مایکروسافت در پتنت جدیدی طرح استفاده از توان پردازشی بلااستفاده کارت‌های گرافیک کامپیوترهای شخصی برای آموزش مدل‌های هوش مصنوعی را توضیح داده است. براساس این ایده، کاربران در ازای مشارکت در پردازش‌ها اعتبار یا حتی پول دریافت می‌کنند؛ البته هنوز مشخص نیست این طرح به محصولی تجاری تبدیل شود.
به گزارش TechPowerUp، مایکروسافت در درخواست ثبت اختراعی با عنوان Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization، روشی را تشریح کرده است که می‌تواند کامپیوترهای شخصی، لپ‌تاپ‌ها و حتی گوشی‌های هوشمند را به بخشی از شبکه توزیع‌شده آموزش هوش مصنوعی تبدیل کند.
این درخواست با شماره US-20260349820-A1 در آوریل ۲۰۲۵ (فروردین و اردیبهشت ۱۴۰۴) ثبت شده و در ۵ نوامبر ۲۰۲۶ (۱۴ آبان ۱۴۰۵) انتشار یافته است. ایده اصلی آن، تقسیم فرایندهای سنگین آموزش مدل‌های هوش مصنوعی به وظایف کوچک‌تر است تا هر دستگاه متناسب با توان پردازشی آزاد خود، بخشی از محاسبات را انجام دهد. به این ترتیب، به‌جای اتکا به تعداد محدودی مرکز داده، می‌توان از ظرفیت بلااستفاده هزاران دستگاه شخصی نیز بهره گرفت.
کاربران در ازای اشتراک‌گذاری GPU چه چیزی دریافت می‌کنند؟
در توضیحات این درخواست، مایکروسافت امکان پرداخت پاداش به صاحبان دستگاه‌ها را نیز مطرح کرده است. سیستم می‌تواند میزان پردازش انجام‌شده توسط هر کامپیوتر را ثبت کند و متناسب با آن به حساب کاربر اعتبار اختصاص دهد. این اعتبارها ممکن است برای دریافت نرم‌افزار رایگان، دسترسی به مدل‌های هوش مصنوعی یا حتی دریافت پول قابل استفاده باشند.
بااین‌حال، یک نکته مهم وجود دارد؛ پرداخت پاداش در بخش توضیحات اختراع به‌عنوان یکی از سناریوهای احتمالی مطرح شده و جزو ادعاهای اصلی ثبت اختراع نیست. همچنین هیچ نرخ پرداخت، روش تسویه یا فهرست سخت‌افزارهای پشتیبانی‌شده‌ای اعلام نشده است. بنابراین، هنوز نمی‌توان درباره میزان درآمد احتمالی کاربران قضاوت کرد.
جلوگیری از داغ شدن کارت گرافیک و افت عملکرد سیستم
یکی از بخش‌های مهم طرح مایکروسافت، مدیریت منابع سخت‌افزاری است. سیستم برای تشخیص زمان مناسب پردازش، میزان استفاده از پردازنده مرکزی و گرافیکی، حافظه، دمای قطعات و مصرف برق را زیر نظر می‌گیرد.
اگر کارت گرافیک تحت فشار باشد یا دمای دستگاه از محدوده تعیین‌شده عبور کند، بررسی وضعیت سخت‌افزار با فاصله زمانی بیشتری انجام می‌شود و وظایف پردازشی نیز می‌توانند متوقف یا به زمان دیگری موکول شوند. اندازه هر وظیفه هم براساس توانایی و میزان دسترسی دستگاه تنظیم خواهد شد.
ازسوی‌دیگر، مایکروسافت برای جلوگیری از ارسال نتایج اشتباه یا دستکاری‌شده، سازوکاری جهت بررسی متقابل خروجی دستگاه‌های مختلف در نظر گرفته است. در این روش، اعتبار نتایج و سابقه قابل‌اعتماد بودن هر دستگاه در فرایند ترکیب محاسبات اهمیت دارد.
آیا این طرح به ویندوز و کامپیوترهای گیمینگ می‌آید؟
درحال‌حاضر، مایکروسافت هیچ برنامه رسمی برای عرضه این قابلیت در ویندوز یا ایکس‌باکس اعلام نکرده است. انتشار درخواست ثبت اختراع نیز به معنای عرضه قطعی یک محصول نیست و بسیاری از ایده‌های ثبت‌شده هرگز به مرحله تجاری نمی‌رسند. بااین‌وجود، افزایش تقاضا برای پردازنده‌های گرافیکی و هزینه بالای زیرساخت‌های هوش مصنوعی باعث شده است استفاده از توان پردازشی پراکنده دستگاه‌های شخصی به گزینه‌ای قابل‌توجه تبدیل شود. اگر مایکروسافت بتواند هزینه برق، امنیت اطلاعات و تاثیر پردازش‌ها بر عملکرد سیستم را مدیریت کند، این ایده ممکن است شکل تازه‌ای از مشارکت کاربران در زیرساخت هوش مصنوعی ایجاد کند.
ایده مایکروسافت می‌تواند کامپیوترهای گیمینگ را از دستگاه‌هایی با توان پردازشی بلااستفاده به بخشی از شبکه آموزش هوش مصنوعی تبدیل کند. بااین‌حال، تا زمانی که میزان پاداش، شرایط مشارکت و هزینه واقعی مصرف برق مشخص نشود، نمی‌توان آن را روشی مطمئن برای درآمدزایی از کارت گرافیک دانست. فعلا باید این خبر را یک طرح ثبت اختراع دانست، نه قابلیتی که کاربران بتوانند از همین امروز از آن استفاده کنند.