- يشير المؤشر إلى أن مهندسي Nvidia يلتزمون الآن بثلاثة أضعاف التعليمات البرمجية عن ذي قبل
- تؤكد Nvidia أن معدلات العيوب ظلت ثابتة على الرغم من الزيادة المبلغ عنها في الإنتاج
- ساهمت مسارات العمل المدعومة بالذكاء الاصطناعي في DLSS 4 وأحجام قوالب GPU الأصغر
طرحت Nvidia أدوات الذكاء الاصطناعي التوليدية عبر جزء كبير من قوتها العاملة الهندسية، مع دمج Cursor في سير عمل التطوير اليومي.
وتقول الشركة إن أكثر من 30 ألف مهندس يعتمدون الآن على هذا الإعداد، وتشير المطالبات الداخلية إلى إنتاج تعليمات برمجية أعلى بثلاث مرات من العمليات السابقة.
لقد جذب هذا الادعاء الانتباه جزئيًا لأن المقاييس القائمة على الحجم تم التعامل معها بحذر منذ فترة طويلة في هندسة البرمجيات.
مطالبات الإنتاجية مقابل الواقع الهندسي
يعد هذا النشر بمثابة تغيير تشغيلي يمس البرامج الأساسية، بما في ذلك برامج تشغيل وحدة معالجة الرسومات ورمز البنية التحتية الذي يدعم الألعاب ومراكز البيانات وأنظمة تدريب الذكاء الاصطناعي.
تعتبر هذه المنتجات على نطاق واسع ذات مهام حرجة، حيث يمكن أن يكون للأخطاء عواقب واضحة ومكلفة في بعض الأحيان.
تدعي Nvidia أن معدلات العيوب ظلت ثابتة على الرغم من الزيادة في الإنتاج، مما يشير إلى أن الضوابط الداخلية ومتطلبات الاختبار لا تزال قائمة.
عادةً ما تمر تعليمات برمجية لبرنامج التشغيل والبرامج الثابتة ومكونات النظام ذات المستوى المنخفض عبر التحقق الشامل قبل الإصدار، بغض النظر عن مدى سرعة كتابتها.
هذا النهج ليس جديدًا، حيث اعتمدت Nvidia سابقًا على سير العمل بمساعدة الذكاء الاصطناعي، بما في ذلك الأنظمة الداخلية المستخدمة لتحسين DLSS عبر أجيال متعددة من الأجهزة.
تم الاستشهاد ببعض نتائج Nvidia الأخيرة كأمثلة على التطوير المدعوم بالذكاء الاصطناعي الذي حقق نتائج ملموسة.
غالبًا ما تتم الإشارة إلى DLSS 4 والتخفيضات في حجم قالب وحدة معالجة الرسومات مقارنة بالتصميمات المماثلة كنتائج مرتبطة بالاستخدام الأوسع لأدوات التحسين الداخلية.
تشير هذه الأمثلة إلى أن مساعدة الذكاء الاصطناعي، عند تطبيقها ضمن بيئات تخضع لرقابة مشددة، يمكن أن تساهم في تحسينات قابلة للقياس.
في الوقت نفسه، واجهت مجموعة برامج Nvidia انتقادات في السنوات الأخيرة، حيث أشار المستخدمون إلى تراجعات برامج التشغيل والمشكلات المتعلقة بالتحديث في جميع أنحاء الصناعة.
يدعي كورسور أيضًا أن البرمجة أصبحت “أكثر متعة مما كانت عليه من قبل”، ولكن هذا يتماشى جنبًا إلى جنب مع أرقام الإنتاجية التي لا يزال من الصعب تقييمها بشكل مستقل.
لم تكن سطور التعليمات البرمجية التي تم الالتزام بها خلال فترة معينة مؤشرًا موثوقًا لجودة البرنامج أو استقراره أو قيمته على المدى الطويل.
يتم قياس جودة البرامج الحقيقية بشكل أفضل من خلال الاستقرار وقابلية الصيانة والتأثير على أداء المستخدم النهائي، ولا يوضح حجم الإنتاج وحده الكثير عن ذلك.
وتستفيد إنفيديا أيضًا تجاريًا من تعزيز التطوير القائم على الذكاء الاصطناعي، نظرًا لدورها المركزي في توفير الأجهزة التي تقف وراء هذه الأنظمة.
وفي هذا السياق، من المتوقع أن تكون هناك شكوك حول الرسائل والمقاييس، حتى لو كانت الأدوات الأساسية تحقق كفاءات حقيقية في سيناريوهات محددة ومُدارة بإحكام.
اتبع TechRadar على أخبار جوجل و أضفنا كمصدر مفضل للحصول على أخبار الخبراء والمراجعات والآراء في خلاصاتك. تأكد من النقر على زر المتابعة!
وبالطبع يمكنك أيضًا اتبع TechRadar على TikTok للحصول على الأخبار والمراجعات وفتح الصناديق في شكل فيديو، والحصول على تحديثات منتظمة منا على واتساب أيضاً.
التعليقات