالية جداً | عالية | منخفضة (متخصّصة) |
| الكفاءة في الذكاء الاصطناعي | ضعيفة | جيّدة | ممتازة |
فالـ CPU سكّين متعدّد الأدوات، والـ GPU خطّ تجميع متوازٍ، أمّا الـ TPU فآلة مخصّصة لمهمّة واحدة.
استخدام عملي
تشغّل وحدات الـ TPU بحث جوجل، وترجمة جوجل، وتدريب نماذج كبيرة مثل Gemini. وهي متاحة للمطوّرين عبر السحابة (Google Cloud TPU).
حين تتكرّر عملية حسابية مليارات المرّات، يصبح حفرها في السيليكون هو الرافعة الحاسمة للأداء.