در حالی که بحران کمبود زیرساخت‌های محاسباتی برای آموزش و استنتاج مدل‌های هوش مصنوعی، بسیاری از غول‌های فناوری را با چالش‌های جدی مواجه کرده است، محققان اپل در یک مقاله پژوهشی جدید، از معماری توزیع‌یافته‌ای به نام «Minions» رونمایی کرده‌اند. این سیستم با بهره‌گیری از توان محاسباتی بلااستفاده (Idle) مک‌های موجود در شبکه داخلی شرکت، یک «ابر GPU مجازی» ایجاد می‌کند که زمان انتظار برای اجرای تسک‌های هوش مصنوعی را از ساعت‌ها به دقایق کاهش داده است.
معماری فنی و مؤلفه‌های سیستم Minions
سیستم Minions بر پایه یک مدل اجرایی مبتنی بر «کشیدن» (pull-based execution model) بنا شده است و برخلاف سیستم‌های زمان‌بندی مرکزی سنتی، انعطاف‌پذیری بالایی در مدیریت منابع دارد. ساختار این سیستم از سه بخش اصلی تشکیل شده است:
- Minion Server: وظیفه دریافت تسک‌ها، شکستن آن‌ها به زیرتسک‌های کوچک‌تر (Subtasks) و ذخیره آن‌ها در دیتابیس
PostgreSQLرا بر عهده دارد. - Minion Executor: این ابزار روی هر مکِ مشارکت‌کننده اجرا می‌شود تا از طریق APIهای REST، زیرتسک‌های جدید را از سرور فراخوانی کرده و پردازش کند.
- Minion Watchdog: ناظری که سلامت سیستم را از طریق بررسی ضربان قلب (Heartbeat) مک‌ها در بازه‌های ۵ دقیقه‌ای پایش کرده و در صورت بروز خطا یا قطع دسترسی، تسک‌های ناتمام را به صف بازمی‌گرداند.
فرآیند پردازش و استنتاج هوش مصنوعی
در حال حاضر، Minions به طور اختصاصی برای پردازش‌های مبتنی بر Apple Silicon طراحی شده است. دو دسته کار اصلی توسط این سیستم پشتیبانی می‌شود: پردازش‌های تعبیه (Embeddings) با استفاده از مدل‌های ترنسفورمر متن‌باز Hugging Face و تولید متن توسط مدل‌های زبانی بزرگ که از طریق ابزار Ollama در هر مک اجرا می‌شوند. در این معماری، هر مک یک مدل کامل را در حافظه یکپارچه (Unified Memory) خود بارگذاری کرده و بدون نیاز به تکه‌تکه کردن مدل بین دستگاه‌های مختلف، عملیات را به پایان می‌رساند.
چالش‌های مقیاس‌پذیری و امنیت داده‌ها
یکی از دغدغه‌های اصلی مطرح شده در این مقاله، امنیت داده‌ها و تفکیک حوزه‌های کاری (Team-scoped deployment) است. اپل برای کاهش ریسک‌های امنیتی، از استخرهای مجزا برای دیتابیس‌ها و مک‌های هر تیم استفاده می‌کند تا از نشت داده‌های حساس بین گروه‌های مختلف جلوگیری شود. همچنین، با استفاده از Amazon S3 به عنوان لایه ذخیره‌سازی ورودی/خروجی، استقلال عملیاتی دستگاه‌ها از سرور اصلی حفظ شده است.
آینده محاسبات توزیع‌یافته و نتیجه‌گیری
اپل با این ابتکار قصد دارد گلوگاه تأمین سخت‌افزار برای هوش مصنوعی را مدیریت کند. در گزارش‌های مالی تابستان ۱۴۰۵، اپل به صراحت به محدودیت‌های زنجیره تأمین و هزینه‌های رو به رشد حافظه اشاره کرده است. سیستم Minions نه‌تنها هزینه‌های زیرساختی را برای تسک‌های استنتاج به صفر می‌رساند، بلکه مسیر را برای توسعه «آموزش مدل‌های توزیع‌یافته» (Distributed Model Training) در آینده هموار می‌کند. محققان این پروژه معتقدند در صورت پیاده‌سازی فدراسیون امن، این معماری می‌تواند فراتر از محیط داخلی شرکت، در مقیاس جهانی نیز برای تشکیل استخرهای اشتراکی GPU مورد استفاده قرار گیرد.
مشخصات کلیدی سیستم Minions:
- زیرساخت هسته: Apple Silicon (پردازش گرافیکی یکپارچه)
- مدل اجرا: Pull-based (بدون زمان‌بند مرکزی)
- پروتکل ارتباطی: REST API
- مدیریت خطا: Minion Watchdog (بررسی ضربان قلب ۵ دقیقه‌ای)
- ذخیره‌سازی: PostgreSQL برای صف‌بندی تسک‌ها و Amazon S3 برای داده‌های مدل
- ابزار اجرا: Ollama برای استنتاج مدل‌های زبانی بزرگ
